基于自适应剩余能量阈值的WSN蚁群路由算法

针对无线传感器网络中节点能量分布不均衡和路由算法陷入局部最优解等问题,提出一种基于自适应剩余能量阈值的WSN蚁群路由算法(ATRE-ARA),引入搜索角修正信息素启发函数,对搜索路径进行限制,降低节点能量开销;将节点剩余能量阈值自适应化,改进信息素增量公式,设置信息素浓度上限与下限,优化信息素更新策略,提高信息素增量的准确性,在平衡网络中节点剩余能量的同时提高全局寻优能力。仿真实验表明,ATRE-ARA算法在2种环境下节点平均能耗与ARA算法相比降低了15.12%和11.68%,最优路径长度与EEABR算法相比分别缩短了1.47%和1.59%,证明该算法可有效平衡全局网络能耗,提升算法搜索全局最优的能力,延长网络生命周期。     

连通和覆盖性优化无线传感器网络寿命的方法

针对多跳无线传感器网络的特点,基于拓扑结构的连通和覆盖性建立节点的休眠调度模型,提出了一种优化网络寿命的新方法(CCLO).该方法设计了一种根据节点剩余能量动态激活一组满足连通覆盖条件的工作节点.当某个节点因能量耗尽而失效时,其邻近的休眠节点将代替失效节点继续维持网络的正常工作.理论分析和仿真研究表明:CCLO能够快速...     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

基于最小Steiner树的无线传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计首要考虑的问题,可以通过数据融合合并冗余数据而有效地节约网络能耗.WSN数据融合可以看作是寻找覆盖源节点和Sink节点的最小Steiner树(MST)问题.文章提出了一种MAX-MIN蚂蚁系统算法和自适应蚁群系统算法相结合的MST构造算法(MMACS),在此基础上,提出了一种基于MST的WSN数据融合算法(DAMST),该算法采用定向扩散的机制进行兴趣散布;利用MMACS算法构造MST,源节点的数据发送到构造好的MST上,经过融合后传输到Sink节点,减少了网络中传输的数据量.通过与其它算法比较,仿真表明DAMST算法降低了网络总能耗和平均时延,延长了网络生存时间.     

无线传感器网络自适应MAC协议

在无线传感器网络中,为降低能耗,常采用低占空比工作模式,但较低的占空比会增加时延。本文针对簇型传感器网络,以低能耗和低时延为目标,提出一种动态占空比的自适应MAC协议(dynamic adjust multiple access control,DA-MAC)。在网络负载较小时降低占空比,让节点相对长时间处于睡眠状态以节省能量,而在网络负载较大时增加占空比,使节点相对长时间进入活动状态。试验结果表明,相比LEACH和E-TDMA,DA-MAC协议能显著提高网络吞吐量,并降低时延,减少能耗。     

基于自适应蚁群算法的无线传感器网络能量优化

当能量受限时如何降低节点功耗,是无线传感器网络需要解决的首要问题.为解决这一问题,提出了一种基于自适应蚁群算法的无线传感器网络能量优化方法,该方法鲁棒性强、易于并行计算.在对无线传感器的能量优化中,采取了动态概率选择、优化信息素矩阵和遗传变异相结合的过程.通过蚂蚁在不同数量下,传感器节点的最优路径寻找研究对比表明,自适应蚁群算法的总能耗较低,网络节点的生存能力较强,同时,传递数据的总延时较短.     

用于大规模无线传感器网络突发事件监测的路由策略

针对大规模无线传感器网络(Wireless sensor network:WSN)突发事件监测的应用问题,提出了一种基于事件驱动成簇和时延梯度路径树的路由策略。该策略在簇头选举时综合考虑了节点剩余能量、距离Sink节点的跳数、与邻居节点的连通性以及父节点数目等因素以节省和均衡网络能耗,并通过时延梯度路径树和多路径选择实现数据的及时和可靠传输。仿真结果表明:该策略能够提高无线传感器网络的能量效率,使网络生命周期比LEACH(Low-energy adaptive clustering hierarchy)算法和AEEC(Adaptive and energy efficient clus-tering algorithm)算法分别提高2倍和1.4倍,比ARPEES(Adaptive routing protocal withenergy efficiency and event clustering for wireless sensor networks)算法延长了15%。     

延长传感器网络寿命的动态休眠调度算法

基于网络拓扑结构连通和覆盖的冗余性,结合多跳无线传感器网络的特点,建立节点休眠调度模型,提出一种延长网络寿命的算法.根据节点的剩余能量,动态选择一组满足连通覆盖条件的工作节点集,达到延长网络寿命的目的.当某个节点因能量耗尽失效时,其相邻的休眠节点被激活,并代替其收集信息以维持网络正常工作.理论分析和仿真研究表明,该算法能有效判别冗余节点,在保证网络有效覆盖和连通的条件下,降低节点能耗,延长网络寿命.     

