无线传感网络中基于链路质量的地理路由

传统的贪婪地理路由算法通常选择离目的节点最近的邻居节点作为下一跳节点,这种单纯寻求最小跳数的路由算法可能会选择质量较差的链路传输数据,导致包的投递率较低,数据传输的可靠性变差。针对这一问题,在总结现有基于链路质量的地理路由度量方法的基础上,提出了一种基于EWMA链路质量评估算法的地理路由协议。协议中节点利用周期广播的探测包评估与邻居节点之间的链路质量,并交换地理位置信息。转发节点选择离目的节点更近且链路质量更好的邻居作为下一跳节点,从而有效地减少数据分组的丢失,提高网络数据传输的可靠性。     

基于推理模型与指数加权卡尔曼滤波的链路质量估计

现有基于链路质量指示(LQI)的估计方法未能有效解决LQI参数波动较大的问题,并且所使用的LQI与收包率(PRR)的映射关系模型没有考虑实际物理意义。为此,通过推理LQI和PRR的理论关系,建立更具实际物理意义的双曲正切模型,并提出一种链路质量估计方法。通过指数加权卡尔曼滤波获得更为稳定的LQI估计值,再利用双曲正切模型对链路质量进行定量估计。实验结果表明,该方法能够更真实地反映链路质量,与LETX、K-CCI方法相比,其估计误差在不同质量链路下降低了11.21%~52.26%。     

无线传感器网络的链路分析与建模

无线传感器网络的链路通信质量对上层协议及定位算法有重要影响.在网络仿真软件中,对信道和链路的过分简化会影响协议或算法的可靠性.本文通过在伯克利Mica2 Motes[1]上的大量实验,分析了无线链路的各种非理想特性,包括时空特性、不规则连接单元和链路不对称性等.通过解析和实验分析相结合的方法对信道和链路质量进行了建模,该模型可以应用于改善仿真工具中的物理层和链路层模型,帮助我们更好地理解上层协议的性能.     

面向农田应用的无线传感器网络链路度量

利用无线传感器网络可细粒度地感知农田环境参数,但农田中的无线传感器网络链路质量差、接收率低,不能准确及时地收集信息。针对该问题,通过分析大量现场采集数据发现农田中无线链路的质量具有稳定性和局部性的规律,提出2个链路度量因子：平均连续成功发包次数和最近连续成功发包次数。模拟实验结果表明,将这2个链路度量因子应用到路由协议中可有效提高网络接收率。     

一种突发性链路感知的自适应链路质量估计方法

高效、准确、实时而又稳定的链路质量估计是保证无线传感器网络上层协议性能的基础.针对复杂网络环境下高度动态变化的突发性链路,结合被动侦听和主动探测机制提出了一种突发性链路感知的自适应链路质量估计方法EasiLQE.节点通过周期性的发送控制分组,采用长周期主动探测机制探测链路的质量;同时,节点被动侦听RSSI均值,当低于某一阈值时,触发短周期链路质量探测过程.最后节点使用基于误差的滤波器(error-based filter, EF)估计链路在未来一段时间内的质量.实验结果表明,EasiLQE既能实时准确地感知突发性链路在短时间内的持续变化,又能平滑短暂地低幅度波动而保持良好的稳定性,同时维持较低的估计开销.     

基于云模型的无线传感器网络链路质量的预测

无线传感器网络中,节点通过单跳或多跳传递信息.如能提前获知链路质量信息,为上层路由选择链路提供参考,是感知信息实时、准确地送达监控中心的基础.在分析现有基于智能学习链路质量预测方法的基础上,提出一种基于云模型的链路质量预测机制.通过收集不同场景下的链路质量样本,采用自适应高斯云变换对训练样本中的 RSSI(received signal strength indication),LQI(link quality indicator),SNR(received signal strength indication)及PRR(packet reception rate)进行链路划分;考虑到传感器节点的资源受限问题,采用 Apriori 算法对划分后的链路质量参数 RSSI,LQI,SNR 及 PRR 进行关联规则挖掘;在此基础上,基于三维云正向发生器预测链路质量.仿真结果表明,与基于 BP 神经网络的预测方法相比,提出的链路质量预测机制具有较高的预测精度.     

