管道泄漏监测的传感器网络中数据存取算法实现

针对管道泄漏和管网突发性的爆管,将自适应数据存取设计应用于管道流量泄漏监测中,数据存取是指生产者将感知数据按照策略存放在特定的位置上,消费者将查询请求按照对应策略路由到数据存放位置获得感兴趣的数据.首先依据生产者和消费者关系建模"一对一"、"多对一"、"多对多"模型来对存取代价进行分析.其次确定数据存放位置的自适应全局最优贪婪算法ODS和局部最优近似算法NDS以及最优数据传输模式.最后ODS和NDS通过自适应调整来减少数据存取能量消耗.实验表明NDS不仅节省能耗,而且在70%的情况下达到与ODS相同的效果.     

无线传感器网络中基于聚类的自适应数据存储

数据存储是无线传感器网络的研究重点.本文分析无线传感器网络中数据存储和访问的相关代价,研究了网状拓扑结构网络中数据存放位置的选择问题.将数据存储问题抽象为传感器节点聚类问题,实现了三种基于聚类的分布式数据存储方法CBDS.为了能够降低能量消耗,CBDS依据生产者和消费者的位置信息、网络拓扑信息及数据速率计算数据存放位置,并且依据这些参数的变化自适应地调整数据存放位置.实验结果表明:CBDS较传统的数据存储方法不仅减少了能量消耗,延长了网络的生命周期,并且降低了访问延迟.     

基于动态数据压缩的能量采集无线传感网络数据收集优化

针对能量采集无线传感网络（WSN）中的数据收集优化问题,考虑传感器节点能量采集的时空变化特性,提出一种基于节点动态采样速率和数据压缩的策略,以实现网络中采样数据总量的最大化。首先,提出一种根据节点的邻居信息决定其最优压缩策略的本地压缩算法,基于节点在数据汇聚树中的拓扑位置考虑其数据接收和转发能耗,逐渐增加其采样速率直到其总能耗到达采集能耗阈值。接着构造网络性能的全局优化问题并提出一种启发式的算法,通过迭代求解线性规划问题计算最优的采样速率和压缩策略。实验结果表明,与现有的自适应传感和压缩率选择方案相比,所提出的两种数据收集优化算法能够维持更加稳定的传感器节点电量水平并实现更高的网络性能。     

大规模无线传感器网络中基于振荡轨迹的数据存储与发现机制

在大规模无线传感器网络中,在不存在基站节点的情况下,节点组成对等网络,任何一个节点都有可能成为数据消费者节点或者数据生产者节点.传感器网络是一种资源受限的自组织网络,节点的能量和计算能力不足以支持复杂协议的设计.如何让随机产生的消费者节点和生产者节点能够有效迅速地发现对方并进行数据查询工作是传感器网络研究中的一个难点.利用数据为中心的存储策略,提出了一种振荡轨迹的数据存储发现机制.该方案要求消费者节点和生产者节点将查询或者数据存储到相应的振荡路径上.该方案不需要节点存储全局的网络信息,每个节点根据局部信息和预设的反射角度进行路由选择和数据转发.理论上,所有的振荡轨迹满足两两相交的特性,保证了数据查询成功率,而且消费者节点在查询数据时所需要的跳步距离是有界的,同时该方案能够保证数据负载的平衡.     

无线传感器网络中基于多属性决策的数据转发算法

如何在严格的能量约束下均衡传感器节点能耗、延长网络生存时间是无线传感器网络数据转发研究中的一个难题.利用多属性决策理论提出了一种基于多属性决策的数据转发(multiple attribute decision making based data forwarding, MadmDF)算法来解决该问题.MadmDF算法综合评价备选数据转发节点的属性信息,从中选择最优邻居节点进行数据转发,使网络数据流量得到了合理的分配,从而均衡了网络能耗,延长了网络生存时间.仿真结果表明该算法与同类数据转发算法相比具有一定优越性.     

