一种无线传感器网络健壮性可调的能量均衡拓扑控制算法

无线传感器网络中, 应用环境的干扰导致节点间距不能被准确度量. 所以利用以节点间距作为权重的闭包图(EG)模型构建的拓扑没有考虑环境的干扰, 忽略了这部分干扰带来的能耗, 缩短了网络生存时间. 针对无线传感器网络拓扑能量不均的特点和EG模型的缺陷, 首先引入节点度调节因子, 建立通信度量模型和节点实际生存时间模型; 其次量化网络节点度, 从而获取满足能量均衡和网络生命期最大化需求的节点度的取值规律; 然后利用该取值规律和函数极值充分条件解析推导出网络最大能量消耗值和最长生存时间, 并获得最优节点度; 最后基于以上模型提出一种健壮性可调的能量均衡拓扑控制算法. 理论证明该拓扑连通且为双向连通. 仿真结果说明网络能利用最优节点度达到较高的健壮性, 保证信息可靠传输, 且算法能有效平衡节点能耗, 提高网络健壮性, 延长网络生命周期.     

一种基于势博弈的无线传感器网络拓扑控制算法

在实际的应用中,无线传感器网络常常由大量电池资源有限的传感器节点组成.如何降低网络功耗,最大化网络生存时间,是传感器网络拓扑控制技术的重要研究目标.随着传感节点的运行,节点的能量分布可能越来越不均衡,需要在考虑该因素的情况下,动态地调整节点的网络负载以均衡节点的能耗,达到延长网络生存时间的目的.该文引入博弈理论和势博弈的概念,综合考虑节点的剩余能量和节点发射功率等因素,设计了一种基于势博弈的拓扑控制模型,并证明了该模型纳什均衡的存在性.通过构造兼顾节点连通性和能耗均衡性的收益函数,以确保降低节点功耗的同时维持网络的连通性.通过提高邻居节点的平均剩余能量值以实现将剩余能量多的节点选择作为自身的邻居节点,提高节点能耗的均衡性.在此基础上,提出了一种分布式的能耗均衡拓扑控制算法.理论分析证明了该算法能保持网络的连通性.与现有基于博弈理论的DIA算法和MLPT算法相比,本算法形成的拓扑负载较重、剩余能量较小的瓶颈节点数量较少,节点剩余能量的方差较小,网络生存时间更长.     

一种能耗均衡的无线传感器网络加权无标度拓扑研究

针对无线传感器网络节点能耗不均衡问题,通过对节点生命期建模,得出节点生命期受节点剩余能量和通信距离的影响,进而将两端节点生命期作为构建拓扑时边权重的影响因子,通过边权重控制节点权重,最终得出了一种能耗均衡的无线传感器网络加权无标度拓扑模型,并理论证明了该模型的点权、边权和节点度均服从幂律分布.实验结果表明,该模型具有无标度拓扑的强容错性,并有效的均衡了网络中的节点能耗,延长了网络的生命期.     

基于博弈论的认知无线电网络跨层资源分配

针对多跳认知无线电网络的多层资源分配问题,提出了协作去耦合方法和跨层联合方法,协作去耦合方法首先单独完成路径选择任务,随后进行信道与功率的博弈分配;跨层联合方法则通过博弈直接对路径、信道、功率三层资源进行同时分配,两种方法都综合考虑网络层、介质访问控制层、物理层的启发原则,引入了节点被干扰度信息和节点主动干扰度信息来辅助路径选择,设计了基于功率允许宽度信息的Boltzmann探索来完成信道与功率选择,设计了长链路和瓶颈链路替换消除机制以进一步提高网络性能,从促进收敛角度,选择序贯博弈并设计了具体的博弈过程,此外还分析了博弈的纳什均衡,讨论了两种算法的复杂度,仿真结果表明,协作去耦合方法和跨层联合方法在成功流数量、流可达速率、发射功耗性能指标上均优于简单去耦合的链路博弈、流博弈方法。     

ZigBee网络中基于信道状态预测的WiFi干扰避免方法

针对2.4G频段上WIFI网络对zigbee网络产生的信道干扰问题,提出了一种基于信道状态预测的干扰避免算法。该算法采用隐马尔科夫模型预测下一时刻zigbee网络的16个信道状态,如果指示下一时刻某个信道状态低于某个阀值,就将该信道替换到信道序列的最后一个,从而形成一个新的信道序列,并根据新的信道序列动态调整zigbee网络的工作信道。使该网络工作在最安静的信道上,从而避免来自WIFI的干扰。最后在Simulink中建立了zigbee网络通信模型用于验证该算法,仿真结果表明,与常用的信道分配方法相比,此方法能够根据隐马尔科夫模型预测下一时刻的信道状态,动态更新信道序列。增加了空闲信道选择的命中率。该算法不但节省节点能耗,还缩短传输时延。具有复杂度低、精确度高的特点。     

基于人工蜂群的无线传感器网络能耗均衡算法

由于无线传感器网络中的节点链路状况、数据传输能耗及节点剩余能量的限制,造成网络中部分感知节点寿命缩短,影响网络生存周期,提出了一种基于人工蜂群算法的WSNs能耗均衡算法,优化网络能耗均衡,从而提高网络寿命;文章给出了网络能耗相应的数学模型及优化求解算法,介绍人工蜂群算法的寻找食物过程,阐述了人工蜂群算法在网络能耗均衡方面的实现步骤;通过实验仿真证明,文章提到的算法与LEACH分簇算法、蚁群优化算法相比,具有更好的能耗和负载均衡能量、丢包率和时延性,有效地提高了网络生存周期。     

