无线传感器网络能量最优的QoS路由发现方法

针对无线传感器网络的动态网络环境和节点能源受限,且通常无法补充的能源特性等不利因素,提出了一种可以实现能量最优的QoS路由发现方法。该方法利用节点选择机制和节点邻居表来建立满足QoS带宽需求的可供选择的节点集合,从而减少路由发现过程中的所要监测的节点数量。所提方法还构建了无线传感器网络的能量评价模型和节点能耗权重模型,使用遗传算法从可供选择的节点集合中构建可实现能量最优的QoS路由,自适应的实现对节点调度,从而延长无线传感器网络的寿命。通过实验仿真与分析,给出了实现无线传感器网络能量最优的遗传算法控制参数的选择区间。实验结果显示:该方法对无线传感器网络具有更好的适应性,且能保证其有更长的寿命。     

无线传感器网络中的数据融合及其能效评估*

首先介绍当前无线传感器网络中具有代表性的数据融合算法;然后基于树型网络拓扑结构,结合节点休眠调度机制,建立传感器节点的能量模型;最后提出从能量的角度评价不同数据融合算法性能的方法,并通过模拟对典型数据融合算法进行分析.     

基于感知数据概率模型的无线传感器网络采样和通信调度算法

在无线传感器网络中,如何动态地管理能量,最大限度地延长网络的生命周期是一个关键的问题。文中提出了一种基于感知数据概率模型的传感器网络的采样和通信动态调度算法,使传感器节点根据感知数据的概率模型来确定自己的采样和通信时机,最小化采样频率和通信量,减少传感器节点的能量消耗,延长传感器网络的生命期。该算法是一种分布式算法,适用于无线传感器网络。该算法采用了简单的概率模型,资源需求量小,适合于在目前普遍使用的资源受限的传感器节点上运行。模拟试验结果表明,这种方法与其他方法相比,具有很高的能量有效性。     

无线传感器网络分簇拓扑的覆盖区域节点调度优化算法研究

利用区域分割的方法建立了一种覆盖区域冗余节点的优化调度机制,实现对完全覆盖区域内冗余节点的休眠调度,并将该机制引入无线传感器网络的分簇结构中,提出一种基于分簇拓扑的节点调度优化算法。算法通过控制簇内冗余节点进行休眠,减少簇首的数据通信量和簇成员中工作的冗余节点个数,降低了网络能耗。仿真结果表明,与未考虑冗余节点休眠调度的分簇算法相比,该算法有效提高了网络能量利用率,延长了网络生命期。     

一种基于调度的分簇无线传感器网络簇首选择策略

针对无线传感器网络中簇首更换出现的各节点均参与竞争而引起能耗较大的现象,提出了一种基于调度的无线传感器网络簇首选择策略.该策略将各节点分为簇首节点、成员节点和调度节点三种类型,在簇运行阶段,调度节点对各簇中簇首节点和成员节点的能量进行实时监测;在簇首更换阶段,由调度节点根据监测的结果指定相应的簇首节点,从而减少了簇首更换阶段各节点均参与簇首竞争而引起的能量消耗.最后进行了仿真实验与对比,实验结果表明改进的簇首选择策略能够有效地改进网络性能,延长网络生命周期.     

概率模型下的一种优化覆盖算法

覆盖率不仅是评价无线传感器网络体系性能的重要标准之一,也是无线传感器网络所研究的一项重点课题.为此,提出了一种概率模型下优化覆盖算法.该算法通过对概率覆盖模型的计算,给出了传感器节点覆盖的期望值和公差的求解过程以及对所关注目标节点进行首次覆盖后的期望值证明过程.在网络能量方面则通过节点状态调度策略对通信路径进行优化,证明节点能量衰减过程中,拟合函数极限存在的意义,实现了传感器节点能量的有效匹配,抑制了传感器节点能量的消耗,证明了优化后整个监测区域传感器节点覆盖函数之间的关系.仿真实验结果表明,该算法不仅提高了覆盖和网络服务质量,而且有效地抑制了网络能量开销,延长了网络生存周期.     

无线传感器网络中带粒子群优化的分簇节点睡眠调度算法

为延长无线传感器网络的生命周期,提高节点能量利用率,将分簇算法与睡眠调度算法相结合,提出一种无线传感器网络中带粒子群优化的分簇节点睡眠调度算法.该算法采用二进制编码机制,引入遗传算法的变异和交叉算子,同时考虑网络覆盖保持和能量消耗减少优化目标,构造一个相应的离散粒子群优化方法.仿真实验结果表明,文中算法能较好地减少能耗和保持网络覆盖,有效延长网络的生命周期.     

