基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。     

基于RSSI测距的传感器节点质心定位修正算法

针对传感器网络节点定位精度问题,研究基于RSSI测距的定位算法,提出多信标节点质心定位修正算法,通过该算法计算得到多组未知节点估计坐标,并在此基础上利用质心定位修正算法计算节点坐标修正值;利用仿真实验,证明基于RSSI测距的传感器节点质心定位算法定位精度比传统质心定位算法定位精度提高13.8%,比RSSI加权质心定位算法提高6.3%。     

一种自适应煤矿井下环境的加权质心节点定位算法

为提高煤矿井下无线传感器网络节点定位精度,提出了一种自适应煤矿井下工况环境的加权质心节点定位算法;在信标节点双链式部署结构的基础上,首先利用未知节点周围RSSI信号强度最大的信标节点之间的位置信息和信标节点的平均RSSI值自适应地估计环境参数,再应用无线信号强度衰减模型计算未知节点到信标节点的距离,最后采用加权质心定位算法的平均值确定最终的节点位置坐标;仿真实验结果表明,所提出方法的平均定位误差为0.94 m,有效降低了环境因素及RSSI的随机性对定位精度的影响,可用于煤矿井下无线传感器网络节点实时定位系统中。     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度。     

无线传感器网络中继节点布居算法的研究

本文表述的是在该应用背景下引入多约束条件, 并采用枚举法与贪婪寻优算法相结合的方法, 解决了在可以作为中继节点设置位置的预设中继节点位置集合内, 合理选择中继节点设置位置以及既存网络因添加新传感器节点所引起的中继节点追加的问题. 仿真实验表明, 本文提出的中继节点布居与追加优化算法能够保证多约束条件下网络的容错性. 同时提出的基于最小网络距离因子评价标准, 有效提高了中继节点布居算法的能效性.     

基于相邻节点协作的无线传感器网络安全协议

在网络通信技术不断发展的今天,无线传感网络已日臻完善和成熟,被广泛地应用于社会各行业领域之中,且随着其技术的不断突破,现已同通信技术与计算机技术一道成为我国信息技术的三大支柱产业,在产业进步与经济发展方面扮演着极其重要的角色.但由于无线传感技术是以大量的静止的或移动的传感器以自组织或者多跳的方式构成的无线网络作为工作的基础,因此很容易受到外部环境的影响而无法正常地工作.因此,如何设计出一种高效节能且安全系数较高的无线传感网络安全协议成为当今信息技术领域的重要课题,也是难题.本文试从无线传感网络协议的工作模式以及网络密钥管理的角度出发,阐述基于相邻节点协作的无线传感器网络密钥管理方案的优势并进行安全性分析,希望能实现无线传感网络安全协议的突破.     

无线传感器网络内可疑节点的分析研究

在无线传感器网络中,传感器节点对信号采集传递的可靠性决定系统结果的准确程度,而对于应用于不同领域的WSNs而言,节点损坏、信息传递过程受到攻击的情况时有发生,为了保证结果的准确,及时准确的判断节点的工作情况至关重要;进而对传感器节点进行分析,介绍几种可疑节点判断方式,同时结合WSNs在母婴监控系统中的应用,通过信号强度及信号呈现的规律检测可疑节点的方案在母婴监控系统中的实用性,分析了母婴监控系统中是如何利用可疑节点来达到监控的效果。     

基于RSSI的无线传感器网络定位系统设计与实现

基于窄带无线信号的路径损耗和阴影衰落,直接建立多个锚节点接收信号强度指示(Received Signal Strength Indication, RSSI)值与待定位节点未知坐标估计量的解析关系,避免传统RSSI定位方法中常用的对两节点距离量的直接求解,减少信息丢失,提高定位精度。仿真分析了锚节点数量、遮挡因子、路径损耗指数等对定位精度的影响。采用CC2530无线传感芯片实现基于RSSI的无线传感器网络(Wireless Sensor Network, WSN)定位系统。系统采用8个锚节点分别在边长4米和10米的两个正方形区域内展开定位实际测试,结果显示其平均定位误差可分别降到0.175米和0.824米。     

