一种基于非均匀分簇的混合无线传感网数据收集方法

提出了一种针对混合无线传感网的数据收集协议。将网络划分为非均匀高度的网格,并利用主次簇头分别构建针对矢量和标量信息的数据收集路径。实验结果表明,与MTP,CDFUD等分层和分簇的数据收集方法相比,本算法具备较好的能耗均衡性。     

能量有效的无线传感器网络数据收集协议

针对无线传感器能量有限问题,提出能量有效及均衡的数据收集协议(EEBDGP)。利用移动Sink(MS)进行实时数据收集,采用主动重定位MS靠近数据流量大的邻居区域的方法,缩短大流量数据的传输路径,降低传感器节点能量消耗。在数据流量相对均匀而MS的数据转发节点能量低于阈值时,MS移向能量最大的邻居节点,使传感器节点能量消耗达到均衡。实验结果表明,EEBDGP能量有效且能量均衡,并能延长网络生命期。     

WSN中基于压缩感知的高能效数据收集方案

可靠高效的数据收集是无线传感器网络（Wireless sensor networks,WSN）应用中的关键问题.然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求.为此,本文提出了一种基于压缩感知的高能效数据收集方案.该方案主要分为节点上的数据处理和数据收集路径优化两个步骤.首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验（Low density parity check,LDPC）码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质（Restricted isometry property,RIP）.最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解.仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优.     

无线传感网中延迟受限的生命周期最大的数据收集算法

无融合数据收集是无线传感网络中最重要的技术之一.在持续实时的监测应用中,网络生命周期和网络传输延迟是衡量数据收集性能的两个重要指标,已有的研究大多侧重于某单一性能指标,而较少关注多性能的折衷优化.因此,本文研究了如何构造一棵延迟受限的生命周期最大的数据收集树,并将该构造问题形式化为一个整数规划问题,提出了有效的数据收集算法-EDG.该算法首先利用MITT方法构造生命周期近似最优的数据收集树,然后对“瓶颈节点”进行路径调整以使其满足延迟约束.仿真结果表明,与无延迟约束的MITT算法相比,EDG算法能在保证网络传输延迟的前提下,使其网络生命周期在大多数情况下达到MITT的90％以上.     

无线传感器网络中一种高能效数据收集协仪

针对大规模无线传感器网络中收集数据的需要,提出一种基于簇的高能效数据收集协议CEDGP(Cluster-basedEnergy-efficient Data Gathering Protocol).在该协议中,首先,节点根据自身剩余能量竞争簇首;然后,为了均衡节点的能耗,簇首节点将收集到的数据通过多跳方式传送至sink...     

WSN中基于树的负载均衡的数据收集算法

部署无线传感网络WSNs(Wireless Sensor Networks)的根本目的在于数据收集.然而,节点能量有限特性给具有低能耗的数据收集算法的设计提出了挑战.为此,提出基于树的负载均衡的数据收集TLBDG(Tree-based Load Balanced Data Gath-ering)算法.TLBDG算法构建了一棵以基站为根的负载均衡的数据收集树,并以最小跳数路径转发数据包.TLBDG算法具体思想为:先依据节点离基站的跳数形成层次结构,然后再生成以基站为根的树型数据传输路道.实验结果表明,提出的TLBDG算法能够均衡负载,并延长生命周期.     

能量有效和延迟敏感的无线传感器网络数据收集协议

利用移动Sink进行数据收集是无线传感器网络数据收集的一个趋势。本文提出一种能量有效、延迟敏感的移动数据收集协议（Energy—efficient and Delay—Sensitive Data Gathering Protocol for Wireless Sensor Networks,简称EEDS）。EEDS中,移动Sink在网络中穿行,从代理节点收集传感器节点监测到的数据。为了减少数据收集的延迟,采用类TSP（Traveling Salesman Problem）的解决方法,确保移动Sink在各个代理节点中收集数据时,始终选择一条最短路径在网络中行走。模拟仿真表明,提出的数据收集协议在延长网络生命周期以及减少数据收集延迟方面都有显著的优势。     

无线传感器网络的一种数据管理底层协议

以数据为中心(data-centric)的数据管理是当今公认的无线传感器网络数据管理模式,由于其通讯量小、可扩展性好、适应网络规模和拓扑变化等优良性能而受到日益广泛的关注。提出一套适用于无线传感器网络的数据管理底层协议,其基本功能是利用传感器节点的数据通讯和存储能力,使某区域的数据(包括历史数据)总保存在离该区域最近的传感器节点中,而不随最初采集该数据节点的关闭或移动而丢失或移动。该协议在网络中建立起的结构稳定性,使网络中的数据查询过程避免了因网络拓扑的动态变化造成的访问中断和路由更换,为以数据为中心(data-centric)的数据管理的可靠实现提供了支持。     

