基于能量均衡的无线传感器网络压缩感知算法

无线传感器网络在探测目标源时会碰到处理能力不足和能量缺乏的问题。为了克服这些问题,该文提出了基于能量均衡的自适应压缩感知算法。与传统自适应压缩感知算法不同,所提出的算法在选择观测向量时不仅考虑了重构性能,还考虑了节点的能量均衡,防止某些节点过快消耗能量而导致整体网络结构的破坏。同时为了适应不同应用场景的需求,将自适应压缩感知算法和能量均衡压缩感知算法相结合,通过门限值的选择达到灵活配置的目的。仿真实验的结果表明,该文所提出的算法能够有效延长网络生存时间,同时能够实现能耗和收敛性的兼顾。     

面向认知无线电网络能量高效协作感知的在线节点选择算法

面向认知无线电网络中能量高效协作感知任务需求,提出了面向单次协作感知过程的能量最小化节点选择问题EMNS和面向在线协作感知的能量高效节点选择问题OENS。证明了两问题均为NP-hard难题。针对EMNS问题,提出采用分枝定界算法BAB求最优解和贪婪节点选择算法GS求近似解。针对OENS问题,提出为每个节点引入考虑能量消耗负载均衡的动态权重系数,基于BAB和GS算法设计了启发式的在线节点选择算法OBAB、OGS1。仿真实验结果表明,提出的算法可显著增加网络完成的协作感知过程次数,可有效延长网络"生存期"。     

基于DCS的无线传感器网络数据压缩算法研究

针对无线传感器网络节点能量有限的特点,基于网络节点间感知数据在空间上具有相关性,提出一种适用于无线传感器网络的基于边信息的分布式压缩感知算法。该算法在簇头接收的多个信号中,选择其中一个信号作为边信息,来优化其他信号的压缩以及解压过程,使得其他信号能够得到最大程度的压缩。仿真结果表明,该算法能够有效地压缩信号,并且能减少整个网络的能量消耗。     

传感器网络中基于时空相关性的压缩感知算法

传感器网络节点的能量有限,为节省传感器节点的能耗,提出了利用节点内及节点间的时空相关性的压缩感知模型及算法,减少了通信的数据量,进一步节省了能耗,延长了网络的生命周期。算法在分簇协议和多跳路由优化的基础上,在簇头节点运用较为简单的压缩感知压缩测量方法,降低了计算复杂度。通过对实测数据的误差分析及能耗仿真,验证了该模型及算法的有效性和实用性。     

改进双门限能量检测分簇协作频谱感知算法

针对传统频谱感知算法在低信噪比环境下检测概率较低的问题,提出改进双门限能量检测分簇协作频谱感知算法。算法将感知节点分簇,簇间信息采用OR准则硬融合,簇内双门限外节点发送1 bit判决结果进行硬融合,双门限内节点发送能量值和信噪比值进行加权软融合。加权软融合阶段构造检测概率与节点权重系数函数,利用压缩因子粒子群算法选择权重系数进行函数寻优,以最大化检测概率。仿真结果表明,在低信噪比和不同感知用户数目环境下,算法仍具有较高的检测概率。     

基于节点选择的能量高效的协作频谱感知算法

针对认知无线电中协作频谱感知能耗高的问题,提出一种基于节点选择的能量高效的协作频谱感知算法。该算法在保证感知性能的同时优化感知节点数量,从而达到高效节能的目的,其核心是采用能量高效的节点选择算法。该算法综合考虑了感知性能和能耗,仿真结果表明该算法在保证感知性能的同时能有效降低协作频谱感知的系统能耗。     

基于一致优化的分布式宽带合作频谱感知算法

在压缩采样的框架下,提出一种基于一致优化的分布式宽带频谱压缩感知算法。算法思想如下:认知无线电网络中每个认知节点首先根据压缩采样理论获取压缩采样,并恢复本地的频谱信息,然后在一跳范围内交换频谱信息。认知节点将获取的邻居节点频谱信息进行加权平均,此加权平均作为频谱恢复一致优化问题的约束,以此来降低计算开销,加速算法的收敛。优化问题通过最优交替方向乘子法迭代求解来获取整个认知无线电网络的频谱估计。给出了算法的收敛性证明,并进行了仿真实验以验证算法的有效性。     

一种基于节点能量与距离的备份簇头路由算法

针对LEACH算法随机生成簇头,导致节点能量消耗大,簇头节点过早死亡的问题,提出了CLED算法。该算法优化了簇头选择机制,考虑了距离和能量的因素。在成簇阶段,普通节点选择簇头加入时,引入了复合距离的权值因子,不仅考虑节点与簇头的距离,而且考虑簇头的剩余能量。仿真结果表明,文中提出的CLED算法降低了节点能量消耗速率、提高了整个网络的寿命。     

认知无线电中协作压缩频谱感知算法

针对宽带频谱认知无线电环境中,传统能量检测法在信噪比较低时,容易出现误检而使系统的检测性能下降的问题,文中提出了一种新型高性能的协作频谱感知算法,它是基于压缩理论的多节点频谱感知方法,各节点之间采用基于双判决门限的协作方式。仿真结果显示,双门限协作压缩频谱感知算法在低信噪比的情况下,检测性能明显优于传统能量检测法。     

协作频谱感知中基于可靠度原则的节点选择方法研究

多节点协作频谱感知通过融合不同地理位置节点的检测信息,提高了对主用户使用 状态的感知性能。但感知性能与感知节点数目之间是非线性关系,感知节点的增加导致能量 消耗的增加,而信息量少的节点参与协作感知不利于提高感知性能,反而增加了额外的能量 消耗。为提高感知效率,降低能量消耗,提出一种节点选择算法,该算法只调度可信度高的 节点参与协作感知,排除性能差的节点参与协作感知,融合中心通过机器学习机制与外部环 境不断交互信息,对节点性能进行实时评,及时剔除可靠性下降的节点,动态选择高可靠性 的节点参与协作感知,维持高可靠性感知的动态平衡,提高认知网络的鲁棒性。实验结果表 明,本文中的算法在6个能耗单位下检测概率可达到99%,在有效降低 能量消耗的同时显著提高了感知性能,远优于传统感知方法。