基于分簇的传感器网络数据聚集估算机制

提出一种基于簇结构的传感器网络数据聚集估算机制CASA(clustering-based approximate scheme for data aggregation).在保证用户对数据精确度需求的前提下,CASA 通过最小化网络通信开销以及协调节点间的负载均衡,有效地提高了估算机制的节能性能.CASA 采用最优的分簇规模参数,在基于分簇的网内聚集估算架构中能够最小化网络节点的总体通信开销.此外,CASA 考虑到部署区域感知数据变化率的差异性,采用自适应的误差分配方案来进一步降低网络节点的通信开销,维护节点间的负载均衡.模拟实验结果表明,CASA 估算机制能够显著地提升传感器网络网内数据聚集机制的节能性能,同时保证聚集数据的精确程度.     

基于估计机制的分簇传感器网络数据融合算法

提出了一种基于估计机制的分簇传感器网络数据融合算法.在满足数据精确度要求的前提下,只有当数据的当前值与上一次采集值之差超过某一变化阈值时,才将当前采集数据发送到簇头节点,否则不发送.采用节点剩余能量自适应的簇头选择算法来平衡传感器节点的能耗,使得剩余能量越大的节点当选为簇头的概率越大.推导了使网络能耗最小的最优分簇规模...     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。     

基于DIM的WSN网内数据查询处理

先前无线传感器网络的数据查询处理层的研究主要集中在利用谓词、网内数据汇集来减少传感器节点通信量.当连接操作的选择度足够小时,采用网内连接操作也可以减少传递到网外信息量.然而,由于所依赖的底层网络协议的限制,Direct Diffusion,TinyDB和Cougar等数据检索方案并不支持网内连接操作.提出了一个基于DIM(多维分布式索引)的网内连接操作算子定位方案,并通过理论证明使用该方案可以减少DIM查询数据所需要的通信代价.除此之外,还提出多个针对该网内查询处理方案的优化方法,包括修改DIM使之仅在需要时插入数据,以及针对网内连接操作位置设置提出了逐步自适应调整措施,使得节点之间负载更加平衡.     

能量感知的WSN自适应数据融合路由算法*

针对传感器节点以能量有效的方式收集相关性数据问题,提出了一种能量感知的自适应数据融合路由算法EAAF(energy-aware adaptive data fusion routing algorithm for wireless sensor networks)。算法选择路由时,根据数据传输和数据融合能量开销及节能增益,对数据迁移到每个传感器节点是否进行数据融合作自适应选择,从而实现在信息收集过程中提高网络的能效。仿真结果表明,能量感知的自适应数据融合路由算法的能效大幅度优于SPT、MST和SLT算法     

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA).在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格.根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型.采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案.仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间.在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优.     

一种支持多分辨率查询的数据存储策略

减少空闲侦听是延长无线传感网络生命周期的有效途径。文章分析了无线传感网络在数据处理和数据传输时的能耗问题,提出了一种支持多分辨率查询的数据存储策略。该策略是将指定区域内所有无线传感节点的工作时槽以一种蛇形排列方式进行分配,使各节点周期性地进入睡眠或侦听状态。在任意时刻,有且仅有两个传感节点处于工作状态,既保证了系统的可靠性,又降低了系统的开销。仿真实验表明,该方法减少了空闲侦听,降低了传感器的能耗,有效延长了网络的生命周期。     

无线传感器网络分簇路由节能研究

在大规模传感和环境监测中,节约能源延长传感器节点生命已成为无线传感器网络最重要的研究课题之一。提供合理的能源消耗和改善无线网络生命周期的传感器网络系统,必须设计一种新的有效的节能方案和节能路由体系。方案采用一种聚类算法减少无线传感器网络的能量消耗,创建一种cluster-tree分簇路由结构的传感器网络。该方案主要目标是做一个理想的分簇分配,减少传感器节点之间的数据传输距离,降低传感器节点能源消耗,延长寿命。实验结果表明,该方案有效地降低了能源消耗从而延长无线传感器网络生命。     

Endogenous Demand and Demanding Consumers: A Computational Approach

In this paper we introduce an agent-based model of a discretionary consumption sector in which demand is transformed by social emulation among consumers, thereby making producers adapt to demand. Our theoretical approach considers bounded rationality of agents (consumers and producers), heterogeneity of both agents and product characteristics, and the co-evolution of consumer desires, mainly, by social emulation. The proposed dynamics can reproduce some stylized facts that are well known in literature, such as the S-shaped adoption rate curve that many industries develop over their life cycle. Our model also obtains a novel result with relevant theoretical implications: the strictness of requirements, a factor rarely studied in consumer theory, has an important effect on some aggregate variables that are usually explained by the supply side, such as the number of producers or the industrial concentration index. In particular, the minimum number of producers (and then, the maximum Herfindahl index) is obtained for an intermediate degree of consumer requirements, a fact that is empirically validated for the wine market in Spain.     

