室内障碍环境下空气质量监测异构WSN部署

针对室内空气质量中污染性气体众多、浓度分布不均,单一传感器无法有效监测,而且室内障碍物会对传感器部署位置造成影响的问题,通过改进北方苍鹰优化算法(improved northern goshawk optimization,INGO)对障碍下异构传感器进行部署研究。首先,采用SPM混沌映射对种群进行初始化,以解决原始北方苍鹰算法初始化种群多样性不高、覆盖率低、冗余度高的问题;其次,使用非线性步长权重改进Lévy飞行策略,对种群位置进行更新;最后,融合柯西变异和反向学习,解决算法后期种群易陷入局部最优的问题。结果表明,改进的优化算法在无障碍和障碍环境下覆盖率分别达到了94.2%和93.0%,与其他学者在无障碍环境下提出的算法进行对比,覆盖率分别提高了0.8%,1.2%,2.8%,7.1%。INGO算法能够对室内障碍环境下的空气质量监测传感器进行最优部署,为室内空气质量监测等复杂环境异构传感器的部署问题提供科学依据。

基于改进行军蚁搜索优化器的异构WSNs覆盖增强策略

为了提高无线传感器网络(Wireless Sensor Networks,WSNs)随机部署后的覆盖效果,并且降低传感器节点在二次部署过程中的移动能耗,提出一种适用于感知半径异构的WSNs覆盖增强策略。该策略以行军蚁的种群规模作为节点部署方案,种群位置作为节点位置变量,建立了行军蚁优化器与WSNs覆盖问题的映射关系,并根据传感器节点的初始部署位置改进初始化行为,引入虚拟力导向作用改进攻击行为,基于巢穴位置改进蚁桥行为,从而在提高WSNs覆盖效果的基础上优化了传感器节点二次部署的移动能耗。仿真结果表明,相比于虚拟力算法、采样的异构WSNs覆盖优化算法与行军蚁优化器算法,所提算法的覆盖率较高,传感器节点二次部署过程中的移动距离最小。此外,当覆盖区域面积与节点规模变化时,所提算法在覆盖效果与移动能耗方面也具有较强的鲁棒性。

基于改进3DL算法的智能变电站人员WSN定位

为了提高智能变电站人员无线传感器网络(WSN)的定位精度,提出一种基于改进3DL算法的定位方法。通过对3DL算法的节点测距误差和定位误差进行补偿,降低3DL算法的节点测距误差和定位误差,实现3DL算法的改进。将改进的3DL算法应用于智能变电站的人员WSN中,可有效提高智能变电站人员WSN的定位精度。相较于改进前的3DL算法和传统极大似然估算法,所提方法具有更高的定位精度和定位覆盖率,可减小位置节点坐标计算误差累计的影响,更适用于非视距环境下智能变电站人员WSN定位。

基于改进DDPG算法的WSN优化策略研究

DDPG算法是Actor-Critic和DQN算法的结合体,作为目前深度强化学习中最为经典的算法之一,被广泛应用于WSN。针对DDPG算法训练效率低、收敛速度慢、同步误差大等问题,提出一种基于加权信息熵的深度确定性策略梯度算法。该算法提前对训练数据进行权重分配,根据权重比例训练数据,并将结果通过神经网络集成。实验结果表明,相较于DQN和DDPG算法,WIE-DDPG算法的训练效率较高、收敛速度较快、同步误差较小。

基于WSN+UWB的室内人员定位系统设计

随着社会发展,家长对幼儿安全越来越重视,幼儿园环境安全与否直接关系到儿童的健康及生命。为保障园区内幼儿状况及安全,文章提出了一种室内人员定位系统设计,该系统在满足基本定位需求的同时,采用了超宽带(Ultra Wide Band,UWB)技术,具有穿透性强、抗干扰和功耗低等优势,其性能表现已超过蓝牙和Wi-Fi,并以UWB技术作为主要技术依据,将无线传感网络(Wireless Sensor Network,WSN)技术与UWB技术相结合,设计了一款智能化的人员看护及定位系统,测试结果证明了该系统设计可满足园区内人员监测及定位警报的需求。

