基于图分级的水下有向传感器网络栅栏覆盖策略

栅栏覆盖问题近年来已成为水下传感器网络研究的热点,但水下有向传感器网络的栅栏覆盖问题尚未得到足够的重视。随机部署前提下的水下静态有向传感器网络的栅栏覆盖难度较大,因此目前关于该问题的相关研究成果较少。为弥补这方面研究的不足,该文提出一种基于图分级的有向传感器网络首次栅栏覆盖策略。首先,该策略深入研究了多种位置关系下两个相邻节点之间满足强(弱)连接的条件;其次,利用位置关系条件构建分级图,从中选取合适节点进行栅栏的首次构建。仿真实验结果表明:采用该算法对静态有向传感器网络进行栅栏首次构建在确保较高成功率的前提下采用的节点数更少,保证了较高的网络检测概率和较长的网络寿命。

有向传感器网络中基于公平的目标覆盖最大化问题研究

以视频传感器和图像传感器为代表的有向传感器可以为安全防卫提供有效信息,已经被广泛应用于各种场景。首次提出了有向传感器网络中基于公平的目标覆盖最大化问题:在有向传感器网络中,采用具有P个确定工作方向的有向传感模型,研究基于公平的目标覆盖最大化问题,目的是激活最少的传感器,通过调度有向传感器的工作方向使目标被覆盖的最小累积覆盖时间达到最大,从而保证目标被覆盖的时间尽量均衡。首先选择最少的传感器,保证所有目标位于所选传感器的传感圆之内(该问题是NP-困难问题),为解决该问题设计了近似比为(1+lnγ)的最少传感器选择算法,其中γ=max 1≤i≤N{|s_(i)||s_(i)∈S};其次,基于最大需求优先覆盖的原则,提出了最大的无冲突目标集合选择算法。实验结果表明,该算法能有效解决有向传感器网络中基于公平的目标覆盖最大化问题。

基于改进势场的有向传感器网络路径覆盖增强算法

路径覆盖是无线传感器网络目标监控领域的一个热点研究问题,在分析节点主感知方向可调模型的基础上,提出了一种基于改进势场的有向传感器网络路径覆盖增强算法(improved potential field based path coverage-enhancing algorithm,IPFPCA).该算法针对传统虚拟势场可能出现的局部极小导致覆盖增强失败问题设计了一种改进的势场函数,通过将相邻传感器节点对路径轨迹点的共同覆盖率引入到斥力计算中,有效引导节点的主感知方向调整,从而达到路径的高效覆盖.实验结果表明:对比已有的路径覆盖增强算法,IPFPCA可以消除节点的感知重叠区和盲区,最终实现网络路径的高效覆盖.

基于虚拟势场的有向传感器网络覆盖增强算法

首先从视频传感器节点方向性感知特性出发,设计了一种方向可调感知模型,并以此为基础对有向传感器网络覆盖增强问题进行分析与定义;其次,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA(potential field based coverage-enhancing algorithm).通过引入"质心"概念,将有向传感器网络覆盖增强问题转化为质心均匀分布问题,以质心点作圆周运动代替传感器节点传感方向的转动.质心在虚拟力作用下作扩散运动,以消除网络中感知重叠区和盲区,进而增强整个有向传感器网络覆盖.一系列仿真实验验证了该算法的有效性.

基于虚拟势场的有向传感器网络覆盖优化算法

针对有向传感器网络中存在覆盖重叠区和盲区这一问题,引入重叠质心和有效质心的概念,提出了一种基于虚拟势场的有向传感器网络覆盖优化算法PCAFD。该算法通过重叠质心和有效质心相互作用,使节点因受虚拟斥力而改变感知方向,并针对边界情况和网络优化过程中的节点往复运动现象进行改进。算法快速地提高了网络覆盖率,一系列仿真验证了该算法的有效性。

有向传感器网络最大覆盖调度算法

与传统的全向传感器不同,有向传感器可以切换到不同的方向,并且每个方向覆盖有限角度的感应范围.针对有向传感器网络的区域覆盖问题,研究了"最大有向区域覆盖"MDAC(maximum directional area coverage)问题,期望通过调度传感器的工作方向,最大化覆盖区域面积.首先给出了MDAC的问题定义,使用整数线性规划描述MDAC问题,并且证明其是NP完全的.然后提出一种分布式贪心算法DGreedy(distributed greedy algorithm)解决MDAC问题.在此基础上,通过计算可能的覆盖贡献比例来反映网络拓扑信息.还提出了一种增强的算法PGreedy(distributed probability-enhanced greedy algorithm)使覆盖区域更大.证明了所提算法的收敛性,并通过详细的模拟实验验证了其有效性.

