基于估计机制的分簇传感器网络数据融合算法

提出了一种基于估计机制的分簇传感器网络数据融合算法.在满足数据精确度要求的前提下,只有当数据的当前值与上一次采集值之差超过某一变化阈值时,才将当前采集数据发送到簇头节点,否则不发送.采用节点剩余能量自适应的簇头选择算法来平衡传感器节点的能耗,使得剩余能量越大的节点当选为簇头的概率越大.推导了使网络能耗最小的最优分簇规模...     

基于分簇的无线传感器网络数据聚合方案研究

数据聚合技术是目前无线传感器网络中的研究热点,同时也是一种重要的节能技术之一。在基于分簇网络拓扑结构的基础上,提出了一种新的数据聚合方案。分别对簇内成员节点和簇头节点进行数据聚合处理,簇内节点引入相对信息熵减少数据量的发送,而簇头节点维持一个反馈比较值,当接收到簇内成员节点发送的数据或得到自身传感器模块的数据时,该值可以用来判断是否转发接收到的数据。通过与LEACH协议的仿真对比实验,结果表明新方案能有效减少网络中的数据包传送数目,降低节点能耗,并显著地延长了网络寿命。     

无线传感器网络簇内分级数据融合算法

根据无线传感器网络(WSN)资源受限的特点,在主成分分析融合方法的基础上提出一种WSN簇内分级数据融合算法。采用自学习加权方法估计各个传感器的测量方差,通过线性无偏最小方差估计法对簇内传感器节点的测量数据进行修正,用主成分分析方法得出各传感器的综合支持度和数据融合的公式。通过应用实例和仿真结果验证该方法的有效性和可靠性。     

基于能量异构的无线传感器网络的分簇算法研究

分簇路由算法是无线传感器网络中减少能量消耗的关键技术之一，因而成为目前国际上的研究重点。考虑到大多数分簇算法都是在同构网络中提出的，对异构网络的适应性差，本文提出一种新的异构网络分簇算法，该算法采用ECS网络结构，在选举簇头时将节点刺余能量和与所在簇的质心间的距离结合起来考虑。仿真结果表明算法在延长网络生存时间上比LEACH和基于ECS结构的分簇算法有很大的提高。     

基于分簇路由算法的无线传感器网络技术研究

无线传感器网络的用途越来越广泛,分簇路由算法对于提高该网络的应用效率有极大的研究价值.从分簇路由算法机制分析入手,通过对当前分簇路由算法思路进行设计,提出了一些改进策略,为进一步优化算法提供参考.     

基于DIJKSTRA的无线传感器网络分簇路由算法

为加快无线传感器网络最优路径搜索速度、减少路径寻优能量消耗和延长网络寿命,提出了基于改进的DIJKSTRA算法的无线传感器网络分簇路由算法;运用DIJKSTRA算法在无线传感器网络内以多跳接力的方式来搜寻从源节点到目的节点的最短路径;结合能耗优化策略,避免网络能耗热点问题,实现网络能耗均衡;通过与基于蚁群算法的路由算法对比分析,基于Dijkstra的网络分簇路由算法能优化网络分簇并建立较优传输路径,其快速收敛性能减缓了网络中簇头节点的能耗,延长了网络寿命,提高了网络鲁棒性。     

无线传感器网络高能效分簇路由算法

无线传感器网络与传统无线网络相比,网络节点在具有的电源能量、计算与处理能力、通信带宽等方面都十分有限。延长网络的生命周期成为无线传感器网络的一个关键问题。在低功耗自适应分簇路由算法(LEACH)的基础上提出了一种改进算法,其主要思想在于根据监测区域面积、节点数目及基站位置来确定最优簇个数而不是低功耗自适应算法中的固定值。最后仿真结果表明,改进后的算法与LEACH算法相比,无论是在能量消耗还是网络生命周期方面都有较大的提高。     

无线传感器网络分簇算法综述

分簇算法是无线传感器网络领域中一种典型的算法,并在其中扮演着重要的角色。从能量均衡和网络生命周期的角度出发,根据是否仅由一个中心控制节点负责整个网络的簇划分,将分簇算法分为3类,系统地叙述了目前经典的分簇算法以及近年来最新的研究成果,并分析了这些算法的特点和适用情况。最后结合该领域当前研究现状,提出了WSN研究中需要关注的问题,展望了这一研究方向在未来的发展趋势和前景。     

无线传感器网络能量高效数据收集的分簇算法*

传感器网络所具有的集中式数据收集、多跳数据传输、多对一流量模式这三种特征会造成漏斗效应的出现,这会导致严重的包碰撞、网络拥塞、包丢失,甚至拥塞崩溃,还会导致能量消耗的热点出现,使某些节点甚至整个网络过早死亡。利用感知数据的空间相关性,将相邻的节点分组,每组选出一个簇首作为整个组的代表,将其传送给基站来缓解漏斗效应问题。在CAG算法的基础上利用感知数据的空间特性提出了一个改进的节点分簇算法,该算法可以有效减少簇首数量,从而降低传输能量消耗。实验结果也验证了算法的有效性。     

