融合信任机制和HBMO算法的WSN能耗均衡分簇方法

针对无线传感器网络(WSN)中的能耗和安全问题,提出一种融合蜜蜂交配优化(HBMO)算法和轻量级信任机制的WSN分簇方法(LWT-HBM).首先,将WSN分成若干个小区,通过HBMO算法选择各自最优的簇头;然后,构建分簇结构,根据簇头和基站的距离设置簇的大小.在簇头能量消耗殆尽前,会利用HBMO选择替代簇头,以此均衡网络能源.在选择簇头的同时,融入轻量级信任机制,根据直接信任和间接信任值来评估节点的可信任度,避免恶意节点被选择为簇头.同时给出了一种精确能耗模型用来计算系统的整体能耗.通过实验将此方法与LEACH和TBCMA方法进行比较,结果表明LWT-HBM方法具有更低的能耗,有效的延长了网络寿命.     

基于嵌套细菌觅食优化算法的WSN分簇路由协议研究

针对现有的用于无线传感器网络(WSN)的分簇路由协议,存在着所有簇头直接与汇聚节点通信、远离汇聚节点的簇头能量消耗过快等一系列的问题,根据嵌套细菌觅食算法(NBFA)及WSN分簇路由算法的特点,对NBFA进行改进并引入到WSN分簇路由机制中,提出一种基于改进细菌觅食算法的WSN分簇路由算法;该算法将到汇聚节点的距离设定为启发函数以找到簇头下沉的最佳路径和提高细菌觅食算法的效率,同时考虑该节点的剩余能量,在数据传输过程中,减少簇头节点的能量消耗,进而实现节点能量的高效利用,增强网络的使用寿命,以实现网络通信的高效。通过仿真,结果表明,该算法是可行的、有效的。     

基于人工免疫的无线传感器网络信任检测方法

针对传统的基于分簇的无线传感器网络(WSNs)信任评价模型中,簇头节点因负担大量的计算工作而降低网络生存时间的问题,提出一种通过人工免疫评估WSNs中节点信任值的方法。该方法运用阴性选择算法产生检测器,由基站根据检测器进行节点的信任检测,不需要簇头节点聚合成员节点的信任值,只要求簇头节点将成员节点的信任属性发送给基站,降低了簇头节点的负担,延长了WSNs的生存时间。仿真实验结果表明,该方法在延长网络生存时间的同时,与已有方法相比具有较高的检测率,在非信任节点数不超过40%时,检测率高于90%。     

基于人工免疫的无线传感器网络信任检测方法

针对传统的基于分簇的无线传感器网络(WSNs)信任评价模型中,簇头节点因负担大量的计算工作而降低网络生存时间的问题,提出一种通过人工免疫评估WSNs中节点信任值的方法。该方法运用阴性选择算法产生检测器,由基站根据检测器进行节点的信任检测,不需要簇头节点聚合成员节点的信任值,只要求簇头节点将成员节点的信任属性发送给基站,降低了簇头节点的负担,延长了WSNs的生存时间。仿真实验结果表明,该方法在延长网络生存时间的同时,与已有方法相比具有较高的检测率,在非信任节点数不超过40%时,检测率高于90%。     

基于集中控制分簇的能量感知路由

针对无线传感网络(Wireless Sensor Network,WSN)分层路由中节点能量受限、网络能耗不均衡的问题,提出了一种基于集中控制分簇的能量感知(Centralized Control Clustering based Energy-Aware,CCCEA)路由.首先,网络中所有节点将剩余能量和位置信息发送给基站,基站根据这些信息将网络划分为多个区域,形成均匀分布的簇;然后,采用集中控制的方式,根据能量和位置信息在各个簇中选择簇头,基站广播簇头节点和簇头数量消息,传感器节点根据接收到的信号强度加入最优簇,形成簇并进行数据传输.实验结果表明,与传统的分层路由相比,本文提出的改进路由算法能有效地平衡网络能量消耗和延长网络寿命.     