能量捕获无线感知网络低时延数据收集策略

能量捕获无线传感器网络（Ｅｎｅｒｇｙ－ｈａｒｖｅｓｔｉｎｇ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋ,ＥＨ－ＷＳＮ）的节点可 以从环境中捕获能量．目前,ＥＨ－ＷＳＮ节点所捕获的能量与维持其正常工作（例如感测、计算和数 据通信）所需能耗之间存在着较大缺口．节点常因能量不足需要捕获能量而停止数据转发工作,从 而导致数据收集时延增大．因此,为ＥＨ－ＷＳＮ设计一个低时延的数据收集策略是极为重要．对无 线链路定义了能够反映能量捕获功率、能量捕获时长和剩余能量的权值,并利用之提出数据收集树 构建算法,让具有较小权值的链路优先加入到数据收集树;提出了低时延数据收集策略,使得ＥＨＷＳＮ 的节点利用所构建的数据收集树传递数据．仿真结果表明：所提出的低时延数据收集策略在 数据收集时延方面优于已有方案．     

WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

基于虚拟场的能量高效传感器网络地理路由

针对现有的无线传感器网络(WSN)地理位置路由在遇到空洞时,集中使用空洞边缘节点转发而导致能量迅速耗尽的问题,提出利用虚拟场模型均衡节点能量消耗的路由算法.传输节点根据虚拟场模型,采用空洞信息、自身位置及目的节点位置作为参数,计算当前位置的虚拟场矢量.根据此矢量方向进行贪婪路由选择.受虚拟场模型的引导,数据传输路径在未遇到空洞时已提前开始绕行,路由能耗不再集中于空洞边缘,而是更均匀地分布于全网.实验表明,该算法在网络生命周期和数据包投递率方面明显优于现有的地理位置路由,在传输延迟方面两者接近,验证了虚拟场模型具有平衡节点能量消耗、提高能源利用率的效果.     

一种基于节能的无线传感器网络MAC算法

基于无线传感器网络中节点能量有限的特点,提出了一种基于节能的媒体接入控制(Medium Access Control)算法:EE-MAC(Energy Equalizing MAC)算法。该算法根据节点的剩余能量来调整节点的睡眠概率,均匀化网络各个节点的能量消耗,达到扩大网络生存时间的目的。本文对该算法进行了仿真,并对新算法的优良性能进行了分析。     

具有能量补给的无线传感器网络能量感知路由算法

为适应新能源条件下无线传感器网络的能量补给特点,根据节点自身能量起伏变化和能量补给的速率等特点,提出了一种考虑能量补给因素的无线传感器网络能量感知路由算法——PHEA.PHEA将传感器节点从周围环境中获取能量的因素考虑进路由算法中,并使用信息融合D-S证据理论算法选择下一跳节点,使得能量消耗能够平均分配到整个网络中.仿真结果表明,算法改善了能量补给因素条件下无线传感器网络中的能量消耗的均衡特性,延长了网络的生命周期,与经典能量感知路由算法EA相比,PHEA的性能高50%左右。     

无线传感器网络能量敏感路由算法的研究与实现

分析了典型无线传感器网络路由算法的基础上,提出了路由算法的目标,并设计了能量敏感的路由算法,以节省能量消耗达到延长整个网络生命周期的目的．该路由算法由4个模块组成：分簇模块、簇头选举模块、休眠状态模块和簇间路由模块组成．在实验室提供的实验床基础上。实现了路由算法的原型,并对算法进行了有效的验证．     

负载感知的异构无线网络协同休眠节能算法

提出了一种基于业务请求负载感知的异构无线网络自适应协同休眠节能算法,在满足异构无线网络系统内业务服务质量要求的条件下最小化系统功耗. 该算法在异构无线网络自优化框架下建立基于经济学收益的节能模型. 蒙特卡洛仿真结果表明,在满足用户业务请求阻塞率约束条件下,新算法能自适应调度异构无线网络的工作模式,并降低系统总功耗.     

改进的蚁群优化算法在无线传感器网络中的应用

针对无线传感器网络节点能量十分有限的特点,将蚁群优化算法应用到传感器网络的路由中,提出了一种改进的蚁群路由算法(IARA)。在考虑节点剩余能量、传输方向和节点距离等因素的基础上,对基本蚁群算法的概率选择公式和信息素更新公式进行了改进,实现了能量在整个传感器网络上的均衡消耗。仿真结果表明:该算法减少了传感器网络的能量消耗,并且使能量消耗更加均衡,从而提高了整个无线传感器网络的生存寿命。     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.     

无线传感器网中线性网络编码的安全检查

线性网络编码作为一种新型的数据编码方式,它可以提高无线传感器网络的数据吞吐率、降低节点能耗、减少数据的传播延迟.由于无线传感器网络自身的特点,直接使用已有的线性网络编码协议将面临许多严重的安全攻击.指出了线性网络编码应用于无线传感器网络所面临的安全问题;并提出了一种安全的线性网络编码协议SEC.SEC既能够实现线性网络编码的优点,还解决了其在无线传感器网络中所面临的安全问题.