供能受限下的电力无线传感网络时间同步算法

部署在电力无线传感网络中的传感器节点目前多数还依靠能量受限的电池驱动且算力有限,本文针对电力系统这一应用场景,使用双向时间戳交换算法校正时间偏移,保障同步精度;同时利用温度–频偏公式及时补偿同步节点相对于被同步节点的频率偏移,从而有效增加了同步算法执行间隔,以减少频繁交换时间戳产生的通信能耗,在保证时间同步精度的同时大大降低了同步过程产生的通信能耗。经过实验对比验证,本文设计的算法从校正同步精度和节约网络通信能耗两个维度与单纯交换时间戳校正时偏的同步算法相比都有一定程度的提升。

基于分簇的多跳无线传感网络时间同步算法

针对典型的时间同步算法应用到多跳拓扑网络时存在时间同步精确度差、收敛速度慢、功耗较大等问题,文章提出一种基于分簇的多跳无线传感网络时间同步算法。该算法结合了TPSN算法和RBS算法的同步思想,摒弃了TPSN算法同步周期长的缺点而保留了其同步精确度高的优点,也解决了RBS同步开销大和难于应用到多跳网络的问题。该算法具有相当高的同步精度,并有效降低了同步功耗,具有一定的实用性。

基于ZigBee无线传感网络的分簇时间同步算法

在无线传感网络中,时间同步技术在信道分配、数据收发、休眠调度中都有着关键作用。目前已有的时间同步算法,有些同步精度不高,有些需要进行频繁的数据交换导致功耗过大。因此设计出能同时满足高精度和低功耗两个要求的算法势在必行。提出的算法通过改变网络拓扑结构,构造分簇函数,选出簇头,进行分簇。在新的网络拓扑中,协调器与簇头之间通过频偏补偿来保证同步的精度,簇头与成员节点之间通过三次通信消除时延进行时间同步,从而实现全网时间同步。仿真结果表明,整个网络在较低功耗下也能有较高的同步精度。

基于分簇算法的无线传感网络异常时间序列数据过滤方法

无线传感网络非常容易受到病毒攻击而产生异常时间序列数据,为了准确过滤网络中的异常时间序列数据,提出一种基于分簇算法的无线传感网络异常时间序列数据过滤方法。根据无线传感网络节点的能量消耗,利用分簇算法,将网络节点划分为多个簇头,引入网络节点的能量调节系数,确定网络节点周围的邻居节点数量,计算无线传感网络的最佳簇头。通过构建异常时间序列数据过滤的评判矩阵,给出异常时间序列数据的评判结果,根据无线传感网络的信息增益,选择异常时间序列数据的特征。根据无线传感网络的分簇情况,分类异常时间序列数据特征,通过计算异常时间序列数据的采集速度,得到异常时间序列数据的活动频率,实现异常时间序列数据的过滤。实验结果表明,文中方法能够过滤掉无线传感网络中的异常时间序列数据,并将过滤效率控制在90%以上。

面向无线传感网络的同步时钟技术研究

考虑到传统的时钟同步技术在信息交互过程中产生的延迟具有不确定性,为了消除其对时钟同步的影响,提出了面向无线传感网络的同步时钟技术研究。通过对任意一个网络节点在真实物理时间的本地时间进行变换处理,构建无线传感网络的线性时钟模型,根据高斯分布所具有的加减特性,计算两个连续同步轮次的动态响应时间差值,在离散形式下,构建无线传感网络观测模型。通过计算无线传感网络时钟差值的均值,得到无线传感网络节点的时间戳,将无线传感网络节点数据交互误差补偿的目标函数转换成向量的形式,补偿无线传感网络节点数据交互误差,实现无线传感网络的时钟同步处理。实验结果表明,在微秒级延迟下,该技术的同步精度仍较高,可以有效消除网络信息延迟的不确定性对同步时钟的影响。