累积链路质量无线传感器网络路由算法研究

针对无线传感器网络链路特点,在实验基础上,引入底层通信链路质量参数指示LQI,改进ETX,提出一种新的基于累积链路质量的无线传感器网络路由算法。算法利用累积链路质量作为路由选择的标准,避免大量探测包的使用,并且为信道编码的负载添加提供了准确依据,减少冗余和能量消耗。仿真实验结果表明,该算法能有效提高数据传输吞吐量和路径有效利用率、减少节点传输压力,平衡网络负载及延长网络生存时间。     

一种基于ARIMA的无线传感器网络链路质量预测方法

针对无线传感器网络里上层协议选择数据链路的问题,提出一种采用ARIMA(差分自回归滑动平均模型)模型的EPRR算法,首先根据历史数据确定参数,然后综合考虑链路中的不对称性对PRR( Packet Reception Ratio)进行预测.实验证明,对比使用移动窗口平均模型对PRR的预测结果,该模型的预测准确度比SPRR( Smooth Packet Reception Ratio)算法有很大提高,并且能够较好地反映链路质量的变化趋势.     

基于链路质量的无线传感器网络任播路由协议

无线传感器网络(WSN)中,由于无线链路的链路质量问题,经常有传递失败导致重传耗费能量的现象出现。传统任播路由协议只以路由距离作为路由判据,而没有讨论链路质量问题,将其应用在WSN中会造成路由权重设置不合理。提出了基于链路质量的WSN任播路由协议,该协议在讨论链路质量的计算之上,以能耗均衡和系统能耗最小这两个因素决定任播路径的路由权重,并以参数α来权衡两者之间的关系。实验证明,在WSN中,相比传统任播路由协议,该协议能更有效地均衡能耗,减少系统能耗,从而优化网络生存期。     

无线传感器网络中基于节点对链路质量的任务分配

为了提高无线传感器网络中的资源使用效率,提出了一种新颖的算法,即基于节点之间的链路质量将任务分配给一对协同工作的传感器节点。具体来说,算法基于两个相邻节点之间的链接质量来获得这两个节点组成的节点对的能力等级,然后为每个节点对分配一个任务等级(如通过计算强度衡量)可以与此节点对的能力等级相匹配的任务,以便每个节点对可以协同高效地执行每个任务。考虑到一个节点可能会与多个节点组成不同节点对,而这些节点对被分配到的任务可能出现冗余(具有相同任务等级的任务),所以需要调整这些任务以避免执行冗余任务。仿真结果表明,该算法不仅可以提高任务分配效率,而且可以平衡网络能耗。     

基于贝叶斯网络的WSNs链路质量评估机制研究

在无线传感器网络(WSNs)应用中,链路质量的有效评估是保障数据可靠传输和上层网络协议性能的基础性问题.针对现有无线链路质量评估研究中,链路质量等级划分仍无统一标准和模型缺乏环境自适应性问题,提出了一种基于贝叶斯网络的链路质量评估机制.从链路质量多属性角度出发,采用贴近度分析法对链路质量等级进行划分,利用贝叶斯网络对链路质量进行不确定性推理与评估建模.通过多应用场景的训练与测试,最后实际测试表明:基于贝叶斯网络的评估模型在不同应用环境具有较高准确率和泛化能力,体现了良好的自适应性.     

