多媒体传感器网络中服务感知的传输控制协议

多媒体传感器网络中同时存在端到端（end-to-end）的多媒体流和事件到汇聚点（event-to-sink）的事件流,这对多媒体传感器网络服务质量保证带来了新的挑战。针对多媒体传感器网络提出了一个基于二级反馈的QoS自适应保证方法,该方法以传输控制协议为核心,根据汇聚节点处数据包的接收率和网络拥塞状况将网络划分为10个运行状态,通过传输控制协议调整媒体流和事件流的发送率,完成网络向最优状态的迁移。一系列基于NS2的仿真试验证明了本方法的有效性。

Abstract：

There exist two kinds of streams in multimedia sensor networks：end-to-end stream and event-to-sink stream,this makes the guarantee of QoS multimedia transmission face a new set of challenges. A self-adaptive QoS guarantee scheme was proposed based on two-layer feedback for multimedia sensor networks. The kernel of this scheme is transport control protocol. The network is partitioned into 10 typical states by means of the data packet receive rate at sink node and network congestion status,thus the state transfers to the optimal one by adjusting the transmit rate of media stream and event stream. A series of simulation results are performed by NS2 to demonstrate the effectiveness of the proposed scheme.     

无线传感器网络节点随机调度算法研究

针对已有的无线传感器网络节点随机调度算法存在的问题,即由于节点是利用产生随机数的方法加入到不同的工作子集,从而导致初始子集中节点分布不均,在概率感知模型下提出了一种基于节点平均度的随机调度算法。该算法利用邻居节点之间的信息传输,使得每个节点的邻居节点尽量均匀分散在不同的子集中。通过随机概率理论分析了概率感知模型下网络覆盖度与节点数之间的关系,解决了新算法的节点配置问题。仿真实验证明了新算法的有效性及分析的正确性。     

高能效传感器网络调度算法研究与仿真

无线传感器网络用于事件探测是一个重要的研究方向,由于传感器节点能量受限,为了延长网络寿命,设计了EAWS高能效节点调度算法。该算法根据节点的剩余能量安排节点的工作强度,在保证网络探测性能的前提下,达到平衡能耗的效果。为了评估EAWS算法性能,作了全面的系统仿真和理论分析,通过OPNET软件搭建一个近似真实的传感器网络探测模型,验证了EAWS算法的探测概率、探测延时和网络能耗三个指标,结果表明EAWS方法具有能量高效性和较好的探测性能。     

传感器网络中基于链路层服务的最短路由算法

无线传感器网络中,链路通信质量随时空变化很大,并且有5%-15%的非对称链路存在。链路层服务不但可以发现邻居传感器节点,测量和预测邻居节点间的链路通信质量,而且还提供链路数据转发机制来减轻单向链路对其它协议的影响。利用链路层服务,采用分布式最短路由路径建立算法,为每个传感器节点建立了到汇聚节点的最短路由路径,然后从理论上分析了该算法的性能,最后在无线传感器网络模拟器TOSSIM上进行了模拟。实验结果表明,基于链路层服务的最短路由路径建立算法,不仅可以有效地避免建立断路由路径,还可以充分利用单向链路来建立更短的路由路径,有多于15%的传感器节点建立了更短的路由路径,路由跳数也减少了14%-100%。     

无线传感器网络目标跟踪平台协同调度的实现

目标跟踪是无线传感器网络的一个重要应用。为了验证和测试算法性能,缩小理论与实际的差距,必须构建相应的物理平台。介绍了所构建的无线传感器网络目标跟踪平台,其硬件包含超声波传感器、被动红外传感器和Micaz节点组成的无线传感器网络,而软件包括上层监控系统及下层节点嵌入式程序。针对节点资源十分有限的情况,提出了一种基于最小均方估计误差的目标跟踪协同调度算法,并在物理平台上成功实现,实验表明该平台能有效地跟踪无线传感器网络内的移动目标,并在保证跟踪精度和跟踪实时性的同时,采用了双重唤醒/休眠机制来延长网络寿命。     

复杂地形下传感器网络中传感器的放置模型与算法

有效的传感器放置能改善网络覆盖、减小网络中的通讯量,是传感器组网过程中必须解决的关键问题.研究和分析了不同网格结构的性能,建立了用于传感器放置的地形模型,提出了-种基于矢量地图数据的传感器放置算法.算法以优化传感器数目为目标,将传感器放置在能带来最大有效变化的网格节点上.仿真实际表明,与现有传感器放置算法相比,算法具有更高的效率.     

