采用压缩感知与智能优化的大规模WSNs移动稀疏数据收集

针对大规模无线传感网数据处理网络流量大、任务时延高的缺陷,提出了一种基于自适应块压缩感知与离散弹性碰撞优化算法的移动节点数据收集方案。首先,通过分析网络分块与节点部署之间的关系,提出自适应块压缩感知数据采集策略,实现传感器节点基于自适应网络块压缩感知数据采集;设计移动节点数据采集路径规划策略和多移动节点协同计算机制,通过采用适应度值约束变换处理技术和并行离散弹性碰撞优化算法,达到均衡网络节点能耗和降低数据处理任务时延的目的。最后,仿真结果表明,该数据收集方案能够有效实现大规模传感网数据高效处理,而且降低了网络流量和网络任务时延,更好均衡了网络节点能耗。     

基于KM算法的分布式无线节点任务分配方法

单个节点无法满足各种新颖的应用程序对时延或能耗的要求,为此提出了一种分布式无线节点任务协同分配方法,通过利用周围节点的空闲资源,来降低所有节点处理任务的总时延或总能耗.首先根据层次分析法（AHP）综合任务的多维属性,如计算负载、最晚完成时间等,确定任务执行的优先级;然后建立时延和能耗的优化模型,并将其转化为二分图最大权值的匹配问题,采用Kuhn Munkras （KM）算法求解得到任务分配的最优解,实现终端节点在网络边缘高效地协同执行任务.仿真结果表明,该算法能够有效地降低任务处理的时延和能耗.     

基于桶划分的两层传感网隐私保护Top-k查询

提出了一种用于两层传感网的基于桶划分的隐私保护Top-k查询处理(BPTQ)方法. BPTQ通过引入桶划分策略和加密技术,能够确保感知数据在存储、通信及查询处理过程中的隐私安全性. 理论分析和实验结果表明,该方法能够保护感知数据的隐私安全,且与现有方法相比具有更高的能耗效率.     

低占空比无线传感网络中数据收集技术

在低占空比无线传感网络中,针对汇聚节点从源节点收集数据所需时间问题进行研究,同时,针对最低时延数据收集(minimum-delay data collection,MDDC)问题,提出了数据收集时延的下限。通过引入虚拟网络模型(virtual network model,VNM),并采用最大流方法来解决MDDC问题,提出一种基于最大流的MDDC算法,该算法能获得最低时延及其路径。仿真实验结果表明:相比于Fa ST算法,本文提出的MDDC算法在保持较低能耗的同时,可以有效地降低数据收集时延。     

无线传感网中基于空间相关性的压缩感知路由算法

提出了一种基于空间相关性的压缩感知路由算法,利用无线传感网压缩感知联合稀疏模型和节点数据的空间相关性分析,基于空间相关性原理对网络节点进行分簇,将全网的特有稀疏度变为簇内的共有稀疏度,减少了网络总的稀疏度,从而降低了数据观测量。仿真结果表明所提算法可以有效减少网络能耗,缩短传输时延,延长网络寿命。     

低占空比无线传感网络能量高效的路由协议

低占空比无线传感网络中链路质量的不可靠性使数据在同一链路上需要多次传输才能成功,从而大大增加了能量消耗和等待时延。为了提高低占空比无线传感网络的生存周期,提出一种能量高效的路由协议。对链路质量和传输时延设定阈值,从邻居节点中筛选出链路质量可靠且满足时延约束的候选节点集合,在候选节点集合中选择能耗最低的邻居节点作为路由的下一跳节点。由于数据是沿着节点跳数减小的方向传输,从而使到达汇聚节点的路由在满足时延约束条件下取得最小的能量消耗。仿真实验结果表明,所提出的路由协议能够提高数据包的到达率,并有效降低网络的能耗。     

面向能耗均衡的传感网单移动Sink数据收集方法

设计并实现了一种面向能耗均衡的传感网单移动sink数据收集方法.利用传感网完全覆盖模型确定了sink在网内各遍历点的具体坐标,并在此基础上,构建了其定长移动数据收集轨迹.实验结果表明,该方法的能耗均衡性优于虚拟节点策略、基于效用的贪婪启发式交会点找寻等典型的移动sink数据收集方法.     