基于簇头选举和节点位置优化的WSN分簇路由算法

针对分簇路由协议稳定期和半数存活节点期过短,以及存在簇头选举不稳定和出现零簇头情况等问题进行改进,提出了一种基于簇头选举和节点位置优化的分簇路由算法。通过改进簇头选举流程,修改候选簇头节点集合的更新策略来保障簇头选举的稳定性。增加节点与基站的距离和节点与簇头的距离2个参数作为阈值调节因子,调节节点当选簇头的概率以均衡网络能耗延长稳定期和半数存活节点期。仿真结果表明,该算法能够保障每一轮选举出最佳数量的簇头并且避免零簇头情况的出现,同时在网络寿命上能有效延长无线传感器网络(WSN)的稳定期和半数节点死亡期。     

基于节能的WSN分簇式故障诊断算法

针对传统WSN分簇式故障诊断算法中存在能量消耗较高等问题,本文提出了一种节能的WSN分簇式故障诊断算法。首先在分簇网络中选择每个簇中能量较大的节点做为候选簇头;然后选择簇内成员节点中剩余能量较高、通信质量较好的个成员节点参与对候选簇头的故障诊断,在对候选簇头的可靠性验证中,算法在传感节点的感知数据采集过程中引入原则,提高了候选簇头的诊断准确度。最后利用WSN感知数据的时空相关性原理将诊断正常的候选簇头的观测值与簇内成员节点的观测值比较来对簇内成员节点进行诊断。结果表明改进的算法在保持较高的故障检测准确度的情况下,比已有算法在节能方面更有优势。     

基于深度学习模型的WSN路由协议算法

为降低无线传感网网络(WSN)的能量消耗,延长网络生存周期,提出一种基于深度学习模型的WSN路由协议算法。算法首先在汇聚节点完成训练并进行分簇,将训练好的参数传递给各簇节点,各簇节点对采集的数据进行特征分类、提取、再融合后传递给汇聚节点。在进行分簇时,为使簇头的分布更均匀,在估算最优簇头数的基础上,改进分簇方法,减少分簇次数,节省网络能量消耗。通过仿真实验表明,基于深度学习模型的WSN路由协议算法减少网络能量消耗,延长网络生命周期,更适合大规模远距离通信。     

无线传感器网络节点协作的节能路由传输

针对无线传感器网络(WSN)中数据传输低能耗的需求,提出了一种节点协作的节能路由传输(ECGR)算法.该算法由以下2个方面构成:在物理层,WSN根据数据包循环冗余校验功能获得能够正确解包的节点,然后利用竞争选取算法推举出簇头节点,并通过与簇头节点进行信息交换,形成协作节点簇,从而进行协作发射信号,最终实现多节点分集增益;在网络层,协作节点簇利用基于地理位置信息路由算法,促使数据包始终向目的节点路由,避免了数据包路由向其他方向扩散.与其他同类算法相比,ECGR算法不仅增加了节点簇的传输距离,而且降低了网络整体能耗,并将能耗平衡分布于诸多节点,进而延长了网络寿命.仿真实验表明,当节点密度为0.03时,历经400次仿真,ECGR算法的节点存活率比基于地理位置的路由算法提高了70％.     

带移动中继的WSN移动路由算法

为了延长带有sink节点的无线传感器网络生存周期,避免因局部突发事件造成网络过早失效,提出一种带移动中继的WSN移动路由算法。该算法基于网格思想,根据节点的剩余能量以及离簇重心坐标距离的加权和来选举簇头,通过可控移动策略调度sink节点,接收簇头所收集的数据,节省网络能耗。另外,引入能量不受限的中继节点,调度该节点服务于信息传输大的区域,延长网络生存周期。最后,从网络总能耗、节点存活数及汇聚节点接收的数据量这3个方面,将该算法与不带中继节点的WSN移动路由算法(MSEERP)进行仿真分析对比,分析结果表明该算法优于MSEERP算法。     

WSN中融合多跳路由和休眠机制的改进型LEACH-C协议

无线传感器网络(WSN)中的LEACH-C路由协议性能严重依赖于基站位置,为此提出一种融合了多跳路由和智能休眠机制的改进型LEACH-C协议(LEACH-CMS).首先,利用LEACH-C协议选择簇头,并构建分簇结构;然后,通过蚁群算法(ACO)在考虑路由距离和簇头能量下,寻找簇头到基站的最优多跳路径,并传输数据到基站;最后,基站根据传输数据的质量,利用休眠机制使不重要地区的节点休眠,以此节约能耗.实验结果表明,LEACH-CMS比LEACH-C协议提高约35%的网络寿命和20%的延迟性能.     

