基于能量采集的管道物联网路由优化算法

油气管道无线传感器网络的节点根据管道走向呈线性分布,导致无法及时大范围更换能量耗尽节点的电池.虽然能量有效管理始终是制约油气物联网性能的关键因素,但因网络端对端延时决定网络对管道安全事故的反应时间,同样是影响网络性能的关键参数之一.为此,提出基于能量采集的管道物联网网络路由算法,使用能量采集技术,延长网络的使用寿命,并通过选择距离发送较远的节点作为转发节点,有效减少网络的端对端延时.仿真结果表明,与其他机会路由协议和使用能量采集技术的协议对比,该算法能有效兼顾网络寿命和网络延时,提高网络性能.     

一种无线传感器网络中不同业务的区分服务机制

提出了一种适合无线传感器网络(WSN)业务的区分服务方案-轮询路径调度算法(Round Robin Path Scheduling,RRPS).该方案根据路径能量瓶颈梯度和跳数梯度这两个主要参数来为不同等级业务分配不同的路径,同时以轮询方式选择路径来均衡网络中各个节点的能耗.实验结果表明,与直接扩散路由算法相比,RRPS能降低实时业务的端对端延时和延时抖动,并提高网络生存期.     

一种能量负载均衡的自组织网络多播路由协议

在分析基于共享树的Ad Hoc网络多播路由协议MAODV的基础上,结合能量模型,提出了一种Ad Hoc网络基于节点能量负载均衡的多播路由协议——ELBMRP.算法分析显示,在不增加算法复杂性的前提下,ELBMRP明显地改善了MAODV协议的延时特性,节点的能量消耗比较均衡,一方面降低了系统的能耗,另一方面有效地延长了网络的存活时间,比较好地解决了Ad Hoc网络能量和延时相互矛盾的问题.     

路由算法在均衡物联网传感器节点能耗分析中的应用研究

传统路由算法只采用指定节点或路径实现数据转发,设定阈值的减少使簇头数量降低,能耗急剧升高,导致能量的非均衡消耗。为此,将一种新的路由算法应用于均衡物联网传感器节点能耗分析中。对传感器节点能耗进行研究,求出节点剩余能量。通过阈值得到本块候选簇头集合,把剩余能量较其他节点多,或者和本块中心之间距离较短的节点看作簇头节点。建立路由选择计算公式,按照前向路由节点剩余能量获取数据发送过程中簇间多跳路由。面向能耗均衡对路由进行更新,把传感器节点剩余能量划分成10个能量等级,按照网格能量等级确定等待时间,完成对簇首节点的更新处理,以保证节点能耗均衡性。实验结果表明,所提路由算法簇首节点选择合理,将其应用于均衡物联网传感器节点能耗的分析中,节点能耗较其他算法更加均衡性。     

路由算法在均衡物联网传感器节点能耗分析中的应用

传统路由算法只采用指定节点或路径实现数据转发,设定阈值的减少使簇头数量降低,能耗急剧升高,导致能量的非均衡消耗。为此,将一种新的路由算法应用于均衡物联网传感器节点能耗分析中。对传感器节点能耗进行研究,求出节点剩余能量。通过阈值得到本块候选簇头集合,把剩余能量较其他节点多,或者和本块中心之间距离较短的节点看作簇头节点。建立路由选择计算公式,按照前向路由节点剩余能量获取数据发送过程中簇间多跳路由。面向能耗均衡对路由进行更新,把传感器节点剩余能量划分成10个能量等级,按照网格能量等级确定等待时间,完成对簇首节点的更新处理,以保证节点能耗均衡性。实验结果表明,所提路由算法簇首节点选择合理,将其应用于均衡物联网传感器节点能耗的分析中,节点能耗较其他算法更加均衡性。     

物联网专用频点自组网驱动路由协议算法分析

为了解决物联网专用频点自组网网络节点能量消耗容易失衡,当节点数增加时易产生链路故障的问题,设计一种改进物联网专用频点自组网驱动路由协议算法.以感知现场、汇聚节点和Internet为主要结构,构建物联网专用频点自组网网络模型.模型采用多媒体印刷读物(multimedia print reader,MPR)集合综合选取节点机制,以网络节点总能量消耗以及能量代价为基础,通过节点优化目标函数,确保自组网能量消耗处于均衡状态.通过网络路由协议改进算法,采用最小覆盖集实现物联网专用频点自组网链路故障的修复.结果表明,改进后的算法对路由链路信息转发具有良好的吞吐性能,可以提高网络数据传输性和连通性,并可增加节点生存时间,最终提升数据包到达率和数据控制量.     

