基于质量可靠事件协议的无线传感器网络拥塞控制

无线传感器网络中基于数量可靠的事件协议已经被提出应用于可靠事件监测系统.这种方法通过提高源节点到节点数据发送成功的数量达到事件可靠传输的目的.但是,由于在有限的数据传输路径上数据拥塞造成数据冲突和缓冲溢出频繁的现象,数据包丢失后,基于数量可靠的事件协议就难以达到期望的数据发送量.基于质量可靠的事件协议可以较好的解决这一...     

一种基于拥塞发现的强化学习P2P网络视频点播预取策略

在P2P(Peer to Peer)网络视频点播中设计合理的视频内容预取策略,可以有效地解决视频观看中出现的缓冲等待时间过长、服务器负载过大等问题。而现有的P2P网络视频预取方法往往考虑了视频内容的发现而忽略了节点本身的状态监控,在网络拥塞发生时存在视频播放观看不佳的情况。提出了一种基于拥塞发现的强化学习P2P网络视频点播预取策略,通过监测节点的拥塞状况以及带宽等参数,采用Q-learning学习算法综合评估网络节点,引导视频预取节点的选择,减少了对网络拥塞节点视频内容的预取。实验结果表明,该方法能提高视频播放流畅性,避免用户在节点发生拥塞时等待时间过长,提高了视频播放效率。     

多跳Ad Hoc网络基于路由协议的拥塞控制

为解决Ad Hoc网络的DSR路由协议在通信过程中存在拥塞问题,提出了改进DSR路由协议的思想,即联合“最短路径”和节点发送接收数据包时的“传输状态”来避免拥塞。仿真结果表明,改进后的路由协议有效地减少了发生拥塞的几率,从而提高了无线多跳Ad Hoc网络环境下Web通信的性能。     

基于相关性感知的无线视频传感器网络路由协议

无线视频传感器网络（ WVSNs）节点的能量十分有限,为了降低传感器节点的能耗,延长网络生存时间,提出了一种基于相关性感知的视频传感器网络通信协议。首先对当前经典无线视频传感器网络路由协议的不足进行分析;然后从簇首节点的选择、簇的形成、节点感知方向的调整、簇内通信以及簇间通信等几个方面进行改进和优化;最后在Matlab 2012平台进行了仿真对比测试。仿真结果表明：该协议不仅能够延长无线视频传感器网络生命周期,而且提高了监测区域覆盖率。     

移动Ad Hoc网络基于路由协议的拥塞控制

为解决Ad Hoc网络的AODV路由协议在通信过程中存在的拥塞问题,提出了改进AODV路由协议的思想。根据网络链路拥塞度的大小采取不同措施和节点路由,建立不相关多径路由分流以避免拥塞。仿真结果表明,改进后的路由协议有效地减少了发生拥塞的几率,从而提高了移动Ad Hoc网络的性能。     

基于改进AOMDV路由协议的WSNs拥塞控制和能耗均衡策略

无线传感器网络WSNs中数据流的突发、节点能量有限和多对一数据传输等特性导致其很容易发生网络拥塞和节点能量的非均衡消耗,而采用多路径方式进行数据传输,不仅可以缓解网络拥塞,而且也能达到网络能量均衡消耗的目的。AOMDV协议是一种面向Ad-Hoc网络的反应式多路由协议,首先提出了一种改进的AOMDV协议—I_AOMDV协议,在路由发现阶段不再使用发生拥塞和低能量的节点,而在路由维护阶段则仅使用HELLO信息交换邻居节点的"剩余能量"和"队列长度",同时在路径列表中添加了"拥塞恢复时间"和"能量剩余标志位",从而使I_AOMDV协议更适应于静态WSNs的数据传输。基于I_AOMDV协议,进一步提出了新的网络拥塞控制和能耗均衡策略,其中,拥塞控制策略采用新的拥塞检测方案,并为发生拥塞的最短路径设置了"拥塞恢复时间";而能耗均衡策略则通过为节点的每条路径设置"能量剩余标志位"来解决能量的非均衡消耗问题。仿真实验结果表明,基于I_AOMDV的拥塞控制和能耗均衡策略,可以减少路由协议的开销,有效降低数据丢包率和节点剩余能量的差异性。     

基于虚拟网格的拥塞控制及能耗均衡路由协议

本文提出了一种基于虚拟网格划分的拥塞控制和能量平衡路由协议(congestion control and energy balance,CCEB),该协议利用多主节点、多路径地选取和更新方法,有效地均衡了网络能耗,延长了网络生命周期.在路径选择过程中,该协议综合考虑了下一跳节点的剩余能量、队列占有率以及前向度量指标,使靠近Sink节点的网格内拥有更多的转发主节点.在数据转发阶段,利用预测的方法对各节点进行拥塞检测和能量判断,避免使用发生拥塞或者剩余能量较少的节点转发数据.最后,通过NS2仿真平台实验,验证了CCEB协议在均衡能耗和缓解拥塞方面的有效性.     

