基于灰色预测的无线传感网络路由优化算法研究

无线传感网络路由链路节点分布混乱,导致路由算法稳定性降低,提出基于灰色预测的无线传感路由优化算法。构建无线传感器网络路由节点定位模型,实现传感器节点自主链路分层转发控制,构建无线传感节点控制模型,提高路由探测的参数识别能力;采用灰色关联预测方法,建立无线传感网络路由探测模型,根据路由探测结果,获取教务数据采集系统无线传感器网络最优节点密度分布,融合模糊度参数,构建模糊信息调度优化设计模型,定位最优自适应特征信息,实现无线传感网络路由优化设计。仿真结果表明,无线传感网络路由设计的输出稳定性较好,节点定位精度较高,传输时延较小,提高了教务数据采集系统中的无线传感器网络传输和数据分析能力。     

优化能量及跳数的增强学习WSNs路由算法

针对无线传感网络中强化学习路由算法存在的目标单一、建立过程复杂及节点转发开销大等问题,开展了节点能量及跳数的动态协调方法研究,提出了具有反馈学习能力的动态自适应路由算法.利用局部路由信息,反馈学习邻居状态,以能量和跳数信息加权计算出路由奖励值,并更新求解Q-value值,获取最优路由策略.经实验验证及分析,算法能有效延长无线传感器网络的生命周期.     

能量采集WSN中的自适应机会路由算法研究

能量采集技术可以使无线传感节点脱离化学电池容量的限制,通过均衡布局能量采集节点的优化,在一定程度上可延长网络寿命,然而环境能量采集的不确定性可能导致能量采集节点能量供应不稳定,使网络的吞吐量和稳定性受到影响.为了让能量采集无线传感网更充分地利用环境能量,提出了自适应机会路由算法.算法根据网络条件与可用能量程度对节点进行区域划分,再分配传输优先级,进行优化路由处理,确保环境能量采集节点的高效利用.仿真结果表明,该算法对比类似方案的GR-DD算法和EHOR算法表现了更高的吞吐量和稳定性.     

基于机器学习的无线传感网络室内定位研究

无线传感网络在能耗量化传导过程中具有随机分布性,导致网络节点的室内定位精度不高,为了提高网络的室内定位准确性,提出基于机器学习的无线传感网络室内定位方法.构建无线传感网络室内定位的节点优化部署模型,采用能量负载均衡控制方法进行无线传感网络的路由探测协议设计,建立无线传感网络节点传输的链路均衡配置模型,采用机器学习算法进行无线传感网络室内定位过程中的自适应寻优,提取无线传感网络节点输出信号的能谱特征量,根据能谱的聚类属性进行无线传感网络室内定位优化.仿真结果表明,采用该方法进行无线传感网络室内定位的精度较高,能量开销较小,网络节点的组网部署能力得到提升.     

向环境采集能量的WSN中的自适应周期机会路由算法

如何让可以采集能量的节点充分利用环境能量,从而提高整个网络持续高效工作的能力是在能量采集无线传感网中的关键问题。目前的研究主要集中在如何均衡分配可进行能量采集的节点的能量,从而在提高节点寿命的基础上,实现网络寿命延长,但是仍然存在环境能量变化的不确定性导致的风险。笔者提出了自适应周期机会路由算法,首先对节点进行地理分区,再分配优先级,最后进行优化后路由处理。仿真结果表明,该算法能实现对环境能量更加高效的利用,并能有效提升网络的吞吐量和网络效率。     

基于能量阈值自感分区机制的无线传感网簇路由算法

针对当前部署无线传感网中存在的成簇机制僵化、簇头节点难以进行周期性选举且存在簇区域结构难以动态更新的难题,提出了基于能量阈值自感分区机制的无线传感网簇路由算法.首先在初始化的过程中依据能量阈值进行动态初步的节点分割,形成初步的簇头-簇成员的区域结构;然后按照节点归一化能量剩余水平决定在更新周期内是否进行簇头节点的更换,从而实现了簇头节点按能量最优原则的动态周期性的更换;最后通过簇头节点与簇间汇聚节点形成的传输链路实现信息的协同传输及簇间交汇,有效改善了网络数据的传输质量.仿真实验表明:与RMCRW算法、CMEDD算法等相比较,本文提出的新无线传感网簇路由算法能够有效提高无线传感网的生存周期,减少网络控制开销,改善传感数据的传输质量.     

无线传感网络分簇节点节能传输实验模拟分析

为了提高无线传感网络分簇节点节能传输控制能力,提出基于最优节能控制的无线传感网络分簇节点节能传输实验模拟分析方法.构建无线传感网络分簇节点优化部署模型,建立路由均衡控制下的无线传感网络分簇节点节能传输低能耗调度信道模型,采用自适应均衡的路由转发控制协议实现无线传感网络分簇节点节能路由探测协议设计,提取无线传感网络节点传输的相干性特征值,结合模糊特征提取方法进行无线传感网络分簇节点节能传输过程中的最优特征量提取,实现网络分簇节点节能传输的优化控制和自适应均衡调度.仿真结果表明,采用该方法进行网络分簇节点节能传输的自适应能量均衡性较好,数据转发的成功率较高,具有很好的节点数据收发控制和节能传输能力.     

基于ZigBee无线传感网的自寻径机器人系统研究

针对自寻径机器人在各个领域中的广泛应用,对基于无线传感网的机器人自寻径系统作进一步研究具有重要的现实意义.本文设计了一种基于ZigBee无线传感网的自寻径机器人系统,系统采用FFD完整功能节点组成无线传感网,并在此硬件基础上采用改进的RSSI算法对机器人进行定位,同时采用蚁群算法对机器人的坐标参数进行处理,形成在无线传感网中传输的路由信号包,实现全范围内的路由搜寻,以此对机器人行动路径进行指引,从而实现机器人的自寻径.     

