基于改进粒子滤波器的WSNs目标跟踪算法

提出了一种适用于无线传感器网络(WSNs)的目标跟踪算法,该算法基于改进型粒子滤波器(PF),根据当前的预测值优化PF的方向值,从而保证精确地预测到目标的移动方向;修改了目标突发变化引起的粒子滤波器预测误差,能够很好地跟踪目标移动过程中的异常、突发的移动变化.仿真结果表明:该目标跟踪算法采用新的粒子滤波器之后,可以获得...     

无线传感器网络动态重传算法

无线传感器网络路由协议通过点到点的重传来提高数据传输的可靠性,其重传机制没有考虑不同业务数据的可靠性需求差异,统一设定一个静态的最大重传次数。本文提出了一种动态重传算法,为每种业务分别根据其可靠性需求动态设定最大重传次数。对于较低可靠性需求的业务,相比于传统重传机制减少了重传次数。仿真表明动态重传算法能有效降低网络能耗。     

无线传感器网络动态覆盖的CVT算法

覆盖控制是无线传感器网络中的基本问题之一,动态覆盖问题又在很多领域有其独到的应用价值。为了更好地实现动态覆盖,基于集中式Voronoi网格细分（ CVT）理论,结合Lloyd算法,提出了一种无线传感器网络动态覆盖算法,通过调整目标覆盖区域几何边界,协同调度无线传感器网络节点,从而实现目标区域无线传感器网络动态覆盖。在仿真中,进行了正方形、正方形—圆形障碍静态边界区域覆盖实验和正方形—长方形目标区域、正方形—十字形目标区域、正方形—H形目标区域动态边界覆盖实验,验证了控制算法的有效性,并对不同目标覆盖区域形状、节点数量、覆盖程度、覆盖效率进行了分析。     

无线传感网中节点的协同过滤定位算法

针对无线传感器网络迭代定位算法中节点定位精确度低的问题,提出了协同过滤定位算法(Cooperative Filter Localization Algorithm, CFLA)。该算法对周围只有两个信标节点的未知节点进行定位时,产生出未知节点的两个候选点。为了精准高效地判定出候选点,引入两种协同过滤定位模型。模型一,通过选择出合理的参考节点,利用该参考节点与未知节点的协作进行候选点的过滤。模型二,利用该模型中可以直接通信的未知节点之间的相互协作,判定它们之间的测距与它们的候选点间的欧式距离之间的关系过滤出精度高的候选点。仿真结果表明,在相同的网路环境下,CFLA算法在能量消耗上低于SL-n和RAMP;在信标节点占比为8%时,该算法的定位误差比SL-n算法减少了14.7%,比RAMP算法减少了9.6%,有效地提高了节点的定位精度。     

A chain-cluster based routing algorithm for wireless sensor networks

Wireless sensor networks (WSNs) are an emerging technology for monitoring physical world. Different from the traditional wireless networks and ad hoc networks, the energy constraint of WSNs makes energy saving become the most important goal of various routing algorithms. For this purpose, a cluster based routing algorithm LEACH (low energy adaptive clustering hierarchy) has been proposed to organize a sensor network into a set of clusters so that the energy consumption can be evenly distributed among all the sensor nodes. Periodical cluster head voting in LEACH, however, consumes non-negligible energy and other resources. While another chain-based algorithm PEGASIS (power- efficient gathering in sensor information systems) can reduce such energy consumption, it causes a longer delay for data transmission. In this paper, we propose a routing algorithm called CCM (Chain-Cluster based Mixed routing), which makes full use of the advantages of LEACH and PEGASIS, and provide improved performance. It divides a WSN into a few chains and runs in two stages. In the first stage, sensor nodes in each chain transmit data to their own chain head node in parallel, using an improved chain routing protocol. In the second stage, all chain head nodes group as a cluster in a self- organized manner, where they transmit fused data to a voted cluster head using the cluster based routing. Experimental results demonstrate that our CCM algorithm outperforms both LEACH and PEGASIS in terms of the product of consumed energy and delay, weighting the overall performance of both energy consumption and transmission delay.     

无线传感器网络优化路由树构造算法

针对无线传感器网络使用洪泛建立路由树时,传统的碰撞退避机制和路由树构造策略容易造成消息剧烈碰撞、路由容易瘫痪和建立非优化路由树等问题,提出了无线传感器网络优化路由树构造算法。算法定义路由有效期、父节点优先级队列,并结合跨层设计思想,修改MAC退避算法,提出交叉退避窗口策略,并经仿真实验证明能够有效地构造出较优的路由树。     

无线传感器网络基于移动信标动态选择的定位算法

无线传感器网络节点定位是许多应用的基础.DV-Hop 是一种无需测距的定位算法,但其定位精度依赖于网络的联通状况,对于不规则拓扑的网络定位误差较大.针对这种情况,提出一种新的基于移动信标动态选择的改进 DV-Hop 定位算法,利用一个移动信标在网络中漫游并广播定位分组信息,并在每个虚拟信标中计算当前位置的平均跳距离.未...     

