无线传感器网络的链路分析与建模

无线传感器网络的链路通信质量对上层协议及定位算法有重要影响.在网络仿真软件中,对信道和链路的过分简化会影响协议或算法的可靠性.本文通过在伯克利Mica2 Motes[1]上的大量实验,分析了无线链路的各种非理想特性,包括时空特性、不规则连接单元和链路不对称性等.通过解析和实验分析相结合的方法对信道和链路质量进行了建模,该模型可以应用于改善仿真工具中的物理层和链路层模型,帮助我们更好地理解上层协议的性能.     

面向农田应用的无线传感器网络链路度量

利用无线传感器网络可细粒度地感知农田环境参数,但农田中的无线传感器网络链路质量差、接收率低,不能准确及时地收集信息。针对该问题,通过分析大量现场采集数据发现农田中无线链路的质量具有稳定性和局部性的规律,提出2个链路度量因子：平均连续成功发包次数和最近连续成功发包次数。模拟实验结果表明,将这2个链路度量因子应用到路由协议中可有效提高网络接收率。     

一种基于ARIMA的无线传感器网络链路质量预测方法

针对无线传感器网络里上层协议选择数据链路的问题,提出一种采用ARIMA(差分自回归滑动平均模型)模型的EPRR算法,首先根据历史数据确定参数,然后综合考虑链路中的不对称性对PRR( Packet Reception Ratio)进行预测.实验证明,对比使用移动窗口平均模型对PRR的预测结果,该模型的预测准确度比SPRR( Smooth Packet Reception Ratio)算法有很大提高,并且能够较好地反映链路质量的变化趋势.     

基于综合性评估的无线链路质量分类预测机制

在无线传感器网络的应用中,对无线链路质量进行有效地评估和预测是网络协议设计中的一个基础性问题,特别是对于提高数据的传输可靠性.从刻画无线链路质量的多维角度出发,基于模糊逻辑设计了一个综合性链路质量指标(fuzzy-logic based link quality index,FLI),体现了无线链路的可靠性、波动性和丢包突发性对于链路数据传输可靠性的影响.然后基于FLI准则,利用贝叶斯网络设计了一种对无线链路质量进行分类预测的机制.通过3个实际无线传感器网络研究平台的链路数据集进行实验分析和对比,该机制中的分类预测器的平均预测精度约为85%.相比于4C预测器,在保证平均预测精度的同时,克服了其预测精度在分类界限处的畸变下滑现象,使预测精度的分布均匀化.     

基于链路质量的无线传感器网络任播路由协议

无线传感器网络(WSN)中,由于无线链路的链路质量问题,经常有传递失败导致重传耗费能量的现象出现。传统任播路由协议只以路由距离作为路由判据,而没有讨论链路质量问题,将其应用在WSN中会造成路由权重设置不合理。提出了基于链路质量的WSN任播路由协议,该协议在讨论链路质量的计算之上,以能耗均衡和系统能耗最小这两个因素决定任播路径的路由权重,并以参数α来权衡两者之间的关系。实验证明,在WSN中,相比传统任播路由协议,该协议能更有效地均衡能耗,减少系统能耗,从而优化网络生存期。     

无线传感器网络中基于节点对链路质量的任务分配

为了提高无线传感器网络中的资源使用效率,提出了一种新颖的算法,即基于节点之间的链路质量将任务分配给一对协同工作的传感器节点。具体来说,算法基于两个相邻节点之间的链接质量来获得这两个节点组成的节点对的能力等级,然后为每个节点对分配一个任务等级(如通过计算强度衡量)可以与此节点对的能力等级相匹配的任务,以便每个节点对可以协同高效地执行每个任务。考虑到一个节点可能会与多个节点组成不同节点对,而这些节点对被分配到的任务可能出现冗余(具有相同任务等级的任务),所以需要调整这些任务以避免执行冗余任务。仿真结果表明,该算法不仅可以提高任务分配效率,而且可以平衡网络能耗。     

累积链路质量无线传感器网络路由算法研究

针对无线传感器网络链路特点,在实验基础上,引入底层通信链路质量参数指示LQI,改进ETX,提出一种新的基于累积链路质量的无线传感器网络路由算法。算法利用累积链路质量作为路由选择的标准,避免大量探测包的使用,并且为信道编码的负载添加提供了准确依据,减少冗余和能量消耗。仿真实验结果表明,该算法能有效提高数据传输吞吐量和路径有效利用率、减少节点传输压力,平衡网络负载及延长网络生存时间。     

一种基于SPRR的链路质量预测算法

链路质量的预测对无线传感器网络上层协议设计尤为重要,它为上层协议选择稳定,高质量的数据传输链路提供了充分的判断依据,然而RSSI、LQI等链路质量量度却存在着不同方面的不足.针对这个问题,在RSSI、LQI、RNP、PRR原理分析和性能比较的基础上,运用WMEWMA对PRR进行平滑化处理,综合考虑链路中的不对称性,提出...     

