无线传感器网络中基于多比特量化的极大似然分布式估计方法

在无线传感器网络背景下的分布式估计中,由于传输网络对发送功率和传输带宽的限制,压缩信源冗余、降低通信数据量便成为一个重要的课题.为此,本文提出了一种基于多比特量化观测的分布式估计方法（MQS）,利用渐进性能作为优化准则构造量化阈值优化问题,运用粒子群算法对其进行求解得到最优量化阈值,给出了克拉美罗下界的解析表达式,并与均匀量化方法（UQS）和未量化方法（NQS）进行对比.理论分析和仿真实验表明,MQS的性能优于UQS.当量化深度增大到3时,MQS的估计性能十分接近NQS的估计性能.     

无线传感器网络中比特错误率估计方法

由于无线传感器网络中干扰检测的性能依赖于比特错误率(Bit Error Rate,BER)估计的准确性,而现有的比特错误率估计方法或者难以实现,或者准确性差。针对这个问题,本文提出了采用差异化思想来提高比特错误率估计准确度的方法DEE(Differentiated Error Estimation)。其主要是发送方在数据包中插入具有不同估错能力的多级估错位,并随机均匀地分布所有估错位。接收方借助BER与奇偶校验失败概率的理论关系来估计BER。同时,DEE利用BER非均匀分布特征来优化各级估错位的能力,提高出现概率高的BER的估计准确度,以降低平均估计误差。实验结果表明,与现有方法EEC相比,DEE可将估计误差平均减少约44%。当估错冗余较低时,DEE可将估计误差减少约68%。     

无线传感器网络多时间尺度链路估计算法研究

针对无线传感器网络链路存在的不稳定性和不对称性问题,提出多时间尺度链路估计算法,通过长期和短期两种时间尺度估计节点间的链路质量,构建稳定链路和突发链路共存的拓扑结构,并采用突发链路发现策略实现机会路由;同时又针对由突发链路的不对称性引起的复制数据包问题,提出了多路径ACK策略,通过稳定链路和突发链路共同形成的多条路径传...     

基于全局状态估计的多传感器加权数据融合算法

自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息.但是,通过深入的理论分析和实验仿真发现,自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度,同时该算法还具有较差的抗干扰性及稳定性.基于以上研究结果,提出了一种基于全局状态估计的多传感器加权数据融合算法,采用卡尔曼滤波的状态估计特性及相关历史信息,使得状态的估计值能够充分逼近真实值,从而使得算法具有较高的融合精度及抗干扰性.最后,MonteCarlo仿真结果显示,相比于已有算法,提出的算法在融合精度及抗干扰性方面具有明显地提高.     

基于空间结构的无线传感器网络缺失值估计方法

为了保证无线传感器网络中数据的完整性,针对感知数据在传输中存在数据丢失或者数据异常的问题,提出一种基于空间结构的无线传感器网络缺失值估计方法。矩阵补全方法是估计缺失值的有效方法,但目前尚未考虑到数据间的连续性而导致估计误差较大。本文结合传感器节点数据具有时空相关性的特点,通过增加正则化项的方式来约束矩阵补全的解空间对数据进行缺失值估计。仿真时采用伯克利英特尔实验室的传感器数据,通过 Matlab软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的缺失值估计效果理想,估计误差始终保持在较低水平。     

目标跟踪中多传感器状态估计综述

目标跟踪在军用和民用领域应用广泛,而状态估计是目标跟踪的核心技术之一。本文概述了当前国内外对目标跟踪中状态估计的最新研究,列举了现有的多种状态估计算法,最后指出了目标跟踪中状态估计面临的挑战及其发展方向。     

无线传感器网络数据融合研究

数据融合是无线传感器网络的一个研究热点,能减少传感器节点间传输的数据量和能量消耗,从而明显提高网络即时性能,延长网络生命周期,减小时间延迟。文章首先介绍了无线传感器网络中数据融合的必要性,然后介绍了数据融合的原理、层次、结构,重点介绍了多传感器数据融合的三个层次,并比较了三个融合层次的优缺点,最后对数据融合的发展趋势进行了展望。     