基于节点健康度的无线传感器网络冗余通路控制方法

广泛应用于各种物理参数测量领域的无线传感器网络,因其节点具有能量供应有限、硬件资源有限、数目众多、自组织和动态拓扑等特点,使得网络极易发生故障,从而高可靠、低故障是其运行的基本要求.本文针对多冗余通路设计的无线传感器网络故障预防方法存在工作状态冗余节点过多、能量大量浪费的问题,提出一种基于节点健康度的冗余通路控制方法.该方法利用汇聚节点收集网络内所有节点能量状态,计算节点健康度等相关参数,使用A-Star算法选择最优工作通路,控制其余冗余通路分批轮流休眠,从而达到减少和均衡网络工作过程能量消耗、预防某些节点能量提前耗尽导致网络能量故障发生的目的.仿真实验和实际节点实验的结果表明,在保证网络适当冗余通路的前提下,与其他相关方法比较,该方法可以显著均衡网络能量消耗,有效预防节点能量故障提前发生,明显延长网络寿命.     

无线传感中的WPSO-DVHOP算法在节点定位中的研究

节点的定位一直都是无线传感网中的重要研究对象,针对使用传统算法定位节点容易出现估算不准确,定位精度低,算法自身局部收敛速度快等缺点,提出一种基于权值粒子群优化(WPSO)算法,首先分析了采用锚节点估算未知节点的距离与真实距离误差,采用最小二乘法的距离修正值策略,其次针对粒子群算法的收敛速度不足,提出了采用权值来调节粒子的速度,改进后的算法对节点定位误差进行修正。在仿真平台Matlab上的实验说明WPSO算法相对于基本的定位算法,粒子群定位算法相比提高了传感器节点定位精度,从算法的收敛性,节点定位的精度以及能量消耗等方面说明该算法具有一定的有效性,如何能够更好进行权值的设置使之能够更加有效提高算法的效率是下一步研究的重点。     

无线传感网中基于质心的高效坐标压缩算法

鉴于无线传感网中有限的通信带宽和计算资源, 传感器节点传送压缩后的数据对于系统节能具有十分重要的意义. 本文提出一种利用反正切函数构建的非线性坐标压缩策略来降低系统的数据传输量. 得益于反正切函数的非线性特点, 在质心附近压缩率低, 离质心越远, 压缩率越高. 仿真结果显示, 所提算法特别适应于在质心附近具有高频分量的信号类型. 所提算法具有以下几个特点: 1)采样间隔是非均匀的; 2)可以在采样前实现压缩, 类似于压缩感知; 3)计算复杂度低, 算法简单易实现, 在实际应用中更具有优势. 关键词： 无线传感器网络 坐标压缩 非线性 质心     

基于生命期模型的无线传感器网络信道分配博弈算法

针对无线传感器网络中节点因干扰过大导致重传能耗增加, 进而节点过早失效、网络生命期缩短的问题, 根据网络拓扑信息和路由信息设计节点的负载模型, 从而构建了节点的生命期模型. 然后利用博弈论将路径增益、交叉干扰和节点生命期等性能参数融入到效益函数中, 构建信道分配博弈模型. 理论分析证明该博弈模型存在纳什均衡. 进而运用最佳回应策略, 在所构建的信道分配博弈模型的基础上, 设计了一种优化网络生命期的抗干扰信道分配算法. 该算法使节点在选择信道时避免与网络中交叉干扰较大的节点和生命期较小的节点使用相同信道, 实现干扰小、能耗低且均衡的信道选择. 理论分析与仿真结果证明该算法最终能够快速地收敛到纳什均衡, 且具有较小的信息复杂度, 从而减小算法本身的通信能耗. 同时, 该算法具有良好的抗干扰性和信道均衡性, 能够有效地延长网络生命期.     

