无线传感器网络高可靠低维护地理路由协议

无线传感器网络地理路由协议要求节点根据少量本地路由信息将数据分组传输路由到目标节点。为了消除路由环,地理路由算法通常需要将网络拓扑平面化。然而现有的平面化算法要么假设节点的通信半径是一固定值,在实际应用中不适用;要么对每一条链路都进行检测是否有交叉链路,路由维护代价很高。针对以上问题,提出一种具有高可靠性和低维护成本的地理路由协议RPR(region partitioning-based routing),其基本思想是将网络划分为规则多边形区域,并在贪心路由失败时将多边形区域内的所有节点看作一个虚拟节点进行周边路由。多边形区域间通信能够降低平均路由路径长度,从而提高了路由的可靠性。基于区域划分的网络平面化策略不需要检测和删除相交链路,因此减少了路由维护开销。模拟实验结果显示,RPR协议比现有方法的平均路由路径长度更短,路由维护开销更低。     

MANETs中基于节点移动度的虚连接的路由

由于移动自组织网络MANETs中节点的快速移动,使得维持源节点与目的节点间的通信路径成为一项挑战性工作。节点的高速移动导致通信链路频繁断裂。为此,提出基于节点移动度的虚连接的路由(MDVRP)。虚路由为一条动态的逻辑路由,其由一系列的特定地理区域构成。每个区域内的节点依据自己的移动度设置转发数据包的定时器,移动度越小,具有优先转发数据包权。MDVRP通过虚路由策略,在源节点与目的节点间建立了多条传输路通,每个节点能独立选取下一跳转发节点,并利用节点移动度,择优选取转发数据包下一跳节点,从而提高链路的稳定性。仿真结果表明,提出的路由协议在端到端传输时延、路由开销以及数据包传输率性能均得到提高。     

一种Ad Hoc网络的多路径路由算法

针对移动Ad Hoc网络,研究了一种多路径的路由算法。该算法是在AODV算法基础上建立起来的,有效地利用了AODV算法中中间节点接收到的重复的RREP建立起多路径的路由,其优点是当一条链路失败时,节点可以从后备链路中选取一条而不会影响到其他的链路通信。并且当路由发生断裂后,该算法可以尽可能地进行本地修复,以保证多路径的数据通信。仿真结果表明建议的路由算法在路由延迟等方面比现有的AODV路由算法有更好的性能。     

平面网络中QOS多播路由算法研究与设计

多播通信这种兼顾了广播通信与单播通信两者优点的通信模式,已经被越来越多地应用于平面网络业务之中。首先讨论了面向源节点的多播路由策略。在分析传统多播路由算法中最佳链路选择函数的基础上,提出了一个新的最佳路由模型和QMRI算法,该算法成功地解决了网络中多播节点动态变化时的QOS路由选择问题。     

基于带宽预测的多媒体通信路由拥塞节点调度方法

为提高多媒体通信吞吐量,降低端与端传输延时,开展基于带宽预测的多媒体通信路由拥塞节点调度方法设计研究。将TCP/IP协议作为传输指令,建立多媒体通信路由节点通信模型;根据拥塞情况,预测通信过程中的链路带宽,计算通信路由节点有效传输量;引进QOS协商机制,控制节点流量,并结合不同节点的状态量,进行调度设计。实验证明,提出的方法有效提升多媒体通信路由吞吐量,降低通信过程延时,进一步提高通信数据传输速率。     

链路可靠性关系认知DTN无线中继组播路由

认知无线电Ad hoc网络(CAN)可看作一类特殊的延迟容忍网络(DTN),并由移动二次用户(SUs)与社会特征组成。网络的间歇连通性和频谱利用率是一个具有挑战性的问题,如何在CANs的SUs之间进行可靠而有效的消息发送。为此,提出一种链路可靠性关系认知DTN无线中继组播路由算法,首先,该预测基于新的社会关系感知移动模型链路可靠性和SUs的关系进行路由融合和中继选择,并根据节点不同关系设计不同的预测方案。消息被转发到与目的地具有最大相遇概率的中继节点。评价结果表明,这种社会关系路由方案可大幅提高路由算法性能,并可降低网络计算复杂度。     