基于Truetime的无线传感器网络仿真研究*

分析现有典型仿真工具的基础上,引入了一种新的无线传感器网络仿真工具Truetime,并总结了其建模的关键步骤;最后以实例进一步明确了Truetime的使用方法,为无线传感器网络仿真提供了一种新的思路。     

基于DSA的无线传感器网络自适应MAC协议研究

针对工业监测用无线传感器网络高可靠和低功耗的要求,基于TDMA协议提出了一种动态时隙分配(DSA)的自适应介质访问控制(DSA-MAC)协议,通过估计链路质量动态调整节点的时隙长度,提高数据传输的可靠性。该协议中加入了基于接收信号强度指示(RSSI)的自适应功率调整机制,实现网络的低功耗要求。利用CC2530硬件平台实现DSA-MAC协议,并在工业现场进行测试,结果表明:该协议提高了数据传输率并降低了网络能耗,能够适应工业环境的应用需求。     

基于贴近度等级的链路质量评估方法

无线传感器网络中,链路具有波动性,为提高数据传输的准确率,可以通过链路质量评估避开差的链路。在目前的链路质量评估研究中,针对链路等级划分存在主观性和无统一性的问题,利用熵值法计算评估参数权重,消除主观因素在参数权重计算中的干扰。由于链路质量受多特征属性影响,采用贴近度分析法综合各种特征属性划分链路质量等级。在此基础上,提出一种基于贴近度等级的链路质量评估方法,采用类间离散度二叉决策树进行链路分类,建立了链路质量4级二叉树的支持向量机SVM评估模型。同时提出一种混合优化算法对核函数的参数寻优。实验结果表明,改进的参数寻优方法有效提高了模型评估的准确性,训练时间短;在多网络环境下,与基于LQI的链路质量评估模型和BP神经网络评估模型相比,该模型以较少的探测包更为准确地评估出链路质量,避免因发送大量探测包带来的能量开销,降低了能耗,具有很好的环境适应能力。     

一种基于云计算的无线传感网体系结构

提出了一种基于云计算的无线传感网体系结构。整个传感网被划分为若干个分区; 云作为虚拟汇聚节点, 有多个汇聚触点, 每个触点负责一个分区中传感器的数据收集; 每个分区中的传感器组成本地传感网, 所有本地传感网通过云连接成一个整体; 数据在云中分布存储、并行处理。模拟实验表明, 新结构传感网的数据传输性能明显提升。该结构适用于以数据为中心的无线传感网。     

基于Bayes与多层Bayes估计的WSN链路选择算法

无线传感器网络（WSN）节点能量有限,采用传统的链路选择的方法（经验法）进行链路选择,需要发送大量的数据包作为测试样本,这在WSN中是不合适的。设计了两种基于Bayes估计与一种基于多层Bayes估计的WSN链路选择算法,分别记为BLSP-B1、BLSP-B2、BLSP-HE。仿真实验发现,在小样本的条件下,BLSP-B1、BLSP-B2、BLSP-HE选择高质量的链路的概率比经验法要高出10%～20%,其中BLSP-HE算法最稳健,性能较好。     

基于MMAS的无线传感器网络数据融合算法*

提出了一种基于MAXMIN蚂蚁系统（MMAS）无线传感器网络的数据融合算法。该算法采用定向扩散的机制进行兴趣散布;利用MMAS算法构造一个最小Steiner树,源节点的数据发送到构造好的最小Steiner树上,经过融合后传输到sink节点,降低了网络中传输的数据量。通过与Dijkstra算法比较,NS2仿真表明该算法降低了网络能耗,增加了网络生存时间。     

能量高效的无线传感器网络分簇路由算法研究*

针对LEACH算法中簇首分布不均及簇首与基站一跳通信能耗大的问题,提出了一种基于能量高效的无线传感器网络分簇路由算法。首先,基于节点接收信号强度与自身剩余能量的乘积及网络连通度选取簇首,计算簇首间的合理距离,使网络均匀分簇;其次,基于跳数及簇首当前剩余能量构造簇间优化路由树;然后用OMNeT++对该算法进行仿真对比分析。仿真结果表明,与LEACH等分簇路由算法相比,采用该算法,簇首分布更均匀,提高了簇的负载平衡程度,使节点的能量更为高效,延长了网络的生命周期。     

基于无线传感器网络的水质监测系统设计

在研究无线传感器网络及Zigbee协议标准的基础上,对远程实时水质监测系统进行了分析.提出了基于Zigbee无线传感器网络与互联网结合的远程实时水质监测系统架构.设计了基于无线传感器的水质监测网络体系结构,实现了水质监测参数的荻取及传输.