网络仿真软件NS2中队列调度算法的扩展

结合一个新的队列调度算法,深入全面地探讨了如何对网络仿真软件NS2(NetworkSimulator)进行扩展,特别是如何在NS2中实现复杂的队列调度算法。对在NS2中实现新算法的基本原理和过程,以及一些关键细节给出了较为详细的描述,如通过分组来携带用于调度的流状态信息,以及如何使用这些信息进行队列调度,增加对分组队列的基本操作等。最后还给出了新算法的仿真实验结果,实验结果表明新算法在公平性方面的性能良好。通过扩展NS2来验证新的网络协议和算法,大大提高了效率、降低了成本,并更具灵活性。     

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。     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。     

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。     

一种针对无线多媒体业务的基于联合的缓存和调度的功率节省算法

一种有效的节省移动终端功率损耗的方法是在保证用户服务质量的前提下,尽可能的将无线网络接口(WNI)切换至休眠状态.然而我们发现,在多媒体业务流的分组到达间隔非常短的情况下,这个策略并不十分有效.提出了一个新的功率节省算法JBS.通过在基站设置一个整形代理,对多媒体分组进行缓存,JBS很好的解决了分组到达间隔较短对功率节省性能的不利影响.进一步,通过使用我们设计的功率节省的机会调度器POS,JBS能够使系统中每个多媒体用户获得较高的吞吐量,并得到很好的分组时延性能.对JBS的性能进行了细致的仿真,结果表明JBS能够在保证用户服务质量的前提下有效降低WNI的功率损耗.     

传感器网络中与节点位置无关的覆盖算法

在不能获取节点精确位置信息的条件下,现有的基于分组的节点调度算法不能保证各个组内的传感器节点均匀分布在目标区域,导致传感器网络难以获得较好的覆盖性能.提出了两种调度算法:与节点位置无关的集中式覆盖算法和分布式覆盖算法,在定位设施缺失的条件下,使得各个组内的传感器节点较为均匀地分布在目标区域.算法分析和仿真实验证明了算法的有效性.     

基于正三角形剖分的传感器网络覆盖判定算法

覆盖问题是传感器网络研究中的一个基础课题,如何判定某个感兴趣的区域是否被一组给定的传感器节点覆盖,在传感器网络的许多监控应用领域中具有重要意义。提出了一种传感器网络中基于正三角形剖分的快速κ-覆盖判定算法和最大κ-覆盖问题的求解算法,新算法首先把感兴趣区域剖分为正三角形区域,从而将复杂的区域覆盖问题转化为简单的正三角形区域覆盖问题。理论分析与仿真实验表明,针对具有n个节点的传感器网络,新算法的计算时间复杂度为O（n）,低于已有算法O（nlogn）的计算时间复杂度。     

无线传感器网络的自适应分簇组网算法研究

针对经典算法LEACH和HEED的不足,提出了一种能自适应分簇组网的优化算法。构建了节点信息权重模型,并借鉴邻节点信息交换的思想,在成簇过程中与探测范围内的节点交换权重信息,自适应完成分布式网络的簇首选举,并根据最小距离原则成簇。理论分析和仿真实验表明,该算法比LEACH和HEED算法选取的簇首及形成的簇结构更加合理,同时更有效地降低与均衡了网络的能耗,提高了传感器网络的生命周期。

Abstract：

A self-adaptive and optimized clustering algorithm was put forward according to the shortage of LEACH and HEED. The Heavy-weight model about nodes＇ messages was created,and the idea that neighbor nodes exchanged messages each other was used for reference. The nodes which were able to communicate with each other exchanged the Heavy-weight during making clusters,elect self-adaptively the cluster head in distributing networks,and made some clusters based on the minimum distance principle. The theoretic analysis and simulation results prove that the elected cluster head and cluster structure are more reasonable,the energy expenditure in networks is less,the longevity of networks is longer by the optimized algorithm compared to LEACH and HEED.     

无线传感器网络中多移动代理分组优化算法

在基于多移动代理的无线传感器网络中,源节点的编组方法是区别于单移动代理系统的核心研究问题。基于跳数的最小生成树原理,提出一种基于最小生成树算法的规划编组方式,通过对无向全连通图中边权值的测量和选取,简单而有效地控制网络中能量消耗与任务延迟间的平衡,从而获得高效的综合性能。最后通过大量的OPNET仿真实验验证了算法的可靠性。

Abstract：

In contrary to the single mobile agent system,the grouping methodology for source nodes is the key issue in multi-agent itinerary planning for wireless sensor networks.A novel approach was proposed based on hop-oriented minimum spanning tree.The scheme achieves flexible trade-off control between energy cost and task duration by dynamically selecting edge weights in the total connected graph.Extensive simulations have shown that the approach outperforms the existing works.     

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。     

基于差分修正的传感器网络加权质心定位算法

节点定位是无线传感器网络应用的关键技术。针对加权质心定位算法存在的测距误差影响,提出了一种基于差分校正的加权质心定位算法DWCLA。算法先进行信标节点之间的测距,并用其实际位置求得测距的误差因子。节点利用最近信标节点的误差因子修正测距,从而对权值进行修正。仿真结果表明,DWCLA算法降低了测距误差对定位的影响,提高了算法的定位精度。