无线传感器网络数据收集研究进展

在无线传感器网络中,数据收集技术至关重要.在归纳无线传感器网络数据收集技术研究进展的基础上,分析了近年来该领域具有代表性的数据收集算法,以网络结构、流量优化和移动性为依据分为三大类,并分别指出了这些算法的特点和适用情况,最后总结了数据收集算法未来的研究策略和发展趋势.     

无线传感器网络中一种基于移动Sink的数据收集算法

针对移动无线传感器网络设计一种不依赖于节点地理位置的基于移动汇聚节点(Sink)的数据收集算法(Mobile Sink-based Data Gathering,MSDG)。该算法解决了无线传感器网络中多跳路由通信时出现能量空洞的"热点"问题。Sink沿途以最近的固定节点作为根节点动态构建路由树。簇内移动节点感知的数据经簇头进行数据融合计算,然后将融合后的数据沿路由树反向逐跳转发给Sink。仿真结果表明,MSDG在节点的平均能耗和网络生存时间等方面的性能远超过LEACH、ACE-L等数据收集协议。     

基于范数正则化矩阵补全的无线传感网定位算法

节点定位是实现无线传感器网络(wireless sensor networks, WSNs)应用的重要前提之一.针对传统基于测距的定位方法需要大量节点距离信息以及多径效应、噪声干扰等导致的节点测距误差问题,提出了一类基于L1范数正则化矩阵补全(L1-norm regularized matrix completion, L1NRMC)的WSNs节点定位方法.该方法基于传感网节点间距离矩阵低秩特性,将部分采样信息下的距离恢复问题建模为稀疏野值噪声(outlier)情形下的矩阵补全问题,然后采用交替方向乘子法(alternating direction method of multipliers, ADMM)结合算子分裂技术(operator splitting technology)对该问题进行求解,所设计的非精确L1范数正则化矩阵补全(InExact-L1NRMC)算法不仅能显式解析采样矩阵中的稀疏野值噪声,也可隐式平滑常见的高斯随机噪声.仿真结果表明:相比已有的同类定位方法,该算法只需进行部分测距采样即可实现精准的节点定位,且对各类测距噪声具有很好的抗干扰能力,适用于资源受限的WSNs.     

无线传感器网络数据收集技术进展

在归纳无线传感器网络数据收集技术研究进展的基础上,分析了近年来该领域具有代表性的数据收集算法,以数据收集结构、节点数据流量、移动性、功率控制和睡眠调度为依据,指出了这些算法的特点和适用情况,最后展望了数据收集算法未来的研究策略和发展趋势。     

低占空比无线传感器网络同步MAC协议最优信标间隔分析

能量效率是无线传感器网络协议设计的首要考虑因素.无线传感器网络中,介质访问控制层(medium access control, MAC)协议通过降低节点的占空比来降低网络能耗,延长网络的生命周期.相比其他MAC协议,尽管同步MAC需要周期性分发信标来保持严格的时间同步,但却在数据传输方面具有更高的能量效率.信标间隔的长短直接影响同步MAC能量效率的高低.一方面,较短的信标间隔导致较高的同步开销;另一方面,由于时钟漂移的影响,较长的信标间隔会引起较大的保护时间,从而导致空闲侦听能耗的增加.因此,同步开销和空闲侦听这2部分能耗之间存在一个最优折中.分析了低占空比无线传感器网络同步MAC的最优信标间隔问题,提出了一种采用最优信标间隔的TDMA MAC协议(Opt-TDMA).实验表明：Opt-TDMA的能量效率优于非最优信标间隔的TDMA协议和同步MAC协议SCP-MAC.     

