无线传感器网络能量均衡的多sink分簇路由算法

针对无线传感器网络中传感器节点能量有限以及节点能耗不均衡的问题,提出了一种基于能量均衡的多sink分簇路由算法（EBMCR）。该算法在簇头选择阶段,综合考虑了节点的剩余能量级和节点到sink的距离等因素选择簇头节点;在簇间通信过程,采用多跳传输的方式,综合考虑了路径能量消耗、路径最小剩余能量和节点到sink的跳数等因素,选择节点到多个sink的最优路径。仿真结果表明,该算法能够有效地均衡网络能量,延长网络生命周期。     

基于环的能耗均衡分簇路由算法

针对无线传感器网络分簇路由算法中节点能耗不均的问题,提出了一种基于环的能耗均衡分簇路由算法。算法对监测区域作基于环的分簇,在靠近基站的“热区”内划定数据汇聚区,汇聚区内的节点不分簇,节省分簇及簇内通信能耗;对汇聚区外其他环的簇个数进行优化以均衡能耗。提出新的最优路径搜索策略,寻找整体最优路径,进一步减少网络能耗。仿真结果表明,提出的算法在能耗均衡性上比改进的LEACH路由协议(LEACH-R)和一种能量高效的非均匀分簇算法(EUCA)更优;以50%节点死亡作为网络生命周期,网络寿命分别提高约30.9%和11.9%,有效延长了网络生命周期。     

一种能量有效的WSN分簇路由算法

针对无线传感器网络(WSN)中的热区问题,提出一种能量有效的WSN分簇路由算法EERA。以基站为圆心将整个感知区域划分为大小不等的圆环,依据节点剩余能量和相对位置选择簇首。簇间采用多跳路由传输数据,路由构建时考虑节点接收和发送数据能耗,将发送距离限制在阈值之内且尽量减少中转次数,簇首节点在稳定传输阶段动态改变转发路径。仿真结果表明,EERA能有效降低网络能耗,均衡网络节点的能耗,延长网络生命周期。     

优化分簇的无线传感器网络路由算法

延长传感器网络的生存周期,降低网络节点的能耗成为无线传感器网络(WSN)研究的关键.由于无线传感器网络能量有限,针对LEACH算法中簇首分布不均、簇首数目偏离最优值等对网络能耗的影响,提出了一种同时考虑节点剩余能量、最优簇数和簇首分布状况来选择簇首的算法EBCS-LEACH.新算法使簇首数目为最佳,以满足能量阈值的节点才能当选为簇首和对簇首的分布进行了相应调整.仿真结果表明,EBCS-LEACH算法延长了网络的生存周期,相比LEACH算法生命周期延长19.5％,同时能耗也更加均衡.     

无线传感器网络簇头多跳路径路由算法

在LEACH协议特定簇头选取(DCHS)算法的基础上,提出了一种基于蚁群优化(ACO)的簇头间多跳路径(ACO-CHMP)路由算法。该算法先采用DCHS算法分簇,在稳态运行阶段,利用改进的ACO算法找到从距基站最近簇头节点到基站的遍历所有簇头节点的最优路径,然后从该簇头节点开始沿着最优路径进行数据传输到基站。仿真结果表明:与LEACH算法、DCHS算法和ACO算法相比,该算法极大地均衡了网络的能量消耗,延长了无线传感器网络生命周期。     

带移动sink节点的WSN节能路由算法

针对无线传感网移动路由算法中能量消耗大且消耗不均衡等问题,引入移动sink节点,提出一种带sink节点的WSN节能路由算法(MSEERP)。该算法基于网格思想来分割网络,根据节点的剩余能量和离簇重心距离的加权和选举簇头,避免了剩余能量低的节点被选为簇头;通过可控移动策略调度sink节点接收簇头所收集的数据,可以节省网络能耗。通过仿真,详细分析了sink节点的移动速度、移动sink节点的数量以及加权系数α对MSEERP算法性能的影响。分析结果显示,sink节点的移动速度为5、加权系数α为0.6且移动sink节点的数量为1时,MSEERP算法性能最佳;MSEERP算法在网络的生命周期、总能耗和sink节点接收数据量3个方面都优于GAF和TTDD算法。     

