联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络（Wireless Sensor Networks,WSNs）数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用StOMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷,将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm,IAIO）算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。     

无线传感器网络中基于压缩感知的分簇数据收集算法

针对无线传感器网络(WSNs)能量有限、通信链路不可靠的特点,提出一种基于稀疏分块对角矩阵进行压缩感知的分簇(SBDMC)数据收集算法.该算法以稀疏分块对角矩阵作为观测矩阵以减少参与收集节点数目;采用分布式分簇路由实现数据的分布式收集;通过分析能耗模型得到最优簇头数目以减少网络能耗.在此基础上,给出一种有效的分簇路由数据收集算法.仿真分析表明:提出的算法较之已有算法可以减少通信能耗、延长网络寿命,同时均衡能耗负载.     

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.     

能耗均衡的无线传感器网络两级路由协议*

传感器网络分簇路由协议研究的一个关键问题是如何最优化组簇,既能有效降低簇内节点能耗,又能均衡整个网络能耗。为此,提出一种能耗均衡的网络两级分层分簇路由协议。协议底层应用PSO算法实现网络节点最优化分簇;上层选择总簇头节点负责收集、融合簇头数据并发送至基站。仿真结果表明,本协议能有效降低节点死亡速度,延长网络生存周期。     

UWSNs中基于压缩感知的移动数据收集方案

由于水下无线传感器网络(UWSNs)工作环境的特殊性,降低节点能耗和保证数据收集的实时性是至关重要的问题.提出一种基于压缩感知(CS)的移动数据收集方案.以DEBUC协议和CS理论为基础,簇内节点依据设计的稀疏测量矩阵决定是否参与压缩采样,并将获得的测量值传输至簇头.通过AUV的移动来收集各个簇头上的数据到数据中心,该问题被建模为带有邻域的旅行商问题,并提出了近似算法进行求解.在数据中心处利用CS重构算法进行数据重构.仿真实验结果表明:相比于已有的水下移动数据收集算法,该方案在保证数据收集可靠性的同时,降低了数据收集延时,延长了网络寿命.     

基于能耗指导分布式网络分簇路由优化设计

针对传统能耗管理和路由设计模型不能对非均匀分布的异构网络进行自适应能量补给和能量均衡分配的问题,提出一种基于能耗指导的分布式网络分簇路由优化设计方案。对网络模型进行构建,设计异构非均匀分布式网络的能量采集模型和能量消耗模型,以最小网络能耗均衡为指导,设计出优化的网络分簇路由算法。得到基于能耗指导模型的分布式网络路由优化数据分发机制,使网络能耗最低,节点存活性最好,且性能最高。实验结果表明,采用该算法进行分布式网络能耗指导,实现分簇路由优化设计,能够显著降低网络的能耗,有效提高网络生存期和覆盖率,分布式网络的吐吞量也得到提高。     

基于簇头预测的无线传感器网络节能算法

针对无线传感器网络寿命受节点能量制约的问题,提出基于簇头预测的节能算法。分析节点接收、发送和处理数据所需能耗与通信中数据包长度的近似线性关系,给出节能算法的能耗模型。以已有融合数据为基础,簇头利用灰色预测算法求出该簇的数据,降低簇头与非簇头节点的通信频率,使簇头以较低能耗延长其轮回周期。仿真结果表明,该算法能有效降低节点死亡速度,延长网络寿命。     

基于数据流和网络编码的无线传感器网络数据聚合算法

为了减少分簇的无线传感器网络(WSN)中数据包传输的数量,并使传感器网络的能量效率最大化,提出了一种节能的自适应数据聚合算法.在该算法中,源节点凭借其存储和计算能力,利用数据流技术减少数据包的传输量;当数据从源节点传输到簇头时,簇头根据控制信息选择一组节点作为编码节点,当数据相关性低于某阈值时,该组节点对数据包进行网络编码,若数据相关性高于某阈值,该组节点则会成为聚合节点进行数据聚合,网络编码和数据聚合可以减少簇头冗余流量,提高能量效率.实验结果显示,使用该算法后,数据包交付率有所提高,能量消耗显著减少.     

WSN中的最大冗余丢弃和覆盖传输拥塞控制

为实现无线传感器网络中的拥塞控制以提高网络覆盖,提出一种最大冗余丢弃的缓冲区管理和覆盖传输的数据包调度机制.在前者中,如果节点之间彼此靠得很近,则在拥塞期间丢弃靠得很近的一组节点的数据包,获得期望效用更高的数据包,使更少的信息丢失;在后者中,当两个数据包非常靠近时,则在考虑全部数据包的同时,寻找高效用或低冗余数据包,尝试选择最大化覆盖的数据包传输,实现高网络覆盖.仿真结果表明,相比单纯的丢尾和先进先出算法,采用最大冗余丢弃和覆盖传输的拥塞控制机制可明显提高网络的覆盖增益.     

基于CFSFDP聚类算法的WSNs高能效分簇路由算法

为进一步降低无线传感器网络在周期性数据收集过程中的能量消耗,提出一种基于CFSFDP聚类算法的能量高效分簇路由算法。算法首先采用CFSFDP聚类算法对网络分簇进行集中控制,使网络各簇得到均衡分布的同时能够降低网络中的控制包开销;其次在簇头、副簇头及中继节点的选举公式中增加动态权重因子保证数据传输的可靠性;最后在选择下一跳中继节点时加入簇内能耗因子使各簇能耗能够更加均衡地下降。仿真结果显示,该算法网络生存周期较LEACH、KBECRA、CHTD-M算法均有显著提高,表明改进算法在降低和均衡网络能耗上具有优越性。     

WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

基于CS优化的双簇头分簇路由算法研究

为了减少无线传感器网络(WSNs)分簇路由中簇头的能量消耗,提出了一种基于布谷鸟搜索(CS)优化的双簇头分簇路由算法.CS通过采用节点的剩余能量和节点之间的位置关系来构造适应值函数并选举出最优双簇头.其中,主簇头将数据进行融合,副簇头将融合的数据发送给基站,缓解了以往单簇头同时负责数据融合和传输的双重压力,使得整体能耗在各个节点的分配更均衡.仿真实验表明:与LEACH算法、粒子群优化(PSO)算法相比,CS算法在减小网络能耗以及延长网络生存周期上更具优势.     