智慧社区边缘计算场景下基于免疫算法的卸载决策优化

边缘计算通过将云计算中心的计算和存储资源下沉至距离用户更近的网络边缘,用户可将任务卸载至边缘计算节点执行,以获得更低的任务时延和能耗.针对智慧社区场景下的任务卸载决策问题,构建了联合优化任务时延和能耗的卸载决策优化模型;在免疫算法中引入交叉操作,并对克隆算子、变异算子进行了改进,给出了一种基于改进免疫算法的任务卸载方案,并对该模型进行仿真实验.结果表明：该方案优于基于粒子群优化算法方案、基于遗传算法方案和基于免疫算法的卸载方案,可以有效降低任务时延和能耗.     

基于多代理模仿学习的普适边缘计算资源分配

普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process,MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.     

基于移动边缘计算的车联网卸载策略研究

随着车载设备的快速发展和日益增大的数据量,车联网在计算能力及通信能力方面面临着巨大的挑战.传统云计算虽然可以弥补车载设备计算资源的不足,但由于云服务器距离车辆终端较远,因此,难以满足一些对时延敏感的业务的需求,基于此问题,引入了移动边缘计算.首先,构建了基于5G的"车-边-云"协同网络架构,在该架构中融合了SDN等多种新兴技术,可以实现对车、边缘设备、云三方面资源的统一调度;其次,在此架构下建立了基于卸载时延的通信计算模型,并采用了基于改进烟花算法的计算任务卸载策略,其中,对烟花算法的改进主要是针对爆炸火花的产生方式及下一代烟花的选择方法,在改进之后,烟花可以实现在不同方向和不同维度的全方位搜索;最终,通过基于改进烟花算法的任务卸载策略,各个任务可以选择在最佳的卸载节点进行卸载,从而保证了时延最小化.仿真结果表明,在所提协同架构下,基于改进烟花算法的卸载策略可显著降低时延.当任务量为5 Mb时,所提卸载策略相比于其它卸载策略在降低时延性能上至少提高10％.     

一种面向边缘计算节点能量优化的QoS约束路由算法

在满足节点间端到端时延、可靠性服务要求的基础上,为了解决现有多路径路由协议能耗较高的问题,提出一种面向边缘计算节点能量优化的多服务质量（QoS）约束路由算法（MQEN）.考虑端到端延迟、可靠性、能量消耗的QoS约束条件,采用边缘计算、机器学习相关技术,构建多约束最优路径传感器网络模型,引入能量感知节点唤醒策略、学习自动机奖惩机制.该算法结合边缘计算,预处理节点的原始数据,加快有效数据的传输、处理.采用自动机与环境交互的方式加快算法收敛.使用控制节点休眠激活状态的方法优化网络能量消耗,延长网络生命周期.实验结果证明,MQEN算法可降低网络能量消耗,并且能满足多QoS约束对端到端延迟、可靠性服务的要求.     

无线传感网中基于定向游走的压缩感知数据收集算法

对于大规模无线传感网的工程应用,降低网络能耗、延长网络寿命和克服链路丢包成为设计传感网数据收集算法的关键因素。提出一种基于定向游走的稀疏压缩感知数据收集算法,网络节点以环状部署的方式非均匀分布在以Sink为中心的圆形区域内,每次数据收集过程由最外环内的随机唤醒节点发起,逐跳向内环定向游走,直至游走至CS数据缓冲区内结束收集过程。仿真结果表明,采用稀疏定向游走机制对全网数据进行投影采样,可以有效降低网络能耗,延长网络寿命。同时在有损链路环境下,该算法依然具有高精度的重构性能,克服了链路丢包对CS数据收集的影响。     

一种蚁群策略的双信道传感器网络路由算法

针对高负载无线传感器网络堵塞率比较高的问题,提出了一种基于蚁群策略的双信道传感器网络路由算法(CORA).该算法首先利用双信道通信模式降低了信道竞争过程中的数据碰撞和多播抑制几率;再利用最大感染球策略来压缩蚁群的寻路范围,进而降低网络的寻路能耗;借助分层图模型提出了一种两层网络联合优化的选路策略,该策略可将控制层中被堵塞的寻路业务有条件地下放在数据层中传输,从而降低网络的堵塞率和通信延迟.仿真结果表明,与一种基于蚂蚁策略的能量有效路由算法及一种基于蚁群策略的能量有效路由算法相比,CORA算法能将高负载网络下的堵塞率下调13%,且能有效降低数据包的平均通信时间和网络的通信能耗.     

