CN101896002A - 面向数据快速汇聚的无线传感器执行器网络分簇方法 - Google Patents
面向数据快速汇聚的无线传感器执行器网络分簇方法 Download PDFInfo
- Publication number
- CN101896002A CN101896002A CN 201010210172 CN201010210172A CN101896002A CN 101896002 A CN101896002 A CN 101896002A CN 201010210172 CN201010210172 CN 201010210172 CN 201010210172 A CN201010210172 A CN 201010210172A CN 101896002 A CN101896002 A CN 101896002A
- Authority
- CN
- China
- Prior art keywords
- clustering
- actuator
- sub
- zone
- sensor node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种无线网络技术领域的面向数据快速汇聚的无线传感器执行器网络分簇方法,包括以下步骤:传感器节点判断自身区域的拓扑特性;取最远的应答传感器节点的传输跳数作为最远传输距离;估计该执行器所在簇中各跳位置的传感器总数;确定最近的待分簇区域的分簇方案;确定所属的分簇;执行器统计该区域的实际的分簇结果,并用该结果替换原有的估计值;直到网络内所有待分配区域都完成了分簇,得到最终的分簇方案。本发明利用网络拓扑信息,对实际分簇情况进行估计,设计了分簇方案,并利用估计值来简化计算,达到整个无线执行器传感器网络的分簇,为每个执行器根据地理信息平衡分配通讯任务,从而有效的减少了整个网络信息收集的时延。
Description
技术领域
本发明涉及的是一种无线网络技术领域的方法,具体是一种面向数据快速汇聚的无线传感器执行器网络分簇方法。
背景技术
无线传感器执行器网络(Wireless Sensor and Actor Networks,WSANs)衍生于无线传感器网络(Wireless Sensor Networks,WSNs),综合了无线通信、计算机科学、微电子、自动化、测控等多学科技术。它由部署在监测区域内大量低成本、低功耗并具备感知、数据处理和无线通讯能力的传感器节点(Sensor Node),和少量具备更强通讯和数据处理能力并能主动实施动作的执行器(Actor)组成。由于无线传感器执行器网络具有自组织性、易于铺设、动态性、和抗毁性强等特点,因而在军事国防、工农业、城市管理、环境监测、抢险救灾、防恐反恐、危险区域远程控制等许多领域都有重要的科研价值和广泛的应用前景,已经引起了科技界和工业界的高度重视。
事件的侦测和应对是无线传感器执行器网络在监控方面的主要应用,当事件发生后,传感器节点需要将事件区域内侦测和感知到的事件特征数据尽快汇聚到执行器。因此,在WSANs中,如何降低事件信息完整传输到执行器的时延一直是该领域实际应用中的关键问题之一。一方面,根据相关应用的需要,执行器节点对于事件需要能够迅速做出反应;另一方面,由于事件通常具有动态性,不具备一定实时性的系统无法适应这种变化。而在WSANs中,事件信息收集的时延主要来自于传感器到执行器数据传输时延。在目前的WSANs中,传感器节点有限的通讯能力是造成这种传输时延的主要瓶颈。如果采用传统的泛洪方式将每个传感器信息无取向的传输到每个执行器,则会带来数据大量冗余的问题,进而额外增加传输任务,执行器汇聚所有数据的时延问题将会非常突出。
对于多执行器网络,如果采用一种合理的分簇方法将传感器网络进行划分,使得每个执行器只收集网络区域内的某个特定部分,所有执行器收集完毕后再进行协作,事件信息的完整汇聚时延可以大大缩减。因此,分簇方法对于提高网络整体性能意义重大。
经对现有文献检索发现,相关文献如下:
1.Thomas Schreiber等人在2004年第1卷第1期Sensors Magazine MDPI发表的“VoronoiDiagram Based Adaptive K-Means-Type Clustering in Sensor Networks”中提出了基于泰森多边形的分簇方法。所有相邻的传感器节点连线的垂直平分线围成泰森多边形,每个泰森多边形即构成一个簇。然而,这种划分方法不能直接应用到WSAN中,因为它没有考虑到事件区域传感器的分布情况,若事件区域的传感器节点在网络的执行器周围分布不均匀,这种方法不能保证良好的实时性。