RAODV:一种基于拥塞跳数改进的AODV路由协议

针对移动Ad Hoc网络的AODV路由协议在通信过程中存在的局部拥塞问题,本文提出基于拥塞跳数的路由协议RAODV。该协议引进平均队列长度预测拥塞情况,在路由节点转发路由请求包时,考虑自身的拥塞情况动态调整跳数计数方式,得到的路径跳数称为拥塞跳数,基于拥塞跳数建立最短路由。仿真结果表明,RAODV路由协议在不影响收敛速度的情况下有效地提高了数据的传输投递率,降低了平均时延。     

基于信任机制的无线传感器网络可靠传输路由协议

在无线传感器网络中,针对异常事件监测时会出现大量数据发送引起网络拥塞、数据包无法可靠传输的问题,提出一种基于信任机制的可靠传输路由协议(RTRPT)。该协议提出了梯度分簇模型以选取簇头节点。在无异常事件发生时,通过转发能量阈值找出传输数据的邻居节点,进行数据传输。同时对这些节点进行转发概率与历史信任度计算得到直接信任度,再通过这些节点交互间接评价得到间接信任度。将直接信任度、间接信任度、距离度量和剩余能量作为评价指标,量化后通过熵权法得到邻居节点的综合信任。在异常事件发生时,节点仅需选择综合信任度最大的邻居节点作为转发节点,建立路由路径。使用OMNeT++进行仿真验证,RTRPT与TSRP、ESRT相比,在传输大量数据包时节点丢包率分别降低69.4%、52.7%;节点传输延迟分别降低53.6%、34.8%;网络生命周期分别延长32.5%、15.7%。仿真结果表明,RTRPT能有效减少丢包、降低传输延迟、延长生命周期。     

基于链路信息的卫星网络最优路径选择策略

分层卫星网络路由协议在通信时比单层卫星网络有更好的表现,但是同样有着一些缺点。快照的频繁切换导致计算开销大、链路拥塞和节点失效时处理能力较差。针对LEO/MEO卫星网络的特点,提出了一种新的路由协议。计算相邻卫星间的实际通信开销,和预估可选卫星到目的卫星间的通信开销,在保证一定链路利用率和低延时的情况下,选择一条最优路径。当链路切换或节点失效时,缩小路径搜索区域,无需重新计算源卫星节点到目的卫星节点路径,只更新部分失效节点,减少计算开销。通过仿真发现,该算法在路径建立以及链路拥塞等方面具有良好的性能。     

基于改进DV-HOP的道路交通拥堵传感节点快速监测

由于现有交通拥堵监控设备在海量三维交通信息中处理数据的能力较差,导致监测目标延迟较高,故设计一种基于改进DV-HOP的道路交通拥堵传感节点快速监测方法;在待监测区域安置无线视觉传感器,划分子节点与Sink节点,采集车辆通行状况和整体长度;把异常道路数据作为小概率事件,确立速率采集周期及交通状态采集周期,推算历史车辆速率均值和交通数据方差,设定拥堵临界值,分析路段是否产生拥堵;对道路交通拥堵节点进行初始化,确定全部道路交通拥堵节点,并将其转换到二维坐标中;利用改进DV-HOP算法获取道路交通拥堵节点位置信息,得出道路交通拥堵节点监测结果;实验分析表明：设计方法的均等系数值可达0.998,数据传输延时仅为3.5 s,表明交通拥堵监测精度较高。     

基于压缩感知与能量聚合视觉传感器数据传输系统

为了保证视频数据的快速传输,并进行有效压缩,从而提升视频数据的传输质量,提出一种基于压缩感知与能量聚合的视觉传感器数据传输技术。该技术在提升视频数据传输率和压缩率的基础上,针对视觉传感器的高能耗问题,采用能量融合技术和能量约束方法来减少能量消耗,并采用了视觉传感器失真和功耗模型、视频数据传输模型,以及能量聚合模型进行分析。实验仿真数据结果表明：在提升视频数据的传输速率、压缩率,以及减少网络总体能量消耗上,提出的视觉传感器数据传输技术取得了较好的效果。     

基于DM365的井下多媒体监控系统设计

针对现有井下监控系统由于采用有线方式传输而存在布线难、网络覆盖不全及由于监控网络相互独立而造成成本高等问题,提出了一种基于DM365的井下多媒体监控系统的设计方案。该系统选用DM365视频处理芯片为硬件平台,嵌入式Linux操作系统为软件平台,集传感器无线数据传输和视频监控功能于一体,可对井下现场的视频、设备工作状况以及甲烷气体体积分数、湿度和温度等多维环境信息进行监测。实验结果表明,该系统提高了视频图像的处理能力,满足了井下无线传输距离的要求,适合在能量有限的煤矿井下使用。     

网络视频监控系统中的拥塞避免和控制策略

视频传输的特征是数据量巨大 ,容易对网络产生冲击 ,甚至导致网络的崩溃 ,这就是网络拥塞。文章分析了网络视频监控系统中拥塞产生的原因和带来的影响 ,提出了一种发送端、接收端和中间节点相结合的拥塞避免和控制方案     

改进的遗传算法无线视频传感器网络协作路由技术研究

提出了适用于无线视频传感器网络的基于能量感知的跨层交互多路径协作路由技术.该技术首先采用了基于视频传感器节点感知距离的遗传优化算法,预测传输视频数据的能耗和剩余能量,结合无线信道质量和视频编码算法建立一种跨层协同的工作体系,优化节点传输视频数据的能耗、时延和带宽等因素;然后建立应用层、网络层和物理层跨层协同工作体系.仿真实验和数学分析表明,该技术不仅能够较好地满足视频传感器网络应用业务的多样性QoS数据传输性能需求,而且可以充分利用视频传感器网络受限的计算、存储能力和能量等资源.     