基于上下文认知的高能效路由算法

针对由智能移动通信设备组成的、支持网络富媒体应用的无线Ad hoc网络环境,提出了一种基于上下文认知的高能效路由算法.该算法使用上下文认知自学习方法监测设备运行过程中的上下文信息,计算节点上各类应用对应的能量效用值,然后综合利用节点上与应用相关的能量效用、剩余能量和信号强度等上下文信息自适应地调整路由,为资源受限的移动节点节约能量.仿真结果表明,与一些经典路由算法相比,文中路由算法能有效地提高网络的能量使用效率和网络生存时间,减少网络的时延开销.     

异构传感网中一种能量均衡非均匀分簇算法

分簇路由协议是无线传感网中减少能量消耗、延长网络寿命的一种重要手段.大部分分簇路由协议基于均匀分簇算法,却忽略了无线传感网单跳路由协议中远离基站的簇头需要消耗更多能量,从而导致整个网络能量消耗不均匀.针对以上问题,提出异构传感网中一种能量均衡非均匀分簇算法.一方面,簇头选取阶段,在考虑节点剩余能量的同时,引入非均匀竞争机制;另一方面,簇构建阶段,为节点选取簇头时,不仅考虑簇头剩余能量、节点与簇头间距,也考虑节点与基站间距.仿真结果表明,与LEACH,SEP,DEEC分簇算法相比,该算法有效均衡了簇头的能量消耗、延长了网络寿命.     

Multi-objective optimization sensor node scheduling for target tracking in wireless sensor network

Target tracking in wireless sensor network usually schedules a subset of sensor nodes to constitute a tasking cluster to collaboratively track a target.For the goals of saving energy consumption,prolonging network lifetime and improving tracking accuracy,sensor node scheduling for target tracking is indeed a multi-objective optimization problem.In this paper,a multi-objective optimization sensor node scheduling algorithm is proposed.It employs the unscented Kalman filtering algorithm for target state estimation and establishes tracking accuracy index,predicts the energy consumption of candidate sensor nodes,analyzes the relationship between network lifetime and remaining energy balance so as to construct energy efficiency index.Simulation results show that,compared with the existing sensor node scheduling,our proposed algorithm can achieve superior tracking accuracy and energy efficiency.     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

一种基于核方法的无线传感器网络定位算法

无线传感器网络（WSN）作为一种新兴的分布式网络技术,被认为是21世纪改变世界的十大革新技术之一。定位是无线传感器网络的重要支撑技术之一,实现传感器节点自定位是提供监测目标位置信息的必要条件。而实现高效、可靠、准确的节点定位对目标跟踪具有重要意义。不幸的是,环境噪声使得节点的定位精度降低。基于此,该文提出一种基于核方法的无线传感器网络定位算法。实验表明,在WSN中通过采用卡尔曼滤波的核方法定位算法,一定程度上减少了随机噪声对节点定位精度的影响,有效的降低了系统定位误差,实现一定程度的抗干扰。     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.     

机动目标被动声定位仿真研究

针对基于时延估计的空中机动目标定位与跟踪的算法仿真问题,提出一种以时变时延信号产生算法为基础的仿真方法.该算法利用FIR滤波器线性相位特性,使模拟的目标信号通过时变FIR滤波器产生相对输入信号有时变时延的输出信号.在考虑了目标的机动、干扰信号、环境噪声以及信噪比后构造出模拟的阵列接收信号,通过定位算法得到目标方位.仿真表明该方法能较好地完成对基于时延估计的被动声定位算法的评估,并具有广泛的适用性和实用性.     

协同网络下分布式跟踪的动态传感器管理

协同网络系统采用分等级的分布式信息处理结构,在实现对杂波中多目标的精确跟踪时,需要考虑量测起源不确定性问题和传感器对目标及局部融合中心的同时分配问题.针对上述问题,文中提出了一种适用于分布式跟踪的动态传感器管理方法.首先以修正Riccati差分方程的解作为目标跟踪性能的评价标准,据此构建传感器管理的目标函数,然后根据分层优化策略,利用蚁群算法实时求近似优解,最后基于分布式融合算法获取多目标的最优跟踪轨迹.仿真结果表明,与NN分簇和MV分簇两种传感器管理方法相比,文中所提方法具有更高的目标跟踪精度和网络资源利用率.     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

基于曲线拟合的无线传感器网络目标定位算法

针对无线传感器网络的目标定位精度问题,提出了一种基于曲线拟合的目标定位算法.采用最小二乘法对目标经过的各个位置进行拟合,计算出近似目标运动轨迹的曲线参数;进而通过分段曲线拟合的方式,引入更多位置信息参加目标定位,从而减少定位过程中的误差因素,最终实现对网络中运动目标的定位与跟踪.实验结果表明,该算法具有比一般曲线拟合方法更高的目标定位精度,有效提高了无线传感器网络目标定位的准确性.     

无线传感器网络中可信的节点选择算法

以目标跟踪为背景,讨论无线传感器网络中如何利用节点的协作实现可信协作目标跟踪.首先利用传感器节点的检测概率建立节点的可信模型.然后,基于这个模型,综合考虑节点的信息贡献量和通信开销,建立了一个节点选择的最优化模型.最后,通过仿真来验证算法的有效性.     

无线传感器网络中的目标跟踪算法

在综合分析大量文献和最新研究结果的基础上,探讨无线传感器网络目标定位和跟踪算法的性能评价标准和分类方法,着重研究近年来该领域具有代表性的算法和特点,给出了比较结果及相应分析,并指出进一步的研究方向。