Data fusion for target tracking in wireless sensor networks using quantized innovations and Kalman filtering

A novel networked data-fusion method is developed for the target tracking in wireless sensor networks (WSNs). Specifically, this paper investigates data fusion scheme under the communication constraint between the fusion center and each sensor. Such a message constraint is motivated by the bandwidth limitation of the communication links, fusion center, and by the limited power budget of local sensors. In the proposed scheme, each sensor collects one noise-corrupted sample, performs a quantizing operation, and transmits quantized message to the fusion center. Then the fusion center combines the received quantized messages to produce a final estimate. The novel data-fusion method is based on the quantized measurement innovations and decentralized Kalman filtering (DKF) with feedback. For the proposed algorithm, the performance analysis of the estimation precision is provided. Finally, Monte Carlo simulations show the effectiveness of the proposed scheme.     

Auction-based adaptive sensor activation algorithm for target tracking in wireless sensor networks

Due to the severe resource constraints in wireless sensor networks (WSNs), designing an efficient target tracking algorithm for WSNs in terms of energy efficiency and high tracking quality becomes a challenging issue. WSNs usually provide centralized information, e.g., the locations and directions of a target, choosing sensors around the target, etc. However, some ready strategies may not be used directly because of high communication costs to get the responses for tracking tasks from a central server and low quality of tracking. In this paper, we propose a fully distributed algorithm, an auction-based adaptive sensor activation algorithm (AASA), for target tracking in WSNs. Clusters are formed ahead of the target movements in an interesting way where the process of cluster formation is due to a predicted region (PR) and cluster members are chosen from the PR via an auction mechanism. On the basis of PR calculation, only the nodes in the PR are activated and the rest of the nodes remain in the sleeping state. To make a trade-off between energy efficiency and tracking quality, the radius of PR and the number of nodes are adaptively adjusted according to current tracking quality. Instead of fixed interval (usually used in existing work), tracking interval is also dynamically adapted. Extensive simulation results, compared to existing work, show that AASA achieves high performance in terms of quality of tracking, energy efficiency, and network lifetime.     

基于灰色马尔可夫模型的无线传感器网络目标跟踪算法

基于预测的目标跟踪是无线传感器网络目标定位与跟踪中很重要的一种方法,但在实际环境中由于目标运动模式的动态变化等原因,传统预测算法对目标位置的预测往往不准确。为了克服以上不足,提出了一种基于灰色马尔可夫模型的目标跟踪（GMMTT）算法。将具有震荡特点的Markov模型引入到分段灰色预测中,使目标定位既能获得较好的精度,又能适应目标运动模式的变化。预测得到目标位置后,当前跟踪节点将跟踪信息传送到目标下一时刻将要到达的预测区域,提前唤醒该区域内的节点,用尽可能少的节点实现目标有效的跟踪。实验结果表明：GMMTY算法在跟踪概率和跟踪精度方面具有较好的性能。     

无线传感器网络最大生命期聚合树路由算法

提出了一种无线传感器网络最大生命期聚合树路由算法,根据能量等限制条件建立线性规划模型。考虑到网络最大生命期是NP难问题,在算法复杂度较低情况下,将网络最大生命期问题转化为网络最小归一化负载问题,在建立最大归一化负载聚合树过程中,不断调整负载较重节点的数据转发压力,最终建立一棵负载较轻的数据融合树,实现了网络生命期的最大化。通过仿真验证了算法的性能,并表明所提出算法可以有效延长网络生命期。     

适合无线传感器网络的自适应动态电压调节算法*

对于能量有限的传感器网络,在计算复杂度较高的应用中,节省CPU的能耗具有重要意义。针对以事件为驱动的无线传感器网络的任务模式,提出一种基于零散任务模型的自适应DVS算法——ADVS。ADVS算法根据CPU的任务量实时调整工作频率和电压,能在很大程度上降低CPU能耗的同时,保证任务的实时性要求。理论分析和实验结果表明,ADVS算法的实际节能效果接近理论分析值的80%左右,可在很大程度上延长节点的生命周期。     

基于身份的动态层簇式无线传感网络认证算法

无线传感器网络（WSN）容易受到恶意攻击,而现有的基于身份的密码体制带来了私钥托管问题,对此提出了一种基于身份的分簇认证（IDC）算法。首先,算法没有私钥生成中心（PRKG）,只有一个公钥生成中心（PUKG）用来生成申请者的公钥,而由用户单独选定自己的私钥,真正解决了基于身份的密码体制中存在的密钥托管问题。同时,算法动态生成的伪秘矩阵可以杜绝合谋攻击,保证了算法的安全性。最后,针对节点自身拥有资源的差异,采用分层分级处理,一次完成（解）签密,降低了节点的计算量和存储量。在时间消耗和能量消耗两个方面,新提出的IDC算法比同类型的三种算法减少20%以上;在算法鲁棒性方面,当网络数据包快速增大时,IDC算法表现更加平稳,即能量消耗介于1 mJ到10 mJ之间,跨度不大于1.3 mJ;而该算法的时间消耗一直保持在0.002~0.006 s。模拟实验表明,新提出的IDC算法更加适用于对安全性和能量消耗要求严格的WSN。     