有向传感器网络覆盖增强问题的贪婪迭代算法

在有向传感器网络中,可以通过调整节点的感知方向来增强目标区域的覆盖率.提出了有向传感器网络覆盖增强问题的一种贪婪迭代算法,在每次迭代中,调整那些使得覆盖率增加最大的节点的感知方向,重复此迭代过程直至通过调整任一节点的感知方向已不能再增加覆盖率.此外,还提出了一种通过计算几何求解该算法中区域计算问题的方法,以提高计算精度和减少计算时间.大量的仿真实验结果表明,该算法的执行时间较短,收敛速度较快,能够获得比现有算法更高的目标区域覆盖率.

多障碍场景的有向传感器网络覆盖优化算法

针对监控区域中存在障碍物的情况,引入一种避障策略,提出基于虚拟势场的传感器网络覆盖优化算法。该算法基于有向感知模型,通过重叠覆盖区域、有效覆盖区域和障碍物遮挡区域之间虚拟力的相互作用,调整节点的传感方向,逐步消除网络中的重叠覆盖区域和障碍物遮挡区域,并根据分布在边界区域的边界节点进行改进,通过在边界线上增加一个虚拟邻居节点,实现有向传感器网络的覆盖性能增强,并分析传感器参数对覆盖率的影响。仿真结果表明,在有障碍物的情况下,该算法可有效提高网络覆盖率。

有向传感器网络覆盖控制策略

针对当前的有向传感器网络覆盖控制算法中主要存在的节点方向调节受限、优化程度有限、算法适用性单一等问题,提出了一种有向传感器网络覆盖控制策略(CCS,coverage control strategy),该策略经过严格的数学推导,形成一个分布式算法,能够广泛适用于不同网络下的不同节点感知模型。仿真实验表明,传感器节点运行CCS能够有效增强网络覆盖,并相比于现有的几种同类算法,具有一定的优越性。

公平的有向传感器网络方向优化和节点调度算法

为了解决有向传感器网络中点目标覆盖控制问题,分别提出了两种方向优化算法和一个节点调度协议:改进的贪婪(enhanced greedy algorithm,简称EGA)、公平的方向优化(equitable direction optimization,简称EDO)算法和邻居节点调度协议(neighbors sensing scheduling,NSS).EGA基于覆盖最多未覆盖的目标数选取工作方向,其不足是可能忽略临界目标.EDO优化算法调节节点的工作方向,优先覆盖临界目标,公平分配感知资源,减小目标覆盖度的差异,EDO算法使用效用值评价每个方向对网络覆盖质量的贡献大小,影响效用值的因素包括每个方向上的目标数、目标的覆盖度和邻居节点的方向决策,EDO总是选择效用值最大的方向作为工作方向.NSS协议引入局部覆盖集的概念,通过局部覆盖集判断当前节点是否为冗余节点,并在考虑节点剩余能量时决定节点是否可以转为睡眠,调度协议允许一个节点加入多个覆盖集,覆盖集轮流工作,使网络生存期最大化.仿真实验结果表明,分布式的EDO算法比EGA算法具有更好的方向优化性能,临界目标的覆盖质量提高了30%,同时明显地提高了网络生存期.

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义。在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法。该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区,实现覆盖增强。仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法。

一种基于虚拟力导向微粒群的有向传感器网络覆盖增强策略

针对有向传感器网络的覆盖增强这个研究热点,提出一种虚拟力导向微粒群的有向传感器网络覆盖增强策略VFPSO。首先分析节点相互之间作用力,建立了一种节点所受的虚拟力和调整角度之间的关系模型,然后在微粒群算法速度更新过程中,通过这个关系模型,虚拟力影响微粒更新速度,加快粒子群算法的收敛速度。仿真实验表明,虚拟力导向微粒群的有向传感器网络覆盖增强算法能够更快地收敛至全局最优解,并且算法运行时间有效缩短。

基于有向传感器网络的强栅栏覆盖优化策略

栅栏覆盖模型被广泛应用于基于有向传感器网络的入侵检测技术.现有方法大都采用集中调度策略,使得栅栏维护通信量和重组时延不能满足入侵检测实时性要求.本文采用分治策略将覆盖区域剖分,并基于异步唤醒模式对栅栏进行修复.首先,利用节点间周期性通信获取网络拓扑;在每个时间片内生成参与数最少的强栅栏覆盖节点子集合,不同时间片交替唤醒节点集合;最后,采用一个轻量计算方法对栅栏故障进行分布式修复.仿真实验表明,文中提出的方法有效降低强栅栏覆盖维护开销,使得网络生命时间延长1倍,且节点冗余度降低6%.

