基于IEEE 1588的无线传感器网络时钟同步方法

时钟同步是无线传感器网络的一项重要支撑技术，网络节点间的协作感知、数据融合、定位技术、能量管理都需要时钟同步的支持，才能正常开展。通过对影响802.11无线网络中IEEE 1588时钟同步精度的双向不对称时延的产生机理及统计特性进行详细分析，提出了一种基于卡尔曼滤波的时延过滤算法，并在此基础上设计实现了时钟伺服系统，从而实现了基于IEEE 1588协议的一种纯软件形式的无线传感器网络时钟同步方法。最后，通过实测验证了该方法的有效性。实测结果表明，该方法在同步精度、同步时间及偏移误差上达到了较高的指标。     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

水下传感网络的低复杂度APIT算法及OPNET仿真实现

由于水声传感网络具有能量的局限性,所以低复杂度的定位算法更适用于水声传感网络。传统的APIT算法能够以较少的控制开销获得较好的定位精度,有利于水下传感网络定位的实现,但其复杂度高,冗余误差较大。以点扫描的方式取代传统网格扫描法,提出一种低复杂度的APIT算法,并在OPNET平台上搭建水声传感网络环境,阐述该算法在水下传感网络节点定位的实现过程。仿真结果表明,待定位节点与锚节点密度的增加有助于改善算法的性能,且在同等条件下本文算法比传统APIT算法定位精度更高。     

无线传感器网络中基于粒子群优化的目标识别方法

针对无线传感器网络在地面目标声振信号识别方面的应用需求,在分析现有算法缺点的基础上,提出了基于粒子群优化(particle swarm optimization, PSO)方法的目标识别算法。利用粒子群算法优化基于模糊逻辑规则的分类器(fuzzy logic rule based classifier, FLRBC),分析了算法中各个参数的设置对算法性能的影响。基于实地采集到的信号的仿真实验表明,该方法在一定程度上提高了目标识别的正确率和稳定性,平衡了分类性能,改善了收敛性质。     

能量平衡的异构传感网跨层密钥管理方案

传统的传感网密钥管理协议独立于网络其他层设计,这种层间的独立性造成传感器节点物理性能浪费,网络整体性能降低。从节点剩余能量出发,提出一个能量平衡的异构传感网跨层密钥管理方案。通过节点剩余能量、节点度数等参数,从能量平衡的角度出发确定下一跳节点的选择,再利用密钥交换建立两节点间的会话密钥,该方案将网络层节点路由关系与应用层节点密钥关系结合,实现了密钥管理的跨层设计。结果表明,该方案保证节点密钥连通性的同时,均衡网络节点间的能耗关系,有效延长了异构传感网的生命周期。     

基于软约束模式的加权最小二乘节点定位算法

当节点初始坐标精度较差时,大多数基于负梯度搜索的最小二乘类迭代定位算法容易陷入局部最优,产生较大的定位误差.作者通过引入网络部署时先验的限制性条件,提出了一种基于软约束模式的加权最小二乘节点定位算法(SCLS).该算法根据2跳邻居节点问必须满足的最小和最大测距限制性条件,在加权最小二乘优化代价函数中引入惩罚项,迫使负梯度搜索往节点真实位置方向前进,从而提高定位算法精度.仿真实验结果显示,SCLS定位算法精度明显优于经典加权最小二乘定位算法.在测距误差较大或节点初始坐标精度较低情况下,SCLS算法具有良好鲁棒性.     

无线传感器网络的混合抗干扰攻击方法

为对抗无线传感器网络中存在的强针对性的智能型干扰攻击,基于多种扩频技术提出了一种混合跳频扩频、非协调直接序列扩频以及非协调跳频扩频的抗干扰攻击方法。为解决传统扩频技术需要提前共享密钥的限制,在网络初始化阶段使用非协调跳频扩频进行网络通信;为避免持续使用非协调扩频跳频带来的高能量消耗问题,发送节点与接收节点在非协调扩频跳频模式下生成跳频序列,即可进行传统跳频扩频;通过非协调直接序列扩频技术进一步增强对抗干扰攻击的性能;使用OPNET并基于多种干扰攻击模型进行网络仿真,评估所提出的混合抗干扰攻击方法的性能。仿真结果表明,在环境恶劣情况下,并受到强针对性的智能型干扰攻击时,网络仍能保持较低的丢包率,故所提出的混合抗干扰攻击方法能有效地抵抗无线传感器网络中的干扰攻击。     