基于多策略改进蝴蝶优化算法的无线传感网络节点覆盖优化

针对无线传感网络(WSN)的节点覆盖存在着覆盖率低、节点分布不均匀的问题,提出一种基于多策略改进的蝴蝶优化算法(MIBOA)的节点覆盖优化策略。首先,将基础的蝴蝶优化算法(BOA)与麻雀搜索算法(SSA)结合改进搜索过程;其次,引入自适应权重系数提高寻优精度和收敛速度;最后,对当前最优个体进行柯西变异扰动,提高算法鲁棒性。基准测试函数的寻优实验结果说明,MIBOA基本可在3 s内求解测试函数最优值,且收敛平均值精度较BOA提高了97.96%。将MIBOA应用于WSN节点覆盖优化问题,与BOA和SSA相比,节点覆盖率至少提高了3.63个百分点;与改进灰狼优化算法(IGWO)相比,部署时间缩短了145.82 s;与改进鲸群优化算法(IWOA)相比,节点覆盖率提高了0.20个百分点且时间缩短了1112.61 s。综上,MIBOA可较好提高节点覆盖率并降低冗余覆盖率,有效延长WSN的生存时间。

基于果蝇算法的无线传感网络信标节点定位

在无线传感网络中,多个节点需要协同工作来实现节点定位。但在传播过程中,信号受反射、散射等因素的影响,导致信号路径复杂、不确定性大,增加了信标节点定位的难度。因此,提出一种果蝇算法下无线传感网络信标节点精准定位方法。通过建立无线传感网络拓扑模型,分析节点结构,根据构建的模型获取无线传感网络信标节点的定位优化目标函数。通过改进果蝇算法求解定位优化目标函数,实现无线传感网络信标节点的精准定位。实验结果表明,所提算法的无线传感网络信标节点定位准确度在85%以上,且定位误差在0.1-0.4之间,表明所提算法定位精度高、整体应用效果好。

基于粒子群优化算法的无线传感器网络路由方法设计

为了减少无线传感网络能量消耗,并延长无线传感网络生命周期,设计基于粒子群优化算法的无线传感网络路由方法。构建无线传感器网络模型,初步划分无线传感器网络簇,通过自适应压缩因子粒子群算法获取传感网络最优簇首,簇首为成员性节点分配TDMA时隙,簇中各成员节点按各自所拥有TDMA时隙,向簇首发送数据信息,并由簇首执行有效数据融合操作后,把数据信息以簇间路由方式发送给基站。实验结果表明,该方法能够实现无线传感器网络路由,均衡无线传感器网络能量消耗,并延长其生命周期,为实际工作提供可靠依据与参考。

k-Means++算法下的无线局域传感网络凸包质心定位

为了提高无线局域传感网络凸包质心定位的准确性,利用k-Means++聚类算法计算传感器节点的接收信号强度和路径损耗,筛选出具有代表性和稳定性的节点作为凸包质心,再使用加权算法计算凸包质心定位权值,选择出更准确地质心。在此基础上,通过分析无线传感器信号的间隔时间以及比较周边凸包质心和未知节点的接收信号实际条件,确定凸包质心之间的连通性关系。根据设定的凸包质心定位判断阈值,进一步确定凸包质心的定位结果,提高定位的准确性和可靠性。仿真结果表明,所提方法最大定位误差为0.167 m,在不同凸包质心数量下通信半径为40 m时的定位误差小于0.35 m。证明了所提方法能有效地实现无线局域传感网络中的质心定位,定位误差小。

基于Q‒learning的变电站无线传感器网络路由算法

电力系统中的无线传感器网络(WSN)可以对工作中设备的状态和环境数据进行实时感知采集,是一种推动智能电网发展的重要技术。针对变电站场景中WSN的网络存活时间、传输时延、传输丢包率上的特殊要求,提出了一种基于强化学习的WSN路由方案。将数据包在WSN的发送过程抽象为一个马尔科夫决策过程(MDP),根据优化目标合理设置奖励,并给出了基于Q-learning的最优路由求解方法。仿真结果与数值分析表明,所提方案在网络存活时间、传输时延、丢包率等方面的性能均优于基准方案。