基于自适应非线性因子杂草算法的WSN覆盖优化

无线传感器网络(WSN)的覆盖率与区域内的传感器节点分布密切关联,而现有传感器分布算法存在收敛速度慢、易陷入局部极值等问题。对此,提出了一种基于自适应非线性因子杂草算法(HA-IWO)的传感器节点分布优化方法。首先,在初始阶段,利用Halton序列产生偏差很小的初始点,使种群分布更均匀;其次,在种群扩散阶段,将非线性调和因子设置为根据迭代次数自适应产生,以调整搜索步长,解决算法易陷入局部最优的问题。最后,通过4组标准函数测试与WSN覆盖优化仿真对该算法进行验证。仿真实验表明:相比于标准杂草算法,改进后的算法具有收敛速度快、覆盖率高的优点,能有效解决WSN覆盖优化问题。

基于IPSO-BP神经网络的WSNs数据融合算法

针对无线传感器网络(WSNs)数据融合算法中反向传播(BP)神经网络存在对初值敏感、收敛速度慢、易陷入局部最优解等问题,提出基于改进粒子群优化BP(IPSO-BP)神经网络的WSNs数据融合算法。首先,用细菌觅食算法的趋化、迁徙算子对粒子群优化(PSO)算法进行改进;然后,用IPSO算法优化BP神经网络的权值和阈值,再引入到WSNs数据融合中,簇成员节点负责采集监测数据,在簇首节点通过优化后的BP神经网络对数据进行特征提取,并将融合结果发送至汇聚节点。仿真结果表明:IPSO-BP算法能有效提高融合精度和收敛速度,减少冗余数据传输,延长网络生命周期。

基于WSN的流程行业安全生产数据多优先级多路径传输方法

为区分基于无线传感网络(wireless sensor network,WSN)的流程行业安全生产监测数据的优先级,保证关键安全生产决策数据的高质量、低时延传输,减少监测系统对生产事故的误判或漏判现象发生,通过建立实现多层级数据融合的分簇监测网络架构,划分流程安全生产过程中3个级别的数据类型,并提出数据多优先级多路径传输方法。研究结果表明:与传统基于WSN的传输方法相比,本文提出的基于WSN的流程行业安全生产数据多优先级多路径传输方法能够提升高优先级数据传输的及时性和可靠性,有利于安全生产的准确决策。研究结果可为基于WSN的流程行业安全生产监测提供参考。

WSNs中基于占空比间隔优化的延迟约束路由算法

针对WSNs中现有路由算法存在的各种不足,提出了一种基于占空比间隔优化的延迟约束路由算法;具体来说,在提出的算法中,首先,将端到端延迟分布估计为占空比间隔和潜在转发器数量的函数,在给定的网络模型和参数下,其分布可以近似地估计;然后,选择满足延迟约束成功率要求的占空比间隔最大值,每个节点独立地调度其休眠和唤醒时间,发送端节点将数据包转发给潜在转发器中最先唤醒的节点,从而确保数据包以要求的概率即DCSR到达接收器,同时最大化占空比间隔;仿真实验结果表明,提出的路由算法不仅能够满足要求的DSCR,并在ETE延迟、数据包交付率和实际得到的DCSR方面都优于现有的先进算法。

WSN中基于区域感知的改进AODV路由协议

AODV路由协议是无线自组网中的经典协议,适用于无线传感器网络(WSN)。但是该协议在路由发现阶段通过跳数建立路径,导致网络拥塞严重、部分节点过早失效以及活动路由频繁断裂,从而引起传输时延延长、路由开销增大、网络寿命缩短等问题。针对WSN中能量分布不均衡以及对邻居节点依赖性强的特点,提出基于区域感知的改进AODV路由协议。在路由发现阶段,引入QoS需求参数中的时延作为路径主权重,并计算区域变化率对路径主权重产生的正负增益,采用最优路径选择算法选取权重最小的路径,并将其作为最优路径。在路由维护阶段,通过计算区域能量和节点距离,丢弃区域中质量较差的节点,减少冗余拓扑和链路故障现象的发生。实验结果表明,相比传统的AODV协议,该协议的端到端时延和路由开销分别降低47.73%和48.00%,分组转发率和网络生存时间分别提升6.97%和14.80%。