基于无线传感器网络的生命状态监控系统的设计

基于无线传感器网络的生命状态监控系统是一种现代化远程医疗监控系统,它利用医疗传感器作为生理信息采集接口,利用无线通信技术把采集到的生理数据通过网关再传送到远程监控中心,在远程监控中心对生理数据进行分析诊断,从而实现远程监控和远程医疗。本课题针对医疗领域的应用,分析了无线传感器网络硬件平台,研制了一个具有通用性能的基于无线传感器网络的硬件平台,研究和探索了其在能耗、无线通信协议、硬件设计等方面的应用,力求本课题所涉及的无线传感器网络节点具有很好的可扩展性、可操作性和实用性。     

无线传感器网络分布式多传感器目标检测

目标检测是无线传感器网络中的一种重要应用,文中提出了一种能量有效分布式多传感器目标检测方法,该方法区别于以往的单目标方法,通过多个节点相互协作对目标进行检测,算法1给出了时间序列离散法,求得目标被测距离,且多节点将检测到的信息在聚合节点进行聚合,并通过算法2找到一条最优传输路径将聚合数据包传送至sink节点。此外通过仿真比较了单节点检测目标和多节点协同检测目标的概率、权系数α对检测节点平均能量消耗的影响,并给出了目标检测数据的最佳采样周期。     

基于数据融合的无线传感器网络路由算法

在分簇协议LEACH和链状协议PEGASIS的基础上,提出一种新的基于数据融合的分簇路由算法.簇首节点采用多跳方式传输数据,并根据周围节点的密集程度构造不同大小的簇;簇内节点计算上行和下行节点构造数据融合树,采用时分复用调度算法进行多跳路由.NS2仿真结果表明该路由算法均衡了各个节点的能量消耗,延长了网络存活时间,并降低了网络延迟.     

基于最优阶估计与分布式分簇的传感器网络数据压缩方法研究

在无线传感器网络的诸多应用中,被监测区域发生异常情况的概率通常较小,正常情况下,同一传感器节点在前后连续时刻所采集的数据具有时间相关性,处于相邻区域的不同传感器节点在同一时刻所采集的数据具有空间相关性,发送存在时间、空间冗余的数据至基站必将耗费节点大量的能量。该文提出了基于最优阶估计和分布式分簇的传感器网络数据压缩方法,利用节点采集数据的时空相关性,基于最优阶估计在基站处建立相关系数,经分布式分簇,节点仅需传送少量数据,基站根据时空相关性恢复原始数据。仿真结果表明应用该算法,可以有效减少传感器网络中冗余数据传输量和节点能耗,进而延长系统寿命。     

A Distributed Query Protocol in Wireless Sensor Networks

In wireless sensor networks, query execution over a specific geographical region is an essential function for collecting sensed data. However, sensor nodes deployed in sensor networks have limited battery power. Hence, the minimum number of connected sensor nodes that covers the queried region in a sensor network must be determined. This paper proposes an efficient distributed protocol to find a subset of connected sensor nodes to cover the queried region. Each node determines whether to be a sensing node to sense the queried region according to its priority. The proposed protocol can efficiently construct a subset of connected sensing nodes and respond the query request to the sink node. In addition, the proposed protocol is extended to solve the k-coverage request. Simulation results show that our protocol is more efficient and has a lower communication overhead than the existing protocol.     

基于Bayes序贯估计的无线传感器网络数据融合算法

移动代理被认为是无线传感器网络中解决数据融合的有效方法,但代理访问节点的次序以及总数对算法有较大影响,为此该文提出一种基于Bayes序贯估计的移动代理数据融合算法.该算法通过构造特定数据结构的报文,在多跳环境中由Bayes序贯估计调整梯度向量,据此动态决定移动代理的访问路径,使移动代理有选择地在传感器节点之间移动,且在节点处由移动代理对数据进行融合,将多余的感知数据剔除,而不是把原始数据传输到Sink节点。理论分析和模拟实验表明,该算法有较小的能量消耗和传输延时。     

