基于PSO的无线多媒体传感器网络覆盖增强算法

在无线多媒体传感器网络(Wireless Multimedia Sensor Networks,WMSNs)中,由于节点部署的不合理,往往存在较多的监控盲区,影响了网络的服务质量。为了提高网络的覆盖率,在有向感知模型基础的基础上,提出了一种基于粒子群算法的WMSNs覆盖增强算法PSOCE。PSOCE算法以网络覆盖率为优化目标,以粒子群算法为计算工具,同时对节点的位置与主感知方向进行调整。仿真试验表明,PSOCE算法能够有效地改进WMSNs的覆盖质量,网络的覆盖率能提高6%～12%。     

基于粒子群算法的无线传感器网络覆盖优化

传统无线传感器网络覆盖优化方法所选算法的结构不合理,使其覆盖能力、迭代能力和有效性无法维系网络基本功能,为此提出粒子群算法的无线传感器网络覆盖优化方法。通过构建无线传感器网络认知模型,将网络覆盖优化工作转化成求取目标物体最大覆盖几率问题,使用粒子群算法对模型进行编码,利用模型适应度函数给出的约束值对网络节点位置进行更新,实现对无线传感器网络覆盖率的优化。通过分析仿真实验结论可知,与传统方法相比,该方法具有更强的覆盖能力、迭代能力和有效性。     

基于改进PSO的WMSNs覆盖增强算法

对无线多媒体传感器网络(WMSNs)的覆盖增强问题进行了研究.在WMSNs网络中,视频、图像节点的视角范围有限,只能监控周围的部分区域.由于节点数量众多、部署方式受限等原因,网络中往往存在大量的监测重叠与监控盲区,需要对各节点的感知方向进行优化,以提高网络的监控质量.文中基于有向感知模型,提出了一种覆盖增强算法MCE.MCE对各节点的感知方向进行调整,并使用了改进的PSO算法来计算求解.仿真实验表明,MCE算法能够有效地提高网络的覆盖率.     

能量感知的无线传感器网络覆盖控制协议

提出了一种与节点位置无关的、能量感知的无线传感器网络覆盖控制协议EACCP(an Energy-Aware Coverage Control Protocol for wireless sensor networks),EACCP采用基于节点分层成簇的思想,根据节点邻居平均能量与自身剩余能量等参数竞选活动节点.理论分析与模拟实验表明EACCP协议不但能够提供高质量的网络覆盖率,而且可以有效地适应于节点能量异构的网络应用场景,并且减少活动节点选取过程中的控制消息开销.     

无线多媒体传感器网络中一种改进路由算法

随着网络负载增加,经典的TPGF( Two-Phase geographic Greedy Forwarding)算法难以找到节点分离路径,会导致网络吞吐量、投递率以及端到端时延性能下降。此外,当网络拓扑变动不大时, TPGF中每条路径所包含节点要消耗比其他节点更多的能量,会导致其过快死亡,从而影响网络性能。为此,将联合网络编码技术引入 TPGF,提出一种编码与能量感知的 TPGF 路由算法( NE-TPGF)。该算法综合考虑节点的地理位置、编码机会、剩余能量等因素,同时利用联合网络编码技术进一步扩展编码结构,充分利用网络编码优势来建立相对最优的传输路径。仿真结果表明, NE-TPGF能够增加编码机会,提高网络吞吐量和投递率,降低端到端时延,并且还有利于减少和平衡节点的能量消耗。     

一种面向无线多媒体传感器网络的分布式图像压缩算法

因为多媒体数据的高带宽要求,要传输传感器节点采集到的原始数据将会消耗大量的资源。文章提出了一种分布式图像压缩算法,该算法通过把压缩任务分配给其他节点来解决在能量受限的节点上处理能力不足的问题。此外,该算法把压缩任务分配给其他空闲节点能很好的延长网络的生存时间。     

一种基于EIP-PSO的无线多媒体传感网QoS路由算法

针对无线多媒体传感器网络（wMsN）多约束服务质量问题,文章在粒子群优化（ParticleSwarmOptimization,PSO）算法的基础上增加多约束QoS条件,提出了一种基于EIP—PS0的无线多媒体传感网QoS路由（EIP．PS0）算法,该算法设计了一种高效初始路径（EfficientInitialPath,EIP）机制,解决了粒子群初始化过程中网络和计算开销大的问题,并且用基因块儿变异机制解决了算法后期易陷入局部最优的问题。网络仿真结果表明：与GA-PSO算法相比,EIP—PSO算法降低了网络开销,减小了网络平均端到端时延,达到了很好的收敛效果。     

基于改进粒子群算法和特征点集的无线传感器网络覆盖问题研究

本文针对基于网格点的区域覆盖算法未考虑网络的固有特征,导致算法存在近似及复杂度偏高等问题,通过研究区域覆盖的特征,结合概率感知模型,对区域内两点的覆盖率关系进行分析,定义了特征点集的概念;对特征点集进行建模,将区域覆盖转化为基于特征点集的优化问题。利用改进粒子群算法解算此优化问题,通过惯性权重及局部增强因子扰动项,避免其陷入早熟状态;同时,针对集中式PSO算法不适用于无线传感网的问题,本文提出了一种并行分区式策略。仿真分析验证了所提算法的优越性和特征点距上界的存在性,该方法为区域覆盖问题的研究提供了新的思路。     