基于加权质心算法的无线传感网络丢包节点定位技术

针对无线传感网络中丢包节点的定位问题,提出一种基于加权质心算法的定位技术.分析无线传感网络节点分布和拓扑结构后,采用RSSI的测距模型改进加权质心算法,经测距模型将RSSI值转换成丢包节点与周围节点的距离,采用加权质心定位算法求解WSN丢包节点定位误差,以3个锚节点作为圆心,锚节点距离作为半径构建圆,计算3个圆交点的坐标后,求出由3个交点构建三角形的质心位置平均值,该值为WSN丢包节点定位坐标,实现无线传感网络丢包节点定位.实验结果表明:该方法应用效果较好,其平均转发率为98.18%,平均检测率为98.36%,能有效定位出WSN丢包节点,提高了WSN网络的稳定性,使得WSN数据传输更加可靠,保障了WSN数据传输质量.

基于同步预测的无线传感网络自适应采样节能策略研究

针对无线传感网络(Wireless Sensor Network,WSN)固定周期数据传输导致的数据冗余和节点能耗高等问题,提出了一种基于同步预测的WSN自适应采样节能策略。通过在终端节点和协调器之间建立指数平滑同步预测模型,根据实际值和预测值的误差实现自适应通信;在同步预测模型基础上引入了传输控制协议(Transmission Control Protocol,TCP)拥塞控制思想,自适应地调整节点的采样间隔和睡眠时间,通过动态调整采样间隔,避免频繁的数据采集及传输,减少数据冗余。为验证节能性,基于ZigBee的室内甲醛监测系统平台进行仿真与实验。实验结果表明,在均方根误差(Root Mean Square Error,RMSE)为4.2×10^(-4)的情况下,相较于固定周期采样策略,所提出的策略能够节省能耗89.7%。对于提高WSN的能源效率具有参考价值。

抵御恶意攻击的无线传感网络安全梯度下降安全与牛顿迭代安全定位算法

本文主要研究了基于梯度下降和基于牛顿迭代两种安全定位算法,在无线传感网络抵御恶意攻击中的应用策略。基于梯度下降的安全定位算法,采用梯度下降法求最小二乘解,使估计值接近真实值,然后进行异常检测,剔除检测到的恶意锚节点,从而提高定位精度,保证网络安全;基于牛顿迭代的安全定位算法,采用牛顿迭代法缩小定位误差,然后使用差分自适应策略进行异常检测,滤除恶意锚节点后提高定位精度。在此基础上设计了对比实验,将RSSI测量值与两种算法下的仿真值进行对比。结果表明两种安全定位算法都能较为准确地定位节点,基于牛顿迭代的安全定位算法定位精度更高,在无线传感网络抵御恶意攻击方面有更好的应用效果。

基于时间同步算法的无线传感器网络时延优化研究

文章从计算能耗和网络开销两个方面,以TPSN算法为基准,探讨无线传感器网络中时间同步问题的优化方法。文章认为,考虑到当前社会对能源效率的高度关注,应在保证一定网络开销的同时,优先降低计算能耗。

基于数据挖掘算法的无线传感网络入侵检测方法

现行方法在无线传感网络入侵检测应用中性能表现不佳,SSE(误差平方和)比较高,而且FNR(漏报率)比较高,针对现行方法存在的不足和缺陷,提出基于数据挖掘算法的无线传感网络入侵检测方法。从无线传感网络调用数据与状态数据中提取到特征数据,并对数据降维处理,对网络特征数据归一化和Z-score规范化,利用数据挖掘算法对网络特征聚类,通过数据简约保留具有代表性的特征,根据相似度对网络数据分类,检测网络入侵行为,实现基于数据挖掘算法的无线传感网络入侵检测。经实验证明,设计方法SSE在2%以内,FNR也在2%以内,在无线传感网络入侵检测方面具有良好的应用前景。

