在传感器网络中构造延迟限定的最大化生命周期树

在一些对延迟敏感的持续性监视应用中,无线传感器网络中的数据收集需要构造延迟限定的最大化生命周期树,这属于NP完全问题。提出一个新的算法MILD,通过限定树的高度来满足延迟限定,然后通过使树上“瓶颈节点”的度最小化来延长树的生命周期。实验表明,与目前已有的协议相比,MILD能有效地限定延迟并延长树的生命周期。     

一种基于树的无线传感器网络数据收集方法

该文提出一种基于树的无线传感器网络数据收集方法,它将查询请求的传递与数据回传结构的建立有机结合起来,通过使用一种洪泛避免的方法传递查询请求,建立起一棵以sink节点为根的、包含最少中间节点的查询转发树,作为数据回传结构。理论分析和仿真试验表明,该方法不会降低无线传感器网络的连通性,可以有效节省能量。     

基于移动Agent和WSN的突发事件场景数据收集算法研究

该文针对无线传感器网络应用于突发事件监测场景的能量消耗和网络延迟问题,提出了基于移动Agent的无线传感器网络簇式数据收集算法.动态成簇过程基于事件严重程度,并由其决定簇的生命周期和覆盖范围.Sink和簇头之间形成以Sink节点为簇头的虚拟簇.移动Agent迁移路径规划过程中下一跳节点的选取基于节点剩余能量、路径损耗及受刺激强度.移动Agent通过节点遍历的方式完成对所有簇内成员节点信息的收集.仿真结果表明,相对于C/S数据收集模型,基于移动Agent的模型具有更好的节能效果,并能一定程度地减少网络延迟,尤其适用于大规模无线传感器网络应用.     

无线传感器网络中基于树的能量高效分布式精确数据收集算法

在大规模节点密集的多跳传感器网络中,精确数据收集存在着"热区"问题:越靠近Sink节点的传感器节点,其承担的数据转发量就越多,能量消耗也越快,从而成为瓶颈节点,缩短整个网络的生命周期.最大生命周期数据收集树的构建已被证明是NP完全问题.已有算法大多是集中式算法,不适用于大规模节点密集的传感器网络.本文提出一种分布式精确数据收集算法EEDAT,在大规模节点密集的传感器网络中,不仅能够保证每个节点到Sink的路径是最短路径(最少跳数),而且能有效延长网络生命周期.EEDAT分为两个基本步骤,首先随机生成一棵数据收集树,然后根据各个传感器节点的孩子数和剩余能量,对已生成的数据收集树进行调整,使得各个节点的负载尽量均衡,从而达到延长网络生命周期的目的.实验结果表明,与已有分布式算法LMST相比,EEDAT所构造的数据收集树能延长网络生命周期平均20%.     

MR-MC无线传感器网络基于森林的数据收集研究

传感器网络的部署环境以及节点自身的限制,导致传感器节点很容易出现故障并且难以维护。在基于树的数据收集过程中,节点故障或者链路拥塞会造成较高的通信时延,甚至数据丢失。针对该问题提出以森林作为路由结构进行数据收集的策略。首先提出一个建立森林的算法,然后以多棵树作为路由结构进行数据收集。理论分析和实验结果表明,提出的方法可以有效减少数据收集过程中的数据丢失,在有25个故障节点的情况下,3棵树的森林路由结构收集的数据量与基于连通支配集的路由树收集的数据量相比多55%,并且能降低数据收集的延迟。     

基于压缩感知的WSNs长生命周期数据收集方法

该文针对基于事件驱动的无线传感器网络(WSNs)数据收集查询的长期应用需求,基于压缩感知理论将混合压缩感知的数据收集技术与数据收集树的构建过程相结合,设计出一种长生命周期数据收集方法。该方法在数据收集查询到达时,构造一棵数据收集树。建树过程中,利用混合压缩感知思想,在分析转发节点和融合节点能耗的基础上,以收集查询后节点最小剩余能量最大化为目标,构造最大数据收集树集合。仿真实验表明,该方法能够充分利用节点能量资源,显著提高网络能量效率,达到延长网络生命周期的目标。     