2.Heizelman W等人于2000年在Proceedings of the 33rd Annual Hawaii InternationalConference On System Science发表的“Energy-efficient communication protocol forwireless micro sensor Network”提出了LEACH分簇方法。这类算法使网络中传感器节点随机成为簇头,其余节点根据自身通信代价最小原则选择加入哪个簇。这类方法并不包含执行器这样的汇聚节点,并不适用于无线传感器执行器网络;另一方面,这类方法以优化能耗为目标,并没有考虑为各个簇分配平局的负载以减小数据汇集时延。
3.Zhi-Cheng Dai等人在Computer Engineering and Application第43卷第10期上发表的“Clustering algorithm based on wireless sensor and actor networks”,根据事件发生的实际情况,每个感应到事件的传感器节点选择通讯耗能最小的节点为邻居,通过这种方式使事件区域的传感器网络信息汇集到各个执行器节点。但是该方法仅仅考虑了网络能耗,并不考虑数据汇集的时延问题。
4.中国专利申请号为:200710041294.2,名称为:一种无线传感网的分布式分簇组网方法;中国专利申请号为:200810070376.1,名称为:基于“能量均衡”的集群无线传感器网络非均匀分簇方法;中国专利申请号为:200810106381.6,名称为:一种Ad Hoc网络中基于助理的分簇方法,以上方法只适用于同构的无线传感网络,并不适用于WSAN这样存在传感器和执行器的异构网络。中国专利申请号为:200810060049.0,名称为:基于梯度的无线传感网负载平衡分簇方法,该方法为距离汇聚节点(SINK)各跳的传感器网络分配了不同数量的簇从而使得各跳的负载大致平均,但是该方法中仅适用于只有一个SINK节点的传感网络,不适用于存在多个执行器/SINK节点的网络场景,也没有考虑多个执行器间的协调和平衡问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种面向数据快速汇聚的无线传感器执行器网络分簇方法。本发明根据传感器分布的具体情况,为执行器分配均衡的传输任务,减少整个网络收集完整事件信息的时延,进一步提高整个网络的实时性和稳定性。
本发明是通过以下技术方案实现的,包括以下步骤:
第一步,确定监控范围内执行器数目,各个执行器向全网广播自身的位置信息,传感器节点根据接收到的执行器位置信息判断自身区域的拓扑特性。
所述的位置信息包括:执行器的编号,和接收到该信息的传感器节点距离发送端执行器的跳数。
所述的拓扑特性包括:该传感器节点判断自身处于待分簇区域还是确定分簇区域、最近执行器的编号和到最近执行器的跳数。
所述的最近执行器是指距离该传感器节点跳数最少的执行器。传感器节点根据最近执行器的数量、编号以及相距的跳数确定自身所属的区域。若传感器节点只有一个最近执行器Ai,相距k跳,则称该传感器属于确定分簇区域Ci,k。若传感器节点有两个以上最近执行器 距离k跳,则称该传感器属于待分簇区域
第二步,传感器节点向最近执行器发送应答信息。执行器根据应答信息统计位于属于其相关确定分簇区域和相关待分簇区域的传感器节点的数量,同时取最远的应答传感器节点的传输跳数作为最远传输距离。
所述的应答信息包括:该传感器距离接收端执行器的跳数,和传感器所处区域的共享执行器编号。
所述的共享执行器是指:对于待分簇区域,除了接收到该应答信息执行器以外的其他相同跳数执行器编号;对于确定分簇区域,共享执行器编号固定为-1。
所述的相关区域是指:若某执行器是这块区域的最近执行器,则这块区域为该执行器的相关区域。
第三步,以平均分配的方案估计各待分簇区域的分簇方案,并在此基础上估计该执行器所在簇中各跳位置的传感器总数。
第四步,根据第二步得到的统计信息和第三步中的估计值,各执行器确定最近的相关待分簇区域的分簇方案。
所述的分簇方案,包括如下步骤:
步骤4.1确定计算方案:对于有两个以上最近执行器的待分簇区域以平均分配作为最终分簇方案并转到步骤4.5;对于仅有两个最近执行器的待分簇区域则转到步骤4.2。
步骤4.2该待分簇区域的共享执行器通过通信交互统计信息,即其各相关区域的传感器节点数量和最远通讯距离。
步骤4.3根据该区域的共享执行器和自身的统计信息,以及传感器节点单位时间内产生的信息量γ和传感器节点的最大传输速率μ,计算得到待分簇区域内传感器节点可能的最优分簇方法。
