共查询到20条相似文献,搜索用时 62 毫秒
1.
无线网络中基于位置的能量高效协作路由算法 总被引:2,自引:0,他引:2
为了降低无线网络中路由的整体发射功率,该文提出了一种基于位置的能量高效协作路由(LBCR)算法。首先分析了协作链路在一定中断概率要求下的发射功率性能,理论分析表明,合适的协作节点可以降低协作链路的发射功率。在自适应转发分群路由(AFCR)算法的基础上,LBCR算法利用节点位置信息为每跳选择合适的中继节点,然后结合多跳协作策略,建立从源节点到目的节点的协作路由。仿真结果表明,与无协作的AFCR算法和基于一跳协作的MPCR算法相比,LBCR算法可以明显改善路由的整体发射功率。 相似文献
2.
基于变分贝叶斯推断的新型全局频谱协作感知算法 总被引:1,自引:0,他引:1
为了实现多维动态频谱接入,首先给出了主用户的全局功率谱近似模型,并构建了新型全局频谱协作感知算法的总体流程,以获得主用户网络中占用频段、功率及位置等全局信息。接着利用变分贝叶斯推断技术,设计了相应的模型系数向量估计器。仿真结果表明,该方法采用的近似模型具有较好的准确性,相应的系数向量估计算法具有较高的有效性和收敛稳定性,同时指明了信噪比和泄漏总虚假功率的关系以及两者对均方误差性能的影响。此外,还证明了该方法通过利用系数向量θ的稀疏性,而在均方误差性能上具有较大优势。 相似文献
3.
提出一种两跳的协作传输方案,该方案利用无线信道广播特性,并结合应用层视频包的信息,通过选择成功监听到数据包的节点来承担协作传输任务,以此来降低重传次数,降低包的接入和服务延时,提高传输效率,以解决在无线环境下流媒体传输存在丢包率高、吞吐量受误码率影响、端到端的传输延时等QoS问题. 相似文献
4.
提出了一种适于无线网络的基于优先级竞争的协作媒质接入控制(PBC-CMAC)协议。该协议首先由源节点根据本地中继信息表选择2个最佳候选中继节点,以反映缩短传输时间程度的中继效率值区分优先级,并在CRTS分组中宣布。被选择的候选节点通过侦听源节点与目的节点交换的控制分组,可得到即时的相关速率信息,并结合自身优先级无冲突竞争成为最终的中继节点。该协议可以从所有可能的中继节点中快速、无冲突地选择出适于当前信道质量状态的最佳中继节点进行协作传输,提高了中继节点选择的成功率和协作效率,改善了网络接入性能。仿真结果表明,与IEEE 802.11 RTS/CTS和CoopMAC协议相比,PBC-CMAC协议有效提高了无线网络的多址性能。 相似文献
5.
无线网络中TOA定位算法的误差分析 总被引:2,自引:0,他引:2
利用误差分析的方法探讨了影响无线网络定位精度的有关因素。其定位误差主要取决于网络中各信标台的几何分布,及各测量值的大小。仿真显示:不同的信标组合其定位误差不同,通过TOA定位算法的分析、仿真及总结,给出了影响定位精度因素及提高定位精度的方法,为移动台的定位方案的选取提供理论依据。 相似文献
6.
7.
在授权用户(PUs)和未授权二级用户(SUs)共享频谱检测中。为解决这个问题需要应用协作检测。但是SUs的数量是很大的,这就导致一般接收它们报告的检测结果也需要占用大量的带宽。在本文中,我们提出了一种改进的按频谱划分的分簇检测算法,通过位置信息审查减少发送给簇头的平均开销。 相似文献
8.
在无线网络中选择合适的协作模式,可以带来更大的增益,显著提高系统性能。文章提出了一种新的协作模式选择算法,即最大吞吐量选择算法,推导了有碰撞时候的平均吞吐量的表达式,考虑了多种影响系统吞吐量的因素,包括传输出现的误码和碰撞概率,根据最大化系统的吞吐量来选择协作的模式,其中的模式包括直传,放大转发(AF)和编码转发(DF... 相似文献
9.
