基于蚁群神经网络的两级信息融合算法

为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首先运用蚁群优化(ACO)算法对BP神经网络的权值进行优化,并将优化后的蚁群神经网络用于无线传感器网络的信息融合.通过对簇成员节点采集到的原始数据进行两级融合处理,只将代表原始数据的少量特征值发送给汇聚节点,大幅度减少节点数据通信量,提高了数据传输效率,同时降低了系统能耗.     

OBS网络的拥塞控制汇聚算法分析

传统OBS网络汇聚算法没有综合考虑边缘节点汇聚算法和核心节点的数据调度算法二者之间的相互联系,其通信性能受限。在分析OBS网络边缘节点汇聚算法对核心节点数据调度的影响后,提出了一种新的边缘节点汇聚算法——基于OBS网络的拥塞控制汇聚算法(CCAA)。该算法通过分析边缘节点汇聚参数对数据调度的影响,调整汇聚算法实现对核心节点调度成功率的影响,最终实现了提高核心节点数据调度的成功概率。     

无线传感网中基于可变聚合率的时隙调度

针对任意数据聚合率模型下的时隙调度问题,研究了在不同调度周期下进行的各节点时隙分配算法的sink节点汇聚的数据信息量和网络节点能量消耗的变化情况.通过对节点调度时隙分配的优化,使其在满足sink节点汇聚的数据信息量的同时延长网络节点的寿命.仿真结果表明,在大于一跳节点最小调度周期的基础上,适当增大调度周期,并依此进行节点时隙的分配,可以使sink节点汇聚的数据信息量提高,而且网络的寿命也相应提高.     

OBS网络中的自适应汇聚算法

根据OBS网络的特点,分析了在OBS网络边缘节点进行数据汇聚的一般原则,针对现有汇聚算法的缺陷,提出了一种在OBS网络中的边缘节点的自适应汇聚算法,并详细讨论了该算法的具体实现.该算法根据到达OBS网络边缘节点的实际速率,动态的调整数据汇聚的参数,实现了动态的调整汇聚算法的目的,从而实现了根据网络的实际状况作出积极的响应,最终达到改善整个OBS网络性能的目的.     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。     

基于时空相关的传感器网络汇聚查询算法

减少网络中的数据传输量是传感器网络节约能量、延长网络生命的重要方法.提出一种基于时空相关的传感器网络汇聚查询算法STCAQ.在STCAQ中,首先通过基于时间相关的预测算法对网络中节点采样数据进行汇聚;然后依据节点采样数据汇聚结果,通过基于空间相关判定算法查询空间相关区域信息.仿真结果表明,STCAQ在能量消耗、查询质量和网络数据量等方面优于ESA算法.     

无线传感器网络数据融合技术研究

针对无线传感器网络中各个节点单独传送数据到汇聚节点,浪费传感器节点的能量,并降低信息收集的效率,通过基于平面路由的数据融合,基于层次路由的数据融合和基于地理位置路由三个方面对无线传感器网络数据融合协议进行了分析和比较。     

基于超长线状分簇结构的卡尔曼滤波融合算法

以应用于隧道结构健康监测的无线传感器网络为基础,针对长线形的隧道结构和分布式的节点布置,提出了超长线状多跳非均匀分簇结构.通过考虑节点剩余能量和优化簇头分簇半径,降低并平衡节点能耗.针对传感器数据冗余量大的问题,提出了基于超长线状分簇结构的分布式卡尔曼滤波融合算法.利用单节点不同时刻的数据,通过卡尔曼滤波器得到局部估计值,降低数据时间冗余度.在簇头节点端和汇聚节点端分别实现分布式卡尔曼滤波融合算法,降低数据空间冗余度,达到具有一致性的网络数据估计值.实验结果表明:该方法能有效实现超长线状分簇结构下的分布式数据融合,具有高可靠性和准确性.     

基于智能优化算法的物联网异构数据融合方法

针对当前物联网数据融合方法速度慢、 融合精度低等问题, 以改善物联网异构数据融合效果为目标, 提出一种基于智能优化算法的物联网异构数据融合方法. 首先采用多个节点采集监测对象状态数据, 并对每个节点采集的数据噪声进行过滤, 初步减少数据规模, 提高物联网异构数据质量； 然后引入聚类分析算法处理簇首数据, 消除簇内数据间的冗余； 最后在汇聚节点采用智能优化算法对簇首数据进行加权融合, 并在相同环境下与其他融合方法进行对比实验. 实验结果表明, 该方法能对物联网异构数据进行有效融合, 获得了较高精度的物联网异构数据融合结果, 物联网异构数据融合错误少、 速度快, 提高了物联网数据融合的效率.     

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%.     

基于深度学习模型的WSN路由协议算法

为降低无线传感网网络(WSN)的能量消耗,延长网络生存周期,提出一种基于深度学习模型的WSN路由协议算法。算法首先在汇聚节点完成训练并进行分簇,将训练好的参数传递给各簇节点,各簇节点对采集的数据进行特征分类、提取、再融合后传递给汇聚节点。在进行分簇时,为使簇头的分布更均匀,在估算最优簇头数的基础上,改进分簇方法,减少分簇次数,节省网络能量消耗。通过仿真实验表明,基于深度学习模型的WSN路由协议算法减少网络能量消耗,延长网络生命周期,更适合大规模远距离通信。     

一种基于地理位置的无线传感器网络服务质量路由算法

基于传感器节点的地理位置信息与网络传输路径的能耗模型分析,提出一种无线传感器网络服务质量(QoS)路由算法.将多跳传输路径中的转发节点序列控制在以源节点与汇聚节点连线的一定区域内,尽量拟合源节点与汇聚节点连线传输,有效控制了传输路径.并对QoS路由算法提出改进,转发节点根据当前实时QoS约束动态地调整传输区域的大小以及优化下一跳选择机制,使传输路径最大程度拟合源节点和汇聚节点之间的连线,达到路径传输能耗最优.仿真实验表明,该QoS路由算法在满足网络QoS约束的同时,节省了网络的能耗,延长了网络生存时间.     