New mixed broadcast scheduling approach using neural networks and graph coloring in wireless sensor network

Due to the mutual interference and sharing of wireless links in TDMA wireless sensor networks, conflicts will occur when data messages are transmitting between nodes. The broadcast scheduling problem (BSP) is aimed to schedule each node in different slot of fixed length frame at least once, and the objective of BSP is to seek for the optimal feasible solution, which has the shortest length of frame slots, as well as the maximum node transmission. A two-stage mixed algorithm based on a fuzzy Hopfield neural network is proposed to solve this BSP in wireless sensor network. In the first stage, a modified sequential vertex coloring algorithm is adopted to obtain a minimal TDMA frame length. In the second stage, the fuzzy Hopfield network is utilized to maximize the channel utilization ratio. Experimental results, obtained from the running on three benchmark graphs, show that the algorithm can achieve better performance with shorter frame length and higher channel utilizing ratio than other exiting BSP solutions.     

无线传感器网络中基于网络编码的数据采集算法

为保证无线传感器网络数据的可获取性,提出一种基于网络编码的数据快速采集新算法。该算法根据最大距离可分码［n,k］生成矩阵中任意k个列向量线性无关的性质,借助网络编码信息线性组合的方法,将［n,k］生成矩阵的列向量分配给传感器网络的n个节点,作为其全局编码向量。传感器节点利用其分配到的全局编码向量,对收到的包含k个数据的环境信息进行线性编码,并将得到的码字存储于传感器节点中。基站进行数据采集时,只需随机采集k个节点存储的码字,即可根据任意k个节点全局编码向量的线性无关性译出环境信息,实现无线传感器网络快速有效地数据采集。     

MWSN中基于功率自适应的拓扑维护算法

为解决移动无线传感器网络(mobile wireless sensor networks,MWSN)中由于节点移动、新节点加入网络、节点退出网络和节点失效等因素引起网络拓扑发生变化而影响网络性能的问题,提出了一种基于功率自适应的拓扑维护算法(power adaptation based topology maintenance algorithm, PATMA)。PATMA算法将传输单位比特数据包的能耗大小作为选择中继节点的条件,通过中继节点维护与距离较远的邻居节点的连通;当网络拓扑结构发生变化时,节点自适应地调整发射功率维护网络的连通;同时根据引起网络拓扑发生变化的具体原因设置不同事件,节点依据检测到的事件采取相应的拓扑维护策略。仿真结果表明,PATMA算法与功率自适应控制(new adaptive power control, NAPC)算法、拓扑控制(topology control, XTC)算法在平均发射功率、网络连通度、网络中存活的节点数等性能指标方面具有明显改善。     

Distributed event region fault-tolerance based on weighted distance for wireless sensor networks

Event region detection is the important application for wireless sensor networks (WSNs), where the existing faulty sensors would lead to drastic deterioration of network quality of service. Considering single-moment nodes fault-tolerance, a novel distributed fault-tolerant detection algorithm named distributed fault-tolerance based on weighted distance (DFWD) is proposed, which exploits the spatial correlation among sensor nodes and their redundant information. In sensor networks, neighborhood sensor nodes will be endowed with different relative weights respectively according to the distances between them and the central node. Having syncretized the weighted information of dual-neighborhood nodes appropriately, it is reasonable to decide the ultimate status of the central sensor node. Simultaneously, readings of faulty sensors would be corrected during this process. Simulation results demonstrate that the DFWD has a higher fault detection accuracy compared with other algorithms, and when the sensor fault probability is 10%, the DFWD can still correct more than 91% faulty sensor nodes, which significantly improves the performance of the whole sensor network.     