能量均衡的WSN非均匀分簇路由算法

针对现有无线传感器网络（WSN）分层分簇路由算法存在的能耗不均衡问题,提出一种能耗均衡的WSN非均匀分簇路由算法。该算法通过在已划分的非均匀区域中构建中间层达到均衡簇首和其他节点能耗的目的,实现WSN整体能耗均衡。实验结果表明,该算法能均衡WSN能耗负载,提高WSN的能量效率,延长100轮～200轮WSN生命周期。     

无线传感器网络分簇路由协议的改进研究

针对无线传感器网络（WSN）中分簇路由协议LEACH算法中簇首分配不均以及簇首与Sink节点直接通信问题进行研究．提出一种基于LEACH成簇思想的分簇路由协议。该算法基于节点剩余能耗和已担任簇首时间选举簇头。簇头间采用贪婪算法形成一条链,在该链中又选出一个簇头,将整个网络的数据融合后转发给基站。MatLab仿真结果显示,改进后的算法在均衡网络节点能耗和网络的生存时间上比LEACH算法有很大提高。     

一种新的基于LEACH的WSN分簇协议

LEACH是针对无线传感器网络设计的低功耗自适应分簇聚类路由算法,与一般的平面多跳路由算法相比,LEACH算法可以将网络生命周期延长15%。但是,靠近汇聚节点的簇头节点由于转发大量数据而导致自身能量消耗过快且节点易失效,从而造成网络分割,形成＂热区＂的问题,提出了一种新颖的基于分区能耗均衡的多跳非均匀分簇算法（CEUC）。改进后的算法采用固定分簇的方式;形成的簇是不均匀簇,即靠近Sink节点的簇的半径较大,而远离Sink节点的簇的半径较小;簇首选择的依据是节点的剩余能量。仿真实验结果表明,该路由协议有效地平衡了无线传感器网络的节点能耗,延长了网络的存活时间。     

传感器网络中基于节点密度的分布式成簇算法

在分簇路由协议中,延长传感器网络的寿命,很大程度上依赖于簇头节点选择的合理性。提出一种基于传感器节点分布密度的分布式成簇算法,该算法是对LEACH算法的改进,在选取簇头的时候除了考虑节点轮流成为簇头的问题,同时还考虑各节点的分布密度。仿真实验证明,新算法能比LEACH算法更有效地降低网络的能量消耗,均衡网络能耗水平,从而使得传感器网络的生命周期在LEACH算法的基础上有较大提高。     

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA).在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格.根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型.采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案.仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间.在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优.     

无线传感器网络中一种基于移动Sink的数据收集算法

针对移动无线传感器网络设计一种不依赖于节点地理位置的基于移动汇聚节点(Sink)的数据收集算法(Mobile Sink-based Data Gathering,MSDG)。该算法解决了无线传感器网络中多跳路由通信时出现能量空洞的"热点"问题。Sink沿途以最近的固定节点作为根节点动态构建路由树。簇内移动节点感知的数据经簇头进行数据融合计算,然后将融合后的数据沿路由树反向逐跳转发给Sink。仿真结果表明,MSDG在节点的平均能耗和网络生存时间等方面的性能远超过LEACH、ACE-L等数据收集协议。     

Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。     

无线传感网中一种智能数据融合算法的实现及仿真分析

在无线传感网中,传感器节点一般都由自身装配的电池供电,难以进行电量补充,因此节约电量对于无线传感网来说至关重要.为了提高无线传感网能量使用效率,延长网络生存时间,提出了一种结合遗传算法和粒子群算法优化BP神经网络的智能数据融合算法 GAPSOBP(BP Neural Network Data Fusion algorithm optimized by Genetic algorithm and Particle swarm).GAPSOBP算法将无线传感网的节点类比为BP神经网络中的神经元,通过神经网络提取无线传感网采集的感知数据并结合分簇路由对收集的传感数据进行融合处理,从而大幅减少发往汇聚节点的网络数据量.仿真结果表明,与经典LEACH算法和PSOBP算法相比,GAPSOBP算法能有效减少网络通信量,节约节点能量,显著延长网络生存时间.     