无线传感器网络中时效性优化的GEAR路由协议

在无线传感器网络中,数据路由是各种应用的基础,基于能量感知的地理路由协议(GEAR)虽然可以在一定程度上均衡节点间的能量负载,但不适用于节点初始能量不同的异构网络,而且其折线效应会显著增加数据路由的延时。文章提出一种改进型GEAR路由协议,基于节点的剩余能量进行路由选择,同时对代价函数引入自适应调整策略,从而使协议同时适用于同构和异构网络,消除折线效应,提高数据路由的时效性,仿真结果证明了协议的有效性。     

物联网中链路稳定和能量感知混合模型的组播路由协议

针对物联网络中容易出现节点能量消耗不均衡,路由稳定性差,数据容易丢失等问题,提出了一种改进的链路稳定和节点剩余能量感知的物联网路由算法。该路由算法首先建立了一种基于链路稳定性和节点剩余能量的混合路由模型,利用该模型对节点的能量和链路稳定参数进行综合预判,选出最优节点来组成网络。仿真结果表明,与AODV算法相比,该算法可以有效控制网络开销,提高数据转发率,延长网络生存周期,降低网络延迟。     

一种改进的基于能量控制并支持实时业务传输的ERT-AODV路由协议

AODV协议在建立路径时没有考虑节点能量,会导致网络中某些节点能量消耗过快而失效。提出一种改进的路由协议ERT-AODV,选择平均能量最大且节点最小残余能量高于门限值的路径进行通信,以平衡网络中的节点能量消耗、降低节点失效率,延长网络的生存时间;同时考虑到实时业务对延时的敏感性,通过设置定时器和扩大传输半径,可以有效的降低延时,仿真结果表明ERT-AODV在节点失效率和平均端到端延时方面比AODV更具优势。     

一种基于能量控制并支持实时业务传输的AODV路由协议

AODV协议在建立路径时没有考虑节点能量,会导致网络中某些节点能量消耗过快而失效。本文提出一种改进的路由协议ERT-AODV,选择平均能量最大且节点最小残余能量高于门限值的路径进行通信,以平衡网络中的节点能量消耗、降低节点失效率,延长网络的生存时间;同时考虑到实时业务对延时的敏感性,通过设置定时器和扩大传输半径,可以有效的降低延时,仿真结果表明ERT-AODV在节点失效率和平均端到端延时方面比AODV更具优势。     

强噪声海量物联网数据处理中节点选择算法研究

当前节点选择算法在强噪声干扰下,通过优先级理论实现节点选择,存在安全性差、能耗高、整体性能低下的弊端,为此,提出一种新的强噪声海量物联网数据处理中节点选择算法。将数字序列中某点的值用与该点相邻的各点值的中值替换,通过中值滤波法对物联网中的强噪声进行去除,完成强噪声干扰去除后。通过基于后悔函数的平衡剩余能量节点选择算法对海量物联网数据处理中节点进行选择。依据误码率选择满足要求的节点作为候选节点,通过减少无效处理增强能量性能。利用后悔函数对节点相对物联网的剩余能量进行估算,依据节点相对于其他节点的剩余能量确定延迟时间,从而实现节点选择。实验结果表明,采用所提算法对海量物联网数据处理中节点进行选择,不仅安全性高,而且节能性好、整体性能高。     

基于混合WMN 域间移动管理方案研究

针对HWMP( Hybrid Wireless Mesh Protocol) 协议域间移动性管理方案中全网广播PＲEQ( Path Ｒequest) 消 息和代理更新消息造成网络拥塞的问题,提出HWMP 协议主动路由模式下新增节点的路由更新算法。对于 PＲEQ 消息的发送做出一定限制,改进了HWMP 协议域间节点移动性管理机制,减少了全网路由更新数据包的 数量,降低了网络的端到端时延。仿真结果表明,与HWMP 协议中的方案相比,AHWMP( Advanced Hybrid Wireless Mesh Protocol) 方案在网络平均吞吐量、网络平均端到端时延等方面具有更好的效果。     

移动自组织网络中一种能量有效的跨层协议

提出了一种移动自组织网络中能量有效的跨层协议,将网络层的能量感知路由协议与MAC层的功率控制协议相结合,以提高节点的能量利用效率.在路由协议中根据节点剩余能量决定节点接入路由的延迟时间,从而使剩余能量较多的节点能够更快地接入路由,以使网络中的能量消耗更公平.在MAC层中实现功率控制,减少节点的实际能量消耗.仿真结果表明,在移动自组织网络中,该能量有效的跨层协议不但能延长网络的生存时间,减少端到端延迟,而且可以提高网络吞吐率.     

一种能量感知的无线多媒体传感器网络多路径QoS路由协议

针对无线多媒体传感器网络对能量、时延和分组传输率的要求,提出了一种能量感知的多路径QoS路由协议,详细描述了能耗模型、邻居节点和路由发现机制.仿真实验表明,该算法相比传统协议可以降低时延和能耗,并提高分组传输率,从而延长网络生命周期.     

流媒体无线Mesh网中基于机会路由的网络编码

采用机会路由下无线Mesh网络的链路吞吐量模型,利用确定性网络演算工具,得到无线Mesh网络节点数据积压的上界以及端到端数据流延迟和抖动的上界;设计满足流媒体服务质量的确定性网络编码(DNC),提出ETC作为确定机会路由中编码节点的指标,在节点数据积压未达到上界时,编码节点采用网络编码,提高网络的性能;提出ETP作为机会路由中选择候选节点的指标,主要考虑端到端的延迟和延迟抖动确定接收数据的候选集,然后,在侯选集中选择ETC最大的节点进行编码.仿真结果表明:吞吐量在增加的同时,端到端的延时和抖动值下降.     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。