所述的可能的最优分簇方法的标准是指理论上使执行器收集该待分簇区域传感信息时延最小的方案。
步骤4.4根据实际取值范围得到可行的最优分簇方案解。
步骤4.5与该区域的共享执行器通讯确认该待分簇区域的分簇方案。若双方分簇方案不同则返回步骤4.1重新求取分簇方案。
第五步,通过无线通讯将第四步中得到分簇方案通过概率的方式分发到对应的待分簇区域,接收到该信息的传感器节点将该概率值序列与自身所产生的随机数序列进行比较,确定所属的分簇。
所述的概率是指将分簇方案中划分给各个执行器的传感器占该区域传感器总数的比例。
第六步,目标区域的传感器节点完成分簇,并发送归属信息至最近执行器。执行器统计归属信息,将实际的分簇结果替换原有的估计值。
所述的归属信息包括:该传感器传感器节点所属分簇的执行器编号、所有最近执行器的编号和到最近执行器的跳数。
第七步,重复第四-六步,直到网络内所有待分配区域都完成了分簇,得到最终的分簇方案。
本发明的有益效果是:
1.不要求无线传感器执行器网络内的传感器节点均匀分布,对任意拓扑分布都能够提供合理的分簇方法,降低平均传输时延。
2.本发明所提供的分簇方法考虑了处于不同拓扑位置的传感器节点不同的容量分配和不同的传输时延,因而分簇更加精确。
3.额外通讯消耗小。只需要在初始阶段收集网络中传感器节点的拓扑信息并将划分得到的概率值传回各个传感器节点,只需要在网络中进行一次双向的信息交换。
附图说明
图1是实施例的网络拓扑分布图;
图2是实施例的网络分簇图;
图3是分簇过程流程图。
具体实施方式
以下结合附图对本发明作进一步描述。本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
本实施例中无线传感器执行器网络的分布如图1所示。使用IMP自主移动机器人A1,A2,A3是执行器节点;使用Crossbow IRIS-XM2110为传感器节点,用圆形实心点表示;以执行器为圆心的多层同心圆是距离该执行器各跳的通讯范围。传感器节点使用ZIGBEE协议,传输速率为250Kbps,场景为室外温度测量,传感器节点单位时间产生的信息量平均期望为200Kbps。
第一步,确定监控范围内执行器数目,各个执行器向全网广播自身的位置信息,传感器节点根据接收到的执行器位置信息判断自身区域的拓扑特性。
在本实例中,位置信息从执行器出发沿梯度向外层广播。传感器节点收到所有执行器的信息后记录最近执行器的编号,以及距离最近执行器的跳数k,并确定自身是处于待分簇区域还是确定分簇区域。本实例中的待分簇区域在图1中已标示出来,其中加粗虚线围出的为U23,3,加粗实线围出的为U23,4,加粗点划线围出的为U12,4;除待分簇区域以外的所有传感器节点都属于确定分簇区域。
第二步,传感器节点向最近执行器发送应答信息。执行器根据应答信息统计位于属于其相关确定分簇区域和相关待分簇区域的传感器节点的数量,同时取最远的应答传感器节点的传输跳数作为最远传输距离。
如在本实例中,执行器A1统计结果应为C1,1=5,C1,2=8,C1,3=10,C1,4=10,U12,4=5。将执行器Ai的最远传输距离记为Ki,在本实例中,三个执行器的最远传输距离都是4跳。
第三步,以平均分配的方案估计各待分簇区域的分簇方案,并在此基础上估计该执行器所在簇中各跳位置的传感器总数。
对于任意待分簇区域将分簇方案中分给最近执行器的传感器数量记为将执行器Ai所在簇中,距离Ai为k跳的传感器数量记为Ni,k。用平均分配进行估计,即对任意的执行器有将距离为k跳的相关区域内的传感器数量估计值相加得到的估计。
第四步,根据第二步得到的统计信息和第三步中的估计值,各个执行器参与确定最近的相关待分簇区域的分簇方案。
确定的顺序为:先确定跳数最小的区域,若跳数最小的有多个,则先确定执行器下标最小的。在本实例中,执行器A1参与确定U12,4的分簇方案,执行器A2依次参与确定U23,3、U12,4、U23,4的分簇方案,执行器A3依次参与确定U23,3、U23,4的分簇方案。
具体的分簇方案确定方法包括如下步骤:
步骤4.1确定计算方案:对于有两个以上最近执行器的待分簇区域以平均分配作为最终分簇方案并转到步骤4.5;对于仅有两个最近执行器的待分簇区域则转到步骤4.2。
步骤4.2与该待分簇区域Uxy,k的共享执行器通讯交互统计信息,即其各相关区域的传感器节点数量和最远通讯距离。
