一种支持QoS的无线传感器网络数据聚合策略

针对无线传感器网络数据聚合存在的数据时延增加与节省能耗这一矛盾,提出了一种综合考虑节点剩余能量与数据时延、支持QoS的分布式数据聚合策略,各个节点依据其他数据经由该节点转发的概率与能耗情况,自主地决定是否成为聚合节点,仿真结果表明,QoS算法在网络的生命周期,数据时延和抗毁性方面均优于经典的LEACH和PE-GASIS算法。     

无线传感器网络数据融合低能耗睡眠调度算法

数据融合是解决无线传感器网络能量受限问题的关键技术之一。对节点状态的合理调度能够对数据融合过程的网络能耗进行优化。文中从传感器节点能量消耗模型着手,提出了一种适用于周期性数据融合的低能耗睡眠调度算法。该算法在分析影响网络能耗根本因素的基础上,采用时分复用方法,通过减少数据传输次数、降低网络融合时延,实现低能耗的数据融合。实验与仿真结果表明,该算法能够在各种融合树结构下有效降低网络能耗。     

基于时延的软件定义卫星网络控制域规划策略

现有软件定义网络（SDN）多控制器划域研究大多基于拓扑相对固定的地面网络,难以适应拓扑动态变化的卫星网络,而现有卫星网络研究在处理时延问题时大多只考虑传播时延。针对这一问题,在建立模型时引入控制器处理时延、排队时延对划域的影响,提出了一种面向软件定义卫星网络（SDSN）的时延分析模型。借助该模型进行SDSN多控制域的划分。经过仿真验证,与现有的地面SDN多控制域规划算法及卫星网络控制域划分方法相比,该算法能够更好地适应卫星网络环境,有效降低网络时延,使控制器间负载均衡性能提升40%以上。同时迭代跳出机制使得算法运行速度快,能够适应卫星网络拓扑的快速变化。     

基于累计时延统计的传感器网络数据同步算法

传感器网络数据同步是数据融合算法正确运行的前提,具体指网内各节点汇报的数据基于同一时间基准,其采集时间、先后顺序等与真实情况一致．然而由于节点晶振的频率偏差和不同的初始计时时刻,网内节点的本地时钟不同步,这使得根据本地时钟标记的数据不能保持同步．提出了一种基于累计时延统计的数据同步算法,通过在数据包头附加一个时延字段,沿途节点根据该数据包的停留时间更新该字段,数据到达远方站点时即包含了数据的总时延,接收站根据当前时刻和累积时延计算数据的采集时间,最终达到数据同步．分析表明该算法可达到HIS级同步精度,适合于中低精度应用．相比于常规同步算法,其通信开销几乎为零．     

改进的时延约束Steiner树算法

针对现有时延约束Steiner树算法时间复杂度较高以及生成的组播树代价较高的问题,提出了一种改进的时延约束Steiner树算法.该算法采用Dijkstra算法路径递增的基本思想和链路共享的方法,在快速搜索阶段,依次搜索到当前树有最小可行代价的节点,将目的节点通过最小可行代价路径加入组播树;在异常处理阶段,将遗漏的目的节点通过最小时延路径加入组播树,进而生成满足时延约束的Steiner树.理论分析和实验结果表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较好的组播树代价.     

WSN中基于SDMA的移动高能效数据采集

利用空分多址(SDMA)技术的低时延特性,提出了一种低时延、高能效的移动Sink数据采集算法.首先利用SDMA技术的兼容节点对,按最小能耗最多配对准则,找出最佳的数据汇聚点;然后以兼容节点对的位置特征作为权值来源,使用加权最大配对算法(Hopcroft-Karp算法),得出各汇聚节点对应的最优配对节点对集合;最后找出具有最多配对数目和最大覆盖集的数据汇聚点集合P′,访问集合P′的近似最短路径即是移动节点的最终路径.仿真结果表明,该算法在保持SDMA技术低时延优势的同时,延长了网络平均生存期,具有更好的能量均衡特点.     

无线传感网络中空间失效模式下的数据存储恢复算法

针对空间失效模式下的数据存储和恢复问题,设计了一种基于数据复制的存储和恢复算法.该算法为每个数据节点分配一个冗余节点,在数据节点失效时可以利用冗余节点中的数据来成功恢复数据,并且使整个过程消耗的代价最小.理论分析和仿真实验表明,同Greedy算法相比,在保证成功恢复的同时,该方法显著降低了网络的整体能耗,从而有效延长了网络的生存周期.     

基于带状无线传感器网络的实时智能数据收集算法

为减少在带状无线传感器网络下数据传输延时,提出一种基于数据压缩和线路调度的实时智能数据收集算法.首先通过对采集数据进行变换训练评估数据相关性,确定分割编码最长尺度,以此重编码实现冗余信息压缩;然后计算数据收集占用的最大时间槽长度,调度网络收集链路,最小化时延;最后通过多路径传输机制构建传输能耗模型,利用Lagrange函数算法求解,完成数据收集.仿真实验结果表明,该算法网络负载均衡,数据收集传输时延较小,能量消耗小,鲁棒性较好.     

数据时空融合算法在无线多传感器网络中的应用

无线传感器网络是一种新兴的、全新的技术,它常常应用于工业领域以及恶劣的环境中.在标准ZigBee协议中没有设计相关的数据融合规范,使其只能用在低数据冗余的应用场合.大规模网络中的数据冗余度大,并且网络中的数据冗余会引起节点频繁地争抢信道,网络时延增加甚至出现网络瘫痪;因此针对同类多传感器测量数据中含有的噪声和传输中包含大量冗余信息,通过多次实验对几种算法进行仿真比较,文中提出了一种基于递推估计的数据融合和自适应加权时空融合算法.该算法利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小.     

无线传感器网络能效时延平衡数据收集机制

在追求无线传感器网络高能量效率的同时,考虑数据汇聚时延,提出了一种能效与时延平衡的数据收集机制(energy efficiency and delay balancing data gathering,EEDBDG).该机制采用一种新型动态树来组织网络拓扑,消除了"热区"问题,节点动态选择路由并轮换充当树根,根节点收集数据并与基站直接通信.同时,针对不同的时延和能效要求,提出了3种数据收集策略:时延最优算法(EEDBDG-D),能效最优算法(EEDBDG-E)和能效时延平衡算法(EEDBDG-M).仿真结果表明,在节点通信半径受限的情况下,EEDBDG平衡了节点能量消耗,延长了网络生命时间,在节能与省时上均表现出了突出的性能.与GSEN相比,在最好情况下,EEDBDG-E网络生命期提高了72%,EEDBDG-D汇聚时延降低了74%.