多传感器优化部署下的机动目标协同跟踪算法

针对资源有限的传感器网络中目标动态跟踪问题,提出了一种能够自适应选择跟踪传感器的机动目标协同跟踪算法。首先,采用粒子群优化算法优化传感器网络能耗与有效覆盖率,进行传感器位置部署;然后,以最大化候选传感器的Rényi信息增量与最小化传感器间信息传递能耗为适应度函数,采用二进制粒子群优化算法自适应选择最佳跟踪传感器组;最后,利用交互多模型粒子滤波对机动目标位置进行估计并进行分布式融合。仿真结果表明,与现有方法相比,该方法可在非高斯非线性环境下自适应选择最优跟踪传感器,显著提高目标跟踪精度,降低网络能耗。     

Multiple model tracking algorithms based on neural network and multiple process noise soft switching

A multiple model tracking algorithm based on neural network and multiple-process noise soft-switching for maneuvering targets is presented. In this algorithm, the “current” statistical model and neural network are running in parallel. The neural network algorithm is used to modify the adaptive noise filtering algorithm based on the mean value and variance of the “current” statistical model for maneuvering targets, and then the multiple model tracking algorithm of the multiple processing switch is used to improve the precision of tracking maneuvering targets. The modified algorithm is proved to be effective by simulation.     

基于三维体质心的无线传感器网络节点定位算法

针对无线传感器网络中传感器节点初始位置未知的问题,提出一种基于三维体质心的分布式无线传感器网络节点定位算法.算法假设网络中有一定比例的锚节点(位置已知的节点),利用三维辅助坐标系,建立节点间的通信约束关系和空间几何关系,研究三维空间内包含未知节点的三维体构成方法,确定三维体的多个侧面和曲面来构成曲面三维体;为了减小算法计算量和网络能耗,寻找与曲面三维体对应的由多个侧面组成的平面三维体,通过确定平面三维体的质心来获得曲面三维体质心,从而把曲面三维体的质心作为未知节点的估计位置.该算法是一种完全基于网络连通性的分布式算法,算法设计简单,计算量小,节点间通信开销少.仿真结果显示,该算法适合于各种规模的无线传感器网络的节点定位.     

传感器网络中一种基于时分的路由算法

针对采用多跳传输数据时靠近基站的节点易耗尽能量而失效、单跳传输数据时距离基站较远的节点很快失效的问题,提出了"2跳"的概念和基于时分的路由算法,其基本思想是在不同时间段分别采用单跳、多跳和"2跳"路由。仿真实验表明,算法使节点能量消耗比较均匀,能延长网络的生命周期。     

无线传感器网络中的分布式目标被动跟踪算法

为提高目标被动跟踪性能,并降低无线传感器网络（WSN）中的能量开销,提出了一种新的分布式信息粒子滤波（IPF）算法。根据目标的当前位置,将WSN中的结点动态组织成簇,建立分布式跟踪结构。利用信息扩展卡尔曼滤波器结合最新的观测量,产生粒子滤波的建议分布,详细推导了基于动态分簇结构的IPF具体实现步骤。建立机动目标跟踪的WSN仿真环境,比较了三种跟踪算法的性能和通信数据量。仿真结果表明,IPF具有较高的跟踪精度,与集中式粒子滤波算法的跟踪性能接近,而且降低了节点间的通信数据量。     

传感器网络中一种能量高效的数据收集算法

为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法(energy efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先,EEDGA根据监测精度的要求控制活动节点的数量;然后,通过求最小支配集得到具体的工作节点;最后,利用蚁群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算法相比,该算法具有更低的能耗和更长的网络生存期。     

基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法

针对雷达实际侦察过程中会侦收到大量样本库中所没有的未知雷达信号,设计了一种基于粒子群优化的具有噪声的密度聚类算法和半监督条件生成对抗网络的单脉冲未知雷达信号处理方法.通过粒子群优化算法得到具有噪声的密度聚类算法的最优输入参数后,对未知雷达信号进行聚类,在聚类算法输出的簇中采用距离筛选算法筛选出更为可信的样本将其扩展到雷...     

高山流域降水无线传感器网络节点布局优化方法

降水无线传感器网络节点布局对于准确分析降水时空分布规律和降低运维成本至关重要,是智慧流域物联网观测系统建设的关键问题和难点.针对高山流域的特点,在考虑路网约束的基础上,耦合回归克里格和模拟退火算法,提出了一种基于并行计算架构的流域降水无线传感器网络优化布局方法.利用该方法分析了雅砻江中下游流域现状站网的合理性,并进行站点优化布局研究.结果表明,基于回归克里格的优化布局方法可以对降水无线传感器网络进行合理优化布局,优化布局站点以相对较低的站网密度很好地捕捉了降水在空间上的分布规律;采用并行设计模拟退火算法进行降水无线传感器网络优化布局可以成倍的节省程序运行时间,显著提高优化布局效率.