无线传感器网络的功率控制算法

无线传感器网络的功率控制对网络性能有很大影响。功率控制是从控制通信链路的角度来控制网络拓扑的一种途径，目前，功率控制算法的研究主要分为集中式和分布式两种。文章首先简要介绍了无线传感器网络中功率控制研究的意义，然后具体介绍了无线传感器网络一些代表性的功率控制算法，最后探讨了存在的问题和今后的发展方向。     

无线传感器网络自适应功率控制策略

无线传感器网络功率控制技术对于网络的拓扑连通、能量效率、网络容量、吞吐量、实时性等性能均有显著影响,是其实用化的重要支撑技术。该文提出了一种适用于无线传感器网络的自适应功率控制策略APCS(Adaptive Power Control Strategy),该策略是只需要局部信息的分布式算法,通过调整路径损耗指数和功率控制参数可以获得性能极佳的目标拓扑,并能满足实时性和容错能力要求较高的应用场景。另外,该算法还采用了动态功率调整以保持网络的连通性,延长网络的生命周期。仿真结果证实了所提方法的有效性。     

无线传感器网络中基于效用模型的分布式功率控制机制

本文将效用模型引入无线传感器网络的功率控制设计中,提出了一种基于效用模型的分布式功率控制机制(简称UMDPC).该机制建立了网络中所有传感器节点的功率与效用模型的对应关系,将链路可靠性、网络能耗归纳到统一的网络效用优化框架中,并证明该效用优化问题是凸优化问题,构造基于对偶分解的分布式的优化算法,获得网络效用最大化条件下各节点的优化发射功率.最后,通过模拟实验对所提机制及其实现算法的性能进行比较和评价.实验结果表明,本文所提机制最大化了网络的效用,提高了网络的能量利用效率.     

无线传感器网络的功率控制技术

文章介绍了功率控制技术在无线传感器网络中所起的作用,分析了功率控制对网络层、媒体访问控制(MAC)层和物理层性能的影响,在此基础上归纳出一种以提高网络能量效率为目的,同时能够减少物理层信号间的干扰、保障网络层网络的连通性、减少MAC层数据包竞争冲突率的跨层功率控制机制.     

基于功率分配的无线传感器网络拥塞控制协议

由于无线传感器网络的资源受限,相比传统网络其传输过程更容易导致丢包和拥塞。为了避免和控制拥塞,本文提出了一种利用功率分配重新选择路径的拥塞控制算法,首先参考路径传输的多种QoS相关参数度量网络的路径代价和节点可用资源的信息,基于测量得到的网络拥塞水平通过传输功率递增和递减选择不同的路径控制网络拥塞。仿真结果表明所提出的协议减少了网络时延,提高了系统吞吐量和网络生命周期。      

无线传感器网络自适应功率调整机制研究

无线传感器网络功率调整技术对于WSN节点的能量效率、生存时间、丢包率等性能均有显著影响,是其实用化的重要支撑技术。现提出了一种适用于无线传感器网络的自适应功率调整机制,只需要利用节点间的接收信号强度指示(RSSI)值,通过动态调整终端节点的功率值可以获得相对合适的发射功率,从而降低终端节点的能耗,可以适当延长节点的生存时间。实验结果证实了所提方法的有效性。     

无线传感器网络功率自适应研究

在一些随机组网的应用场合,一方面要求每个传感器节点的数据必须被准确获得,另一方面又很难保证节点间的分布距离都在通讯距离范围内,这种情况下直接使用基于IEEE802.15.4协议的无线传感器网络存在问题。针对该问题,提出了一种功率自适应传感器网络解决方案,包括功率自适应协议及其软硬件实现方案。基于该方案,利用Crossbow公司的MICAz节点构建了一个通信距离自适应、低功耗、高可靠性的传感器网络,并进行了实际测试与验证。     

基于MSP430的无线传感器节点动态功率管理研究

针对无线传感器网络节点低功耗设计问题,介绍无线传感器节点组成及其能耗,分析动态功率管理原理及其算法,研究混合自动控制并对其进行改进。改进的混合自动控制算法通过对环境变量的变化值划分来控制无线收发模块的收发频率,能减少收发次数,降低系统功耗。最后介绍了在MSP430,nRF905和SCA3000组成的无线加速度传感器系统中对倾斜角测量时改进的混合自动控制算法的应用。     

功率控制技术在可靠连通无线传感器网络中的应用研究

 功率控制技术是容错拓扑控制中的重要手段,可以简化网络结构,获得可靠连通和高效的底层拓扑.本文提出集中式功率控制算法CTPC,证明其正确性和最小化最大通信半径的最优性质.拓展CTPC算法到分布式环境,设计基于全局信息的功率控制算法GDTPC和基于局部信息的功率控制算法LDTPC,给出算法正确性证明和关于最优性质保持的讨论.LDTPC算法只使用局部信息,适用于大规模无线传感器网络.     

无线传感器网络传输调度方法综述

针对无线传感器网络的特点,给出了传输调度问题的定义和一般约束条件,归纳了无线传感器网络传输调度算法的设计原则和分类方法,分析了当前典型的各类传输调度算法的主要机制,详细比较了这些算法的特点、性能差异和应用范围.最后总结了无线传感器网络传输调度算法的研究现状,指出了研究挑战和未来的研究重点.     

