对大规模传感器网络应用面临问题的思考

资源受限和环境干扰使得无线传感器网络大规模应用面临诸多问题,包括流量不均衡、功能与需求失衡、理论与实际失衡等。文章在分析这些问题的基础上,结合当前技术的发展和应用需求,从传感器网络应用架构、体系结构、稀疏网络部署下的数据传输及大规模传感器网络的仿真、测试技术等方面,给出了对大规模传感器应用的一些思考。

基于边缘计算的大规模传感器高频采集系统研究

基于边缘计算研究传感器高频次采集数据的传输、存储和处理技术架构,提出了传感器高频采集设备的软硬件模块组成,并形成通用数据分析处理软件框架,以长时间综合分析多个高频采集设备的数据,为物联网应用对大规模传感器数据进行挖掘处理和分析判决提供基础。

基于ZigBee规范构建大规模无线传感器网络

提出了一种新的切实可行的构建大规模无线传感器网络(LS-WSN,large scale wireless sensors network)的组网策略——"一区多PAN(personal area network)",同时,还提出了一个LS-WSN的两层抽象模型。利用符合ZigBee规范的商业网络协议栈——BeeStack,构建了一个LS-WSN的原型系统。从理论上讲,一个PAN可以支持65536个节点,而一个LS-WSN原型系统可以支持65536×16个节点。实验结果表明,LS-WSN原型系统的服务质量(QoS)可以得到保证。此外,相关分析表明网络管理及数据融合等工作也会被简化,性能相应有所提升。

一种大规模无线传感器网络的协议框架、网络结构和能耗分析

本文定义了一种适用于大范围数据采集的传感器网络构架DMCH(Directed Multi-Hop Clustering Hierarchy)及相关的媒体接入层和网络层协议,并建立数学模型对该网络结构和能耗状况进行了分析。DMCH通过预先设置在网络探测区域内的功能较强的小基站,将网络划分为分布相对均匀的群,在每个群内又将节点分级,形成分群多级的结构。同时,采用小基站轮流作群首的策略,保证了网络能耗的均衡性。DMCH具有可扩展性强、能耗均匀、协议简单、成本低、连通性好等特点。仿真结果为网络结构和能耗分析提供了依据并验证了各项设计指标,通过仿真与典型的大规模传感器网络协议MINA(Multi-Hop infrastructure Network Architecture)对比显示了DMCH在能耗及可扩展性等方面的优越性。

大规模无线传感器网络分簇路由协议改进方案

本文对大规模无线传感器网络的路由协议进行了研究,提出一种全新的高能效分簇路由协议。根据节点数目以及分布区域大小,通过数学公式推导得出最优的簇首节点数目。对簇首进行改进,均衡网络的负载,减少节点的过早死亡,延长整个网络的寿命。离基站较远的簇首利用多跳来传输数据,减少远距离簇首的能量消耗,延长网络寿命,使网络规模不受限。使用Matlab软件进行仿真实验,实验结果表明新协议能够均衡网络节点能耗,延长网络生命时间,且能适用于大规模的网络。

大规模无线传感器网络多优先级自适应分簇路由协议

对大规模无线传感器网络(WSNs)的路由协议进行了研究,针对大规模WSNs密集实时数据采集这一应用模型所存在的传送实时数据延时长、传送大量密集数据能耗大的问题,在LEACH-C协议的基础上,提出一种多优先级自适应(MPA)分簇路由协议。该协议针对不同数据采用多优先级服务策略,同时引入基于休眠/活动节点对的改进TDMA机制。仿真结果表明:MPA协议较LEACH-C协议有效地减少了传输实时数据的延时,并且为网络提供了很好的能量有效性。更适合于采集密集实时数据的大规模部署的WSNs。

大规模无线传感器网络的时间同步方法研究

针对网络构建和应用,给出大规模无线传感器网络的定义及特点。给出时钟模型,并根据时钟模型分析时间同步的误差来源。在分析比较现有偏移补偿同步方法的基础上,提出偏移补偿与漂移补偿相结合的时间同步方案。