基于身份的动态层簇式无线传感网络认证算法

无线传感器网络（WSN）容易受到恶意攻击，而现有的基于身份的密码体制带来了私钥托管问题，对此提出了一种基于身份的分簇认证（IDC）算法。首先，算法没有私钥生成中心（PRKG），只有一个公钥生成中心（PUKG）用来生成申请者的公钥，而由用户单独选定自己的私钥，真正解决了基于身份的密码体制中存在的密钥托管问题。同时，算法动态生成的伪秘矩阵可以杜绝合谋攻击，保证了算法的安全性。最后，针对节点自身拥有资源的差异，采用分层分级处理，一次完成（解）签密，降低了节点的计算量和存储量。在时间消耗和能量消耗两个方面，新提出的IDC算法比同类型的三种算法减少20%以上；在算法鲁棒性方面，当网络数据包快速增大时，IDC算法表现更加平稳，即能量消耗介于1 mJ到10 mJ之间，跨度不大于1.3 mJ；而该算法的时间消耗一直保持在0.002~0.006 s。模拟实验表明，新提出的IDC算法更加适用于对安全性和能量消耗要求严格的WSN。     

基于混沌粒子群算法的无线传感器网络覆盖优化

为了改善传感器节点随机部署时的不合理分布,提高网络覆盖率,以网络覆盖率为优化目标,提出了基于混沌粒子群的无线传感器网络覆盖优化算法。该算法利用混沌运动的遍历性和随机性,克服了粒子群算法后期陷入局部最优的缺点。仿真结果表明,该算法比基本粒子群算法具有更好的覆盖优化效果。     

基于免疫算法的无线传感器网络路由算法

针对移动代理（MA）以能量有效的方式收集相关性数据的特点,提出一种基于免疫算法的数据融合路由算法．利用免疫算法的寻优能力对MA路由进行全局优化,并根据节点数据传输和融合能量开销及节能增益,对移动代理迁移到每个节点是否进行数据融合进行选择,以提高信息收集过程中网络能量效率．实验结果表明,该算法具有更好的能量利用效率和较低延时．     

基于无线传感器网络的战场目标跟踪

基于无线传感器网络,对目标定位跟踪应用进行了研究。在对目标定位跟踪时,如何既保证跟踪精度又能有效降低能量消耗,针对这个问题,提出了一种简便的加权坐标质心定位方法,通过对目标的定位,给出了一种基于测量信息的跟踪方法,方法实现简单。性能分析表明:提出的定位跟踪方法能有效地降低能量消耗,延长节点和网络寿命,基本可以满足战场目标跟踪需求。     

基于动态树拓扑的多时隙分配无线传感器网络数据传输算法

针对无线传感器网络(WSN)在数据传输过程中节点能量负载不均衡问题,提出了一种基于动态树拓扑的多时隙分配无线传感器网络数据传输算法。该算法首先建立了树链路模型来分析无线传感器网络的数据传输模式以及时隙需求问题;接着通过在树拓扑上使用父代和子代的关系,使节点基于时隙需求执行帧时隙分配,并给出了接收时隙的一个序列模式和发送时隙的序列模式,允许节点更加有序且在干扰更少的信道下接收其他节点发送的数据包,减少时隙的浪费并提高信道利用效率。最后,实验仿真结果表明,与基于数据传输优化的无线传感器网络的生命周期延长算法,以及基于能量感知和时隙分配的可靠数据传输算法相比,所提算法的网络能量效率分别提高了42.8%和51.7%,节点平均寿命延长了1.7%和37.5%,网络的能量效率和网络生命周期得到了提高。     

基于生成树的无线传感器网络时钟同步算法

考虑到无线传感器网络时钟同步多跳误差累积问题,提出一种基于动态生成树的全网时钟同步算法,只需由根节点开始沿树边广播一次同步消息,全网待同步节点即可采用时钟偏差补偿,并结合贝叶斯后验估计算法对时钟进行准确估计。一个同步轮次内每个节点至多广播两次消息即可完成全网同步。使用OMNeT++软件进行仿真实验表明算法有效降低了多跳累积误差,提高了同步精度,且具有较快的收敛速度和较低的开销。     

一种基于粒子滤波的混合声源跟踪算法

为了提高噪声和混响环境中说话人跟踪的精度,提出一种基于粒子滤波的混合声源跟踪算法。根据接收信号信噪比变化较大的特点,该算法使用相位变换加权的可控响应功率定位函数来计算每帧信号的粒子状态观测值,利用其方差将接收信号帧分为高信噪比和低信噪比两种。对于高信噪比帧,仍采用该定位函数构造的似然函数来评价粒子权重,对于低信噪比帧,则采用常规可控波束形成定位函数构造的似然函数来评价粒子权重。仿真结果表明,在平均信噪比较高的条件下,该算法的跟踪性能与传统算法接近;在平均信噪比低于10 dB,混响时间大于200 ms的条件下,跟踪误差比传统算法减少20%~30%。