基于节点状态的多类型传感器调度算法

针对无线传感器网络（WSN）中能量效率问题,提出一种基于簇结构中节点健康状态的多类型传感器调度算法. 该算法基于节点的健康状态、节点传输的信息质量,根据簇中节点的健康状态进行自适应选取任务节点;通过对传感器的合理调度,均衡了网络中能量消耗以及任务的分配,保证网络的顺利运行. 实验仿真结果表明了算法的有效性.     

基于感知网格的无线传感器网络动态采样策略

在分析无线传感器网络时空相关性模型的基础上,提出一种基于感知网格的无线传感器网络动态采样策略.将监测区域划分为多个感知网格,感知网格内只有簇头节点保持活跃状态,当出现异常数据后再激活感知网格内其他节点来获得更详细的信息.该策略通过减少无线传感器节点之间相同的或相近的采样数据上传来降低冗余信息的传输.仿真结果表明:该策略显著提高了无线传感器网络能量效率.     

无冲突的无线传感器网络广播算法

无线传感器网络的节点众多,各种资源严重受限,广播引起的冗余转播加剧了资源的消耗,因而慎重选择转播节点非常关键.提出了一种无冲突的广播策略,该策略利用邻节点能量和度等信息构建最小连通树,减少了转播节点的数量,同时对最小连通树中的节点的转播进行调度,避免冲突的发生.该策略减少网络中节点的能量消费、延长了网络寿命,同时确保了广播的可达性.仿真结果表明该算法提高了广播的效率.     

可分负载WSN的能耗最小负载调度研究

减少无线传感器网络的能耗、延长网络生存周期已成为研究的热点之一。针对星型可分负载无线传感器网络的能耗最小问题,以典型可分负载调度为基础,提出了朴素的顺序调度算法(SSSA)及能耗与时间权衡调度算法(ETTS)。从理论与仿真角度分别证明了SSSA算法是在最短时间要求下的能耗最小负载调度算法,并通过仿真实验验证了两种算法对减少网络能耗、延长网络生存周期的有效性。实验表明:当网络拓扑对存活节点个数依赖较高时,应采用SSSA调度算法;当网络关心初始几轮负载处理能耗时,应采用ETTS算法。此外,随给定时间的增加,ETTS算法的能耗进一步减少。     

Topology Driven Cooperative Self Scheduling for Improved Lifetime Maximization in WSN

In Wireless Sensor Network (WSN), scheduling is one of the important issues that impacts the lifetime of entire WSN. Various scheduling schemes have been proposed earlier to increase the lifetime of the network. Still, the results from such methods are compromised in terms of achieving high lifetime. With this objective to increase the lifetime of network, an Efficient Topology driven Cooperative Self-Scheduling (TDCSS) model is recommended in this study. Instead of scheduling the network nodes in a centralized manner, a combined approach is proposed. Based on the situation, the proposed TDCSS approach performs scheduling in both the ways. By sharing the node statistics in a periodic manner, the overhead during the transmission of control packets gets reduced. This in turn impacts the lifetime of all the nodes. Further, this also reduces the number of idle conditions of each sensor node which is required for every cycle. The proposed method enables every sensor to schedule its own conditions according to duty cycle and topology constraints. Central scheduler monitors the network conditions whereas total transmissions occurs at every cycle. According to this, the source can infer the possible routes in a cycle and approximate the available routes. Further, based on the statistics of previous transmissions, the routes towards the sink are identified. Among the routes found, a single optimal route with energy efficiency is selected to perform data transmission. This cooperative approach improves the lifetime of entire network with high throughput performance.     

无线传感器网络节点流量的带宽分配策略

本文分析了WSN中几种MAC协议和数据流的特点,提出了一种基于节点流量的带宽分配策略。该策略将较忙的节点设为高优先级,而将空闲节点设为低优先级,优先调度高优先级节点的分组。应用OPNET进行了网络仿真。仿真结果表明,WSN在一定网络负荷下丢包数更低,能有效缓解某些节点的拥塞,更有利于节能。     

WSN in cyber physical systems: Enhanced energy management routing approach using software agents

