基于人工蜂群的无线传感器网络能耗均衡算法

由于无线传感器网络中的节点链路状况、数据传输能耗及节点剩余能量的限制,造成网络中部分感知节点寿命缩短,影响网络生存周期,提出了一种基于人工蜂群算法的WSNs能耗均衡算法,优化网络能耗均衡,从而提高网络寿命;文章给出了网络能耗相应的数学模型及优化求解算法,介绍人工蜂群算法的寻找食物过程,阐述了人工蜂群算法在网络能耗均衡方面的实现步骤;通过实验仿真证明,文章提到的算法与LEACH分簇算法、蚁群优化算法相比,具有更好的能耗和负载均衡能量、丢包率和时延性,有效地提高了网络生存周期.     

基于压缩感知的链型无线传感器网络节能数据收集

无线传感器网络(WSNs)中节点受体积、功率、成本等限制而导致了节点能量、生命周期有限的问题.提出一种基于压缩感知算法的无线传感器网络节能优化方法,并结合无线传感器网络中的链型拓扑网络模型,给出基于压缩感知理论的节能网络数据传输模型.通过理论分析比较表明压缩感知方法在节能方面的优越性,然后在得出的网络能耗模型的基础上进行仿真.仿真结果表明:压缩感知方法有效减少了网络能耗.     

基于蚁群算法的WSNs节点有障环境中部署优化研究

能量限制是无线传感器网络(WSNs)技术中一个关键问题.提出了一种通过无线信道能耗衰减模型利用Dijkstra算法和蚁群算法相结合的WSNs节点静态优化部署策略.通过该策略对两种不同的环境仿真部署验证表明:该策略能更好地优化节点在复杂二维地理环境中的静态部署,并可有效地减少网络的能耗,提高WSNs的使用寿命.     

高斯白噪声信道传感网络能量有效与可靠性研究

无线传感器网络节点的优化可以提高无线传感器网络的性能。基于传感网络的能量消耗特征及数据传输的可靠性与能量消耗间的关系,提出了一种跨层优化方法。它不仅能够均衡能量消耗,延长网络寿命,而且也可保证无线传感器网络(Wireless Sensor Networks,WSNs)在加性高斯白噪声信道(Additive White Gaussian Noise Channels,AWGN)下节点间数据传输的可靠性。首先,从数学上严格给出节点个数N*、节点的部署位置d*和节点的传输结构P*、优化问题有解的条件。其次,针对传感器网络距离Sink近的节点耗能较高而离Sink远的节点耗能较低的这一能量消耗特征以及节点数据传输的可靠性与能量消耗成正相关的情况,采用了跨层优化策略,即对离Sink节点近的节点适当降低其可靠性要求以减少能耗从而延长网络寿命,而对于离Sink节点远有能量剩余的节点提高其可靠性以充分利用其剩余能量,从而使得数据传输的可靠性在满足要求的情况下让网络能量消耗均衡,并延长网络寿命。最后,理论分析和实验结果表明,提出的跨层优化方法可以使网络寿命延长10％～90％,使网络的可靠性提高20％,具有较好的意义。     

基于矩阵的无线传感器网络数据融合方案

数据融合是降低无线传感器网络（ WSNs）能耗的重要手段,为了有效地节省WSNs节点的能量,提出一种基于矩阵的层簇式数据融合方案。在簇头选举时,考虑节点的剩余能量和相对密度,并利用矩阵运算对簇内成员节点采集的数据进行数据融合处理。最后将所提方案与传统的LEACH协议进行仿真比较,实验结果表明：相比于传统的LEACH协议,所提方案可以有效降低数据冗余,减少数据传输量,节约节点能耗,进而延长网络生存期。     

一种基于空间相关性的WSNs节点睡眠调度算法

在传感器节点高密度分布的无线传感器网络(WSNs)中,往往面临着节点能耗和网络拥塞两大问题.针对这两大问题,提出了一种基于空间相关性的节点睡眠调度算法(SCASS).该算法使用空间相关性和节点剩余能量组合成权值函数来选择最优节点作为监测区域的代表节点进行数据采集,未被选中的节点则处于睡眠状态.实验仿真表明:与现有算法相比,该算法在节点能耗、网络寿命、数据传输时延方面都有显著的改善.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

方格拓扑无线传感器网络源路由策略的能耗分析

无线传感器网络(WSNs)中的汇聚传输模式使得靠近汇点的节点承担了较多的数据转发业务,导致这些节点能量很快耗尽,降低网络的寿命。针对这种问题,结合规则拓扑结构的对称性和预知性,对方格拓扑结构中多种典型源路由策略进行分析,分别计算各策略的瓶颈节点负载和数据传输时延,提出能耗的计算模型,并据此探讨网络节点的通信能耗、待机能耗和总能耗。数值分析结果表明:均衡转发策略产生最小的总能耗。     

无线传感器网络簇内多传感器数据融合算法

在无线传感器网络(WSNs)中,一般采用电池供电,节能是WSNs设计的研究重点。为了提高测量结果的准确度和降低网络的能耗,提出了一种两层模式数据融合方案。在传感器节点上用格林贝斯准则和顺序加权算法进行低层次数据融合,在簇头节点上用神经网络算法进行高层次数据融合。仿真实验结果表明:两层模式数据融合方案有效减少了网络中的数据传输量,提高了融合数据的精度,降低传感器节点的能耗。     