基于均衡分簇的无线传感器网络压缩数据收集

应用压缩感知（CS）理论结合稀疏随机投影的无线传感器网络（WSN）压缩数据收集（CDG）可以大大减少网络传输的数据量。针对随机选择投影节点作为簇头来收集数据导致网络整体能耗不稳定和不平衡的问题,提出两种平衡投影节点的压缩数据收集方法。对于节点分布均匀WSN,提出基于空间位置的均衡分簇法：首先,均匀划分网格;然后,在每个网格选举投影节点,依距离最短原则成簇;最后,由投影节点收集簇内数据到汇聚节点完成数据收集,从而使得投影节点分布均匀、网络能耗均衡。对于节点分布不均匀的WSN,提出基于节点密度的均衡分簇法：同时考虑节点的位置和密度,对节点数量少的网格不再选择投影节点,将网格内的少量节点分配到邻近的网格,从而平衡网络能量,延长网络寿命。仿真结果表明,与随机投影节点法相比,所提的两种方法的网络寿命均延长了25%以上,剩余节点数在网络运行中期均能达到2倍左右,具有更好的网络连通性,显著提高了整个网络的生命周期。     

传感器网络中基于移动sink最优穿越路径的高效数据收集算法

移动sink数据收集研究主要集中在轨迹固定的移动策略。为此,建立了移动sink穿越路径可控条件下的数据收集模型,并提出一种最优路径穿越的移动sink数据收集算法(OTP-TS)。算法利用局部Voronoi网格将连续路径问题离散化,以收集数据量、系统能耗为衡量指标,结合禁忌搜索算法,实现系统数据量最大化和网络能耗最小化穿越。理论分析和实验结果表明,该算法很好地解决了移动sink在可控移动轨迹情况中数据收集的最优路径穿越问题。     

针对单区域突发流量的移动Sink路径规划

在传感器节点定期收集全网数据且单区域可能突发事件的密集型无线传感网中,如果产生区域突发事件,需要在短时间内将突发事件数据准确地发送到基站,同时也要兼顾其他区域定期产生的数据。提出针对单区域突发流量的移动Sink路径规划算法,首先将网络划分为虚拟网格,每个网格为一个簇,将节点划分到各个网格并选举簇头;然后通过TSP相关算法建立最短遍历路径, Sink节点通过该路径收集全网数据。如果某区域有突发流量产生,Sink节点将动态改变移动路径去收集数据。大量基于NS-2平台的仿真实验结果表明,该路径规划算法能动态改变路径来收集数据,均衡突发数据流量的准确性、实时性和定期产生的区域数据流量的丢包率、数据收集时延,延长网络生命周期。     

高效节能的WSN非均匀分簇节点调度算法研究

针对目前无线传感器网络分簇算法中存在的节点能量消耗不均衡,大量节点工作导致信息冗余和能量浪费等问题,提出一种高效节能的WSN非均匀分簇节点调度算法EEBUC（Energy-Efficient and Balanced Unequal Clustering Nodes Scheduling）。该算法在簇的形成阶段,考虑候选簇首离汇聚点的距离、所在区域的节点密度和节点能量形成非均匀的竞争范围,构造大小不等的簇,平衡簇内和簇间的通信能耗;同时结合调度簇内冗余节点方法,减少网络中每轮工作节点数量,提高网络能量利用率。利用OMNET++仿真软件进行仿真,实验结果表明,EEBUC算法能有效节约网络能量,均衡节点能耗,比LEACH 协议和EEUC协议分别延长网络寿命203%和50%。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

非均匀分布的无线传感器网络分簇路由算法

针对无线传感器网络(WSN)现有分簇路由协议中选举的簇头节点在监测区域内分布不均的问题,提出一种基于局部区域传感器网络节点分布数量控制簇头节点选举概率的算法HNDCRA。该算法通过对传感器网络检测区域的网格划分,计算出网格局部区域的传感器节点分布,并以此为依据确定传感器节点当选簇头的概率,来保证选举后每个网格都有簇头节点,且节点数量多的区域节点当选簇头概率较大,使得簇头随节点分布密度“均匀”,达到能耗均衡的目的。性能分析和仿真实验表明,与经典的LEACH协议相比,HNDCRA能够更好地将簇头“均匀”分布到网络区域,均衡全网能耗分布,提高能量利用率,从而延长网络生存时间。