潮间带无线传感器网络路由算法

以潮间带无线传感器网络（IT-WSN）为例进行深入研究,提出期望剩余传输次数（PRTX）算法.PRTX算法充分考虑网络端到端延迟时间、节点剩余能量、邻居节点之间的距离,以及链路质量,形成一个综合性的路由判据,并利用指数加权平均算法加强路由选择的稳定性.仿真实验结果表明,PRTX路由算法在网络生命周期上比经典算法期望传输次数（ETX）提升了约19%,保障了较高的收包率,并且在节点通信距离变化时具有较好的性能稳定性.同时仿真实验与实际实验都表明,PRTX算法在网络端到端延迟时间上比经典的ETX算法降低了约10%,并提升了网络能量消耗的均衡性.     

用于大规模无线传感器网络突发事件监测的路由策略

针对大规模无线传感器网络(Wireless sensor network:WSN)突发事件监测的应用问题,提出了一种基于事件驱动成簇和时延梯度路径树的路由策略。该策略在簇头选举时综合考虑了节点剩余能量、距离Sink节点的跳数、与邻居节点的连通性以及父节点数目等因素以节省和均衡网络能耗,并通过时延梯度路径树和多路径选择实现数据的及时和可靠传输。仿真结果表明:该策略能够提高无线传感器网络的能量效率,使网络生命周期比LEACH(Low-energy adaptive clustering hierarchy)算法和AEEC(Adaptive and energy efficient clus-tering algorithm)算法分别提高2倍和1.4倍,比ARPEES(Adaptive routing protocal withenergy efficiency and event clustering for wireless sensor networks)算法延长了15%。     

一种面向微网监测的传感器协作覆盖算法

提出一种微网中的传感器协作覆盖算法。该算法在不同的时间片周期通过连通的协作覆盖集的构造和调度两个步骤实现整个传感器网络节点能源的高效利用,延长传感器网络的生命周期。仿真实验表明,提出的协作覆盖算法能够以较高的效率明显地延长传感器网络的生命周期。     

层次型软件定义无线传感器网络资源调度策略

为了解决传统无线传感器网络基于特定任务导致资源利用率及能量效率低下,且无法适应网络拓扑动态变化的问题,提出了针对多任务并发场景的层次型软件定义无线传感器网络资源调度策略。将软件定义网络引入无线传感网实现控制层和数据层解耦,通过灵活的网络资源调度策略同时完成多个任务,在保证监测质量的前提下,最小化网络总能耗;此外,软件定义的主节点可及时获取网络拓扑变化,并通过簇头节点实现簇内资源调度,提高优化效率,并降低能量消耗。结果表明,所提出的全局网络资源调度策略提高了能量效率和资源利用率,簇内资源调度在高效解决网络动态事件的同时降低了主节点的控制开销。     

矿井WSN自适应能量有效及能耗均衡的数据收集方法

针对目前井下传感器网络不能同时兼顾节点能量效率和能耗均衡性的问题,在混合通信方式基础上提出一种矿井无线传感器网络（WSN）自适应能量有效及能耗均衡的数据收集方法（AEBADA）.首先通过比较分析确定了检测区域内环形宽度和节点最小通信半径,而在选择转发节点时不仅考虑节点距离和剩余能量,还包括链接的可靠性以及候选节点的邻居节点数目.仿真结果表明,相比同类混合通信方式和其他典型数据收集方法,AEBADA在节点效率和能耗均衡性以及路由可靠性方面优势明显,不受节点密度和分布状况影响,适用于井下通信环境.     

一种基于移动无线传感器网络结构的数据采集协议

移动无线传感器网络(MWSN)体系结构在解决传统的网络能量消耗不均衡的问题上有显著效果,但移动sink节点的加入会增大网络的传输延迟。通过分析无线传感网络数据采集机制的耗能情况,提出一种联合动态和静态sink节点的数据收集策略HMS,在节能的同时改善网络的延迟问题,并且结合最短路径最大传输量算法优化MWSN在一个圆形监测区域的数据采集情况。系统仿真证明HMS算法在提高网络能源利用效率上的有效性。