一种优化无线传感器网络生命周期的容错拓扑研究

<正>由于无线传感器网络的节点能量受限,优化网络生命周期成为设计网络拓扑时首要考虑的问题.通过分析节点的剩余能量和负载量对节点生命周期的影响,提出了一种可延长无线传感器网络生命期的容错拓扑演化模型,并得出了在节点满足网络生存时间的条件下负载调节系数的取值范围.仿真实验结果表明,基于无标度网络的演化拓扑结构具有较好的容错性,并能够均衡网络节点能耗和延长网络生命周期.     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(Wireless Sensor Network ,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法。首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力。最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗。通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

认知无线网络中基于Sigmoid函数的功率控制算法研究

为了实现认知无线网络中频谱分配公平性以及契合现代化绿色通信的需求,根据非合作博弈论和干扰温度,引入信道状态概念,设计出一种新型功率控制算法,分析了该算法的收敛性、纳什均衡解的存在性和唯一性。该算法不仅可以快速收敛,符合实时通信,而且分布式实施,简单实用。仿真结果表明,相比其他算法,该算法系统干扰小,能源消耗低,具有抗干扰性能,而且在日益多用户网络的情况下,具有低功率、低干扰,提高网络的整体效益,更加符合现代化的绿色通信的需求。     

模拟复杂网络下子网络节点抗攻击设计

针对复杂网络节点受攻击而出现的安全性问题,提出在模拟复杂网络基础上结合Feistel算法的子网络节点抵抗攻击方法。该方法通过子网络节点定位参数集,建立恶意节点位置模型,并确定定位真实精度;而后利用Feistel算法对节点密文进行加密处理,进而使加密信息恢复成明文信息,完成模拟复杂网络下子网络节点的抗攻击方法改进。结果证明,该方法不仅能够准确的对恶意节点进行定位,而且增强了节点抗攻击性能,提升了网络安全性。     

Power control and channel allocation optimization game algorithm with low energy consumption for wireless sensor network

In a wireless sensor network(WSN), the energy of nodes is limited and cannot be charged. Hence, it is necessary to reduce energy consumption. Both the transmission power of nodes and the interference among nodes influence energy consumption. In this paper, we design a power control and channel allocation game model with low energy consumption(PCCAGM). This model contains transmission power, node interference, and residual energy. Besides, the interaction between power and channel is considered. The Nash equilibrium has been proved to exist. Based on this model, a power control and channel allocation optimization algorithm with low energy consumption(PCCAA) is proposed. Theoretical analysis shows that PCCAA can converge to the Pareto Optimal. Simulation results demonstrate that this algorithm can reduce transmission power and interference effectively. Therefore, this algorithm can reduce energy consumption and prolong the network lifetime.     

一种针对无线传感器网络能量洞的节点分布策略

在无线传感器网络中,sink节点周围出现的能量空洞问题直接影响着网络的生存寿命。从延长网络生命周期的角度,对网络部署时距离和节点密度等因素进行了研究,设计了一种节点初始能量不同的能量均衡机制,通过合理地部署节点数量和相对位置,使得整个末端网络总能耗尽可能少;对于多跳过程中的单个节点,提出了一种基于剩余能量与距离的比重的方法,选择适当的转发节点。通过推导仿真,这种节点分布策略能够有效提高末端网络总体效能,对物联网末端网络不间断工作具有良好效果。     

一种基于可变扇区的非均匀分簇算法

针对LEACH协议中簇首分布不均匀,网络能耗不均衡的问题,提出一种基于可变扇区的非均匀分簇的算法（UCBVS）。首先,利用可变扇区和同心圆将网络合理的动态划分,使得距离基站近的区域分区较小;其次,选取簇内权值大的节点作为簇头,根据权值的大小判断是否进行簇头轮换;最后采用单跳和多跳相结合的方式进行网络通信。仿真结果表明,改进算法能够保证簇头节点能耗均匀,延长了网络生命周期。     

Deep Q-learning based optimal resource allocation method for energy harvested cognitive radio networks

In this article, we propose a deep Q-learning based algorithm for optimal resource allocation in energy harvested cognitive radio networks (EH-CRN). In EH-CRN, channel resources of primary users (PU) networks are shared with secondary users (SU) and energy harvesting allows nodes of the CRN to acquire energy from the environment for operation sustainability. However, amount of energy harvested from the environment is not fixed and requires dynamic allocation of resources for obtaining optimum network and throughput capacity. In this work, we overcome the limitations of existing Q-learning based resource allocation schemes which are constrained by large state-space systems and have slow convergence. Proposed deep Q-learning based algorithm improves the resource allocation in EH-CRN, while considering quality of service (QoS), energy and interference constraints. Simulation results show that proposed algorithm provide improved convergence and better resource utilization compared to other techniques in literature.     

Power control based on the Stackelberg game in two-tier femtocell networks

In this paper, the resource allocation strategy is investigated for a spectrum sharing two-tier femtocell networks, in which a central macrocell is underlaid with distributed femtocells. The spectral radius is introduced to address the conditions that any feasible set of users’ signal-to-interference-plus-noise ratio requirements should satisfy in femtocell networks. To develop power allocation scheme with the derived conditions, a Stackelberg game is formulated, which aims at the utility maximization both of the macrocell user and femtocell users. The distributed power control algorithm is given to reduce the cross-tier interference between the macrocell and femtocell with same channel. At last, admission control algorithm is proposed, aiming to exploit the network resource effectively. Numerical results show that the proposed resource allocation schemes are effective in reducing power consumption and more suitable in the densely deployed scenario of the femtocell networks. Meanwhile, it also presents that the distributed power allocation scheme combined with admission control can protect the performance of all active femtocell users in a robust manner.