10.
11.
Cooperative Localization in Wireless Networks 总被引:1,自引:0,他引:1
12.
为了克服定位算法近似三角形内点测试法(approximate point-in-triangulation teat,APIT)的误差影响,将接收信号强度指示器(received signal strength indicator,RSSI)测距与APIT相结合,提出了APIT算法的改进算法-RAPIT(RSSI and APIT)定位算法.该算法引入限定距离的概念,将引起误差的节点的位置限定在以锚节点为圆心,以限定距离为半径的圆的重叠区域内.实验证明,该算法有效减少了误差,提高了定位覆盖度. 相似文献
13.
14.
针对当前无需测距定位算法存在定位误差大的问题,本文提出了一种基于接近度的无需测距定位算法,接近度是本文定义的一个用来表示邻居节点距离远近的值.首先根据邻居节点之间的几何特征和邻居关系推导出一个线性函数,函数输出是接近度.然后用锚节点之间的距离和接近度计算一个矫正值,矫正值和邻居节点之间接近度的乘积作为邻居节点之间的估计距离.最后根据估计距离计算未知节点的估计位置.仿真结果表明,本文算法的估计距离误差和定位误差都要低于当前同类型定位算法. 相似文献
15.
16.
该文提出了一种基于准格型策略的无线传感网协作覆盖QGCC(Quasi-Grid based Cooperative Coverage)算法,通过在随机分布节点中构造准格型结构并结合协作感测模型,减少活动节点数量,延长覆盖周期。QGCC设计了低复杂度的分布式虚拟网格确定方法及能量高效的节点调度策略,定义了不规则度指标以分析网络的不规则程度对覆盖性能的影响。仿真实验表明,相比于参照算法,QGCC能够较大程度地减少活动节点的数量,大幅延长网络的覆盖周期;此外,该算法的覆盖周期和节点密度具有近似线性的关系,且比参考算法具有更大的斜率,说明其对冗余节点具有更高的利用效率。 相似文献
17.
18.
19.
近些年来,将优化算法应用到节点定位问题当中成为了一个研究热点.本文假设下一次定位结果为准确坐标,对前后两次定位结果邻居节点之间距离关系进行深度分析和推导,得到一个邻域函数.在此基础上根据贪婪思想,提出了贪婪定位算法.为了达到更精确的定位结果,本文将贪婪定位算法分成两个阶段:第一阶段,根据贪婪迭代优化得到一组初始定位结果;第二阶段将满足一定条件的未知节点升级为锚节点,重新执行第一阶段的过程,重复第二阶段,直到没有未知节点可以升级为锚节点为止.实验结果表明,无论是定位精确度还是算法执行时间,本文所提算法都比当前的一些优化定位算法要好. 相似文献
20.
Sensor node localization is one of research hotspots in the applications of wireless sensor networks (WSNs) field. In recent years, many scholars proposed some localization algorithms based on machine learning, especially support vector machine (SVM). Localization algorithms based on SVM have good performance without pairwise distance measurements and special assisting devices. But if detection area is too wide and the scale of wireless sensor network is too large, the each sensor node needs to be classified many times to locate by SVMs, and the location time is too long. It is not suitable for the places of high real-time requirements. To solve this problem, a localization algorithm based on fast-SVM for large scale WSNs is proposed in this paper. The proposed fast-SVM constructs the minimum spanning by introducing the similarity measure and divided the support vectors into groups according to the maximum similarity in feature space. Each group support vectors is replaced by linear combination of “determinant factor” and “adjusting factor” which are decided by similarity. Because the support vectors are simplified by the fast-SVM, the speed of classification is evidently improved. Through the simulations, the performance of localization based on fast-SVM is evaluated. The results prove that the localization time is reduce about 48 % than existing localization algorithm based on SVM, and loss of the localization precision is very small. Moreover, fast-SVM localization algorithm also addresses the border problem and coverage hole problem effectively. Finally, the limitation of the proposed localization algorithm is discussed and future work is present. 相似文献