Wi-Fi网络非常态干扰下的故障节点定位算法

当前对Wi-Fi网络节点故障定位方法使用正交频分复用技术,采用直调直检的方法将Wi-Fi节点网络之间高速数据信号转换为分布式载波信号,实现节点故障节点检测,该方法很容易导致相邻节点信道间频谱主瓣重叠,在非常态干扰下定位不准。提出一种基于OFDM技术的Wi-Fi故障节点定位方法,采用同步算法来减小子载波间的正交性抑制,采用信息素更新策略实现在非常态干扰下对故障节点的定位检测。仿真实验表明,该方法能有效定位Wi-Fi故障节点,网络传输误码率降低明显,大幅提高网络传输效率,有效提高了Wi-Fi网络可靠性和应用性。

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。