无线传感器网络LEACH算法的改进研究

针对LEACH算法节点生命周期短和能耗不均衡的问题,提出了一种改进的LEACH算法。算法在簇头节点选择时综合考虑节点剩余能量和当前位置问题,使簇头的分布更均匀;同时在估算最优簇头数的基础上,改进了分簇方法,减少了分簇次数,节省了网络能量消耗。仿真实验表明,改进的LEACH算法使整个网络能耗更加均衡,延长了无线传感器网络的生命周期。     

基于混沌小生境狼群算法的高密度无线传感器网络高能效分簇方法

无线传感器网络节点能量通常由能量有限的电池供应,如何在对节点进行分簇的同时减小通信能耗是研究中的一个重要问题。提出了一种基于混沌小生境狼群算法的高密度无线传感器网络能量高效分簇方法,通过智能选取簇头位置来降低无线传感器网络的单轮通信能耗。在不同节点数和簇头比例的条件下,分别采用了粒子群算法、量子遗传算法、模拟退火算法和混沌小生境狼群算法进行了无线传感器网络分簇。仿真结果表明,基于混沌小生境狼群算法的无线传感器网络分簇能够有效降低无线传感器网络的整体单轮通信能耗和平均节点通信能耗,有效提升了能量利用效率。     

基于中继节点机制的分簇数据融合算法

针对分簇的无线传感网中存在的簇首选择机制不合理以及在簇发送数据过程中因能耗不均衡而导致网络生命周期短的问题,提出基于中继节点机制的分簇数据融合算法.算法在不同分簇内根据数据信任值和能量信任值选择簇首,并在每个单独簇内选择一个中继节点,簇首收集簇成员的数据并融合,随之发送至中继节点;中继节点代替簇首与基站进行数据通信等工作,簇首在每轮的能量消耗会明显减少.对比传统的LEACH算法进行仿真实验,结果表明:采用此算法的无线传感器网络的生命周期有效延长了16%,并在一定程序上均衡了能耗.     

传感器网络中一种基于簇的路由算法的研究

为了降低无线传感器网络中节点的能量消耗,提高网络生存期,提出了一种基于簇的路由算法.该算法首先采用K均值动态聚类算法将网络分簇,靠近Sink节点处具有更多的簇;其次利用数据汇聚路由算法寻找从簇头节点到Sink节点的路由;最后由当前簇头根据节点剩余能量及邻居节点的位置重新选择下一轮的簇头,并由新簇头形成簇间路由.仿真计算证明该算法是合理有效的,达到簇内节点能量均衡消耗的目的,同传统分簇算法相比,具有更长的网络生存期和更低的通信能耗.     

基于RBF神经网络的WSN前端网络节点选取算法

为降低无线传感器网络(WSN)的能量消耗和减少节点采集信息冗余,提出一种基于RBF神经网络的WSN前端网络节点选取算法,通过将无线传感网络的分簇路由ERC协议与RBF神经网络联结起来,运用神经网络异或运算对WSN前端节点的选取,使得信息冗余节点休眠,减少网络中节点工作个数,降低节点能量损耗,从而延长网络寿命。经仿真测试,该算法可以有效选择节点,同时还验证了本算法在环境温湿度监测等方面的时效性。     

基于信任模型的WSNs安全数据融合算法

为了抵御无线传感器网络内部的恶意攻击行为和故障节点的误操作行为对数据融合结果的影响,提出一种基于信任模型的多层不均匀分簇无线传感器网络安全数据融合算法.该算法基于多层不均匀的分簇网络拓扑实现安全数据融合能够有效均衡网络中节点的能耗.通过节点间的通信行为和数据相关性建立信任评估模型,并引入动态的信任整合机制和更新机制,实现簇内和簇间的信任评估,选择可信融合节点并将可信节点所收集的数据进行基于信任值加权的数据融合.仿真实验表明,该算法能够实现精确的信任评估,有效识别内部恶意攻击节点,得到的数据融合结果具有较高的精确度,实现了安全的数据融合.     

基于深度森林算法的分布式WSN入侵检测模型

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合.     

基于能量均衡的无线传感网络路由算法

有效的簇首选择策略可提高无线传感器网络（WSN）的负载均衡和簇首均匀分布程度,延长网络生存时间.现有算法在选取簇首时未充分考虑节点剩余能量和能耗速率,导致负载不均衡,部分节点因耗能过度而提前消亡.为此,本文提出一种基于能量均衡的WSN路由算法,该算法使用节点剩余能量、能量消耗速度、与Sink节点的距离作为簇首选择参数,并通过回退机制实现节点回退等待时间的自适应调整,从而保证高能量节点有更高机率成为簇首.实验表明,该算法可有效避免“热区”的出现,延长网络寿命     

一种基于权重的动态分簇算法

基于分簇算法,提出了一种基于权重的动态分簇算法(WDCA).该算法综合考虑了节点与其邻居节点的相对速度,节点到其邻居节点的平均距离,节点的能量以及节点的邻居数等因素来选择簇头;同时取消了一般加权分簇算法中簇成员到簇头只有一跳的限制,而是根据簇内成员数动态调整.模拟结果表明,与经典的加权分簇算法(WCA)相比,该算法的簇头稳定性、网络的负载均衡都有很大提高.