压缩感知和LEACH结合的水下传感器网络信息采集方案

由于水下传感器网络特殊的工作环境,节点能耗是其至关重要的问题。针对这一问题,本文提出一种LEACH和压缩感知相结合的水下传感器网络信息采集方案(CS_LEACH)。根据LEACH协议对网络节点分簇后,簇内节点可以以概率q决定是否参与感知数据,簇内感知到的数据加权叠加后,由簇头传输至Sink节点。在Sink节点,利用压缩感知重构算法进行信息重构,从而得到监测区域的信息图谱。理论分析和仿真结果表明,与传统的LEACH协议相比,CS_LEACH方案在保证重构精度的前提下,大大节约了节点能量,延长了网络生存周期。     

基于压缩感知的无线传感器网络的数据编码

近年来,基于压缩感知的无线传感器网络数据编码的研究取得了一定的进展,但大部分研究是基于"单跳"的传输模型或者没有考虑网络内节点之间的合作。本文提出了一种基于压缩感知和分簇的传感器网络数据编码方法。首先,节点根据自己的编号伪随机的产生一个M维的列向量,把感知的数据xi投影到此向量上,然后把自己的编号和投影的数据一同传输给簇头。簇头把收到的数据进行求和,并且把计算后的结果传送给下一个簇头,直到sink节点。通过仿真实验和理论分析,验证了本文提出的方法比传统的方法能更好地减少网络内数据传输量。     

基于事件驱动和神经网络的无线传感网络数据融合算法研究

为降低突发事件监测的无线传感器网络(WSN)的能量消耗和数据冗余,设计并实现一种基于事件驱动的动态分簇BP神经网络数据融合算法(EBPDF)。其中动态成簇以及簇头选举过程基于事件严重程度和节点剩余能量,簇的生命周期和簇的覆盖范围根据事件紧急程度和节点剩余能量进行动态调整。同时,为减少网络通信量,将神经网络层次结构与WSN的簇结构相结合,在动态形成的簇结构中应用三层神经网络模型,通过神经网络算法从采集到的大量原始数据中提取出少量特征值,并发送到汇聚节点,从而延长网络生命周期,降低数据传输的冗余度。理论仿真实验证明,与LEACH算法相比,该算法既能有效降低网络通信流量,又能减少节点通信次数。     

面向可靠性和能耗优化的可压缩数据收集方案

现有的无线传感器网络（ WSNs）数据收集方法无法在耗费较低开销的同时保证数据收集的可靠性。基于压缩感知（ CS）理论,设计了基于指数核函数的稀疏矩阵和基于准循环低密度奇偶校验（ LDPC）码的测量矩阵来用于节点的数据采集,以最大化网络生命周期为目标,将测量值传输问题建模为汉密尔顿回路问题,并提出了一种基于树分解的数据收集路径优化算法。仿真实验结果表明：所提方案在数据重构误差和能耗方面的性能要优于目前典型的数据收集方法。     

负载均衡的无线传感器网络的分簇路由算法

无线传感器网络分簇算法中,簇首肩负着收集、融合和传输数据的责任,影响整个簇的性能。簇首能量快速消耗,破坏了网络节点能量的均衡性。针对此,提出了一种负载均衡的分簇算法（LBCA）,由簇内成员和助理簇首帮助簇首完成任务。簇首选择阶段,通过两次筛选确定簇首的方法来控制簇首个数;簇内收集数据时结合蚁群算法寻找遍历簇内的最短路径,减小簇首能量消耗的压力;给Sink节点传递数据过程中,在簇内选择一个助理簇首来辅助簇首工作。仿真结果表明,该算法可以有效地均衡网络节点负载的能耗,提高网络的生命周期。     

融合K均值分簇MST路由的无线传感网压缩采样技术

考虑无线传感网中数据采集特点和能量约束性,将分簇路由策略融合到压缩感知采样中,提出了一种融合K均值分簇MST路由的压缩采样算法.算法采用稀疏投影矩阵以减小投影矩阵与稀疏基之间的相关度,利用K均值分簇MST(Mini?mum Spanning Tree)机制构造数据融合树,在保证数据重构质量的基础上减少网络数据传输量.仿真结果表明,算法可以提高网络能量使用效率,同时可以适应各种规模的无线传感网.     

面向有损链路的传感网压缩感知数据收集算法

基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大应用潜力,现有研究大多假定无线链路理想.通过实验说明有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量;提出了一种基于重传与时间序列相关性预测（CS data gathering based on retransmission and time series correlation prediction,简称CS-RTSC）的数据收集算法,将有损链路上的丢包建模为随机丢包和块状丢包,设计了基于滑动窗统计的丢包类型预判算法,在检测到链路丢包时判断丢包类型,对随机丢包采用重传恢复,对块状丢包设计了基于时间序列相关性预测算法恢复.仿真结果表明该算法能有效降低有损链路丢包对CS数据收集的影响,在网络丢包率达到30%时,CS数据重构的相对误差仅比理想链路下的CS相对重构误差高0.1%.