基于压缩感知的无线传感器网络的数据编码

近年来,基于压缩感知的无线传感器网络数据编码的研究取得了一定的进展,但大部分研究是基于"单跳"的传输模型或者没有考虑网络内节点之间的合作。本文提出了一种基于压缩感知和分簇的传感器网络数据编码方法。首先,节点根据自己的编号伪随机的产生一个M维的列向量,把感知的数据xi投影到此向量上,然后把自己的编号和投影的数据一同传输给簇头。簇头把收到的数据进行求和,并且把计算后的结果传送给下一个簇头,直到sink节点。通过仿真实验和理论分析,验证了本文提出的方法比传统的方法能更好地减少网络内数据传输量。     

一种传感器网络最大化生命周期数据收集算法

从理论上分析了最大化网络生命周期的数据收集问题.主要做了以下4项工作:(1)分析了简化的静态路由模式,其中只有一棵路由树用于收集数据.(2)分析了真实的动态路由模式,其中有一系列的路由树用于收集数据.(3)提出了一种近似最优的最大化网络生命周期的数据收集和聚集算法MLDGA,MLDGA一方面试图最小化每轮数据收集中所消耗的总能量,另一方面试图最大化每轮数据收集中所使用的路由树的生命周期.(4)用Java语言实验模拟了MLDGA算法,并与现有的算法进行比较.实验结果表明,无论基站的位置还是传感器的初始能量发生变化,MLDGA都取得良好的性能,而现有的数据收集算法只适应于特定的变化.     

无线传感器网络中一种新型的混合型数据收集协议

无线传感器网络节点数量庞大,单个节点资源极其有限,其数据收集协议设计的首要目标是有效节约能源、延长网络生命周期.分析和比较了现有几种典型的数据收集协议,立足于实际应用需求,设计出一种基于分簇结构的混合型数据收集协议(MDGP). MDGP是一种具备区分服务机制和网内数据融合的数据收集协议,适合于矿井安全监测等大规模检测应用.提出了一个能平衡负载、减少簇头节点的簇头产生算法.采用反向汇聚树结构传输处理数据流,同时对一些紧急数据的处理也进行了详细的讨论.仿真实验表明,MDGP比传统的数据收集协议能获得更长的生命期,达到了较好的预期效果.     

车载传感器网络的研究进展

车载传感器网络是一种建立在车载自组织网络基础上的以数据为中心的新型移动传感器网络。与传统传感器网络不同的是,车载传感器网络中的节点是高速移动的,从而导致网络间歇连通、拓扑结构变化频繁,网络中数据的传输只能依靠节点间机会性的传递,严重影响了这种以数据为中心的网络中的数据传输的性能。对目前车载传感器网络的研究现状进行了分析讨论,同时结合延迟容忍网络和机会网络思想,给出了车载传感器网络的研究方向。     

基于正六边形部署的WSN密钥预分配方案

针对无线传感器网络能量、计算能力、存储空间以及带宽等局限性问题,提出了一种新的无线传感器网络密钥管理方案。该方案采用正六边形对网络进行分区,在覆盖全网的同时有效的减少了重叠区域。节点仅需预分配数量较少的密钥,就能够以很高的概率建立共享密钥,即使存在大量的移动节点仍能保持较高的连通概率。理论与仿真数据表明方案在连通性和安全性方面具有较好的性能。     

数据收集传感器网络的负载平衡网络构建方法

传感器网络所具有的集中式数据收集、多跳数据传输、多对一流量模式这3种特征会造成漏斗效应的出现,这会导致严重的包碰撞、网络拥塞、包丢失,甚至拥塞崩溃,还会导致能量消耗的热点的出现,使某些节点甚至整个网络过早死亡.负载平衡技术能够有效缓解漏斗效应的产生.针对静态数据收集传感器网络,基于供求网络的思想,提出了一种分布式算法,将传感器节点组织成交易平衡网络,用于平衡传感器节点的负载.利用这种方法组织而成的网络结构不是一棵负载平衡树,而是一个负载平衡网络.实验结果验证了这种方法的有效性.     

基于Jacobi ADMM的传感网分布式压缩感知数据重构算法

针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1 (joint sparse model-1)模型,提出了一种基于Jacobi ADMM (alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间交换公共信息以挖掘关联数据集的公共部分,并在各个簇头节点内部更新各自的独立部分,从而实现无线传感网中相关感知数据的分布式压缩重构.首先,将无线传感网中的数据收集问题抽象为一个分布式优化问题.然后,为了能够有效地解决分布式计算过程中产生的不收敛问题,在优化目标函数中引入了近似项,从而使得子优化问题具有严格凸性,并利用交替方向乘子法求解压缩感知数据的重构问题.最后,分别利用合成数据集和真实数据集进行验证.实验结果表明：与现有其他数据重构算法相比,基于Jacobi ADMM的分布式压缩感知数据重构算法具有更高的数据重构精度.