Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。     

无线传感网中延迟受限的生命周期最大的数据收集算法

无融合数据收集是无线传感网络中最重要的技术之一.在持续实时的监测应用中,网络生命周期和网络传输延迟是衡量数据收集性能的两个重要指标,已有的研究大多侧重于某单一性能指标,而较少关注多性能的折衷优化.因此,本文研究了如何构造一棵延迟受限的生命周期最大的数据收集树,并将该构造问题形式化为一个整数规划问题,提出了有效的数据收集算法-EDG.该算法首先利用MITT方法构造生命周期近似最优的数据收集树,然后对“瓶颈节点”进行路径调整以使其满足延迟约束.仿真结果表明,与无延迟约束的MITT算法相比,EDG算法能在保证网络传输延迟的前提下,使其网络生命周期在大多数情况下达到MITT的90％以上.     

移动低占空比无线传感网中数据收集的研究进展

移动低占空比无线传感网(Mobile Low-duty-cycle Wireless Sensor Networks,MLDC-WSN)是一种新型的传感器网络,它能克服传统无线传感网络(WSN)中仅考虑静态网络、网络能耗大等问题。但是,MLDC-WSN的新特性给数据收集应用带来了新的挑战,例如:移动性会导致网络拓扑结构不断改变,造成网络连通性不稳定;节点的苏醒时间短,造成通信延迟大。针对MLDC-WSN中数据收集的研究现状进行了分析和对比,分别从节点移动性管理、节点睡眠调度、数据收集协议等3个方面进行了综述。此外,还总结了该领域中待解决的重要科学问题,并对未来的研究方向进行了展望。     

无线传感网中移动数据收集研究综述

无线传感器网络是目前新兴的研究热点,在众多领域有着广泛的应用。移动数据收集是近年来出现的新技术,与传统数据收集相比,它具有能耗低、可靠性高等优点,因此越来越受到工业界和学术界的重视。介绍移动数据收集提出的背景,然后对已有的典型协议进行分类描述和细致分析。最后,对比各类协议在能量保存性能、迟延性能、可扩展性、可靠性、自适应性、算法复杂度等方面的优缺点,为下一步需要改进的地方指明研究方向。     

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.     

基于移动锚点的三维无线传感网节点定位算法研究

考虑在三维环境下移动锚点辅助定位传感节点的场景,提出一种基于移动锚点的三维无线传感网节点定位算法(NLA_3D).在NLA_3D算法中,移动锚点在随机移动探测的过程中,获知未定位传感节点所在连接树的所有传感节点信息,建立最小化移动路径长度和定位误差的优化模型,并引入遗传算法思想,提出一种混合海洋捕食者算法求解优化模型,即将遗传算法的变异操作认为是布朗运动,将遗传算法的交叉操作认为是莱维运动,并计算移动锚点的最优移动路径.移动锚点在最优移动路径上提供不共面的参考位置信息.因此未定位传感节点能够根据移动锚点或已定位传感节点位置信息,采用极大似然估计算法计算自身位置坐标.仿真结果表明:NLA_3D算法可定位监测区域内所有传感节点,增加传感节点的平均锚点位置个数和降低平均节点定位误差,比RAND、GREED和LMPS算法更优.     

优化网络生存时间的Sink节点移动路径选择算法

为克服无线传感网的能量空穴问题,采用最优化方法,研究一种优化网络生存时间的Sink节点移动路径选择算法(MPSA)。在MPSA算法中,将单跳传输的无线传感网监测区域分成多个大小一致的网格,Sink节点可移动到任一网格中心,停留收集单跳最大通信范围内的传感节点数据。分析停留位置的全节点覆盖条件和所有传感节点的能耗,建立权衡网络生存时间和Sink节点移动路程的优化模型。提出一种改进的遗传算法,用于求解优化模型,即迭代执行染色体评估、选择、交叉、变异、最小覆盖处理、孤立节点处理等步骤,最终获得优化网络生存时间的Sink节点移动方案。仿真结果表明:MPSA算法能提高网络生存时间,将移动路程保持在较小范围。在提高网络生存时间方面,比RCC算法更优。     