无线传感器网络中基于分层的非均衡分簇算法

降低网络能量消耗、延长网络寿命是无线传感器网络设计的重要目标,分簇是实现该目标的主要方法之一。针对矩形传感器网络,提出一种基于分层的非均衡分簇算法。算法根据节点的能量消耗情况计算出了每层的宽度,可以有效实现网络的能耗均衡。将非均衡分簇算法与LEACH协议进行了比较,仿真实验表明:基于分层的非均衡分簇算法可以更好地实现能耗均衡,能有效延长网络的寿命。     

基于分簇的低功耗多跳WSN时间同步机制

针对典型同步算法中同步开销大的问题,提出一种基于分簇的低功耗时间同步机制(LCTS),将单向广播同步和双向成对同步机制相结合,在分级网络的基础上给出一种分簇算法,将LCTS扩展到多跳网络中,并对时钟漂移进行估计和补偿。仿真结果证明,该机制在不引起同步滞后的前提下,能减少同步报文开销,保证良好的同步精度。     

WSN中一种改进的TopDisc分簇算法

针对拓扑发现（TopDisc）算法构建的网络灵活性不强、重复执行算法的开销过大和没有考虑节点的剩余能量等缺点,对原算法进行分析与改进,并用OPNET网络仿真工具进行模拟仿真与性能分析。仿真结果证明,改进的TopDisc算法在节能性与稳定性等方面比原有算法有较大的提高。     

基于能量的WSN多跳簇生成算法

提出一种基于能量的多跳簇生成(EMHC)算法,根据剩余能量争先原则选择簇首,并采用最小通信代价的多跳簇内结构。通过OMNet++模拟器对算法进行实验,结果表明,EMHC形成的簇首分布较为均匀,可以利用最佳多跳路径节约传输能量,提高网络生存时间,与LEACH和HEED算法相比具有较大优势。     

一种改进的WSN成簇算法

从保证无线传感器网络(WSN)感知覆盖性能角度出发,分析节点剩余能量、重叠感知覆盖率与簇头选择的关系,改进LEACH协议中簇头阈值选择前的信息采集过程,提出一种适用于高密度随机部署的WSN成簇算法。实验结果表明,该算法可有效保持网络感知覆盖率,从而延长网络寿命。     

基于画图算法的WSN节点定位算法

针对无线传感器网络的节点定位问题,提出一种新的基于类Kamada Kawai画图算法的无线传感器网络节点定位算法,将无线传感器网络节点定位问题转化成画图问题,用经典的画图算法求得问题的最优解,从而实现对节点的定位。仿真实验结果表明,该算法收敛速度快、定位精度高、能够获得较好的效果。     

基于数据融合的无线传感器网络延迟感知研究

网络数据融合与聚类是减少无线传感器网络能量消耗的有效技术,但聚类在数据聚集过程中会产生额外的时间延迟。为此,提出一种基于网络数据融合的延迟感知网络结构,该结构组建传感器节点形成不同大小的簇,每个簇可以与融合中心节点进行交错通信。仿真结果表明,与低功耗自适应集簇分层型协议、延迟感知数据收集网络结构相比,该网络结构可以减少在数据融合过程中的延迟,并能保持较低的能量消耗。     

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。     

基于模糊强化学习和果蝇优化的WSN数据聚合算法

在无线传感器网络中,传感器的能量时有限的,如果传感器的能量耗尽,那么无线传感网络的鲁棒性和寿命就会大大降低.因此,提出了基于模糊强化学习和果蝇优化的数据聚合机制,以最大限度地延长网络寿命,并进行高效数据聚合.首先,网格聚类用于簇的形成和簇头的选择,接着评估各个网格簇所有可能的数据聚合节点,然后采用模糊强化学习选取最佳数...     

基于自适应动态目标函数的模糊聚类神经网络

结合输入空间的聚类特性和输出空间实时逼近特性,在模糊聚类的目标函数中引入恰当的反馈因素,基于自适应动态目标函数,该文提出一种新的模糊聚类神经网络实现算法。该算法在收敛稳定性、收敛速度、初值敏感性方面,相对于传统模糊聚类算法有了明显改善,相关实验表明,该算法具备高效、稳定的工程应用价值。     

基于便利因子的WSN簇生成算法

为提高生成簇的灵活性,在无线传感器网络中,提出基于便利因子的簇生成算法。与产生簇头来形成簇结构的传统簇生成算法不同,该算法结合节点的便利因子进行组簇形成完整的簇结构,其簇内和簇间采用多跳通信。仿真结果表明,该算法消耗能量较少,适用于节点密度较小、规模较大的网络。