无线传感器网络分区能耗均衡的非均匀分簇算法

针对在无线传感器网络中分簇算法采用多跳通信方式时,靠近汇聚节点的簇头节点由于转发大量数据而导致自身能量消耗过快且节点易失效,从而造成网络分割,形成"热区"的问题,提出了一种新颖的基于分区能耗均衡的多跳非均匀分簇算法(CEB-UC).其核心思想是:将传感器网络合理分区,使得在靠近汇聚节点分区内的簇数量较多,各簇内传感器节点数较少;在远离汇聚节点分区内的簇数量较少,各簇内的传感器节点数较多,从而保证承担数据中继转发任务的簇头节点能减少自身的簇内通信开销,节约的能量可供簇间数据转发使用;任意分区的簇头节点在选择下一跳中继节点时可综合考虑候选节点的位置及剩余能量.实验以HEED、LEACH、PEGASIS、EAR-ACM等协议为参照,结果表明,当节点使用不同的数据融合策略时,CEB-UC算法能有效平衡网络节点能耗,延长网络部署半径,降低17%～41%的簇头节点能耗,提高24%～53%的网络寿命.     

基于信任模型的WSNs安全数据融合算法

为了抵御无线传感器网络内部的恶意攻击行为和故障节点的误操作行为对数据融合结果的影响,提出一种基于信任模型的多层不均匀分簇无线传感器网络安全数据融合算法.该算法基于多层不均匀的分簇网络拓扑实现安全数据融合能够有效均衡网络中节点的能耗.通过节点间的通信行为和数据相关性建立信任评估模型,并引入动态的信任整合机制和更新机制,实现簇内和簇间的信任评估,选择可信融合节点并将可信节点所收集的数据进行基于信任值加权的数据融合.仿真实验表明,该算法能够实现精确的信任评估,有效识别内部恶意攻击节点,得到的数据融合结果具有较高的精确度,实现了安全的数据融合.     

基于位置信息的WSN数据汇聚路由算法

文章以无线传感器网络在建筑环境下的应用为研究背景,根据建筑能耗监测系统中无线数据传输网络特性,按位置信息对网络节点进行分簇,设计网络2级结构模型;并设计适合该网络模型的基于位置信息的WSN数据汇聚路由算法,保证簇头节点从邻居列表中选择最佳下一跳节点,最终实现与Sink节点的数据通信功能。仿真分析表明所设计的路由算法具有低时延、高可靠性、节能等优点。     

介入移动汇聚节点的无线传感器网络高效数据收集方法

引入移动汇聚节点解决无线传感器网络高效数据收集问题.网络中固定汇聚节点与移动汇聚节点共存,全部传感器节点都拥有维护到固定汇聚节点的路由,移动汇聚节点进入网络后定期向其附近小范围内的传感器节点扩散自己的声明信息,传感器节点向距自己跳数最小的汇聚节点发送或转发数据包.移动汇聚节点和距离其一跳的传感器节点之间通过有效的应答机制来保证数据的可靠传输.通过仿真结果显示引入移动汇聚节点的数据收集在节省能耗方面明显优于传统网络.在延长网络生存时间的同时,可以获得较高的数据传输成功率和较短的数据传输延迟.     

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。     

无线传感器网络数据聚合网络划分算法

提出了一种应用于无线传感器网络数据聚合的有效划分算法算法选取网络中一组无环连通点集抽象为广义数据汇聚点集．当传感器节点进行数据汇报时,信源节点依按需路由策略将数据传送到广义数据汇聚点集中数据在广义数据汇聚点集内经过在网计算,依表驱动路由快速转发至sink．理论计算确定最优广义数据汇聚点集选取方式,提出分布式“贪婪远跳”算法构建广义数据汇聚点集．仿真论证该优化选择保证网络内任意节点两跳可达广义数据汇聚点集的概率为97％,分析数据传输性能证明了该算法的有效性．     

无线传感器网络能量平衡的数据汇聚路由算法

传感器的数据在传输过程中按照贪婪算法形成的数据汇聚路径中,有些节点过早地消耗完其能量,造成所谓的热点问题,引起传感器网络能量消耗的不平衡．本研究提出了一种能量平衡的数据汇聚路由算法EBGP协议．该协议依据邻居节点的剩余能量、邻居节点到Sink节点的距离以及邻居节点到源节点的距离来计算概率值,然后选择邻居节点中概率最大的一个作为数据转发节点．仿真显示EBGP协议胜过GPSR、GEAR和D-REECR协议,达到了能量平衡和能量效率的目的．     

一种无线传感器网络中快速汇聚传输调度算法

针对无线传感器网络周期性数据上报应用中"多对一"数据汇聚传输,研究TDMA调度算法,使得全网数据在最短时间内全部汇聚到sink.首先证明调度所需时隙数的下限为max(2nk-1,N),其中N为网络中节点数量,nk为最大分支中的节点数.然后针对树型网络中每个节点一个周期产生一个数据包的情形提出一种多信道的分布式TDMA调度算法,并将算法扩展到任意网络以及部分节点产生多个数据包的情形.分析表明算法所需时隙数为max(2nk,2×[N/2]),只需4个信道,每个节点最多只需缓存两个数据包.仿真和分析表明本算法在所需时隙数、算法复杂度和能耗方面优于同类算法.