一种结合卫星通信的容迟无线传感网数据收集方法

以广域部署的稀疏无线传感网为研究背景,给出一种无线传感网数据收集系统结构,利用卫星Geocasting方式向指定地域的处于睡眠状态的无线传感器节点发送指令,利用Data Mule收集节点的数据并通过卫星回传,对Data Mule的运动路径进行了规划,提出了一种基于凸包的算法,并设计了该系统的通信协议。仿真结果表明,该方法能有效解决广域稀疏无线传感网在复杂环境中数据收集的难题,有良好的性能。     

面向有损链路的传感网压缩感知数据收集算法

基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大应用潜力,现有研究大多假定无线链路理想.通过实验说明有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量;提出了一种基于重传与时间序列相关性预测（CS data gathering based on retransmission and time series correlation prediction,简称CS-RTSC）的数据收集算法,将有损链路上的丢包建模为随机丢包和块状丢包,设计了基于滑动窗统计的丢包类型预判算法,在检测到链路丢包时判断丢包类型,对随机丢包采用重传恢复,对块状丢包设计了基于时间序列相关性预测算法恢复.仿真结果表明该算法能有效降低有损链路丢包对CS数据收集的影响,在网络丢包率达到30%时,CS数据重构的相对误差仅比理想链路下的CS相对重构误差高0.1%.     

无线传感器网络中一种基于移动Sink的数据收集算法

针对移动无线传感器网络设计一种不依赖于节点地理位置的基于移动汇聚节点(Sink)的数据收集算法(Mobile Sink-based Data Gathering,MSDG)。该算法解决了无线传感器网络中多跳路由通信时出现能量空洞的"热点"问题。Sink沿途以最近的固定节点作为根节点动态构建路由树。簇内移动节点感知的数据经簇头进行数据融合计算,然后将融合后的数据沿路由树反向逐跳转发给Sink。仿真结果表明,MSDG在节点的平均能耗和网络生存时间等方面的性能远超过LEACH、ACE-L等数据收集协议。     

无线传感网中移动节点的自适应定位算法

介绍了一种在无线传感网中针对移动节点的自适应定位算法,通过建立移动节点运动模型,借助运动模型估计信息辅助移动节点的定位,解决了只有2个或1个信标节点的无法定位的问题,本算法能够适应不同移动节点的运动状态,动态地调整定位时间间隔,从而既能提高节点定位的精度,也能在保证定位误差的情况下降低定位频率,节省定位能量的消耗,延长整个无线传感网的生存时间。     

稀疏水下传感网中AUV数据移动收集技术研究

由于水下传感器节点的水声通信距离有限、价格昂贵,水下传感器网络中一般采用稀疏方式部署,因此很难保证整体网络的连通性及数据采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作为天然的移动数据采集平台,可以弥补固定Sink节点数据采集方式的缺陷。提出了一种基于移动AUV的水下传感网移动数据收集机制。以AUV覆盖区域内的传感器节点作为临时Sink节点,其他传感器节点以临时Sink节点为根节点,采用最小生成树MST（Minimum Spanning Tree）方法将传感数据传输到这些临时Sink节点,然后通过临时Sink节点将汇聚数据传输给AUV。随着AUV的自主移动轨迹,水下传感网的传感数据都能简单高效地被收集起来。仿真结果验证了该方法在保证网络能耗的前提下提高了数据采集效率。     

一种基于非均匀分簇的混合无线传感网数据收集方法

提出了一种针对混合无线传感网的数据收集协议。将网络划分为非均匀高度的网格,并利用主次簇头分别构建针对矢量和标量信息的数据收集路径。实验结果表明,与MTP,CDFUD等分层和分簇的数据收集方法相比,本算法具备较好的能耗均衡性。     