步骤4.3根据该区域的共享执行器和自身的统计信息,以及单个传感器节点单位时间内产生的信息量γ和传感器节点的最大传输速率μ,计算得到待分簇区域内传感器节点可能的最优分簇方法。本实例中,传感器传输速率μ为250Kbps,场景单位时间产生的信息量γ为200Kbps。
具体求解方法流程图如图2所示,包括以下步骤:
4.3.1计算待定参数Px、Py
用Nx,k-Uxy,k(x)替换Nx,k,用Nx,k+Uxy,k(x)替换Ny,k。
若k=1或者k=Kx=Ky,则取Px=-Nx,k,Py=Ny,k
4.3.2得到可能的最优方案Xi
若k=Kx=1,则取G(x)=Nx,k+x
若k=Ky=1,则取H(x)=Ny,k-x
取满足G(x)=H(x)的所有实数解,记为X1,X2,…,Xp,其中p为实数解的个数。
4.3.3取最优方案XB
对每个Xi,检验条件(Xi-Px)*(Xi-Py)<0是否成立。若对于某个Xi成立,则取定XB=Xi。若不存在满足条件的Xi,则根据跳数的不同来确定最优解的选择方案。
(1)k为1时:若Kx也为1,则取XB=Px;否则取XB=Py。
(2)k不为1时:若k等于Kx,则取XB=Py;否则若k等于Ky,取XB=Px;若都不满足,则对Xi中的实数解,检验Xi>Px与Xi>Py是否同时成立。若存在且仅存在唯一的Xi满足该式成立,取XB=Px;否则取XB=Py
步骤4.4根据实际取值范围得到可行的最优分簇方案。
若XB<0,则设定XB=0;若XB>Uxy,k,则设定XB=Uxy,k;并得到可行的最优分簇方案(Uxy,k(x),Uxy,k(y))=(XB,Uxy,k-XB)
步骤4.5与该区域的共享执行器通讯确认该待分簇区域的分簇方案。若双方分簇方案不同则返回步骤4.1重新求取分簇方案。
第五步,通过无线通讯将第四步中得到分簇方案通过概率的方式分发到对应的待分簇区域,接收到该信息的传感器节点将该概率值序列与自身所产生的随机数序列进行比较,确定所属的分簇。
第六步,目标区域的传感器节点完成分簇,并发送归属信息至最近执行器。执行器统计归属信息,将实际的分簇结果替换原有的估计值。
传感器节点确定自身所在簇后,将所属分簇的执行器编号和所有最近执行器的编号、到最近执行器的跳数一起汇集为归属信息发送给所有的最近执行器。执行器收到该待分簇区域的所有传感器节点的归属信息后,用实际的分簇替换原有的估计值,并根据更新后的信息得到新的替换原值。
第七步,重复第四-六步,直到网络内所有待分配区域都完成了分簇,得到最终的分簇方案。
本实例在依次完成了待分簇区域U23,3、U12,4、U23,4的分簇后,即得到最终的分簇结果,如图2所示。
Claims (10)
1.一种面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征在于,包括以下步骤:
第一步,确定监控范围内执行器数目,各个执行器向全网广播自身的位置信息,传感器节点根据接收到的执行器位置信息判断自身区域的拓扑特性;
第二步,传感器节点向最近执行器发送应答信息,执行器根据应答信息统计位于属于其相关确定分簇区域和相关待分簇区域的传感器节点的数量,同时取最远的应答传感器节点的传输跳数作为最远传输距离;
第三步,以平均分配的方案估计各待分簇区域的分簇方案,并在此基础上估计该执行器所在簇中各跳位置的传感器总数;
第四步,根据第二步得到的统计信息和第三步中的估计值,各执行器确定最近的待分簇区域的分簇方案;
第五步,通过无线通讯将第四步中得到分簇方案通过概率的方式分发到对应的待分簇区域,接收到该信息的传感器节点将该概率值序列与自身所产生的随机数序列进行比较,确定所属的分簇;
第六步,目标区域的传感器节点完成分簇,并发送归属信息至最近执行器,执行器统计归属信息,将实际的分簇结果替换原有的估计值;
第七步,重复第四-六步,直到网络内所有待分配区域都完成了分簇,得到最终的分簇方案。
2.根据权利要求1所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第一步中所述的位置信息包括:执行器的编号,和接收到该信息的传感器节点距离发送端执行器的跳数。
3.根据权利要求1所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第一步中所述的拓扑特性包括:该传感器节点判断自身处于待分簇区域还是确定分簇区域、最近执行器的编号和到最近执行器的跳数。
4.根据权利要求3所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第一步中所述的最近执行器是指距离该传感器节点跳数最少的执行器,传感器节点根据最近执行器的数量、编号以及相距的跳数确定自身所属的区域。