机械振动WSN大量数据自适应传输控制方法

针对机械振动无线传感器网络(wireless sensor network, WSN)在传输大量数据时,每个数据包均采用确认方式传输导致高传输能耗的问题,提出了一种大量数据自适应传输控制方法。首先,通过数据分组检测机制减少传输确认帧带来的额外能耗,并通过试验确定最佳分组数量,避免浪费WSN节点有限的存储资源;其次,利用帧控制域特定标志位实现丢包状态通知,在不引入额外数据帧的情况下告知发送节点丢包状态,避免反馈信息包下发冲突,并优化反馈信息包的退避指数,降低丢包节点因反馈信息包下发延迟导致的侦听能耗;最后,通过最小二乘法拟合丢包率与链路质量指示的关系,节点根据当前传输链路质量自适应选择最佳传输模式。试验结果表明,所提传输方法可有效降低数据传输能耗并提升传输速率。

基于改进镜面反射优化算法的WSNs覆盖优化

针对无线传感器网络(WSNs)节点部署存在覆盖盲区大和均匀分布性差等不足,提出一种改进镜面反射优化算法(MSRA)的WSNs覆盖优化方法。首先,采用种群策略将算法单一种群扩充为多种群,并引入Piecewice映射初始化种群,提高种群初始质量和搜索空间的遍历性;其次,融合了改进的Tent映射和莱维飞行方式对个体位置进行变异,提高算法跳出局部最优能力;然后,利用莱维飞行策略扰动最优个体位置,以平衡算法的全局探索与局部开发能力。仿真结果表明:相比镜面反射优化算法(SRA)和对比算法,所提算法寻优能力更优,有效地改善了WSNs节点分布的均匀性和覆盖盲区,提高了覆盖率。

基于WSN与异常数据识别的拉线动态监测方法研究

为了提升干字塔监测的数字化水平并保证施工现场的安全,文中对干字塔的拉线状态监测技术进行了研究。该研究在蓝牙、ZigBee等无线传输协议与拉力传感器的基础上,搭建了大规模无线传感网络(WSN),实现了监测数据的无线传输。针对WSN网络所采集的数据特点,对BP神经网络加以改进,且引入状态转移概率及一种基于置信区间思想的残差判定模型来进行WSN传输数据的校准,从而提升了模型的训练效率,避免了因WSN网络传输数据精度不足而影响网络泛化性能的问题。在实际工程数据集上进行的仿真结果表明,较传统的BP神经网络,改进后算法的平均训练时长降低了27.53%,迭代次数下降了26.61%,TPR提升了2.8%,FPR下降了1.98%,更适用于WSN传感网络的数据识别。

一种改进果蝇算法的WSN节点定位方法

针对三边测量法在测距过程中产生的误差,利用果蝇优化算法收敛速度快、精度高、实现简单的特点设计了一种改进果蝇算法的WSN节点定位方法。通过算法反复迭代、比较、择优,获得未知节点与锚节点之间距离误差的最小值,从而实现对未知节点的准确定位。算法从不同种群数、不同初始位置、不同飞行区间3个方面进行了参数的比较与选择,确定获得准确定位时算法各参数取值的重要性。将该定位算法与基于粒子群的DV-Hop定位算法进行定位比较,结果表明该定位算法具有更好的准确性。

基于多任务深度学习的WSN级联故障识别研究

为了解决传统无线传感器网络级联故障识别方法存在的正确率较低、耗时较多等问题,提出了一种基于多任务深度学习的无线传感器网络级联故障识别新方法。它不仅能计算无线传感器网络节点负载和采用负载重分发策略调整节点负载,还可根据节点负载调整结果并利用指数型关系函数优化的流量调整方法使调整参数达到最优情况下构建无线传感器网络负载模型。另外,文中还建立了一种多任务深度学习新模型,采用了联合训练方式对模型进行训练并利用批归一化的手段来优化模型,将无线传感器网络负载数据输入到优化后的模型中从而得到无线传感器网络级联故障识别结果。实验结果表明,设计的新方法识别正确率为90.2%,识别时间消耗平均值为0.73s,能够实现无线传感器网络级联故障精准快速识别。