Recently, the cyber physical system has emerged as a promising direction to enrich the interactions between physical and virtual worlds. Meanwhile, a lot of research is dedicated to wireless sensor networks as an integral part of cyber physical systems. A wireless sensor network (WSN) is a wireless network consisting of spatially distributed autonomous devices that use sensors to monitor physical or environmental conditions. These autonomous devices, or nodes, combine with routers and a gateway to create a typical WSN system. Shrinking size and increasing deployment density of wireless sensor nodes implies the smaller equipped battery size. This means emerging wireless sensor nodes must compete for efficient energy utilization to increase the WSN lifetime. The network lifetime is defined as the time duration until the first sensor node in a network fails due to battery depletion. One solution for enhancing the lifetime of WSN is to utilize mobile agents. In this paper, we propose an agent-based approach that performs data processing and data aggregation decisions locally i.e., at nodes rather than bringing data back to a central processor (sink). Our proposed approach increases the network lifetime by generating an optimal routing path for mobile agents to transverse the network. The proposed approach consists of two phases. In the first phase, Dijkstra’s algorithm is used to generate a complete graph to connect all source nodes in a WSN. In the second phase, a genetic algorithm is used to generate the best-approximated route for mobile agents in a radio harsh environment to route the sensory data to the base-station. To demonstrate the feasibility of our approach, a formal analysis and experimental results are presented.     

Information quality model and optimization for 802.15.4-based wireless sensor networks

High information quality is a paramount requirement for wireless sensor network (WSN) monitoring applications. However, it is challenging to achieve a cost effective information quality solution due to unpredictable environment noise and events, unreliable wireless channel and network bandwidth, and sensor resource and energy constraints. Specifically, the dynamic and unreliable nature of WSNs make it difficult to pre-determine optimum sensor rates and predict packet loss. To address this problem, we present an information quality metric which characterizes information quality based on the sampling frequency of sensor nodes and the packet loss rate during network transmission. Our fundamental quality metric is based on signal-to-noise ratio and is therefore application independent. Based on our metric, a quality-aware scheduling system (QSS) is developed, which exploits cross-layer control of sensor nodes to effectively schedule data sensing and forwarding. Particularly, we develop and evaluate several QSS scheduling mechanisms: passive, reactive and perceptive. These mechanisms can adapt to environment noise, bandwidth variation and wireless channel collisions by dynamically controlling sensor rates and phase. Our experimental results indicate that our QSS is a novel and effective approach to improve information quality for WSNs.     

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.     

一种由接收端发起的无线传感器网络MAC协议

在无线传感器网络(Wireless sensor networks,WSN)中,现有的基于接收节点发起的异步MAC层协议,在计算接收节点唤醒时刻时,多采用维持邻居节点的伪随机唤醒时间表的方法。在网络动态负载条件下,此方法不能动态地改变节点唤醒间隔,从而带来较高的数据传输冲突率及较大的数据传输延时。为了解决此问题,本文提出一种新协议HELD-MAC(High energy efficiency and　low delay MAC),保证节点之间具有不同的唤醒时间,同时能够准确预测接收端唤醒时刻,而且接收端可以根据网络负载情况动态改变唤醒间隔。同时为了减轻能量黑洞问题,协议根据节点的剩余能量,自适应地改变节点的最小唤醒间隔。通过仿真对HELD-MAC进行评估,与RI-MAC,PW-MAC等对比,在数据传输延时、能量消耗、网络吞吐量和传输碰撞方面具有较大优势。     

数据集成技术在树型WSN中的应用与研究

针对无线传感器网络中节点能量有限这一特点,如何提高能量利用率、延长网络寿命是每个WSN研究者所必须面临的问题,同样也是WSN发展过程中必须被解决的难题。为此,本文将一种数据集成算法引入无线传感器网络,通过去除节点间的冗余信息来降低网络中的数据流量,从而降低网络能耗,达到提高网络能量利用率和延长网络寿命的目的。文章以树型无线传感器网络为例,分别对采用数据集成算法前后的网络能量消耗进行分析研究,并给出了相应的能量消耗模型。随后又通过计算机仿真和实验数据监测的方法,验证了此数据集成算法在降低树型WSN能耗中是有效的,而且具有一定的实用价值。     

基于无线传感器网络的分布式时分多址调度策略

针对周期汇报型无线传感器网络(WSN)中数据量大而导致的无线信号冲突概率高的问题,提出了一种分布式的时分多址调度策略(DTSS)。该策略采用了一种分布式的竞争算法来构建节点的时隙调度表,即每个节点根据自身搜集到的信息来决定下一跳目的节点,并和其他节点竞争传输时隙。所有节点完成时隙调度表的建立后,节点在每个数据采集周期根据自己的工作时隙调度表发送和接收数据。仿真结果表明,该策略避免了节点无线信号的冲突,降低了节点能耗,延长了网络生命周期。     

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。