基于簇的无线传感器网络密钥预分配方案

通过把网络划分为多个六边形区域,每个节点预先存储多个子密钥空间中的密钥信息,采用基于组的部署方式,提出了一种新的基于分簇结构的无线传感器网络密钥预分配方案.该方案能够动态更新节点的密钥,从而解决了由于节点被捕获所导致的密钥连通性下降和密钥更新通信开销大等问题.性能分析和仿真结果表明,与现有的密钥预分配方案相比,该方案可以确保任意两个相邻节点之间都能够建立一个惟一的对密钥,节点所需的密钥存储空问减少,密钥建立和更新所需的通信开销很小,网络的抗攻击能力得到较大提高.     

一种自适应占空比的目标跟踪策略

提出了一种自适应占空比的目标跟踪策略。策略的要点是:依据节点距离目标的距离不同,划分为占空比不同的3个区域:(1)工作簇。离目标最近区域的节点,节点占空比为1,因而具有较好的跟踪质量;(2)预测簇。目标预计移动的区域,节点保持较高的占空比,具有一定的目标跟踪质量,同时这些区域的占空比小于1,因而付出的能量消耗代价也有限。(3)正常区域。除以上区域外,其它区域为正常区域,其节点的占空比非常小,从而节省能量。更重要的是,虽然本文策略较好的提高了目标跟踪质量,但并没有降低网络寿命。其原因是:无线传感器网络近Sink区域的节点承担了所有外围区域节点数据的转发,因而其能量消耗高。而远Sink区域节点的能量消耗低而能量有剩余。因而,我们充分利用了网络中这部分巨大的剩余能量,使离Sink越远的区域,预测簇的面积越大,节点占空比越大,从而达到了目标错失率低,监测质量高的目标。经过理论与实验结果显示,我们提出的策略在目标跟踪质量,能量有效利用率上优于以往策略,而网络寿命与以往策略相当。     

基于多准则决策的塔状粒子群优化算法

针对经典粒子群优化算法存在早熟、收敛精度低和收敛速度慢的问题, 提出了一种新的改进算法. 该算法采用了塔状优化互联机制, 底层粒子群负责寻找局部最优解, 顶层粒子负责收集、反馈全局最优解, 为底层种群提供全局最优信息, 建立共享学习机制. 顶层粒子一旦发现停滞现象, 将通知底层粒子群采用细菌觅食优化、随机初始化等停滞优化策略, 以改善粒子群的收敛速度. 实验结果表明, 与同类算法相比, 改进算法具有更好的寻优能力, 改善了粒子群的收敛精度和收敛速度.     

环形区域无线传感器网络的密钥管理方案

密钥管理是无线传感器网络面临的极具挑战性的安全问题之一.无线传感器节点具有有限计算和储存能力,如何在连通性、能量消耗和安全性之间寻找平衡是热点问题.本文提出了一种环形区域无线传感器网络的密钥管理方案.该方案将无线传感器所在区域划分为环形区域,采用分层式网络结构,对环形区域进行再划分,利用数据包格式和传感器节点的广播特性...     

基于自适应分簇和演化博弈的异构车载网络选择方法

高效的网络选择方法是异构车载网络环境中保证多用户服务质量体验的关键。针对现有方法从优化车辆个体出发选择最佳接入网络,导致网络资源分配不均和部分网络拥塞的问题,提出一种基于自适应分簇和演化博弈的异构车载网络选择方法(adaptive clustering and evolutionary game based network selection method,AENS)。首先,采用自适应分簇减少直接接入网络的车辆数量,有效降低车流密集情况下的网络拥塞概率;接着,分别基于模糊层次分析法和指标相关性权重法计算候选网络属性的主、客观权重,得到更加准确评估候选网络性能的综合效用值;最后,将车辆对网络的选择抽象成基于复制动态的演化博弈模型,并引入记忆效应以加快其收敛速度,最终通过策略更新获得系统最优的网络选择策略集合。实验结果表明,在融合5G/6G的异构车载网络环境下AENS方法能够有效减少网络切换次数、提升网络吞吐量和平衡网络负载,在提高网络资源利用率的同时实现了负载均衡,且在车流密集情况下优势更为明显。     

基于无线Mesh网络的一种信道分配算法及路由协议

提出了在多信道环境下的无线Mesh网络中的一种混合型路由协议TOIRP(tree-based and on-de-mand integrated routing protocol)以及一种分布式的信道分配算法CLBCA(channel load based channel assign-ment).TOIRP协议采用HWMP(hybrid wireless mesh protocol)所提出的混合路由技术,将基于树的路由与传统的AODV(ad hoc on-demand distance vector)路由相结合,减少路由发现的时延,同时采用了一种新的路由判据CETTI(cumulative expected transmission time with interference).该路由判据充分考虑多信道的特性,设计了一种量化通信干扰的方法,将干扰分为外部数据流对路径的干扰以及路径内部数据流的干扰两个方面,并综合考虑了跳数、时延等因素,提高了网络的吞吐量.信道分配算法分为收发器与邻居节点绑定和收发器与信道绑定两个部分,将信道的负载作为选择信道的标准,避免了多信道中常见的信道依赖所造成的影响,并且提高了信道的利用率.模拟结果表明,采用新的路由判据后,网络的吞吐量最优情况下得到提升.     

能量有效的无线传感网络节点调度算法研究

在无线传感网路中,在某些情况下引入以节点地理位置为分簇依据的GAF算法虽能有效节省节点能量,但由于其随机选择簇头,没有考虑簇头最佳位置分布,因此并不能对节点能量进行充分利用.针对此问题,提出一种新的改进算法L-GAF算法,其主要思想是寻找最佳位置簇头节点,通过定期动态转换虚拟单元格,改变节点与中心点的距离,利用节点度策略和节点剩余能量优化簇头选举机制,均衡能量分布.实验证明:与GAF算法相比,此算法延长了网络的生命周期,提高网络的负载能力.     

基于多目标优化的无线传感网无干扰分簇算法

为减少无线传感网的网络能耗并延长网络寿命,提出了一种基于多目标优化的无线传感网无干扰分簇算法(interference-free clustering algorithm,IFCA)。该算法在保证簇间无通信干扰的前提下,将网络能耗和网络覆盖作为优化目标,使用遗传算法和非支配排序优化分簇方案。通过仿真实验分析了节点数量、监测点数量、节点通信半径和节点覆盖半径对本文算法划分网络分簇的结果及无干扰分簇后网络覆盖的影响。仿真结果表明,本文算法适合于具有大量节点的大型无线传感网,在这种网络中,本文算法会智能设置传感器节点的角色,即成员节点、簇头节点和孤立节点,从而达到了对监测点的最优覆盖,实现了网络节能。     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

无线传感器网络中基于网络编码的容错路由

针对无线传感器网络中节点被窃听和盗用对数据安全传输所带来的影响,提出了一种基于网络编码的容错路由(fault-tolerant routing based on network coding,FR-NC).该路由算法利用网络中大多数节点能正确传输数据的特点,通过选举保证数据一致性,从而防止了盗用节点对数据的篡改;同时对随机编码系数进行加密,起到了对数据安全的监督和保护作用.通过对实验结果的分析,可以发现当网络中存在一定数量的盗用节点时,FR-NC具有较好的健壮性.