无线传感器网络中一种能量均衡的基于连通支配集的数据收集算法

采用连通支配集来构建虚拟骨干可以减轻无线传感器网络的广播风暴问题.目前已有大量工作通过构造最小连通支配集形成网络虚拟骨干来进行高效数据收集.然而,最小连通支配集并不能有效均衡节点的能量耗费,导致网络生命周期较短.提出了一种能量均衡的基于连通支配集的分布式算法EBCDS来进行数据收集,通过选择能量水平和度均比较大的节点组成连通支配集,支配集中的节点组成一个规模不大但具有较高能量水平的网络骨干.网络中的所有数据沿骨干在较小的寻路空间中转发,能够节省节点能量,使骨干节点不会因为能量不足而过早死亡.理论分析表明,EBCDS能以O(nlogn)的消息复杂度构造连通支配集,仿真实验表明,EBCDS能有效节省节点能耗并延长网络生命周期.     

一种基于矩阵补全的无线传感网数据收集方案

针对无线传感器网络中的数据收集问题,设计了一种基于矩阵补全的数据收集方案.首先利用低秩矩阵分解模型将传感器节点的数据收集问题转换为两个相互关联的凸优化子问题,然后利用基于改进Kaczmarz迭代的矩阵补全算法循环交替求解凸优化子问题.在Kaczmarz迭代过程中,依据Johnson-Lindenstrauss引理对投影操作降维,从而提高了矩阵补全算法的计算速度.实验结果表明与现有矩阵补全算法相比,文中所设计的矩阵补全算法在重构精度、成功重构概率以及重构时间等方面具有较优的重构性能.     

传感器网络中基于混合通信的数据收集算法研究

无线框架下的传感器,应收集和归整多样的数值。在收集各类别数据时,传感器涵盖着的节点,会担负偏重的荷载。这种运送数值的偏重负担,会耗费掉很多能量,缩减了原有的网络周期。为化解掉这样的疑难,创设出sink框架下的新节点,建构出特有的圆形模型。在这样的状态下,摸索节点搭配着的移动路径,创设出分时情形下的混合通信。仿真得来的数值表征出:混合通信框架下的收集路径,增添了能量消耗带有的均衡性,同时,也延展了原有的网络周期。     

基于多目标优化的无线传感器网络移动充电及数据收集算法

近年来,通过引入移动设备(ME)为无线传感器网络(WSNs)进行无线充电和数据收集成为一个研究热点。传统方法一般先根据节点的充电需求优先级确定移动路径,再根据该路径依次对节点进行数据收集。该文同时考虑充电需求和数据收集两个维度,以最大化ME的总能量利用率和最小化数据收集平均时延为目标,建立多目标一对多充电及数据收集模型。在ME携带的行驶能量和充电能量不足的前提下,设计路径规划策略和均衡化充电策略,并改进多目标蚁群算法对该文问题进行求解。实验结果表明,该文算法在多种场景下的目标值、Pareto解的数量、Pareto解集的均匀性、分布范围等性能指标均优于NSGA-II算法。     

传感器网络中基于簇树的路由算法

针对无线传感器网络中高能效收集数据的需要,提出一种基于簇树的路由算法ETRA(energy-efficient tree-clustered Routing algorithm).首先,ETRA利用改进的最小ID算法实现对网络的平衡分簇;然后,通过簇首信息交换,构建从簇首至sink节点的数据汇聚树;最后,在数据收集阶段,数据从成员节点传送至簇首节点,并通过数据汇聚树传送至sink节点.仿真结果表明,与典型的分簇协议相比,ETRA获得了更均衡的分簇结构和更长的网络生存期.     