一种基于边松弛的大规模WSN分簇定位算法

针对大规模WSN定位问题中,基于半定规划的分簇定位算法在分簇不均匀及节点密度较大时,部分簇会出现定位计算复杂度过高的问题,提出了一种新的基于边松弛的分簇定位算法—EES-Cluster。该算法通过对每一个网络簇子图进行边的松弛预处理,减少了边的数目;在网络分簇数目较少时,能有效降低定位过程的计算复杂度,同时较好地保持较高的定位精度,减小簇头节点信息融合的功耗。仿真实验及分析表明,EES-Cluster算法能有效降低分簇定位算法的计算复杂度,提高大规模WSN的定位效率。

大规模WSNs多层定位模型与误差分析

针对大规模无线传感器网络的定位问题,提出了一种多层定位模型.首先根据网络中节点的不同应用与软硬件特性将节点划分为多个定位层次,并按照各层次的特性设计相应的定位算法,然后融合各定位层次为整个无线传感器网络的定位.分析研究了各层的定位误差以及层与层之间的误差传播和积累,并给出了降低这些误差的方法.仿真结果表明,分层定位模型能较好地处理误差积累问题,对节点定位误差和测距误差具有一定的容错性,在通信级节点点位误差为0.05、RSSI测距误差为0.3的情况下,相比DV-Hop算法平均点位误差减小16%.

基于弹簧粒子模型的大规模WSN定位算法的衍生算法

为了提高基于弹簧粒子模型的大规模无线传感器网络定位算法(LASPM定位算法)的鲁棒性,将对LASPM基本定位算法进行优化及改进,并提出一系列的改进衍生算法。针对弱节点将设计简单的迭代定位方法,提出了3个补丁算法,分别用于处理局部极值、剔除坏节点和处理节点动态变化等问题。仿真实验结果表明,新算法的节点计算复杂度、通信复杂度在网络规模增大时仍然保持常量,节点计算步数不随网络规模变化而变化,时间复杂度也保持常量。实验研究结果表明,本文的定位算法具有良好的鲁棒性。

基于群一致性的大规模无线传感网时间同步

时间同步对无线传感器网络的设计和应用起着至关重要的作用。只有当传感器网络中的所有节点保持同步,用户才能精确的知道在其检测的区域的信息。提出了一种新颖的完全分布式的无线传感器网络时间同步协议,称为GCTS(group consensus time synchronization)。每一个节点通过收集其周围一群节点的时钟信息,然后利用群一致性协议对这些时钟信息进行处理并将此值更新为新的时钟。该协议的优点是完全分布式,并且计算简单,收敛快速,能耗较低。同时利用Lyapunov稳定性理论和图论,对该同步算法的收敛性进行了理论证明。最后将此适合大规模无线传感器网络的协议在MATLAB中实现,其实验结果符合预期分析。

大规模WSN的三层拓扑架构及其拓扑控制

针对多sink的大规模WSN,提出一种新的三层网络拓扑架构,以解决现有平面型和两层分簇型拓扑架构与大规模WSN环境不相适应的问题;在分析各层数据通信策略的基础上,重点研究了基于瓶颈sink节点的关键层拓扑控制算法,为核心层数据通信提供可靠性支持。仿真实验表明,所提出的大规模WSN三层拓扑控制结构和拓扑控制算法有助于平衡全局通信负载,控制关键通信层能量消耗,提高网络监测的鲁棒性。

大规模WSNs中多Sink节点优化部署遗传算法

大规模WSNs网络布局设计中,多Sink节点的选址是网络拓扑设计的关键步骤,它对于网络通信能耗的控制至关重要。提出了一种基于遗传进化算法的Sink节点优化选址算法,它利用遗传算法的全局寻优能力在有限的时间内获得问题的次优解,进而生成监测网络工作拓扑。仿真实验结果表明:与现有的启发式算法相比较,该算法所生成的网络布局结果对于全局能耗控制有明显改进。

大规模传感网移动多Sink生物超启发式路径规划

大规模无线传感器网络节点数量多、部署范围广、数据传输时延长。针对上述问题,提出移动多Sink生物超启发式路径规划算法,采用蚁群优化作上层算子,根据网络运行过程中的变化,即节点数量和能量变化,实时优选下层算子集,选中的下层算子集规划各移动Sink节点的路径。仿真研究表明,所提算法有效解决多Sink节点的路径规划问题,减小网络时延。

