一种通过剩余能量过滤进行簇头选举的低能耗无线路由算法

基于LEACH协议提出一种改进的无线传感器网络的自组织路由算法。该算法在原LEACH协议的簇头产生环节做了较大改进,在簇头产生过程中,将当前节点剩余能量与全无线传感器网络节点平均剩余能量进行比较,防止剩余能量小于全网平均剩余能量的节点当选簇头,进一步优化了全网络节点能量消耗的均衡性,有效推迟了节点的死亡时间。通过在簇头选举阶段使用有目的性的筛选取代LEACH的随机选取,实现降低无线传感器网络能耗、延长网络生命周期的目的。通过MATLAB仿真软件进行试验测试,结果表明,改进的算法可以提高无线网络的生命周期,均衡无线网络能量消耗,增加网络吞吐量,有效延迟无线网络节点的死亡时间。     

无线传感网络路由算法设计与仿真

本文首先分析WSN中的LEACH协议,然后针对LEACH协议存在的不足,提出改进算法,在改进算法中将能量作为当选簇头节点的一个参数,每轮选举中选择能量相对较高的节点作为簇头节点,综合考虑了节点能量和阀值大小对簇头选举的影响,最后通过仿真,表明该算法更具健壮性,同时均衡系统能量消耗,延长网络生命周期。     

基于LEACH协议的能耗均衡路由算法

分析经典的无线传感器网络LEACH协议,针对如何延长其网络生命周期的问题,提出一种改进的LEACH算法.当簇头剩余能量的最小值小于某个阈值时,进行全网簇头选举,设计基于节点相对密度的成簇算法,即采用合理阈值选取簇头.反之进行簇内选举,依据剩余能量、距簇内质心的距离、节点覆盖度等约束条件来选择新的簇内簇头.实验结果表明,改进的LEACH算法能有效降低和均衡各个节点的能耗,推迟第1个死亡节点出现的时间,延长网络的生命周期.     

一种基于LEACH的改进无线传感器网络路由协议

为了在无线传感器网络(WSN)中降低能耗和提高网络生存期,针对LEACH协议中簇头选举不合理和随机分簇的不足,提出了一种LEACH的改进协议.该协议首先计算无线传感器网络的最佳分簇数量,然后与遗传算法相结合对网络进行分簇,再根据簇中节点的剩余能量等情况选出簇头节点.仿真结果表明,与经典的LEACH协议相比,改进后的协议减少了网络的能量消耗,延长了网络生命周期.     

WSNs中基于动态竞争半径的非均匀分簇路由协议

针对LEACH协议成簇规模不合理、网络能耗不均衡的缺点,成簇阶段在LEACH协议的基础上,通过引入基于平均理想簇半径的簇首能量判决因子、"热区"关联判决因子、簇内紧凑性判决因子和节点密度判决因子来改进选举候选簇头的阈值计算公式。候选簇头以一种改进的动态竞争半径来竞选成为真正的簇头。数据传输阶段综合考虑簇头剩余能量、链路代价和数据传输方向3个因素选择下一跳路由。仿真实验结果表明:改进后的算法体现出较好的自适应性,能有效均衡网络能耗、延长网络生命周期。     

分层混合路由协议的研究与仿真

基于分层路由协议LEACH算法提出了改进的分层混合路由算法HMP.从簇建立阶段到稳定的数据传输阶段,对分层混合路由协议进行研究.分层混合路由协议引用了迪杰斯特拉算法计算数据传输的优化路径,减少了簇首节点通信能耗;并考虑了优化路径上节点的剩余能量状况,建立了簇首多跳节能通信机制,防止了靠近汇[聚节点的最优路径上的簇首节点因为能量的过渡消耗而过早死亡.最后采用仿真工具NS2对HMP算法和LEACH算法进行了仿真比较分析,验证了HMP算法更能够均衡网络能量消耗,提高能量的有效性,从而延长网络生命周期.     

基于LEACH的无线传感器网络混合优化协议算法

在无线传感器网络(WSN)协议研究中,降低节点的能量损耗、延长节点的使用寿命是研究的关键问题。针对无线传感器网络中传统LEACH协议在分簇机制及数据通信方面的不足,提出了一种混合优化的改进协议--HOBDE-LEACH。新的协议采用先分簇再选举簇头的策略,提出覆盖半径种子扫描成簇算法(CR-SSCA)进行快速分簇,保证对区域的全覆盖;网络运行期间结合能量和距离考虑负载均衡,分阶段采用不同的簇头选举和通信机制。仿真实验结果表明,与LEACH协议相比,HOBDE-LEACH的第一个节点死亡的轮循次数延长了66%,50%节点死亡时的网络轮循次数延长了20%;与LEACH-EI协议相比,所提协议的第一节点死亡的轮循次数延长了50%,50%节点死亡的网络轮循次数延长了19%。改进后的协议能有效地均衡网络负载和簇头节点能量消耗,更合理地分布簇头节点,延长网络生命周期。     