无线传感器/执行器网络任务动态调度策略

针对任务在各执行器的协作问题,提出一种动态调度策略,根据执行器节点的剩余能量和工作状态,利用混合模拟退火的微粒群算法,在任务时效期内,统一安排各任务在执行器上的执行周期,最小化最大完成时间.仿真结果表明,算法具有良好的收敛性能,各执行器的任务完成响应时间和能耗均衡情况均得到改善.     

Lightweight Deployment-Aware Scheduling for Wireless Sensor Networks

Wireless sensor networks consist of a large number of tiny sensors that have only limited energy supply. One of the major challenges in constructing such networks is to maintain long network lifetime as well as sufficient sensing areas. To achieve this goal, a broadly-used method is to turn off redundant sensors. In this paper, the problem of estimating redundant sensing areas among neighbouring wireless sensors is analysed. We present simple methods to estimate the degree of redundancy without the knowledge of location or directional information. We also provide tight upper and lower bounds on the probability of complete redundancy and on the average partial redundancy. With random sensor deployment, our analysis shows that partial redundancy is more realistic for real applications, as complete redundancy is expensive, requiring up to 11 neighbouring sensors to provide a 90 percent chance of complete redundancy. Based on the analysis, we propose a scalable Lightweight Deployment-Aware Scheduling (LDAS) algorithm, which turns off redundant sensors without using accurate location information. Simulation study demonstrates that the LDAS algorithm can reduce network energy consumption and provide desired QoS requirement effectively. This research was partially supported by Natural Sciences and Engineering Research Council of Canada. Kui Wu received his Ph.D. in Computing Science from the University of Alberta, Canada, in 2002. He joined the Department of Computer Science at the University of Victoria, Canada in the same year and is currently an Assistant Professor there. His research interests include mobile and wireless networks, network performance evaluation, and network security. Yong Gao received his Master's degree and Ph.D. degree in computer science from University of Alberta, Canada, in 2000 and 2005 respectively. He is currently with the Irving K. Barber School of Arts and Sciences, UBC Okanagan, Canada. His research interests include search algorithms and AI, communication networks, and computational biology. Yang Xiao worked at Micro Linear as an MAC (Medium Access Control) architect involving the IEEE 802.11 standard enhancement work before he joined Department of Computer Science at The University of Memphis in 2002. Dr. Xiao is an IEEE Senior member. He was a voting member of IEEE 802.11 Working Group from 2001 to 2004. He currently serves as Editor-in-Chief for International Journal of Security and Networks (IJSN) and for International Journal of Sensor Networks (IJSNet). He serves as an associate editor or on editorial boards for the following refereed journals: (Wiley) International Journal of Communication Systems, (Wiley) Wireless Communications and Mobile Computing (WCMC), EURASIP Journal on Wireless Communications and Networking, and International Journal of Wireless and Mobile Computing. He serves as five lead/sole guest editor for five journal special issues. He serves as a referee/reviewer for many funding agencies, as well as a panelist for NSF. His research interests are Security/ Reliable Communications, Medium Access Control, Mobility/Location/Paging Managements, Cache Access and Replacement Policies, Quality of Service, Energy Efficiency, and Routing in wireless networks and mobile computing.     

监测无线传感器网络休眠调度算法

休眠调度设计是无线传感器网络一种重要的通信节能方法。针对监测典型应用,为了实现长时间的监测应用要求,充分利用冗余部署提供的能量资源,提出了一种能量相关的分布式自适应休眠调度算法。算法利用极大独立集构建思想,结合节点层次级别、实时的能量消耗、连通度等信息动态选择连通支配节点集作为网络骨干,使得网络活跃节点数量最小化。仿真试验分析表明,算法能够有效地利用冗余节点提供的能量资源,扩展了网络的生命周期。     

无线传感器网络的动态电压调节算法研究

对于能量有限的无线传感器网络,研究如何高效地利用有限能量具有重要意义.根据无线传感器网络多跳路由和拓扑易变的特点,提出一种基于任务驱动的含反馈的动态电压调节算法FB-DVS.该算法根据节点的任务集实时地调节节点的工作电压和频率,并通过反馈环节来修正误差,在保证任务实时性的前提下降低节点能耗.通过对仿真结果分析表明,改进的算法能有效地减少节点的能量消耗,延长无线传感器网络的生命周期.     

无线传感器网络拓扑控制策略研究

节能设计是无线传感器网络的首要设计目标,拓扑控制是实现该目标的重要技术之一,其主要目标是在保证网络连通和覆盖的前提下剔除不必要的通信链路,降低节点能耗和减少通信干扰,为MAC协议和路由协议的顺利执行提供基础。文中对传感器网络拓扑控制策略进行了的分析。最后针对目前传感器节点成本仍然很高这一特点,通过仿真得出了在节点随机配置的情况下,保证网络连通和覆盖所需的至少节点数目。并通过仿真分析证明了方案的可行性。     

无线传感器网络中联合功率控制和速率调整

 无线传感器网络本质上是能量受限的,而且,传感器节点扮演着数据收集和数据转发的双重角色.本文提出了怎样分配传感器节点的功率用于转发其它节点的数据.在节点的转发功率分配比确定后,研究了采用价格作为一种方法,刺激节点与它到数据采集节点路径上的所有节点合作.通过把无线传感器网络中数据收集和传输抽象为一个网络效用最大化问题,通过采用对偶分解技术,提出了一种迭代价格与联合功率控制和速率调整的分布式算法.实验表明,该算法能提高系统的性能,同时降低功率的消耗.