LEACH协议大规模网络通信改进研究

LEACH(low energy adaptive clustering hierarchy)路由协议是无线传感器网络里最经典的分簇路由协议,它的"分簇"思想被广泛应用,但是它只能是小规模无线传感器网络的路由协议,比如100×100的区域。提出一种基于LEACH路由协议的新协议LEACH-LS(low energy adaptive clustering hierarchy-LargeScale),可应用于大规模的无线传感器网络。用MATLAB工具进行仿真,结果表明新协议在大规模无线传感器网络应用很好。

基于动态聚类的大规模WSN能耗优化算法

针对大规模密集型无线传感器网络中节点能量利用效率不高的问题,提出一种基于动态聚类的大规模WSN能耗优化算法。该算法考虑到节点位置及剩余能量信息,利用节点动态变化的能量数据信息寻找最佳节点作为簇首,形成簇群。当簇首节点能耗低于簇内节点平均能耗时,簇群内其他节点通过动态聚类重新组成簇群。仿真结果表明,与LEACH算法相比,我们提出的算法能有效降低网络能耗并延长网络生命周期。

基于贝叶斯理论框架的传感器选择算法

针对大规模传感器网络(Large-scale sensor networks)的目标跟踪问题,本文在贝叶斯(Bayes)框架下,提出了一种全新的基于传感器选择的多传感器目标跟踪算法.算法的具体思路为:首先基于Bayes框架,根据不同的管理目标,推导出传感器选择的目标函数;然后根据目标函数,计算出相应的传感器选择方案;最后将选择的传感器进行数据融合,求得传感器网络的目标跟踪结果.相比传统的基于量测野值点剔除思想的目标跟踪算法以及基于系统偏差估计的传感器配准算法,本文提出的基于传感器选择的多传感器目标跟踪算法不仅目标跟踪精度更高,且跟踪性能更稳定.同时本文提出的传感器选择算法还可以适用于杂波数目较少的目标跟踪场景.仿真结果说明了本文所提算法的有效性.

基于概率因子图模型的医疗社会网络用户健康状态检测方法

社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测?预测结果产生影响.然而,却很少有相关文献能够系统阐述新形势下在一个动态社会网络中节点用户健康状态如何进行检测?预测以及不同因素对用户健康状态影响到何种程度.首先描述一种新颖的医疗物联网:医疗社会网络(medical social networks,MSNs);然后统一考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响,提出一种新的基于时-空概率因子图模型(temporal-spatial factorgraph model,TS-FGM)的网络用户健康状态检测?预测方法.在Twitter数据集上对所提出的模型进行了验证,并在一个真实的临床医疗数据集上与SVM基线算法进行了对比实验.实验结果表明所提出的TS-FGM模型是有效的,健康状态检测方法也在一定程度上优于基线方法.

基于分簇结构减少能耗的目标跟踪算法研究——ECSL算法

在基于规模较大的传感器网络环境下,针对能量高效地实时跟踪移动目标如何提高准确率进行研究,提出基于分簇结构减少能耗的目标跟踪算法研究——ECSL算法:当发现某个簇出现目标时,簇对应的簇头针对此目标的目前位置进行估测,然后以此来估计目标下一次出现的位置,然后唤醒所估测的目标有可能会出现位置附近的相关节点,以等待相应目标的出现;同时目标在这些连续时刻形成的一系列位置变化的数据信息将被簇头所隶属的上层网络实时地传递至基站。实验结果表明,ECSL算法相较其他算法在减小位置汇报延时的同时也减少了能耗。

无线传感器网络中基于代理Quorum的数据分发算法

提出了一种新颖的数据分发机制--match-making by geometric structure quorum(MM-GSQ).该机制使用一种称为空间邻居代理quorum的新quorum方法,可充分利用平面图的几何特性,减少quorum的规模.通过减少传输的消息数和消息碰撞,MM-GSQ改善了能量消耗,增加了匹配成功率,而且易于实现.理论分析和实验结果表明,新quorum方法和MM-GSQ与伪quorum方法相比有更好的可伸缩性、更高的能量效率和匹配成功率,特别适用于大规模无线传感器网络数据分发.