基于CPCRLB和动态成簇机制的混合WSN目标跟踪算法

针对传统的基于静态节点的无线传感器网络(wireless sensor network,WSN)电池容量有限、节点移动受限的问题,提出了一种基于条件后验克拉美-罗下界(conditional posterior cramer-rao lower bounds,CPCRLB)的混合WSN的目标跟踪调度算法。该算法引入移动节点来参与目标跟踪,根据目标预测位置对移动节点进行运动控制,同时利用基于CPCRLB的信息效用函数选择静态节点,实现每一时刻目标的动态成簇策略。此外,还提出了一种基于运动学的预测机制,利用分区域管理的方法进一步提高跟踪精度,减少能量消耗,并能够有效避免目标丢失现象。仿真结果表明,该算法可以有效地对目标进行跟踪,在保证跟踪精度的同时相比静态网络节省了大量的能耗。

一种能耗均衡的WSN高吞吐量路由协议研究

无线传感器网络(WSN)由若干个传感器节点通过多跳自组织的方式构成,这些节点的能量和处理能力都受到极大地限制,因此研究节能高效的路由协议具有较大的意义。为延长WSN的生存时间和提高网络吞吐量,提出了一种能耗均衡的WSN高吞吐量路由协议,该协议利用K⁃means聚类算法对节点进行分簇,并结合节点剩余能量和距离计算权重值,选择最佳节点作为簇首,此外,还利用无线收发器的参数和信道状况确定最佳固定分组大小。在数据传输阶段,使用Dijkstra算法计算多目标权重函数作为链路成本。实验结果表明该方案在网络节点节能方面优于CERP和TEEN路由协议,且提高了整个系统的吞吐量和生存时间。

WSN中角度和距离结合的无信标节点定位算法的设计

节点定位在无线传感器网络中应用广泛,是重要的支撑技术之一,目前很多算法是通过由全球卫星定位系统提供位置的信标节点来确定其他多数节点的位置,这样就出现在支撑数量较大的节点部署情况下的定位较为困难。信标节点由于人为或环境因素,容易出现位置漂移,而且当在室内环境时,信标节点本身运作就会发生困难。提出了一种角度和距离结合的无信标节点WSN定位算法。在无信标结点存在的情况下,利用树结构分类及合并的思想,在测量角度以及距离后,调整节点的方位与坐标,计算得到节点在系统中的坐标。仿真结果表明,当节点在随机分布时,所提出算法的定位精度比聚类SPA算法有明显的提高。

基于铀尾矿库核素监测的WSN粒子群优化路由算法

为提高铀尾矿库无线传感器网络(WSN)现有路由算法的网络寿命,提出一种基于铀尾矿库核素监测的WSN粒子群优化路由算法(EBPSO)。首先,在簇头(CH)选举阶段,考虑传感器节点的能量、簇内节点距离、CH到基站的距离等参数,利用粒子群优化(PSO)算法选出最合理的CH,并将筛选出来的CH节点应用于铀尾矿库核素监测组建WSN;其次,在数据传输阶段,提出转发节点的选择方法;然后,用能量阈值重分簇方案来减少能量消耗;最后,对比基于PSO优化模糊C均值的分簇路由算法(POFCA)、低功耗自适应分簇(LEACH)以及高效非均匀分簇算法(EEUC)性能。结果表明:在网络生命周期上,EBPSO算法比POFCA、LEACH、EEUC分别提升1.7%、24.7%、9.2%。EBPSO算法能够延长网络生命周期,适用于铀尾矿库核素监测应用场景。

无人机协助WSNs中的节能数据采集策略

在无线传感器网络(WSNs)中,无人机(UAV)已经成为一种有效的数据采集手段,但在采集过程中产生的大量能耗严重降低WSNs的寿命。针对WSNs中数据采集能量消耗大的问题,设计了一种基于传感器节点(SNs)唤醒调度和无人机轨迹设计的节能数据采集策略。基于该方案,构建了无人机与SNs能耗加权和最小化问题,该问题被描述为混合整数非线性规划(MINLP)问题,通常难以求解。针对该问题,提出一种基于路径离散化和连续凸逼近的联合优化算法,得到满足KKT条件的局部最优解。实验结果表明,所提出的方案能实现显著的网络节能,且能实现无人机能耗与SNs能耗之间的灵活权衡。