Progressive Transfer Learning-based Deep Q Network for DDOS Defence in WSN

In The Wireless Multimedia Sensor Network (WNSMs) have achieved popularity among diverse communities as a result of technological breakthroughs in sensor and current gadgets. By utilising portable technologies, it achieves solid and significant results in wireless communication, media transfer, and digital transmission. Sensor nodes have been used in agriculture and industry to detect characteristics such as temperature, moisture content, and other environmental conditions in recent decades. WNSMs have also made apps easier to use by giving devices self-governing access to send and process data connected with appropriate audio and video information. Many video sensor network studies focus on lowering power consumption and increasing transmission capacity, but the main demand is data reliability. Because of the obstacles in the sensor nodes, WMSN is subjected to a variety of attacks, including Denial of Service (DoS) attacks. Deep Convolutional Neural Network is designed with the state-action relationship mapping which is used to identify the DDOS Attackers present in the Wireless Sensor Networks for Smart Agriculture. The Proposed work it performs the data collection about the traffic conditions and identifies the deviation between the network conditions such as packet loss due to network congestion and the presence of attackers in the network. It reduces the attacker detection delay and improves the detection accuracy. In order to protect the network against DoS assaults, an improved machine learning technique must be offered. An efficient Deep Neural Network approach is provided for detecting DoS in WMSN. The required parameters are selected using an adaptive particle swarm optimization technique. The ratio of packet transmission, energy consumption, latency, network length, and throughput will be used to evaluate the approach’s efficiency.     

基于线性回归的无线传感器网络分布式数据采集优化策略

事件监测是无线传感器网络中最重要的应用之一,部署在监测区域内的传感器节点通过对感知数据信息的采集、处理和传输等基本操作完成具体的监测任务,在各种操作中,节点之间的数据传输是最消耗能量的.为了减少节点之间的通信数据量,达到降低网络能耗和延长网络生命周期的目的,该文提出了一种能量高效的基于线性回归的无线传感器网络分布式数据采集优化策略,通过应用线性回归分析方法构建感知数据模型,保持感知数据的特征,使节点仅传输回归模型的参数信息,代替传输实际监测的感知数据信息.仿真实验结果表明,文中提出的数据采集优化策略能通过较小的通信量有效地实现事件监测区域感知数据的预测和估计,降低网络的总能量消耗,延长网络的生命周期.     

Congestion Avoidance Based on Lightweight Buffer Management in Sensor Networks

A wireless sensor network is constrained by computation capability, memory space, communication bandwidth, and above all, energy supply. When a critical event triggers a surge of data generated by the sensors, congestion may occur as data packets converge toward a sink. Congestion causes energy waste, throughput reduction, and information loss. However, the important problem of congestion avoidance in sensor networks is largely open. This paper proposes a congestion-avoidance scheme based on light-weight buffer management. We describe simple yet effective approaches that prevent data packets from overflowing the buffer space of the intermediate sensors. These approaches automatically adapt the sensors' forwarding rates to nearly optimal without causing congestion. We discuss how to implement buffer-based congestion avoidance with different MAC protocols. In particular, for CSMA with implicit ACK, our 1/k{hbox{-}}{rm{buffer}} solution prevents hidden terminals from causing congestion. We demonstrate how to maintain near-optimal throughput with a small buffer at each sensor and how to achieve congestion-free load balancing when there are multiple routing paths toward multiple sinks.     

基于多蚁群算法的无线传感器网络路由的跨层设计

针对事件驱动型无线传感器网络对数据传输的强实时性和高可靠性的要求,将统计获得的节点接入效率和负载队列长度等MAC层状态信息作为路由度量参数。考虑到蚂蚁网络算法在重负荷网络中存在传输延迟大、聚合速度慢等缺陷,提出了一种基于多蚁群算法的负载感知和高效接入的跨层路由协议,该协议把节点的单跳延迟、负载及带宽接入效率等参数作为路径的启发值进行路由优化。仿真结果表明,基于多蚁群算法的路由协议能够保证数据传输的实时性,能够实现无线传感器网络的拥塞控制及负载平衡。     

Event‐triggered robust state estimation for wireless sensor networks

Robust state estimation problem subject to a communication constraint is investigated in this paper for a class of wireless sensor networks constituted by multiple remote sensor nodes and a fusion node. An analytical robust fusion estimator using local event‐triggered transmission strategies is derived aiming to reduce energy consumption of the sensor nodes and refrain from network traffic congestion. Some conditions are presented guaranteeing the uniformly bounded estimation errors of the robust state estimator. Several numerical simulations are presented to show the validity of the proposed method.