一种基于G（1，1）改进模型的WSN流量异常检测方法

提出了一种基于灰系统预测理论的无线传感器网络数据流异常检测方法,并使用组合优化策略进行了改进,用轮转迭代法求得组合优化参数.实验结果表明:经过3次迭代,该方法即可较标准G(1,1)模型降低59.5%的误差,其能耗低于时间序列分析常用算法ARMA.该方法既可以在传感器节点使用,也可以在sink节点使用,具有所需原始数据少、建模快、实时性和适用性强、扩展性好等特点,弥补了传感器网络节点资源受限的不足.     

基于IPv6的无线传感器网络应用设计

将IPv6引入无线传感器网络（wSN）并采用开放式体系结构是WSN的发展方向。提出了一种基于IPv6的WSN应用系统的实现方案，介绍了其符合IEEE802．15．4规范及IETF的6 Lowpan工作组适配层草案的开放式体系结构，重点阐述了基于通用接口通信的应用层设计，最后通过一套智能家居控制实验系统表明，系统具有灵活性和移植性，有一定实际应用价值。     

WSN中一种基于博弈论的拓扑控制算法

针对无线传感器网络的特点,提出了分簇无线传感器网络中一种基于博弈论的拓扑控制算法.以节点度和节点的剩余能量为参数建立收益函数,以各节点的发射功率作为代价函数,在保证网络连通性前提下,各节点通过调整发射功率达到各自效用的最大化.理论分析和仿真结果表明,所提算法存在纳什均衡,能够根据节点的剩余能量,自动调整各自的发射功率,...     

面向核环境监测的无线传感网目标检测算法研究

针对核环境的特殊性,采用无线传感器网络这种新兴技术进行核环境监测,本文提出了一种高效的分布式目标检测算法.该算法基于数据融合理论,采用层级结构设计,每个传感器节点充分利用自己和邻居节点的决策信息来做局部检测决策,决策中心根据各个节点通过无线方式传送过来的局部决策值来做出最终决策.本文对所提算法的性能进行了仿真验证,并且与已有另外的两种算法进行了比较,仿真结果表明,本文提出的算法性能优异,能够满足实际应用的要求.     

无线传感器网络中一种分布式声源定位方法

无线传感器网络中声源的集中式定位方法具有较高的定位精度,但是网络能耗过大,不适合实际应用,因此,提出了一种基于能量的分布式EM定位方法.该方法以声音能量衰减模型为基础,以EM算法为核心,对节点获取的声音能量信息进行分布式计算,估计得出声源的位置和能量.仿真实验表明,该方法在保证定位精度的情况下,能够有效地减小能量消耗,是一种具有应用价值的定位方法.     

基于二次多项式运动建模的WSN目标跟踪预测

针对无线传感器网络(WSN)目标跟踪线性预测模型误差较大的问题,提出一种基于二次多项式运动建模的WSN目标跟踪预测新方法(PQPMM),该方法根据机动性目标运动学原理建立预测模型,利用最小二乘法拟合目标定位坐标、定位时间的二次多项式函数来逼近目标运动模型.结果表明,PQPMM方法的总体预测准确度相比线性预测法明显提高,当拟合点数N=14时,PQPMbl方法均方根误差RMSE比线性预测法减小53%.     

集中式无线传感器网络TDMA优化调度方案

针对无线传感器网络周期性全局快速数据收集应用场合,提出了一种新的基于粒子群优化和禁忌搜索的混合算法,以对这类网络进行多指标TDMA优化调度。该算法采用基于熵权的逼近理想解的排序法对算法结果进行客观评价和择优。当网络数据收集任务量一定时,应用该算法,只需要较少的时隙数和能耗便可完成任务。仿真结果证实,算法搜索效率高,能改善网络TDMA调度效果,且比已经提出的一些TDMA调度算法性能优越。     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

基于无线传感器网络的光强实时监测系统研究

针对目前光强监测系统存在的问题,设计了一种基于WSN的光强实时监测系统,采用美国TAOS公司推出的一种高性能的光强传感器TSL2561对光强信息进行采集,然后通过无线方式传送采集信息.该系统可以设定光强监测的范围,一旦超过设定的范围系统便可以报警.实验结果表明:系统反应灵敏、稳定可靠,可以应用于蔬菜大棚、街道光照控制以及安全照明等环境.     

高效节能的无线传感器网络路由算法

无线传感器网络中节点的位置信息非常重要,目前通用的定位算法不适合恶劣环境;路由算法的设计直接影响到系统的能量消耗。在此提出一种基于测距的节点定位方案,并构建基于睡眠机制、最小成本路径的节能路由算法,通过理论分析和仿真实验,证明该算法具有较高的节能性,能提高网络的整体性能。