实现节点负载均衡的无线传感网能量高效分簇方法

分析了分簇无线传感网中的负载不均衡问题,提出了一种实现节点负载均衡的无线传感网能量高效分簇算法. 根据网络模型计算出最优网络分簇数量,通过调整节点的通信半径来控制网络分簇的大小,以分布式周期性迭代的方法竞争选举簇头,形成合理的网络拓扑结构. 不同网络条件下的仿真实验证明,该算法能有效地均衡网络节点负载,从而降低节点能耗,延长网络生存时间,其性能优于典型的无线传感网分簇算法LEACH和HEED.     

蜂窝网络中M2M通信上行接入资源分配

蜂窝网络将在未来机器与机器(machine-to-machine, M2M)通信网络中发挥基础性作用,而大量M2M终端的能量有限且补充成本较大,使传统的人与人(H2H)通信资源分配方案无法满足M2M通信需求. 为此,研究了蜂窝网络中M2M设备上行通信时的资源分配问题,针对时分多址和频分多址两种多址接入机制提出了基于休眠模式的动态资源分配算法. 首先,通过基站智能丢包,使负载增益最大化;其次,在网络无休眠时用最小-最大资源分配法来最优化网络寿命;最后,在容许休眠时将剩余能量与休眠模式相联系,分别提出了基站集中式和设备分布式动态资源配置策略,以实现能量均衡消耗.     

PSO结合SA优化算法的无线传感器网络路由协议

针对无线传感器网络(WSN)经典分簇协议LEACH的分簇不均匀问题,提出一种融合粒子群优化(PSO)和模拟退火(SA)优化的WSN分簇协议.在分簇阶段考虑4种节点参数:节点距Sink节点的距离、剩余能量、先前成为CH的次数和距其他CH的距离.通过PSO-SA算法对分簇参数进行优化,自适应调整簇头选举阈值中的各项参数值,获得最适合当前环境的分簇结构,从而均衡网络能耗、提高网络寿命.实验结果表明,相比能量感知LEACH-EP协议、SA优化的协议和GA优化的协议,提出的协议在网络寿命和网络延迟方面具有更好的性能.     

异构分簇的无线传感器网络拓扑控制

在拓扑结构变化较小的无线传感器网络中,为了减小分簇算法在簇头选择过程中的能量损耗,该文提出一种分簇拓扑控制算法. 该算法以功能较强的异构簇头为中心,将一个簇分为内外两层,外层再进一步分成可以并行工作的多个子区,既保留了以簇头为中心的控制方式的高效性,又兼有多跳的灵活性. 仿真分析与实验证明,以该算法构成的系统具有以下优点：减小了节点的平均发送半径,均衡了能耗;有效降低了簇间干扰;提高了系统的吞吐量.     

基于剩余能量和距离的WSN混合路由算法

针对低功耗自适应集簇分层型协议(Low-Energy Adaptive Clustering Hierarchy,LEACH)在簇头选举和数据传输过程存在的不足,提出了一种基于剩余能量和距离的WSN混合路由算法.算法在分簇建立阶段,综合考虑节点剩余能量和簇头到基站距离2种因素对无线传感器网络(Wireless Sensor Networks,WSN)分簇的影响,采用了2种因素乘积形式对阈值(n T)进行修正.在数据传输阶段,采用混合路由方式进行数据通信,即比较节点到簇头、基站的距离,当节点距离基站较近时,节点直接与基站进行通信,反之,则通过簇头与基站进行通信.结果表明,考虑剩余能量和距离的混合路由算法的网络性能较为优越,其网络生命周期和基站接收数据包数量较传统LEACH算法都有较大提高.     

一种基于图形密铺的传感器网络分簇算法

针对经典分簇算法LEACH存在的缺陷,设计了一种基于图形密铺的分簇算法。算法通过用正六边形对监测区域密铺,首先完成对节点的分簇;然后利用基于通信距离的相对剩余能量参数选举簇头,避免簇头成为瓶颈节点。仿真实验表明,与LEACH算法相比,该算法能够均衡各个簇的节点数,提高了网络生存时间和数据通信总量。     

大规模无线传感器网络中近似静态分簇的高效概率覆盖协议

为在大规模无线传感器网络中获得较好的网络性能,提出一种基于近似静态分簇的高效概率覆盖协议EPCSC. 该协议通过近似静态分簇节省网络资源,保持网络连通性. 根据网络QoS期望值选择必需节点数目来保证网络服务质量,实行簇头轮换机制,并在簇头间构建近似Prim最小生成树来有效延长网络生命期. 仿真结果表明,EPCSC协议能有效降 低控制开销,显著延长网络生命期,提供满足应用期望的网络服务质量.     

认知无线Mesh网络中基于频谱聚合度的分簇算法

针对认知无线Mesh网络拓扑结构和可用频谱实时变化的特点,提出一种基于频谱聚合度分簇(SCDC)算法.该算法提出了节点间可用频谱的质量聚合度因子,联合节点位置变化信息,通过计算节点权值实现认知无线Mesh网络分簇的优化.另外,该算法通过簇内成员节点数量的约束阈值实现均衡网络负载.仿真分析证明,SCDC算法在维持网络拓扑相对稳定和提高频谱利用率方面更具优势.     