基于组移动模型的链路生存时间预测

战术Ad Hoc网络拓扑结构的动态变化,导致了重复路由操作频繁发生。基于组移动模型的特点,不依赖GPS等辅助设备获得节点相关参数,提出了一种新的链路生存时间预测算法,并将其应用于路径选择,避开生存时间短的链路,选择一条由最长生存时间链路组成的路径,以减轻拓扑变化对路径稳定性的影响。仿真表明,该算法能够有效地降低数据的丢包率和端到端的时延,减少路由的重操作次数,提高了路径的稳定性。     

移动自组织网络预测分簇算法的路由协议

针对移动自组织网络中传统分簇算法存在稳定性低、网络开销大的问题,在WCA分簇算法的基础上,提出一种带有预测机制的EWCA-MP(Efficient on-demand Weighted Clustering Algorithm using Mobility Prediction)分簇算法,该算法在簇头选择时充分考虑节点间的链路保持时间,在簇维护阶段引入模糊逻辑的概念,对Hello消息包的广播周期进行优化。并将其应用于CBRP中,提出了一种ECBRP-MP(Efficient Cluster Based Routing Protocol using Mobility Prediction)移动预测的分簇路由协议。仿真结果表明,EWCA-MP算法在簇头数目、单位时间内节点转移次数和统治集更新次数明显减少,ECBRP-MP路由协议在路由开销、分组投递率的性能得到优化。     

电力线通信自适应中继路由算法

电力线通信为配电自动化业务的开展提供了廉价的数据通信平台,但由于配电网具有网络拓扑未知和信道时变的特点,会导致可靠性降低和通信距离存在不足,这些问题很难在物理层进行解决,需要通过上层的通信协议来解决。为此提出一种自适应的路由算法,通过此算法可以形成节点之间的正常路由功能和链路修复功能,以增大电力线载波通信的通信距离,并提高其可靠性。仿真结果表明,该算法能够快速有效地找到网络协调节点到目的节点的路由。     

MANET路由协议的节能策略

移动节点之间利用无线链路连接,每条链路的存在依赖于一定的发射功率。由于主机是电池供电的,这限制了主机的存活时间。为了进行有效的通信,并尽可能延长网络的可操控时间,就必须在节点间建立节能有效的路由。重点讨论MANET中路由中的能量策略。     

Deep belief network-based link quality prediction for wireless sensor network

After analyzing the existing link quality prediction models,a link quality prediction model for wireless sensor network was proposed,which was based on deep belief network.Support vector classification was employed to estimate link quality,so as to get link quality levels.Deep belief network was applied in extracting the features of link quality,and softmax was taken to predict the next time link quality.In different scenarios,compared with the model of link quality prediction based on logistic regression,BP neural network and Bayesian network methods,the experimental results show that the proposed prediction model achieves better precision.     

Link quality prediction based on random forest

Link quality prediction is vital to the upper layer protocol design of wireless sensor networks.Selecting high quality links with the help of link quality prediction mechanisms can improve data transmission reliability and network communication efficiency.The Gaussian mixture model algorithm based on unsupervised clustering was employed to divide the link quality level.Zero-phase component analysis (ZCA) whitening was applied to remove the correlation between samples.The mean and variance of signal to noise ratio,link quality indicator,and received signal strength indicator were taken as the estimation parameters of link quality,and a link quality estimation model was constructed by using a random forest classification algorithm.The random forest regression algorithm was used to build a link quality prediction model,which predicted the link quality level at the next moment.In different scenarios,comparing with exponentially weighted moving average,triangle metric,support vector regression and linear regression prediction models,the proposed prediction model has higher prediction accuracy.     

Link quality prediction model based on Gaussian process regression

Link quality is an important factor of reliable communication and the foundation of upper protocol design for wireless sensor network.Based on this,a link quality prediction model based on Gaussian process regression was proposed.It employed grey correlation algorithm to analyze correlation between link quality parameters and packet receive rate.The mean of the link quality indication and the mean of the signal-to-noise were selected as input parameters so as to reduce the computational complexity.The above parameters and packet receive rate were taken to build Gaussian process regression model with combination of covariance function,so that link quality could be predicted.In the stable and unstable scenarios,the experimental results show that the proposed model has better prediction accuracy than the one of dynamic Bayesian network prediction model.     