5.根据权利要求3所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第二步中所述的应答信息包括:该传感器距离接收端执行器的跳数,和传感器所处区域的共享执行器编号。
6.根据权利要求3所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第二步中所述的共享执行器是指:对于待分簇区域,除了接收到该应答信息执行器以外的其他相同跳数执行器编号。
7.根据权利要求1所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第二步中所述的相关区域是指:若某执行器是这块区域的最近执行器,则这块区域为该执行器的相关区域。
8.根据权利要求7所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第四步中所述的分簇方案,包括如下步骤:
步骤4.1确定计算方案:对于有两个以上最近执行器的待分簇区域以平均分配作为最终分簇方案并转到步骤4.5;对于仅有两个最近执行器的待分簇区域则转到步骤4.2;
步骤4.2该待分簇区域的共享执行器通过通信交互统计信息,即其各相关区域的传感器节点数量和最远通讯距离;
步骤4.3根据该区域的共享执行器和自身的统计信息,以及传感器节点单位时间内产生的信息量γ和传感器节点的最大传输速率μ,计算得到待分簇区域内传感器节点使执行器收集该待分簇区域传感信息时延最小的方案;
步骤4.4根据实际取值范围得到可行的最优分簇方案解;
步骤4.5与该区域的共享执行器通讯确认该待分簇区域的分簇方案,若双方分簇方案不同则返回步骤4.1重新求取分簇方案。
9.根据权利要求8所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第五步中所述的概率是指将分簇方案中划分给各个执行器的传感器占该区域传感器总数的比例。
10.根据权利要求1所述的面向数据快速汇聚的无线传感器执行器网络分簇方法,其特征是,第六步所述的归属信息包括:该传感器传感器节点所属分簇的执行器编号、所有最近执行器的编号和到最近执行器的跳数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010210172 CN101896002B (zh) | 2010-06-26 | 2010-06-26 | 面向数据快速汇聚的无线传感器执行器网络分簇方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010210172 CN101896002B (zh) | 2010-06-26 | 2010-06-26 | 面向数据快速汇聚的无线传感器执行器网络分簇方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101896002A true CN101896002A (zh) | 2010-11-24 |
CN101896002B CN101896002B (zh) | 2013-05-22 |
Family
ID=43105017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010210172 Active CN101896002B (zh) | 2010-06-26 | 2010-06-26 | 面向数据快速汇聚的无线传感器执行器网络分簇方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101896002B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595546A (zh) * | 2011-12-29 | 2012-07-18 | 上海交通大学 | 基于事件驱动的无线传感器执行器网络数据收集分簇方法 |
CN102685687A (zh) * | 2012-04-19 | 2012-09-19 | 中兴通讯股份有限公司 | 一种基于Ad Hoc网络的旅游景区布告方法、系统和终端 |
CN102984713A (zh) * | 2012-11-29 | 2013-03-20 | 武汉大学 | 一种基于移动节点的无线传感执行网络覆盖方法 |
CN103051359A (zh) * | 2011-10-17 | 2013-04-17 | 杭州讯能科技有限公司 | 从节点绑定主节点的方法及台区区分方法 |