基于K-means聚类的安全高效的数据聚集算法

无线传感器网络(Wireless Sensor Networks,简称WSNs)是一种多跳、自组织式的网络,传感器节点在能量、通信能力以及计算能力等方面均受限,并且在数据传输过程中也存在安全隐患,基于此提出了一种基于K-means聚类的安全高效的数据聚集算法KSEDA(K-means Safe and Efficient Data Aggregation).该算法采用K-means聚类算法对传感器节点进行分簇,通过分析节点的剩余能量进行选择簇头节点;并在向汇聚节点Sink传递过程中通过安全多方计算协议进行数据安全聚集.通过与CPDA算法进行实验对比,算法具有低能耗、高安全性等特点.     

基于三维静态空间的BGAF路由协议设计及实现

在分析GAF算法在水下通信过程中存在的问题的基础上,针对水下无线传感器网络的特点提出了BGAF分簇算法,描述了BGAF分簇路由协议的特点及BGAF算法相关模型,设计并完成了BGAF路由协议设计.     

异构蜂窝网络中功率有效的家庭基站分簇频谱分配策略

针对宏基站与家庭基站以及家庭基站之间的干扰和功耗问题,提出功率有效的家庭基站分簇频谱分配策略.在家庭基站用户中断概率条件下推导出一个簇内能容纳的家庭基站最大数目.在簇容量和中断概率限制的情况下,进一步推导出簇内家庭基站用户最小信干比和家庭基站最小干扰距离,以此严格保证簇内每个家庭基站用户的信干噪比,并据此提出家庭基站分簇和频谱分配算法.仿真结果表明,所提出的策略提高了网络的功率效率和家庭基站小区的频谱效率.     

聚类分析用于序列SAR干涉像对选取

该文分析了干涉像对选取过程,提出一种利用聚类分析进行序列SAR干涉像对选取的方法. 选择合适的去相干因素构建特征空间,将序列SAR影像所有干涉组合的去相干因素映射到该特征空间,从而将干涉像对选取问题转换为特征空间的聚类分析. 根据干涉像对选取原则设计合适的聚类方法对去相干因素进行聚类,聚类结果对应于符合要求的干涉像对,实现序列SAR干涉像对的选取. 实验结果表明该方法简单有效.     

基于网络编码的能量最小化带宽分配方法

结合网络编码研究支持双向对传模式的中继蜂窝小区的带宽分配问题. 首先给出直连链路传输模式和中继网络编码协作传输模式共存小区的带宽分配方法和用户传输模式选择策略,然后利用优化算法对小区中继位置、带宽资源分配、用户传输模式选择进行联合优化. 仿真结果表明,采用网络编码协作传输模式能比采用传统的解码转发传输模式至少延长移动用户8.59%的生命周期.     

无线传感器网络目标探测定位跟踪问题研究

为在低耗能下完成更为精确的目标全程跟踪,提出了基于动态子网思想的目标探测定位和跟踪算法,并按照目标跟踪流程分别从簇头选择、目标探测、目标定位和目标跟踪4个阶段设计.仿真结果表明,相比于全网激活和固定子网策略,本算法在定位误差、预计误差和整体能耗三项指标中均处于最佳地位,有着极强的性能优势.     

基于干扰管理的宏基站与家庭基站联合资源分配

提出了一种宏用户与家庭小区联合资源分配算法,该算法基于启发式动态分簇算法对宏用户和家庭基站进行联合信道分配,在对家庭基站进行分簇的同时有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰. 在保证宏用户和家庭用户QoS 的约束条件下,构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式,最后用次梯度法解优化问题. 仿真结果表明,该算法降低了家庭基站系统干扰,减小了家庭用户中断概率,并提高了家庭基站能量效率.     

PSO与K-means混合聚类的PCB图像分割算法

图像分割技术在PCB自动光学检测中应用广泛。 K-means聚类算法简单有效,能实现PCB灰度图像的自动分割。然而,随机选取的初始聚类中心易导致K-means算法最终找到的是局部最优值,对PCB图像分割效果有一定影响。引入PSO算法的群智能搜索策略,提出一种新的寻找聚类中心的算法。实验表明,在PCB图像分割中使用该算法可防止陷入局部最优值。     

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak,CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering,DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%,在计算效率和精度方面均优于其他两种方法。     

雷达辐射源个体特征的提取与识别

针对雷达辐射源个体特征,应用波形熵和能量熵对经过围线积分后的双谱估计结果进行特征提取,并根据此特征构成的二维特征向量实行后续的个体识别码. 针对二维特征向量识别,应用质心距离法分析提取出二维特征向量,对此二维特征向量所对应的雷达辐射源个体进行识别,并与模糊C-均值聚类法进行对比分析. 通过仿真实验和实测分析,验证了所提方法能在一定信噪比下对雷达辐射源个体进行正确的识别.     

基于统计信道状态信息的节能分布式中继选择

针对放大转发协作网络中的中继节点选择问题,提出了基于统计信道信息的能量有效分布式中继选择算法. 算法对系统能量效率与系统中断性能进行折中,通过最小化系统平均消耗总功率来确定转发阈值,各中继节点根据转发阈值独立地决定是否参与数据转发. 考虑有多个中继节点辅助源节点进行数据传输,提出了基于数值搜索方法确定转发阈值的多中继节点选择算法,在满足系统目标中断性能的同时,使系统消耗较少的平均功率. 为了降低阈值求解的复杂度,考虑只有1 个中继节点参与数据转发,进而提出了具有低计算复杂度的单中继节点选择算法. 仿真结果表明,与已有的放大转发模式下的中继选择算法相比,该文提出的算法在能量效率上具有更好的系统性能.