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。     

无线传感器网络中基于关联度的多查询优化

无线传感器网络是一种以数据为中心的网络,用户通过基站向网络提出查询请求获取所需数据。如何通过多查询的优化来减少传感器节点的能耗以延长网络生命期是无线传感器网络中需要解决的关键问题之一。提出了基于关联度的多查询优化算法,其基本思想是节点通过节点与候选父亲节点之间的关联度来选择父节点,从而被相同查询覆盖的节点聚集成一个组,多个查询间共享组中节点的数据,在网络中对查询数据进行有效的融合,充分减少了网络的数据传输量,延长了网络的生命期。理论分析和模拟实验表明该算法可以充分减少数据传输量,从而达到节能的目的。     

输电线路在线监测WSNs优化部署研究

应用于输电线路在线监测的无线传感器网络(WSNs)通常呈长链型,存在跳数多、时延大的问题。引入具备无线公网通信模块的异构节点能够优化WSNs时延性能。考虑网络中传感器节点分布不均匀引起的数据分布不均匀这一普遍现象及其对时延的影响,建立了异构WSNs的最大时延模型;同时考虑网段划分和异构节点部署对时延的影响,提出了一种基于局部搜索思想的网络优化部署方法来优化网络时延。仿真结果表明:上述方法能有效降低网络最大时延,提高网络实时性。     

基于Q学习的无线传感器网络自组织方法研究

为实现无线传感器网络中数据传输效率与能量节省的综合性能优化,提出一种基于Q学习的自组织协议方法,将无线传感器网络的每个节点映射为一个Agent,通过学习训练,使得每个Agent可以选择一个较优的转发方向,从而实现无线传感器网络的自组织。实例分析表明,应用Q学习构建的自组织传感器网络能够提高数据传输的能量效率,延长网络生存期。     

基于非线性电池模型的WSNs节能技术研究

在无线传感器网络（WSNs）节能技术研究中,如何最大化节点电池能量效率从而延长整个网络寿命是一个关键问题。采用非线性电池模型,使用在低数据传输速率场合中较为节能的FSK调制技术,通过理论分析和参数优化方法,以电池能耗最小为目标,建立电池能耗模型,优化调制指数,使得电池能耗最低。仿真结果表明：该模型能够更加准确地评估节点能耗和寿命。在给定传输距离下,存在一个最优调制指数,使得电池能耗最低。最后给出了不同传输距离对应的最优调制指数。     

基于复杂网络的无线传感器网络能量脆弱性分析

无线传感器网络(WSNs)正常运转的重要前提条件是支撑整个网络的节点能量是否充足,因而针对无线传感器网络的能量效率的研究一直是该领域研究的热点和难点问题。从节点能量效率的末端也就是其脆弱性展开研究,分析了无线传感器网络的拓扑特征和脆弱性对于节点能量优化和提高网络生命周期有重要的意义。采用Space D法建立拓扑网络模型,并用Matlab 7.0工具分析平均路径长度、节点度、聚类系数等指标及其分布规律,标注各个节点的能量脆弱性走势图,找到影响网络生存周期的最大关键节点。仿真实验结果表明:水质变化大的区域所覆盖的节点,数据传输量大,导致能量消耗过快,在度数一样条件下,这些节点对整个网络效率的影响最大。     

无线传感器网络分层带宽自适应路由协议

在无线传感器网络(WSNs)中,节点能量使用严格受限,限制了网络的使用寿命。固定环带宽度的分层路由协议是一种有效的解决方法。在此基础上,提出了一种引入环带宽度自适应调整的路由机制。该机制根据节点剩余能量和传输数据能耗自动调整环带宽度,并决定节点是否参与网内数据报文的传输。采用Matlab作为仿真工具对该路由机制进行了仿真分析,结果表明:该算法通过调整环带宽度的方式能够有效延长网络使用寿命和维持网内负载均衡。     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

一种无线传感器网络MAC协议优化算法

在无线传感器网络中,各节点采集的信息以多跳的方式传送到汇聚点.从各节点到汇聚点形成一棵以汇聚点为根的传输树.文中在对无线传感器网络传输特点分析的基础上,剖析了基于CSMA/CA(载波多路监听/冲突避免)的MAC协议在树状结构无线传感器网络中的弊端,提出了一种基于CSMA/CA的MAC协议优化算法.算法基于节点在传输树中的位置信息调整其MAC信道接入分配,将CSMA/CA采用的各节点均等竞争信道的方法优化为各节点依据在传输树中的位置情况竞争信道的方式,这一优化提高了节点公平性,使MAC信道接入分配与树状结构的无线传感器网络传输特点相契合,解决了基于CSMA/CA的MAC协议与树状结构无线传感器网络不匹配的问题,从而减少了信道资源浪费,提高了网络传输效率,降低了能耗.实验结果表明该算法在网络丢包率、吞吐量和能耗方面的性能均有较大改进.     

无线传感器网络中一种节点负载均衡的分簇算法

无线传感器网络节点的能量有限,而分簇算法能有效解决节点能耗受限与不同节点能量开销不平衡问题。在网络路由分簇的基础上,提出了一种节点负载均衡的分簇算法。该算法对经典的分簇协议LEACH的簇头选择机制进行了改进,应用量子粒子群对簇头选取进行优化。为解决算法后期易陷入局部极小的问题,采用了基于群体适应值方差的早熟判断机制,结合模拟退火算法进行局部优化。仿真结果表明:该算法使网络节点负载更均衡,有效提高了无线传感器网络的性能。