基于网格的移动无线传感网生存时间优化算法

为克服陆地静态无线传感网和水下无线传感网因节点能耗分布不均衡而出现的能量空穴问题,和具有单一移动Sink节点的无线传感网数据收集时延过长问题,该文提出基于网格的移动无线传感网生存时间优化算法(Grid-based Lifetime Optimization Algorithm,GLOA)。GLOA算法考虑多个Sink节点的移动,将监测区域分成多个大小相同的网格。根据网格潜能值确定Sink节点移动的锚点,将锚点分配给不同的Sink节点,建立路径选择优化模型并获得Sink节点的最短移动路径,采用移动收集方法或静态收集方法循环收集数据。仿真结果表明:与Ratio_w或TPGF算法相比,GLOA算法能延长网络生存时间,降低和均衡节点能耗。与LOA_SMSN算法相比,GLOA算法能降低数据收集时延。在一定的条件下,比Ratio_w,TPGF和LOA_SMSN算法更优。     

基于模糊理论的无线传感器网络数据融合算法

针对无线传感器数据融合过程中,各节点观测值存在冗余以及监测区域重叠可能导致信息的精确性低、能量消耗大等问题,本文提出利用模糊理论中的相关性函数计算节点间相互支持程度,对支持程度高的传感器进行数据融合,并利用融合结果与服务质量期望筛选出冗余节点,使其进入休眠状态.仿真结果表明,该方法能够获得更高的精度和可靠性,并能有效延长网络生命周期.     

无线传感器网络数据收集关键技术现状研究

无线传感器网络是一种以数据为中心的网络,由于其具有硬件资源受限、自组织网络结构、网络动态性等特征而有别于传统无线网络,因而数据收集问题是无线传感器网络的主要研究课题。介绍了无线传感器网络数据收集系统的结构和功能,概括了无线传感器网络数据收集需解决的关键问题和关键技术,对路由协议、安全管理、数据压缩等关键技术的研究现状进行了总结和分析,并对数据收集关键技术的发展方向进行了展望。     

无线传感器网络中能耗均衡的数据收集算法

无线传感器网络所具有的集中式数据收集、多跳数据传输、多对一流量模式容易导致严重的包碰撞、网络拥塞,包丢失,同样也会导致能量消耗的热点出现,使某些节点甚至整个网络过早死亡.文中提出一种能耗均衡的数据收集算法,此算法按节点离基站的距离进行分层,根据中间节点的能量参数和通信开销建立到基站的多径路由,在数据收集过程中除了利用具有最小能耗的最优路径外还偶尔使用一些次优路径;为进一步减少节点能耗,算法还采用了数据聚合机制.分析和仿真结果表明,算法在很大程度上均衡了节点间能耗并延长了网络寿命.     

面向数据相关的传感器网络采样算法

针对某些特定场合无线传感器网络中传感器产生的数据时间和空间上的冗余和高度相关性,提出了一种面向数据相关性及权重的传感器网络采样优化算法DCACW。它基于聚合树结构连接整个网络,在各节点根据样本的相关性和节点权重进行数据融合。仿真实验结果表明,本算法采集的样本覆盖度更广,而且在聚合树中去除了冗余和相关的数据,保证了最终收集的样本差异性较强。     

传感网中基于压缩感知的丢包匹配数据收集算法

为了提高传感网中数据重构精度以及降低不可靠链路丢包对压缩感知（Compressive Sensing，CS） 数据收集的影响，本文提出了一种基于压缩感知丢包匹配数据收集算法（Packet Loss Matching Data Gathering Algorithm Based on Compressive Sensing，CS-MDGA）.本文算法通过压缩感知技术构建了全网数据间的"关联效应"，并设计了基于丢包匹配的稀疏观测矩阵（Sparse Observation Matrix Based on Packet Loss Matching，SPLM），证明了该观测矩阵概率趋近于"1"时，满足的等距约束条件（Restricted Isometry Property，RIP），完成了节点间多路径路由数据的可靠交付.仿真实验结果表明，本文算法在链路丢包率为60%情况下，相对重构误差仍小于5%，验证了本文算法不仅具有较高的重构精度，而且还可以有效缓解不可靠链路丢包对CS数据收集的影响.