基于信噪比的无线传感器网络路由选择模型

在多用户无线传感器网络中,节点在选择路由进行数据传输时,路由节点的唯利性将影响数据的通信效果,为了解决这一问题,利用博弈论的思想,在节点进行路由选择的过程中引入了竞争机制,建立了基于信噪比的路由选择模型,并求解出模型的贝叶斯纳什均衡策略,确定了路由节点的发射功率,提高了网络的通信效果。     

WSNs中基于协作通信的分簇路由算法研究

针对无线传感器网络数据信息传输可靠性,提出一种无线传感器网络中基于协作通信的分簇路由算法。该算法主要对分簇、簇间路由和簇内路由三个阶段进行了设计,依据信噪比寻找满足网络数据传输可靠性的最佳路由,实现源节点和目的节点之间的协作通信。仿真结果表明,无线传感器网络中基于协作通信的分簇路由算法能够有效地优化网络路径,提高频谱利用率,增强数据信息传输的可靠性。     

改进无线传感器网络路由算法

无线传感器网络是由能量有限的节点组成,高效节能的路由算法是无线传感器网络的基础。针对低功耗自适应分簇（LEACH）路由算法在选择簇首节点及通信过程中能量消耗大的不足问题,提出了一种改进的LEACH路由算法。引入节点剩余能量因素参与簇首节点的选择,有效地降低剩余能量较小的节点成为簇首的可能性,节点之间的数据传输采用单跳和多跳相结合的通信方式,也降低了传感器网络能耗。     

基于L-π演算的WSN路由协议形式化方法

针对无线传感器网络路由协议形式化描述与验证的问题,提出了一种形式化方法 L-π演算。定义了L-π演算的语法,形式化描述无线传感器节点的广播与单播的通信行为。定义了相应的结构同余,描述了节点表达式的非顺序性。定义了相应的迁移规则,提供了路由协议形式化模型的动态推演功能。通过对无线传感器网络簇头选择协议的描述展现了L-π演算的能力。通过无线传感器网络簇头选择协议的验证实验说明了该方法能有效验证无线传感网络路由协议。     

基于距离分簇算法的WSN组网方法

针对无线传感器网络中传感器节点能量受限不能及时供给的问题,提出一种基于距离分簇算法的无线传感器网络组网方法,旨在均衡节点负载,提高通信效率。算法由Sink节点发起,主要通过设置Sink节点的不同通信距离来划分传感器网络,根据网络层数设定每个簇的最大节点数目,引入簇首轮换机制保证网络存活周期,根据多跳通信路由函数选取簇间通信最佳路由。仿真结果验证了算法能够有效降低网络能耗和延长网络生存周期。     

无线传感器网络能量均衡路由算法

针对无线传感器网络中节点能量利用不均衡的特点,对其拓扑结构进行分析,建立了路由模型,结合普通遗传算法的基本原理,提出一种基于多目标遗传算法的无线传感器网络路由优化方法.在选择通信链路过程中,综合考虑传输路径的能耗和路径中节点的剩余能量等因素,采用多目标遗传算法求解一条能耗低且剩余能量较充足的路径作为数据传输路径,实现网络中节点能量的均衡化.仿真结果表明,该优化机制有效延长了网络的生命周期,改善了网络的性能.     

中断概率分析下的终端多跳直通通信路由选择

提出一种蜂窝与终端自组织混合网络中多跳直通通信的路由选择方法. 首先给出混合网络下的多跳直通通信的干扰模型和信道模型,并考虑了蜂窝终端对直通通信终端的干扰范围. 基于模型分析并得到D2D通信下的中断概率公式,然后将此公式应用在多跳路由选择中,提出了一种多跳路由选择方法. 仿真结果表明,与其他路由算法比较,新提出的方法可以有效提高吞吐量.     

一种适用于WSN的数据存储方法

无线传感器网络（WSN）是以数据为中心的网络,如何对传感器节点采集的感知数据进行有效的存储和查询访问已经成为WSN研究的重点。提出一种基于层次路由的分布式数据存储方法,降低了WSN网络的通信负载且使得网络内各节点能耗更加均衡,从而有效地延长了无线传感器网络的生存时间．     

延长无线传感器网络生存周期的跨层算法

为了延长无线传感器网络(WSNs)的生存周期,提出了联合优化物理层和网络层的跨层算法.首先通过物理层的功率控制方法,初步确定可能参与通信传输的传感器节点候选集;然后在节点候选集中,综合考虑传感器节点的接入概率、端到端通信链路的单跳成功传输概率和端到端通信链路的能量效率,以达到均衡性地进行网络层路由选择的目的,实现传感器网络的端到端通信传输过程.仿真结果表明,在保证能量效率的同时,该算法可以有效地延长无线传感器网络的生存周期.     