簇首选择改进的LEACH无线传感器路由协议

针对LEACH(Low Energy Adaptive Clustering Hierarchy)协议能耗大、网络生命周期短等不足,提出一种簇首选择改进的LEACH无线传感器路由协议(M-LEACH)。首先在综合考虑节点剩余能量、网络平均剩余能量、上一轮节点消耗的能量基础上,引入加权因子选择簇首。然后根据接收信息、簇首以及传输ADV的能耗确定簇首的数量,使簇首在网络中分布均匀。最后采用仿真实验进行性能测试。结果表明,相对于LEACH协议以及其他改进的LEACH协议,M-LEACH降低了传感器网络的能耗,使整个网络能量更加均衡,延长了无线传感器网络的生命周期。     

无线传感器网络能量均衡自适应分簇算法

针对无线传感器网络能量及存储计算能力等方面的限制,提出了一种能耗均匀的分簇算法EBAC,改进了LEACH协议的簇头选举过程,把节点剩余能量作为簇头选举的依据.实验结果表明,该算法能有效延长网络的生存时间,并且因为网络中能耗均衡,节点死亡时间非常接近(第一个和最后一个节点死亡时间只差约20轮),所以监测结果更加准确可靠.     

一种基于WSN的核辐射监测系统能量有效数据聚合方法

在核辐射监测传感器网络中,传感器监测节点要进行信息监测、数据传输与聚合等任务,减小能耗从而延长其生命周期成为其关键问题。本文在LEACH算法的基础上提出ECLEACH改进算法,算法考虑了传感器节点剩余能量、节点传输距离等因素,使得簇头节点的分布更加均匀,仿真结果表明,与LEACH算法相比较,ECLEACH算法使整个网络的能耗更加均衡,有效地延长了网络的生命周期。     

基于能耗量化传导的WSN路由探测算法

为了降低无线传感器网络(WSN)路由节点的能量损耗,提高网络的寿命周期,需要进行路由节点的优化分布设计。传统方法采用CSMA/CA有限竞争的信道分配模型进行WSN的路由探测算法设计,实现能量均衡,在节点规模较大和干扰较强时,节能的能耗开销较大。提出一种基于能耗量化传导的WSN路由探测算法,首先建立WSN的分簇能耗调度模型,以能量控制开销、丢包率、传输时延等为约束参量指标进行路由探测的控制目标函数的构建,然后采用路由冲突协调机制进行能耗量化分配,结合WSN传输信道的能量传导均衡模型实现WSN路由的优化探测和WSN节点的优化部署。仿真结果表明,采用该方法进行WSN路由探测设计时网络的能效较高,传输时延和误码率等参量指标的表现优于传统方法。     

基于量子遗传算法的无线传感器网络路由研究

通过分析无线传感器网络(WSN)分簇路由算法中簇首节点分布,能量消耗,数据传输等问题,提出了一种基于熵权法量子遗传算法的路由算法,该算法在簇首的选举过程中采用熵权法动态的确定节点剩余能量、节点间的通信距离、节点度数和节点与基站的距离这四个因素的权值系数,在簇首选举结束后,利用量子遗传算法寻找出一条遍历所有簇首与基站的路由,通过最佳路由将所采集的数据传输给最终的基站节点。该算法实现了合理的簇首选举,并在簇首间采用最佳路由的方式向基站传输数据的功能。仿真结果分析表明,该算法在网络生存周期、能耗均衡方面均优于LEACH、CECA-GA算法,达到了延长了网络生存周期,均衡能耗的目的。     

无线传感器网络路由算法改进及仿真研究

由于无线传感器能量消耗影响网络的寿命,传感器节点的能量无法更新且种能量受限,传统路由算法忽略簇头剩余能量情况,使剩余能量低的节点成为簇头而过早死亡,导致整个网络能量不均衡,网络生存时间过短。为了有效延长网络生存时间,提出一种改进的LEACH路由算法。在簇头选择阶段,采用剩余能量的簇头节点优先选择机制,避免剩余能量低的节点成为簇头,然后在数据传输阶段,用单跳和多跳的混合传输模式,使整个网络能量尽量均衡。仿真结果表明,相对于传统LEACH路由算法,改进算法更加均衡了网络中各节点的能量消耗,有效地防止剩余能量低的节点成为簇头,可延长整个网络的生存寿命。     

一种高能效的无线传感器网络路由协议设计

如何有效地降低节点的能耗,延长网络生存时间,一直是无线传感器网络路由协议的研究热点。基于LEACH路由算法,提出一种新的路由机制。该机制改进原来簇头选取概率随机的缺陷,引入了剩余能量和局部节点密度因素,使网络能耗更均衡。同时,在层次型路由的基础上,独立节点采用平面路由,直接和sink节点通信,混合的路由算法能更好地提高能效。最后,用MATLAB对两种算法仿真,仿真结果表明,改进算法在网络生存时间和簇负载平衡上更优于LEACH算法。     