CN104168621A (zh) * | 2014-09-02 | 2014-11-26 | 哈尔滨工业大学 | 一种基于分布式波束形成的海面无线传感网分簇方法 |
CN105072660A (zh) * | 2015-06-24 | 2015-11-18 | 国家电网公司 | 一种面向消防的无线传感器执行器网络的路由方法 |
CN110139208A (zh) * | 2019-04-04 | 2019-08-16 | 江苏大学 | 基于dai的无线传感器网络协作通信中对管理智能体ma位置预测方法 |
CN110602167A (zh) * | 2019-08-09 | 2019-12-20 | 南京泛函智能技术研究院有限公司 | 一种无线自组网络环境下的分布式数据存储系统 |
CN112055394A (zh) * | 2019-06-06 | 2020-12-08 | 佛山科学技术学院 | 快速包含排除的无线传感器网络分簇路由方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101715243A (zh) * | 2009-10-21 | 2010-05-26 | 南京邮电大学 | 一种无线传感器网络层次式分簇路由方法 |
-
2010
- 2010-06-26 CN CN 201010210172 patent/CN101896002B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101715243A (zh) * | 2009-10-21 | 2010-05-26 | 南京邮电大学 | 一种无线传感器网络层次式分簇路由方法 |
Non-Patent Citations (2)
Title |
---|
《Journal of Software》 20091231 刘志新等 一种综合能量和节点度的传感器网络分簇算法 205-256 1-10 第20卷, * |
《交通与计算机》 20071231 张丽等 无线传感执行网络中协作机制的研究 48-51 1-10 第25卷, 第1期 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051359B (zh) * | 2011-10-17 | 2015-02-04 | 杭州讯能科技有限公司 | 从节点绑定主节点的方法及台区区分方法 |
CN103051359A (zh) * | 2011-10-17 | 2013-04-17 | 杭州讯能科技有限公司 | 从节点绑定主节点的方法及台区区分方法 |
CN102595546B (zh) * | 2011-12-29 | 2014-09-10 | 上海交通大学 | 基于事件驱动的无线传感器执行器网络数据收集分簇方法 |
CN102595546A (zh) * | 2011-12-29 | 2012-07-18 | 上海交通大学 | 基于事件驱动的无线传感器执行器网络数据收集分簇方法 |
EP2840859A4 (en) * | 2012-04-19 | 2015-05-13 | Zte Corp | METHOD, SYSTEM AND TERMINAL FOR SCENIC TOURISM AREA NOTIFICATION BASED ON AD HOC NETWORK |
CN102685687B (zh) * | 2012-04-19 | 2016-02-10 | 中兴通讯股份有限公司 | 一种基于Ad Hoc网络的旅游景区布告方法、系统和终端 |
US9686641B2 (en) | 2012-04-19 | 2017-06-20 | Zte Corporation | Notification method, notification system and terminal for scenery are abased on ad hoc network |
WO2013155781A1 (zh) * | 2012-04-19 | 2013-10-24 | 中兴通讯股份有限公司 | 一种基于Ad Hoc网络的旅游景区布告方法、系统和终端 |
CN102685687A (zh) * | 2012-04-19 | 2012-09-19 | 中兴通讯股份有限公司 | 一种基于Ad Hoc网络的旅游景区布告方法、系统和终端 |
CN102984713B (zh) * | 2012-11-29 | 2015-07-15 | 武汉大学 | 一种基于移动节点的无线传感执行网络覆盖方法 |
