基于改进近邻传播聚类的异构无线传感器网络分簇算法

在近邻传播聚类算法基础上提出了基于偏向参数p可变的分簇路由算法CPAP,该算法针对异构无线传感器网络的特殊背景,改变AP算法偏向参数p的常规设置方式,综合考虑能量、距离因素解决分簇问题;另外,分析了算法中K参数的影响,取得其近似最优值。仿真结果表明:CPAP与PECBA相比,第一死亡节点出现时间推迟了28.5%,将更多的能量用于网络开始死亡之前,提高了网络的能量利用率。     

无线传感器网络中基于空间相关性的分布式压缩感知

提出了无线传感器网络中基于空间相关性的分布式压缩感知模型和分布式压缩感知算法,利用无线传感器网络节点间感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知编解码算法,以能量有效的方式对无线传感器网络的感知数据进行压缩、重构.最后,通过仿真分析了分布式压缩感知重构误差和压缩比之间的关系,以及分布式压缩感知在能量有效性方面的性能,仿真结果表明分布式压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求.     

基于移动感知聚类算法的无线资源优化策略研究

为了提高无线网络的资源利用率,提出了一种基于移动感知的聚类算法,实现对用户进行聚类,以减少用户之间的信令消息,从而提高网络的容量。仿真实验结果验证了所提出策略在优化无线资源方面的可行性。     

基于FCM的无线传感器网络分簇多跳路由算法

在无线传感器网络体系结构中,网络层的路由技术对 WSN 的性能好坏有着重要的影响。LEACH(Low-Energy Adaptive Clustering Hierarchy)是无线传感器网络中最早提出的分簇路由协议,它的成簇思想贯穿于其后发展出的很多分簇路由协议中。但 LEACH 算法还有很多不足,提出了基于FCM(模糊C均值聚类)的无线传感器网络分簇多跳路由算法。     

基于蚁群算法的无线传感器网络优化

无线传感器网络（WSN）中的传感器节点由一次性电源供电,能量优化关乎整个网络的寿命.优化网络拓扑结构有利于提高WSN整体的能量利用率.ACO是一种基于种群（population based）的启发式仿生进化算法.提出了基于ACO的WSN的网络优化算法,以16个固定位置节点和20个任意位置节点的WSN为对象进行了仿真研究.实验结果验证了该算法的有效性.     

基于双簇头聚类分簇和数据融合的无线传感器网络路由算法

针对无线传感器网络中基于低能量自适应聚类层次(LEACH)算法进行分簇时出现的簇分布不均匀及路由能量消耗过快问题,提出一种基于双簇头聚类和数据融合的分簇算法.该算法在分好的簇中选择两个级别的簇头,两个簇头履行不同职责,能更好地均摊能量消耗,提高了分簇均匀性.仿真实验结果表明,该算法降低了网络能耗,提升了网络生命周期.     

基于移动代理的无线传感器网络路由算法研究

在无线传感网络中,簇的划分以及簇内节点访问顺序对网络生存周期具有重要影响。为了提高分簇网络生存周期,提出一种分簇融合的方法。采用ISODATA聚类法实现网络的分簇,在簇内由移动代理对数据进行融合。将移动代理路由归结为一个优化问题,采用蚁群算法求出移动代理迁移的最优路径序列。实验以能耗和网络延时作为评价指标,结果表明该算法可以有效的降低网络能耗,提高网络生存周期。     

基于RSSI的无线传感器网络改进定位算法

为了提高无线传感器网络的节点定位精度,分析了基于RSSI测距定位的ERSS算法,研究了RSSI值的预处理方法,修正了质心法中的加权因子,避免了权值选取的不合理性,从而实现了对ERSS算法的改进.仿真实验表明,采用这种改进定位算法可提高距离计算的精度,获得较为精确的定位.     

移动无线传感器网络中分布式重聚类算法研究

移动无线传感器网络中,节点的移动性影响着层次化聚类之后的网络结构,从而影响聚类内部节点间通信时的数据送达率与能耗.为了降低节点移动性的影响,本文提出了一种分布式重聚类算法.该算法基于已聚类网络,利用粒子滤波算法对节点当前位置进行估计,并结合移动模型预测下一时刻位置;处于聚类边界的非簇头节点周期性地评估自身是否需要重聚类,并在需要时通过与所属聚类及目标聚类的簇头节点通信,将自身重聚类到目标聚类中.仿真结果表明,在重聚类周期较小时,该算法能够使节点在移动过程中保持合理的通信距离,并在数据送达率与能耗方面优于现有的算法.     

基于压缩感知理论的无线传感器网络数据融合算法

针对传感器节点部署稠密, 节点覆盖重叠区域较大, 导致采集数据冗余度大的问题, 利用节点收集数据的时间和空间相关性, 提出一种基于压缩感知理论的无线传感器网络(WSN)数据融合算法, 并通过仿真实验分析了其性能. 实验结果表明, 该算法不仅可以减少簇首的数据传输量, 减少了节点的平均能量消耗, 延长网络的生存时间, 而且性能明显优于对比算法.     