基于数据融合的有向传感器网络全覆盖部署

针对有向传感器网络全覆盖问题,基于有向传感器节点概率感知模型提出一种新的有向传感器节点部署结构,通过理论推导,证明了该结构的最优性,引入标准工作方向的概念,使用奈曼-皮尔森准则数据融合方式,以最少的传感器节点实现目标区域全覆盖。仿真结果表明,在随机部署情况下,使用这种新型有向传感器节点调度方式,可以有效提高网络覆盖率,减少网络冗余度,减少网络工作节点个数,延长网络生存期。

有向传感器网络覆盖控制算法

覆盖控制是传感器网络的基本问题之一,基于全向感知模型的覆盖控制的研究已经积累了丰富的成果.近年来,得益于图像/视频、红外、超声波等传感器的引入,有向传感器网络覆盖控制问题得到广泛关注并发展成为研究热点.从有向感知模型及其特点入手,综述了该领域国内外的研究进展,着重分类讨论有向传感器网络覆盖控制的基本理论和算法.最后提出当前亟待解决的问题,并对其未来的发展趋势进行展望.

基于分布式聚类的有向传感器网络移动目标跟踪算法研究

针对有向传感器网络DSN(Directional Sensor Networks)中,传感器节点部署数量对目标跟踪精度、网络寿命和能效问题的影响方面,提出了一个分布式聚类算法,该算法在优化活跃传感器和节点的直接通信过程中,由分布式集群来负责协调成员间的节点,通过传输给Sink的定位信息及从多个节点聚集的传感数据来准确定位目标的位置。基于该理论的目标跟踪机制,提高了目标跟踪精度、增加了网络寿命和网络剩余能量。并进行了仿真验证,结果表明该方法能实现更高的跟踪性能。

基于模糊粒子群算法的有向传感器网络路径覆盖策略

建立有向传感器节点模糊感知模型,利用模糊数据融合规则减少网络不确定区域.对于有向传感器网络路径覆盖问题,提出基于模糊粒子群算法的有向传感器网络路径覆盖增强算法,将n维求解问题转化为一维求解问题,以提高单个传感器节点净覆盖域为目的,提高网络覆盖率.仿真结果表明,对于感知方向可连续调节的有向传感器网络节点,在随机部署情况下与现有算法对比,文中算法能有效提高有向传感器网络路径覆盖率,并且具有较快的收敛速度,延长网络生存期.

一种基于虚拟力的有向传感器网络低冗余覆盖增强算法

首先设计了一种方向可调感知模型,在此基础上提出了一种基于虚拟力的有向传感器网络低冗余覆盖增强算法(Fictitious Force Based Low Redundancy Coverage-Enhancing Algorithm,FFLRCA)。传统基于虚拟力的覆盖增强算法只判断调整方向,节点的调整量为固定值,并且没有解决整个网络进入稳定状态后的冗余覆盖问题,FFLRCA算法通过建立虚拟力与角度调整量之间的关系模型,根据虚拟力大小改变节点的角度调整量,提高网络的调整效率;在节点进入稳定状态后,通过节点的覆盖子集判断其是否为冗余节点,如果是则使其进入休眠状态,同时该节点一个覆盖子集中包含的所有节点停止调整。仿真结果表明,FFLRCA可以显著提高调整效率,并且在保证覆盖率的前提下有效解决网络中的覆盖冗余问题。

基于虚拟势场的有向传感器网络覆盖增强算法的改进

在对现有的基于虚拟势场的有向传感器网络覆盖增强算法存在的问题进行深入分析和研究的基础上,提出对该算法改进和优化的方法.核心思想是针对网络中的边界区域节点受力模型,引入虚拟节点,以增强网络对边界区域的覆盖率;同时,提出自调整角速度的机制,不仅提高了该算法的执行效率,而且网络调整后其覆盖效果达到最佳.仿真结果表明,在节点随机部署的情况下,改进后的算法(IPFCEA)可以更有效地增强网络的覆盖率,提高其调整节点时的收敛速度,提升网络的整体性能.

有向传感器网络中基于概率感知模型的最小连通k覆盖集算法

无线传感器网络的基本问题之一是,网络节点如何利用有限的能量对人们所关注的物理世界进行满意的监测,这可抽象为最小连通k覆盖集问题。传统的最小连通k覆盖集问题是基于确定型全向感知模型的,该模型过于理想化,不能适用于复杂的应用环境,也不能应用于有向传感器网络中。针对上述局限,本文提出了有向传感器网络中基于概率感知模型的最小连通k覆盖集问题(MCKS),并指出这是NP难问题;设计了基于0-1整数规划和最小生成树的集中式近似算法(IPA)和基于覆盖效益探测的分布式近似算法(CBDA),分别证明两种算法最终得到的是MCKS问题的可行解,并分析了算法的时间复杂度、性能比和通信复杂度。通过仿真实验并与ILP算法和DGA算法进行比较的结果表明:在基于概率感知模型的条件下,IPA和CBDA能够有效实现有向传感器网络中的连通k覆盖,并且激活节点数目较少,网络寿命延长。