Study on AdaBoost-based link quality prediction mechanism

The link quality was vulnerable to the complexity environment in wireless sensor network.Obtaining link quality information in advance could reduce energy consumption of nodes.After analyzing the existing link quality prediction methods,AdaBoost-based link quality prediction mechanism was put forward.Link quality samples in deferent scenarios were collected.Density-based unsupervised clustering algorithm was employed to classify training samples into deferent link quality levels.The AdaBoost with SVM-based component classifiers was adopted to build link quality prediction mechanism.Experimental results show that the proposed mechanism has better prediction precision.     

联合改进核FCM与智能优化SVR的WSNs链路质量预测

为提高无线传感器网络（WSNs）链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR （improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR）的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于"动态折射"学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8~68.4%.     

基于灰预测模型的蓝牙网络切换算法

蓝牙网络接入点切换问题是构建蓝牙网络必须考虑的关键问题,而蓝牙特点给接入点切换的实现带来了极大挑战。提出了一种基于灰预测模型的蓝牙网络切换算法,该算法对链路质量信息的数量和分布特征没有苛刻要求,仅用少量样本数据就可以预测出下一时间链路质量,当预测值低于阈值时,接入点搜索网络拓扑结构找出最佳接入点集合,并实时监测切换终端与集合中接入点之间链路质量,预测出下一时刻链路质量,当切换终端链路质量预测值低于另一阈值时,接入点选择最佳接入集合中预测值最佳的接入点完成切换。该算法预测过程可以动态地调整参数,实现自适应预测,提高了预测的精度。仿真结果表明,使用该算法减少了终端切换时延以及误切换概率。     

基于移动预测模型的ad hoc网络稳定链路度量

提出了一种基于移动预测模型的稳定链路度量算法，定义了稳定邻居度量和本地运动度量2种测度。根据这2种测度，移动预测模型利用LZ78算法对本地节点与其邻居的稳定性概率进行预测，从而找到其最稳定邻居，为选择稳定路由提供依据。仿真结果表明此算法明显优于直方图算法及最小ID算法，所选链路的稳定性能显著提高。     

流星余迹通信信道季节变化模型与仿真

流星余迹通信不同于传统的通信,它是低速率通信,具有突发、不连续、不定时的特性。因此,流星余迹通信的复杂性要求有必要对其通信信道进行建模。根据流星轨道分布的特点,推导出轨道-辐射的转换,得到流星分布和通信链路的关系,建立了流星余迹通信信道季节变化预测模型,并将预测模型应用于流星余迹通信链路。预测的结果和中纬度雷达观测结果比较一致,为建立流星余迹通信系统提供了技术支持。     

Rain induced attenuation prediction model for terrestrial and satellite-Earth microwave links

At microwave frequencies, rain is the main cause of degradation of the performances of satellite and terrestrial communications systems, essentially in tropical zones. The design and implementation of such systems involve the knowledge of the propagation parameters which govern link availability and service quality. Thus it seems desirable to develop prediction methods for deriving approximate attenuation statistics for any microwave link. In this paper, a rain induced attenuation model using the concept of equivalent path length is proposed for terrestrial and satellite links. As far as slant paths are concerned, the proposed prediction model uses a parameter, the value of which depends on the geographical zone. These values are given for zones where data are available : Europe, Australia, USA, Japan. The version of the model proposed for Australia (in its tropical part) can be extended to all other tropical zones of the world.     

局部拓扑信息耦合促进网络演化

为了研究局部拓扑信息耦合对网络演化的促进作用,该文提出一种局部拓扑加权方法,用于表征节点间联系的紧密性及拓扑信息的耦合程度,并从演化模型的宏观统计和实际网络数据测试两方面验证了局部拓扑信息耦合促进网络演化的有效性。首先将该加权方法应用于BA模型,提出TwBA模型及局域世界模型TwLW。仿真实验表明,TwBA的度分布随连边数目的增多,迅速从指数分布转变为幂律分布,验证了现实网络加速增长产生幂律分布的现象,并基于此提出一种加速演化的TwBA模型,其在不同的加速率下呈现出幂律分布;而TwLW则展现了从广延指数分布到幂律分布变化的形式。然后将加权方法拓展到链路预测方法,提出3个加权相似性指标。实际网络数据测试表明,该方法能够大幅度地提高基本算法的预测精度,部分甚至高于全局性指标。