基于蚁群优化算法的无线传感器网络跨层路由协议

针对无线传感器网络对实时性、鲁棒性及能耗平衡要求较高的特点,提出了基于蚁群算法和跨层优化的无线传感器网络路由协议ABCRO（Ant-Based＆Cross-layer Routing Optimization）。算法综合考虑各层之间的信息共享机制,将链路的通信开销和链路通信情况以数据的形式转换为网络性能优良的评估参数;通过将接纳控制网络节点机制、信息素禁忌表的双向更新、节点剩余能量信息维护及跳数更新等信息加入路由选择公式,有效增强算法的可扩展性,降低通信过程中的拥塞问题。仿真实验表明ABCRO算法能够较快的寻找出一条最优的路径,从而平衡网络能耗,降低冲突率,有效提高网络整体性能,延长网络寿命。     

能量有效的无线传感器网络协作路由策略研究

基于协作通信技术,提出了一种协作路由策略,考虑了协作节点个数、星座体积和最优跳数的影响,通过理论证明和优化算法给出了其协作路由策略理想上限,并分析了其能量效率。理论分析及仿真结果表明,基于文中方案,通过选取合适的协作节点数和每跳距离可以有效提高无线传感器网的端到端能量效率,其性能要优于传统理想多跳路由方案。     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

移动无线传感器网络的能耗均衡路由算法研究

研究了节点移动的无线传感器网络的路由问题,提出了一种能耗更为均衡的改进路由算法.在经典分簇路由算法的基础上进行了改进：一是簇结构的范围限制在自由空间模型的传输临界距离d0半径范围之内,较小范围的簇结构在移动环境能相对保持稳定,还能节省数据传输的能耗;二是簇头采用了复合权值的方式进行选择,权值不仅考虑节点能量,还考虑节点的移动速度和聚集性.仿真实验证明改进后的算法有效提高了无线传感器网络的能耗均衡性,延长了网络的生存时间,节点的数据发送成功率相对于经典分簇路由算法也得到了较大提高.     

机会传感网络移动节点连通度的影响因素

针对机会传感网络基于节点移动实现网络通信的特点,考虑到影响移动节点连通度的因素,提出了机会传感网络的移动节点连通度模型,实现了对移动节点连通度的刻画.在区域划分的机会传感网络中,分析了移动节点时间序列特征因子,得到与特征因子相关的影响移动节点连通度的因素.利用一元回归得到影响因素与时延的关系,通过回归组合分析得到移动节点的连通度模型.仿真结果表明,该模型能够反映机会传感网络移动节点的连通度.     

具有机动能力的无线传感器网络节点的设计与实现

针对无线传感器网络机动能力的不足,提出一种具有机动能力的网络节点设计方法,并成功实现了移动节点样机Racemote。将该移动节点加入静态传感器网络中,能够解决目前无线传感器网络研究中存在的许多问题,可以拓展和增强传感器网络的功能。使用商业化组件方式设计的硬件平台具有较好的稳定性和可升级性,以嵌入式操作系统TinyOS为基础的软件平台简化了底层的硬件操作,使得应用程序开发更加方便快捷。验证实验结果表明,Racemote成功实现了基本的平面运动,可以很好地应用于无线传感器/执行器网络或移动传感器网络的平台搭建与实验研究。     

能量有效的无线传感器网络协作路由策略研究

基于协作通信技术,提出了一种协作路由策略,考虑了协作节点个数、星座体积和最优跳数的影响,通过理论证明和优化算法给出了其协作路由策略理想上限,并分析了其能量效率。理论分析及仿真结果表明,基于文中方案,通过选取合适的协作节点数和每跳距离可以有效提高无线传感器网的端到端能量效率,其性能要优于传统理想多跳路由方案。     

一种蚁群策略的双信道传感器网络路由算法

针对高负载无线传感器网络堵塞率比较高的问题,提出了一种基于蚁群策略的双信道传感器网络路由算法(CORA).该算法首先利用双信道通信模式降低了信道竞争过程中的数据碰撞和多播抑制几率;再利用最大感染球策略来压缩蚁群的寻路范围,进而降低网络的寻路能耗;借助分层图模型提出了一种两层网络联合优化的选路策略,该策略可将控制层中被堵塞的寻路业务有条件地下放在数据层中传输,从而降低网络的堵塞率和通信延迟.仿真结果表明,与一种基于蚂蚁策略的能量有效路由算法及一种基于蚁群策略的能量有效路由算法相比,CORA算法能将高负载网络下的堵塞率下调13%,且能有效降低数据包的平均通信时间和网络的通信能耗.     

基于改进APIT的移动机器人动态定位

针对室内无线传感器网络通信传输不稳定和定位精度较差的情况,提出了一种移动机器人自主动态定位系统,通过实时选择邻近信标节点,确定节点坐标构成的边界,绘制局部网格空间,实现机器人动态定位.利用接收信号强度指标实现测距,然后采用基于测距的改进近似三角形内点测试（APIT）算法完成定位,再使用卡尔曼算法修正定位误差.该方法适用于室内网络传输不稳定的实际情况,采用卡尔曼滤波器获得最优数据.实验结果表明,该移动机器人自主动态定位方法比基于网格的极大似然方法具有更好的精度和适应性.