无线传感器网络覆盖优化控制技术分析

覆盖控制问题是无线传感器组网的一个基本问题，本文对传感节点的组成、定位方法，网络的拓扑结构等进行了简要的介绍。分析了无线传感器网络覆盖问题的背景，并针对覆盖冗余检测的主要方法和数学模型，讨论了无线传感器网络能量高效覆盖优化与网络连通性的关系。重点阐述了覆盖控制的技术手段，最后对无线传感器网络的覆盖控制关键技术进行了展望。     

基于半径可调的三维无线传感器网络覆盖控制

针对三维空间下的无线传感器网络覆盖问题,考虑在满足最优覆盖节点集的基础上,同时减少网络能耗,提出了一种半径可调的三维无线传感器网络的低能耗覆盖方法。根据节点具有可调节传感半径的属性,在三维空间中利用遗传算法动态优化节点布局。仿真结果表明,节点的部署能够在达到较高的覆盖率和节点休眠率的同时,有效降低网络能耗,从而延长网络的生存时间。     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

无线传感网络布局的虚拟力导向微粒群优化策略

无线传感网络通常由固定传感节点和少量移动传感节点构成,动态无线传感网络布局优化有利于提高无线传感网络覆盖率和目标检测概率,是无线传感网络研究的关键问题之一.传统的虚拟力算法在优化过程中容易受固定传感节点的影响,无法实现全局优化.本文结合虚拟力算法和微粒群算法,提出一种面向无线传感网络布局的虚拟力导向微粒群优化策略.该策略通过无线传感节点间的虚拟力影响微粒群算法的速度更新过程,指导微粒进化,加快算法收敛.实验表明,虚拟力导向微粒群优化策略能快速有效地实现无线传感节点布局优化.与微粒群算法和虚拟力算法相比,虚拟力导向微粒群优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

混合无线传感网络覆盖优化的粒子群算法

为提高随机部署的传感网络覆盖性能,提出基于动态克隆粒子群的移动节点部署控制算法,用每个粒子表示所有移动节点的一种部署方案,在经典粒子群算法基础上,每次迭代结束后,粒子依据自身的覆盖性以及与群体中粒子的相似性决定其克隆数量和变异幅度,有效避免陷入早熟陷阱.通过与其他算法的对比仿真实验,表明该优化算法能更有效地提高网络覆盖性能.     

一种基于多目标遗传优化的无线多媒体传感器网络节能覆盖方法

提出一种基于多目标遗传优化的节能覆盖方法.以节点不同开启顺序建立个体基因组,采用双交叉保留优秀个体,在保证覆盖度的同时,开启尽可能少的节点.本方法延长了网络生命期,均衡了网络中各节点能耗,同D-Greedy及DCS-dist等方法相比,也表现出了较好的性能.     

无线传感器网络的蚁群自组织算法

探测效能与能量节省的综合性能优化是无线传感器网络研究的一个热点问题.提出了一种分布式、自适应的无线传感器网络蚁群自组织算法,将无线传感器网络节点映射为情绪蚂蚁,通过蚁群间的协同对节点的唤醒概率进行群体智能优化,从而实现无线传感器网络自组织,并以定理的形式给出了性能指标和相关参数的设计方法.仿真表明,算法实现在唤醒较少节点的前提下,对目标保持了较好的探测能力.     

基于能量优化的无线传感器网络安全路由算法

针对无线传感器网络路由面临安全威胁和节点能量有限的不足,提出一种基于能量优化的安全路由算法(EOSR).该算法把优化能量、提高路由安全性和缩短传输时延同时作为设计目标,采用多目标决策,在保证安全性和快速传输的同时,让能量储备较多的节点承担较多的数据转发任务,可获得最优路由和延长网络生命期.通过预置公私密钥对,有效地提高了路由的安全性.给出了该算法中路由发现、路由选择和路由删除的具体步骤,通过仿真实验证明该算法的有效性.     

基于AODV的无线多媒体传感器网络路由协议

研究了AODV路由协议,分析了多路径路由实现机制,提出了一种可应用于无线多媒体传感器网络的能量均衡多路径AODV路由协议。该协议建立从源节点到目的节点的多条路径,在路径的选择上综合考虑了路径跳数和节点剩余能量,用以保证负载均衡,延长网络生存期,该算法使用了分流的方式避免拥塞。通过使用NS2仿真软件对EEMP-AODV路由协议进行仿真,结果显示其在拥塞避免、实时性、吞吐量和网络生存期方面的性能有明显提升。     

无线传感器网络中基于多比特量化的极大似然分布式估计方法

在无线传感器网络背景下的分布式估计中,由于传输网络对发送功率和传输带宽的限制,压缩信源冗余、降低通信数据量便成为一个重要的课题.为此,本文提出了一种基于多比特量化观测的分布式估计方法（MQS）,利用渐进性能作为优化准则构造量化阈值优化问题,运用粒子群算法对其进行求解得到最优量化阈值,给出了克拉美罗下界的解析表达式,并与均匀量化方法（UQS）和未量化方法（NQS）进行对比.理论分析和仿真实验表明,MQS的性能优于UQS.当量化深度增大到3时,MQS的估计性能十分接近NQS的估计性能.