无线传感器网络多重覆盖成簇算法

在传统的无线传感器网络簇生成算法中,簇首的选择没有考虑其剩余能量,也没有分析簇首为簇内节点提供数据转发服务存在服务失败的问题,为此提出了一个新的无线传感器网络簇生成算法———多重覆盖成簇算法,该算法以待选簇首节点的剩余能量和节点初始能量的比值作为簇首服务的失败率,在此基础上算法选择的簇首通过对关键节点进行多重覆盖,以保障关键节点数据的可靠传输.最后,通过仿真实验验证了算法的有效性和正确性.     

一种用于无线传感网中的能量自适应分布式分簇算法

通过综合考虑节点分布和剩余能量水平,并对簇的形成过程进行优化,引入机制保证簇的能量消耗均衡,以改进网络生存时间和覆盖率. 所提出的分布式分簇算法经过仿真结果表明,新算法相对于现有的多种算法在能量均衡性和网络生存时间上有较大改进,半数节点生存时间延长一倍以上,而负载均衡性仍保持在相同水平上.     

动态传感网络环境下的聚类路由算法

研究分析了现有代表性的无线传感网络路由协议,提出一种动态传感网络环境下的高效率高可靠的聚类路由算法.算法改善了能量消耗均衡性,避免了消息路由空洞现象,提高了数据传输高效性和可靠性,延长了网络的生命期.算法在无线传感网络环境监测项目中得到很好的验证和应用.     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

一种基于自适应退避策略的无线传感器网络分簇算法

证明了LEACH算法的不确定特性将会导致某些节点过快耗尽电池能量而缩短系统寿命.提出了一种基于退避策略的负载均衡的分簇算法,通过自适应地调整每个节点的退避等待时间,从而保证拥有较多电池能量的节点有更大的机会成为簇首,并引入信道竞争的机制来保证簇首的均匀分布.仿真实验表明,该算法有效延长了系统寿命,提高了网络的能耗效率.     

基于最优簇头数的环形无线传感器网络分簇算法

基于无线传感器网络中每个环能量消耗最小原则, 提出一种基于最优簇头数的环形无线传感器网络分簇算法. 首先计算出网络中每个环的最优簇头数, 然后在最优簇头数的基础上, 将网络划分为若干不同大小的簇, 最后在选择簇头时, 考虑了每个环的最优簇头数与相应环中节点数目的比值、 节点的剩余能量以及簇成员节点到簇头节点的最短距离与簇头节点到基站距离的关系. 解决了无线传感器网络簇内节点通信能量消耗过多的问题, 均衡了网络节点的能耗. 仿真结果表明, 该算法提高了网络能效和扩展性, 平衡了网络能耗, 延长了网络的生命周期.     

基于最优簇头数的环形无线传感器网络分簇算法

基于无线传感器网络中每个环能量消耗最小原则, 提出一种基于最优簇头数的环形无线传感器网络分簇算法. 首先计算出网络中每个环的最优簇头数, 然后在最优簇头数的基础上, 将网络划分为若干不同大小的簇, 最后在选择簇头时, 考虑了每个环的最优簇头数与相应环中节点数目的比值、 节点的剩余能量以及簇成员节点到簇头节点的最短距离与簇头节点到基站距离的关系. 解决了无线传感器网络簇内节点通信能量消耗过多的问题, 均衡了网络节点的能耗. 仿真结果表明, 该算法提高了网络能效和扩展性, 平衡了网络能耗, 延长了网络的生命周期.     

无线传感器网络启发式分簇拓扑控制方法研究

传统启发式分簇拓扑控制方法通信开销大、负载均衡性差,忽略剩余节点能量,导致拓扑结构连通性和骨干网健壮性差,无线传感网络生命周期短。为此,提出一种新的无线传感器网络启发式分簇拓扑控制方法。给出无线传感网络模型。利用粒子完成分簇,对簇内负载与簇间负载进行分析,保证负载均衡性。引入一种描述节点间能耗及鲁棒性的行向量,以全面分析骨干节点通信开销与剩余能量对簇头挑选的影响。将最小生成树作为网络的基础结构,引入表示网络连接状态的列向量,以描述网络通信开销情况,获取目标函数。通过粒子群法求最优解,实现簇头选择。通过簇头组成骨干网,实现无线传感器网络拓扑控制。实验结果表明,所提方法能够保证拓扑结构的连通性与骨干网健壮性,延长网络生命周期。     

网格移动的无线移动传感器网络部署算法

针对目前无线移动传感器网络中部署算法过于复杂的问题,提出了一种新的基于网格移动的无线移动传感器网络部署算法.降低了常见无线移动传感器网络部署算法的时间复杂度,提高了任务区域的节点覆盖度,减少了覆盖漏洞,适用于无线移动传感器网络的应用.文中论述了该算法的构架,执行过程,并对该算法进行了仿真分析.仿真结果表明,该算法在有效降低算法复杂度的情况下满足了网络部署中关于覆盖率的要求.