微小型无线光电传感网络的实验系统设计

基于nRF905低功耗、高灵敏度无线收发的一体芯片实现了一种微小型无线光电传感网络实验系统。讨论了实验系统的硬件节点、网络通信协议及软件的设计。实验结果表明,在19.2kbit/s速率下,系统中任意两节点可实现30m(室内)至150m(室外空旷地带)范围内的无线通信。该系统具有硬件设计简单、软件及其协议编程方便等优点,可微型化、低成本的应用于无线光电传感器网络系统。     

基于Voronoi图盲区的无线传感器网络覆盖控制部署策略

针对无线传感器网络在二维平面应用场景中的覆盖控制问题, 提出了一种基于泰森盲区多边形形心的覆盖控制部署策略(blind-zone centroid-based scheme, BCBS). BCBS先对监测区域做Voronoi图划分以得到被每个传感器节点覆盖的泰森多边形, 而后根据泰森多边形顶点的覆盖情况分析得出泰森多边形内的盲区, 并构造与盲区形状相近的多边形, 最后以该多边形的几何中心作为传感器节点移动的候选目标位置, 从而达到提高网络覆盖率的目的. 仿真实验结果表明, BCBS在覆盖率、节点分布均匀性与节点覆盖效率等方面相比CBS有明显优势. 关键词： 无线传感器网络 节点覆盖 Voronoi图 多边形形心     

An artificial hummingbird algorithm based localization with reduced number of reference nodes for wireless sensor networks

Wireless Sensor Networks (WSN) are widely used in recent years due to the advancements in wireless and sensor technologies. Many of these applications require to know the location information of nodes. This information is useful to understand the collected data and to act on them. Existing localization algorithms make use of a few reference nodes for estimating the locations of sensor nodes. But, the positioning and utilization of reference nodes increase the cost and complexity of the network. To reduce the dependency on reference nodes, in this paper, we have developed a novel optimization based localization method using only two reference nodes for the localization of the entire network. This is achieved by reference nodes identifying a few more nodes as reference nodes by the analysis of the connectivity information. The sensor nodes then use the reference nodes to identify their locations in a distributive manner using Artificial Hummingbird Algorithm (AHA). We have observed that the localization performance of the reported algorithm at a lower reference node ratio is comparable with other algorithms at higher reference node ratios.     

基于混沌并行遗传算法的多目标无线传感器网络跨层资源分配

提出了一种基于混沌并行遗传算法的多目标无线传感器网络跨层资源分配方法,该方法运用混沌序列和并行遗传算法来动态调整传感器网络节点的探测目标及通信时隙等参数,对资源分配方式进行跨层整体优化.在多目标无线传感器网络环境下,将本文方法与传统的随机分配方法、动态规划方法、T-MAC协议及S-MAC协议等资源分配算法进行了仿真比较.仿真结果表明,本文提出的混沌并行遗传算法具有通信时延小,目标检测成功率高等优点,在降低了无线传感器网络功率消耗的同时提高了对目标检测的实时性. 关键词： 无线传感器网络 无线资源管理 Henon映射 并行遗传算法     

Exploiting perturbed and coalescent anchor node geometry with semidefinite relaxation for sensor network localization

Localization in wireless sensor networks (WSNs) suffer from performance issues whenever the anchor nodes (which are aware of their location) are subjected to motion from their usual position. Moreover, accurate localization demands more anchor nodes which is a scarce resource and needs to be used judiciously. In the current work, we propose a novel framework that addresses these two prime concerns by harnessing the inter relationship of anchor node geometry. For an unknown source node surrounded by anchor nodes, the anchors lying on the inner boundary of the deployment geometry may be carrying closely related information about source node, leading to redundancy and inefficient utilization. By anticipating the level of correlation between these anchors, localization can be made more frugal. Rigorous mathematical analysis is carried out to derive lower bounds on estimated locations. Based on fisher information from two proposed models, a convex estimation objective function is formulated using semidefinite programming (SDP) approach to validate the theoretical proceedings. Based on the findings, the proposed method is able to successfully extract useful information about the unknown source node location with limited number of anchor nodes, hence achieving superior localization.     

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.     

能量异构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和如何高效获得节点和边的负载问题,提出一种局域范围内能量异构的加权无标度拓扑演化模型.通过对节点能量与负载、能耗的关系建模,建立节点能量与点权和边权的联系,进而结合点权和加权模型给出网络的演化方式,推出点权、度和边权的幂率分布规律,最终根据网络获得的点权和边权来分析负载和能耗.仿真结果表明,提出的模型不仅能够准确计算点边的负载,而且缓解了无标度网络的节点能耗不均衡问题.