基于线性回归的无线传感器网络链路质量估计方法研究

针对无线传感器网络链路质量估计模型中回归算法复杂度高、缺少统一分类标准和公开数据集等问题,提出了一种基于EWMA和线性回归的链路质量估计方法ELR-LQE。以物理层获取的RSSI、LQI和SNR,以及包接收率PRR作为度量参数,分别在多种实验环境中采用不同的发射功率、竞争条件和部署方式采集数据,建立了链路质量估计数据集。通过最小值填充和EWMA对数据进行预处理,明显提高了回归模型的输入特征与链路质量的相关性。与现有方法相比,提出方法易于和网络层协议适配,并且复杂度较低,适合在资源有限的无线传感器网络节点中实现。实验结果显示,ELR-LQE具有较高的精度,在多种实验条件下平均的ME为4.6×10-2,R2为0.99。     

一种无线传感器网络链路调度模型与算法

研究无线传感器网络最小空间重用链路调度（MSRLS）模型,提出一种求解一般网络下MSRLS问题的分步式近似算法MSRLS-D。该算法同时考虑无线传感器网络带宽需求分布和通信过程中的无线信道干扰,更适用于真实网络。通过理论分析和仿真实验,对该算法的性能进行论证和比较。     

基于模糊支持向量回归机的WSNs链路质量预测

在无线传感器网络中,链路是实现节点互连和多跳通信的基本元素,链路质量是拓扑控制、路由协议和移动管理的基础,准确的链路质量预测不仅可以提高整个网络的数据吞吐率,降低节点能耗,还可延长整个网络的工作时间.在分析现有链路质量预测方法的基础上,提出一种基于模糊支持向量回归机(fuzzy support vector regression, FSVR)的链路质量预测模型,以降低噪声与孤立点对预测性能的影响.通过收集不同场景下的链路质量样本,考虑不稳定链路中数据分布的特点,该模型采用无监督模糊核聚类算法(kernel fuzzy c-means, KFCM)自动划分样本集,并获得样本隶属度;采用混沌粒子群优化算法(chaos particle swam optimization, CPSO)选择子模型参数.实验结果表明,与基于经验风险的BP神经网络相比,基于模糊支持向量回归机的链路质量预测模型具有更好的预测精度和泛化能力.     

无线传感器网络的链路评估分簇路由算法

提出了一种链路评估分簇路由算法（LQ-CR）,该算法利用基于高斯分布的链路质量评估模型,将无线链路质量作为簇首选择度量,并采用滑动窗口机制实时评估链路质量。仿真实验表明,与LEACH、HEED分簇协议相比,采取链路质量作为路由度量可以有效延长网络的生命周期,提高数据传输可靠性。     

链路感知的传感器网络空间范围查询处理算法

在无线传感器网络环境中,用户经常提交空间范围查询以获取网络某局部区域的统计信息,如最大温度、平均湿度等。现有的基于路线的空间范围查询处理算法假设节点通信模型为理想的圆盘模型,而实际的网络并不满足该假设,导致其能量消耗大且查询结果质量差。提出了一种链路感知的空间范围查询处理算法LSA,它根据网络拓扑和链路质量动态地将查询区域划分为若干个网格,依次收集各网格中节点的感知数据,以生成最终的查询结果。LSA算法通过遍历查询区域内的所有网格,保证了算法查询结果的质量。提出了启发式的网格划分方法以降低节点间数据通信的丢包率,给出链路感知的数据收集算法,以减少算法的能量消耗,提高查询结果的质量。通过仿真实验系统地分析和比较了LSA算法和现有的IWQE算法的能量消耗及查询结果质量,结果表明,在绝大多数情况下,LSA算法优于IWQE算法。     

基于链接预测的水下WSN消息转发算法

随着移动自组织网络的发展以及为了更加便捷地监测和探索水下环境,水下无线传感器网络开始出现并逐渐受到研究人员的重视.水下无线传感器网络可广泛应用于海洋环境监测、资源开采、水下生物研究、海难搜救等诸多水下场景.与传统的无线传感器网络不同,通常,水下无线传感器网络中存在锚定节点和移动节点两种类型的节点,并且由于水声通信的不规...     

Scalable Base-Station Model-Based Multicast in Wireless Sensor Networks

Multicast is essential for wireless sensor network (WSN) applications. Existing multicast protocols in WSNs are often designed in a P2P pattern, assuming small number of destination nodes and frequent changes in network topologies. In order to truly adopt multicast in WSNs, we propose a base-station model-based multicast, SenCast, to meet the general requirements of applications. SenCast is scalable and energy-effcient for large group communications in WSNs. Theoretical analysis shows that SenCast is able to approximate the Minimum Nonleaf Nodes (MNN) problem to a ratio of ln |R| (R is the set of all destinations), the best known lowest bound. We evaluate our design through comprehensive simulations and prototype implementations on Mica2 motes. Experimental results demonstrate that SenCast outperforms previous multicast protocols including the most recent work uCast.     

无线传感器网络中基于RSSI的节点距离预测

无线传感器网络大量应用在环境监测、目标跟踪、安全监控等领域,因此网络的自身定位是大多数应用的基础。常用的定位方法必须测量节点间的距离。为了预测距离值,根据实验获取的RSSI值与对应的距离值,先对实验数据进行滤波处理,建立面向Matlab神经网络工具箱的神经网络预测模型,利用神经网络的特性和Matlab工具箱的强大功能,通过实测数据对网络进行训练。预测结果表明,距离精度达到1 m之内。