基于QoS-PSO的无线传感器网络路由方法

过去,大部分的无线传感器网络(WSN)的应用局限于数据的采集,比较少地关注网络中各节点的协同合作,现有的WSN路由算法对于网络的动态性的支持力度非常弱,不能满足分布式的无线网络和无线传感器网络应用对于网络服务质量的需求,路由优化能力不足.通过综合考虑多个服务质量指标,然后基于智能遗传算法微粒群算法进行路由寻优,为路由寻优提供了很好的搜索能力.仿真结果表明,基于微粒群优化算法,以综合服务质量(QoS)指标为目标的路由很好地改善了其服务质量性能.     

基于实验方法的无线网状网络性能研究

无线网状网络将集中式控制和分布式控制技术有机的结合起来,利用节点间的多跳转发扩展无线覆盖范围,是宽带无线网络接入技术的又一研究热点.通过建立基于linux系统的Mesh实验床,从WDS无线骨干传输链路角度对网络跳数、相邻WDS链路竞争、节点获得带宽的能力以及mesh节点接入用户变化等因素对网络性能的影响进行了深入研究,为无线网状网络的研究设计和工程实施提供一些参考.     

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题。重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力; 天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力。RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能。实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题; 而且可以有效提高WSN网络覆盖率,延长网络生命周期。     

基于协同进化粒子群算法的无线传感器网络节能优化覆盖算法

针对当前无线传感器网络覆盖算法存在能耗较高、节点大量冗余的缺陷,提出一种基于协同进化粒子群算法的WSN节能优化覆盖算法.以WSN的网络覆盖率、剩余能量和冗余程度为优化目标,建立粒子群优化模型.采用遗传算法的交叉变异算子,加强算法寻优能力.仿真结果表明,新的算法在提高能量利用效率的同时维护了良好的网络覆盖率,有效延长了网络生命周期,达到了节能优化覆盖的目标.     

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。     

无线传感器网络节点故障诊断算法研究

针对无线传感器网络(WSN)中传感数据缺失或偏离真实值从而降低网络运行可靠性的问题,开展了关于WSN中各种节点故障的检测和诊断算法的研究,提出了基于SVDD的无线传感器网络Outlier检测、多尺度主元分析的WSN节点故障诊断算法,并进行了实验验证.实验结果表明本文方法能够有效实现对节点运行状态的监视和诊断,确保感知数据的准确性和完整性,提高网络运行的可靠性.     

量子遗传优化粒子滤波的WSN目标跟踪算法

在无线传感器网络(WSN)目标跟踪应用中,传统粒子滤波算法存在多样性退化问题。为提高WSN目标跟踪精度,提出一种基于量子遗传算法优化粒子滤波的WSN目标跟踪方法。量子遗传算法不仅增加粒子多样性,防止粒子退化现象出现,有效缩短了计算时间且改善粒子跟踪能力。测试结果表明,所提出算法很好地减轻了粒子退化对目标跟踪精度影响,提高了WSN目标跟踪精度和跟踪的实时性,跟踪结果令人满意。     

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。     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

传感器网络节点分层动态ID分配算法

集成了传感器、微机电系统和网络3大技术而形成的无线传感器网络（WSN）是一种全新的信息获取和处理技术。无线通信模块是WSN节点最耗能的部件,节点标识是WSN节点每次通信必不可少的,减少发送数据量能够明显提高节点使用寿命,从匿名网络的角度考虑传感器网络节点分配问题,在分析了现有未知匿名网络标识分配算法缺陷的基础上,指出命名算法实现过程的3个阶段,并提出一种新的具有高效节能特性的分布式传感器网络节点分层动态ID分配（LDIA）算法,应用NS2仿真环境对该算法进行了验证,并同DFS算法、0—1-Split算法、L—P算法以及W＆L算法对比,仿真研究结果表明,该算法不仅能够满足WSN部署方便、成本低廉、灵活的可扩展性,而且具有高效、节能等特性。