传感网中时延受限的移动式数据收集方法综述

数据收集是无线传感器网络中研究的热点问题之一,然而在传统的无线传感器网络中,基站附近的节点由于承担了大量数据转发任务而导致自身能量过早耗尽,缩短了网络的生命期.不少研究通过引入能量较为充足的移动性节点来收集数据,以节省普通传感器节点的能量,但是却导致了数据收集时延过大,如何在保证数据收集时延的前提下最大化网络生命期已成为近几年研究的热点问题.对目前主要的时延受限的移动式数据收集方法进行了充分调研,通过对这些方法的详细分类和比较,归纳了时延受限的移动式数据收集的各类方法的特点,分析了这些方法的优缺点和适用范围,总结了存在的主要问题,并指出了未来的研究方向.     

无线传感网中一种基于自回归模型的数据收集方案

数据收集问题是无线传感网中的一个研究热点。针对现有数据收集方法的不足,提出一种基于自回归模型的数据收集方案。首先分析感知数据稀疏性变化情况对于重构性能的影响,然后基于自回归模型对压缩感知重构问题进行建模,最后sink利用时间相关性来对重构误差进行评价,并根据重构误差要求来决定是否需要增加测量次数,从而实现对感知数据的自适应重构。仿真实验结果表明,该方法是有效的,在数据重构精度以及网络生命周期等方面要优于传统的方法。     

面向带状无线传感网低延迟可靠数据收集算法

带状无线传感网为长距离带状分布，现有的数据收集算法无法很好解决其数据收集延迟较大的问题。提出了一种主动定位移动Sink的数据收集算法DCFAN（Data Collection based on Forwarding of Agent Nodes），DCFAN构建移动Sink的同步代理节点以及存储同步代理节点的线节点序列，通过获取同步代理节点转发感知数据到Sink汇聚点。仿真结果表明，DCFAN算法能有效降低网络节点能耗以及数据收集延迟，同时提升数据收集率，适用于对数据收集延迟具有一定要求的带状无线传感网应用场景。     

基于遗传算法的移动Sink数据采集信宿路算法

数据收集是部署无线传感网络WSNs(Wireless Sensor Networks)基本目的。而采用移动Sink方式收集节点数据是解决数据收集效率的有效措施。为此,提出基于遗传算法的移动Sink数据采集算法GMSDC(Genetic algorithm-based Mobile Sink Data Collecting)。GMSDC算法利用遗传算法求解最佳驻留点,再由这些驻留点构建Sink移动路径。仿真结果表明,相比于EDAMS算法,GMSDC算法增加了数据收集量。     

机会移动传感网中基于感知方向的数据收集

机会移动传感网中数据收集策略既要保证传输成功率、减小网络开销,也要尽量降低传感器的能量消耗,从而延长网络生命期。遵循简单实用的原则,提出了基于方向感知的数据收集策略(Data Gathering based on Perceptive Direction,DGPD)。当两个传感器相遇时,以距离它们最近的Sink节点为参照点,分别计算各自的感知方向。把感知方向作为一个重要参数来确定两个相遇传感器的消息转发路由,把消息转发给更有利于接近Sink节点的传感器,从而提高数据收集成功率,减少过多的消息转发。模拟实验结果表明,这种策略可以有效地完成数据收集,并获得较高的网络性能。     

WSN中基于移动Sink的高效数据收集算法

针对无线传感器网络中的数据收集问题,提出一种改进的MWSF算法。该算法结合A*算法求解出移动Sink在传感器节点之间移动的最短路径,利用MWSF算法找到移动Sink所需访问的下一个传感器节点,并与单跳通信范围内的其他传感器节点进行通信,从而收集数据。仿真结果表明,该算法能降低数据溢出发生率,提高网络的数据传输效率。     

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。