Balancing Energy Consumption to Maximize Network Lifetime in Data-Gathering Sensor Networks

Unbalanced energy consumption is an inherent problem in wireless sensor networks characterized by multihop routing and many-to-one traffic pattern, and this uneven energy dissipation can significantly reduce network lifetime. In this paper, we study the problem of maximizing network lifetime through balancing energy consumption for uniformly deployed data-gathering sensor networks. We formulate the energy consumption balancing problem as an optimal transmitting data distribution problem by combining the ideas of corona-based network division and mixed-routing strategy together with data aggregation. We first propose a localized zone-based routing scheme that guarantees balanced energy consumption among nodes within each corona. We then design an offline centralized algorithm with time complexity O(n) (n is the number of coronas) to solve the transmitting data distribution problem aimed at balancing energy consumption among nodes in different coronas. The approach for computing the optimal number of coronas in terms of maximizing network lifetime is also presented. Based on the mathematical model, an energy-balanced data gathering (EBDG) protocol is designed and the solution for extending EBDG to large-scale data-gathering sensor networks is also presented. Simulation results demonstrate that EBDG significantly outperforms conventional multihop transmission schemes, direct transmission schemes, and cluster-head rotation schemes in terms of network lifetime.     

Optimized Hexagon-Based Deployment for Large-Scale Ubiquitous Sensor Networks

Ubiquitous Sensor Network describes an application platform comprised of intelligently networked sensors deployed over a large area, supporting multiple application scenarios. On one hand, at the user-end, storing and managing the large amount of heterogeneous data generated by the network is a daunting task. On the other hand, at the network-end, ensuring network connectivity and longevity in a dynamically changing network environment, while trying to provide context-aware application data to the end-users are very challenging for the resource constrained sensor network. While cloud computing offers a cost-effective solution for storage of the large volume of data generated by the underlying heterogeneous network, an equally elegant solution does not exist on the network interface to provide application-aware data. In this paper, we propose the use of cognitive nodes (CNs) in the underlying sensor network to provide intelligent information processing and knowledge-based services to the end-users. We identify tools and techniques to implement the cognitive functionality and formulate a strategy for the deployment of CNs in the underlying sensor network to ensure a high probability of successful data reception among communicating nodes. From Matlab simulations, we were able to verify that in a network with randomly deployed sensor nodes, CNs can be strategically deployed at pre-determined positions, to deliver application-aware data that satisfies the end-user’s quality of information requirements, even at high application payloads.     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

Delay-tolerant delivery of quality information in ad hoc networks

We investigate the delivery of information in ad hoc networks. We consider information sources and information consumers, and the network in between. Information has a certain quality indicator that fades over time. Consumers (applications that process incoming data) can receive and process disseminated information from its generation time until the associated quality reaches the lowest possible level. We adopt optimal stopping theory and an optimal online search algorithm in order to study the problem of optimally scheduling information consumption. The assumptions of our study include an efficient epidemic information dissemination scheme, which is a popular scheme for wireless sensor networks nowadays. We adopt the latter scheme for a combined setting where receiving nodes delay the reporting of information to applications in search for better quality while the overall network optimizes transmissions through the epidemic abstraction. Our findings are quite promising for the engineering of delay-tolerant applications (and the relevant middleware) in ad hoc networks.     

支持大规模智能电网的数据存储方法

针对大规模智能电网中的监测数据具有海量性、实时性、动态性等特点,提出一种以数据为中心的支持大规模智能电网的数据存储方法:海量动态数据的分层扩展存储机制。首先,采用扩展哈希编码方法动态增加存储节点,避免突发、频发事件数据的丢失,增强系统的可用性;然后,采用多阈值级别方法将数据分散到多个存储节点上,避免出现存储热点问题,实现负载均衡。实验结果表明,分层扩展存储机制能够最大限度地满足海量数据的存储需求,获得较好的负载均衡,并且使总能耗最低,有效地延长了网络的生命周期。