DEED:一种无线传感器网络中高效节能的数据通信协议

无线传感器网络由许多具有低功率无线收发装置的传感器节点组成,能够有效地从不同环境监测收集周边环境信息并传送到远处的基站进行处理.由于传感器节点的电池能量极为有限,因此节点的通信应有效的利用能量,以延长网络的生命周期.LEACH^[4]协议是一种典型的能有效延长网络生命周期的节能通信协议.本文提出了一种分布的、高效节能的通信协议DEED,DEED利用了数据聚合技术,以聚类的方式组织节点,聚类首领在网络中均匀分布并组织成路由树,由根节点与基站直接通信.实验结果显示DEED性能远好于LEACH.     

Research on Link Quality Estimation Mechanism for Wireless Sensor Networks Based on Support Vector Machine

In the application of Wireless sensor net-works (WSNs), effective estimation for link quality is a basic issue in guarantying reliable data transmission and upper network protocol performance. A link quality es-timation mechanism is proposed, which is based on Sup-port vector machine (SVM) with multi-class classification. Under the analysis of the wireless link characteristics, two physical parameters of communication, Receive sig-nal strength indicator (RSSI) and Link quality indicator (LQI), are chosen as estimation parameters. The link qual-ity is divided into five levels according to Packet recep-tion rate (PRR). A link quality estimation model based on SVM with decision tree is established. The model is built on kernel functions of radial basis and polynomial re-spectively, in which RSSI, LQI are the input parameters. The experimental results show that the model is reason-able. Compared with the recent published link quality es-timation models, our model can estimate the current link quality accurately with a relative small number of probe packets, so that it costs less energy consumption than the one caused by sending a large number of probe packets. So this model which is high efficiency and energy saving can prolong the network life.     

Opportunistic Data Aggregation in Low-Duty-Cycle Wireless Sensor Networks with Unreliable Links

This paper proposes an opportunistic data aggregation algorithm to support the data collection in low-duty-cycle Wireless sensor networks （WSNs） with unreliable links. In this algorithm, each sensor selectively waits for some certain time to maximize the number of packets that it can aggregate from its downstream nodes, then transmits the aggregated result to an adaptively selected upstream node following an optimal forwarding sequence. Simulation results show that the algorithm can significantly increase the data aggregation efficiency, and reduce energy consumption and message overhead.     

基于性能边界和量化数据的WSN目标跟踪传感器选择算法

对能量和带宽受限的无线传感器网络下的目标跟踪问题,基于量化的观测数据和条件后验克拉美-罗下界提出一种传感器选择方法.为了节约网络能量和带宽,对传感器接收到的观测数据进行量化压缩,推导了传感器量化数据下目标状态估计的条件后验克拉美-罗下界,将其作为传感器选择和优化的准则,并且利用粒子滤波器给出一种条件后验克拉美-罗下界的近似计算方法.与基于无条件后验克拉美-罗下界和互信息的传感器选择方法进行了对比仿真,结果表明了条件后验克拉美-罗下界作为传感器选择准则的有效性以及对跟踪性能的改进.     

无线传感器网络中覆盖问题的研究

简要介绍了无线传感器网络体系结构、特点和应用领域.针对无线传感器网络节点覆盖问题进行了研究,提出了基于最短路径的覆盖算法,并给出了仿真结果.     

A Key Pre-distribution Scheme for Wireless Sensor Networks Using Hexagonal Deployment knowledge

To insure security for the messages sent among sensor nodes, it is important to establish keys for encryption to nodes which have had no prior direct contact with each other in wireless sensor networks. To solve the problem above, several key pre-distribution schemes have been proposed. In this paper, we present a novel key pre-distribution scheme using hexagonal deployment knowledge, in which the q-composite keys scheme has been improved. By using hexagonal division over the deploy- ment region, the probability of sharing common keys be- tween each sub-region and its neighboring sub-regions are equal, so the keys for encryption can be generated efficiently. The analytic results show that the scheme we pre-sented can achieve a higher connection probability of any two neighboring nodes than previous schemes, and net- work resilience against node capture can be substantially improved.