基于分簇的无线传感器网络MAC节能算法

为减少节点能耗和提高信道利用率,提出一种基于分簇结构的无线传感器网络MAC节能算法(EEC-MAC)。在TDMA机制的基础上,采用时隙系数动态调整簇内节点的时隙大小,降低数据的传输时延。对于部分不需要数据传输的节点不分配时隙,使其拥有较长的睡眠时间来节约能量。簇内节点按其剩余能量系数形成时隙分配顺序,减少状态转换的能耗。簇间节点采用基于CSMA/CA机制的随机分配策略实现通信。仿真结果表明,EEC-MAC节能效果较好,具有较小的平均通信时延和较长的网络生命周期。     

一种能耗均衡的无线传感器网络分簇算法

以无线传感器网络中的LEACH和HEED分簇算法为背景,提出一种基于能耗均衡的自适应网络分簇算法EBACA。算法的主要特点是传感器节点根据自身状态信息自主竞争簇头,簇头选择标准考虑了随机概率与节点剩余能量结合,并引入了节点能量预测和能量阈值;为均衡各个节点的能耗,通过重新规划时间片来调节节点的工作频率;为减少簇头的能量开销,簇头之间通过多跳方式将各个簇内收集到的数据发送给特定簇首节点,并由此簇首节点将整个网络收集的数据发送给基站。设计的目标是均衡网络能耗,进而最大化网络寿命。分析和仿真结果表明,相对于几种重要的分簇算法,如LEACH和HEED,EBACA在平衡节点能量消耗和延长网络寿命方面具有更优越的性能。     

基于节点位置和剩余能量的分簇路由改进算法

针对传统LEACH协议存在的随机选举簇头及网内节点能耗不均等问题,提出了一种能量均衡高效的分簇路由协议LEACH-EPN.在成簇阶段加入最优簇数约束,综合考虑节点位置和剩余能量等多种因素;引入距离因子、能量因子及节点密度因子改进阈值公式;通过改变簇的范围来改变成簇机制,使簇头选举更合理、能耗分布更均匀,提高了网络的能量...     

无线传感器网络LEACH路由协议的研究与改进

LEACH（Low Energy Adaptive Clustering Hierarchy）是一种经典的WSN分层路由协议,它采取自适应分簇算法,一定程度上延长了网络生存期。然而LEACH路由协议的簇头随机产生,没有考虑节点的剩余能量,未达到簇头最优。LEACH簇头与基站直接通信,如果两者距离较远,则会带来较大的能量损耗。结合LEACH及LEACH现有的一些改进算法,提出了一种新的路由协议（Advance-Leach）。它综合考虑了节点的剩余能量和簇首节点数目,簇头和基站之间采用单跳和多跳结合策略,有效地降低了能耗,保证了网络负载的平衡。仿真结果表明：该协议的能耗、数据成功接收率等性能得到了有效提高,延长了节点和网络的生命周期。     

DUCF: Distributed load balancing Unequal Clustering in wireless sensor networks using Fuzzy approach

Data gathering in wireless sensor networks (WSN) consumes more energy due to large amount of data transmitted. In direct transmission (DT) method, each node has to transmit its generated data to the base station (BS) which leads to higher energy consumption and affects the lifetime of the network. Clustering is one of the efficient ways of data gathering in WSN. There are various kinds of clustering techniques, which reduce the overall energy consumption in sensor networks. Cluster head (CH) plays a vital role in data gathering in clustered WSN. Energy consumption in CH node is comparatively higher than other non CH nodes because of its activities like data aggregation and transmission to BS node. The present day clustering algorithms in WSN use multi-hopping mechanism which cost higher energy for the CH nodes near to BS since it routes the data from other CHs to BS. Some CH nodes may die earlier than its intended lifetime due to its overloaded work which affects the performance of the WSN. This paper contributes a new clustering algorithm, Distributed Unequal Clustering using Fuzzy logic (DUCF) which elects CHs using fuzzy approach. DUCF forms unequal clusters to balance the energy consumption among the CHs. Fuzzy inference system (FIS) in DUCF uses the residual energy, node degree and distance to BS as input variables for CH election. Chance and size are the output fuzzy parameters in DUCF. DUCF assigns the maximum limit (size) of a number of member nodes for a CH by considering its input fuzzy parameters. The smaller cluster size is assigned for CHs which are nearer to BS since it acts as a router for other distant CHs. DUCF ensures load balancing among the clusters by varying the cluster size of its CH nodes. DUCF uses Mamdani method for fuzzy inference and Centroid method for defuzzification. DUCF performance was compared with well known algorithms such as LEACH, CHEF and EAUCF in various network scenarios. The experimental results indicated that DUCF forms unequal clusters which ensure load balancing among clusters, which again improves the network lifetime compared with its counterparts.