基于移动边缘计算和SSA算法的无线传感网络入侵检测方法

针对远距离传输和集中式处理方式带来的问题,为降低密集传感节点入侵任务检测的难度,减少时延开销和网络负荷,进一步消除隐私泄露风险,利用更靠近传感网络节点的移动边缘计算的明显优势,提出一种基于移动边缘计算和SSA算法的无线传感网络入侵检测方法。通过将有计算能力的边缘服务器部署于靠近传感节点的位置,采集无线传感网络数据并提取网络安全特征,大幅缩短采集时间。通过麻雀搜索算法调整节点采集中的搜索策略,结合梯度变化降维避免陷入最优,以普通节点位置和节点特征为依据,进行分布式入侵检测,实现无线传感网络的入侵检测。实验证明:本方法节点入侵检测平均准确率达98.52%,检测平均延时为1.67 ms,具有出色的应用性能。

分布式无线传感网中低延迟数据调度算法研究

分布式无线传感网中节点数据量增大,会导致节点能耗不均匀,数据传输过程出现低延迟现象,影响数据传输效率。为解决这一问题,提出分布式无线传感网中低延迟数据调度算法研究。基于分布式无线传感网络结构分析了低延迟数据调度延迟的主要因素,依据分析结果采用MDAS-ST算法,建立低延迟初始信息数据,对低延迟数据节点构建父节点候选集,建立低延迟数据候选调度模型,以低延迟数据父节点候选集为主,从中选取一个父节点,并分别分配到分布式无线传感网络时隙内;建立低延迟数据调度序列,利用该序列实现低延迟数据的调度研究。仿真结果表明,该方法的平均发送次数约为1.2次、调度延迟为322μs、网络吞吐率为99%,能耗为500 nJ/bit。

基于精确时间协议的工业无线传感器网络时间同步方法

针对工业无线传感器网络(IWSNs)中复杂链路环境、温度波动等造成的链路时延动态变化、时钟计时干扰、时间戳获取不确定等问题,提出一种基于精确时间协议(PTP)的IWSNs时间同步方法。首先,融合PTP双向时间同步过程的时钟计时干扰、非对称链路时延噪声,建立时钟状态空间模型和观测模型;其次,构建反向自适应卡尔曼滤波算法以滤除噪声干扰;然后,利用反向估计和正向估计的时钟状态归一化新息比值来评估噪声统计模型的合理性;最后,在设定检测阈值后,动态调整时钟状态过程噪声,以实现时钟参数的精确估计。仿真结果表明,相较于经典卡尔曼滤波算法和PTP,在不同时钟计时精度下,反向自适应卡尔曼滤波算法估计的时钟偏移和偏移率均有较小且更稳定的误差标准差,有效解决了噪声不确定等原因造成的卡尔曼滤波发散问题,提高了时间同步的可靠性。

无线传感器网络中时间同步与测距协同算法

时间同步是传统测距的前提条件,也直接影响测距的精度.为消除测距对时间同步的前提限制和扩大测距的应用范围,提出了时间同步与节点测距混合算法.该算法结合了基于到达时间差的测距机制和网络时间协议中的时钟同步机制,通过逆推时间非同步情况下相互测距的意义,不仅能实现时间同步,还可以实现相对测距甚至绝对测距.理论分析和仿真实验表明该算法较RBS和TPSN在鲁棒性、同步精度和消息交换量方面有较好的效果.

基于Gossip算法的无线传感器网络时间同步

将Gossip算法用于实现无线传感网络的分布式时间同步,提出单Gossip同步算法和多Gossip同步算法,解决传统无线传感器网络时间同步算法中存在的计算复杂度高和同步收敛速度慢等问题.单Gossip同步算法首先利用构造生成树算法得到一个生成树,然后,依次对生成树每条边的两节点时钟信息进行Gossip运算,反复循环,最终可使网络各节点的时钟信息收敛于它们初始时钟信息的平均值.多Gossip同步算法对生成树进行边染色,相同染色的边可以同时进行Gossip运算.这2种同步算法减小了消息交换数,降低了计算复杂度,提高了同步的收敛速度.用随机矩阵理论和图论进行了理论证明,通过计算机仿真对理论分析进行了数据验证.