CN102984713A (zh) * | 2012-11-29 | 2013-03-20 | 武汉大学 | 一种基于移动节点的无线传感执行网络覆盖方法 |
CN104168621A (zh) * | 2014-09-02 | 2014-11-26 | 哈尔滨工业大学 | 一种基于分布式波束形成的海面无线传感网分簇方法 |
CN104168621B (zh) * | 2014-09-02 | 2017-11-03 | 哈尔滨工业大学 | 一种基于分布式波束形成的海面无线传感网分簇方法 |
CN105072660A (zh) * | 2015-06-24 | 2015-11-18 | 国家电网公司 | 一种面向消防的无线传感器执行器网络的路由方法 |
CN110139208A (zh) * | 2019-04-04 | 2019-08-16 | 江苏大学 | 基于dai的无线传感器网络协作通信中对管理智能体ma位置预测方法 |
CN112055394A (zh) * | 2019-06-06 | 2020-12-08 | 佛山科学技术学院 | 快速包含排除的无线传感器网络分簇路由方法及系统 |
CN110602167A (zh) * | 2019-08-09 | 2019-12-20 | 南京泛函智能技术研究院有限公司 | 一种无线自组网络环境下的分布式数据存储系统 |
CN110602167B (zh) * | 2019-08-09 | 2021-11-05 | 南京泛函智能技术研究院有限公司 | 一种无线自组网络环境下的分布式数据存储系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101896002B (zh) | 2013-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101896002B (zh) | 面向数据快速汇聚的无线传感器执行器网络分簇方法 | |
Liu et al. | QTSAC: An energy-efficient MAC protocol for delay minimization in wireless sensor networks | |
Bagci et al. | An energy aware fuzzy approach to unequal clustering in wireless sensor networks | |
CN102026331B (zh) | 无线传感器网络中分布式多跳节能通信方法 | |
Luo et al. | Optimal energy strategy for node selection and data relay in WSN-based IoT | |
Zhang | Real-time detection of energy consumption of IoT network nodes based on artificial intelligence | |
Ramanan et al. | Data gathering algorithms for wireless sensor networks: a survey | |
CN106559731A (zh) | 一种污水监测用无线传感器网络 | |
Renold et al. | Survey on state scheduling-based topology control in unattended wireless sensor networks | |
CN102547977A (zh) | 一种基于跳数的传感网定位方法 | |
CN103037467B (zh) | 一种无线传感器网络的数据融合方法和装置 | |
Abasikeleş‐Turgut | DiCDU: Distributed clustering with decreased uncovered nodes for WSNs | |
CN102083167A (zh) | 一种基于查询的多汇聚节点无线传感器网络路由方法 | |
Zi et al. | A novel chain-based routing protocol, branchain, in wireless sensor networks | |
Soni et al. | An investigation on energy efficient routing protocol for wireless sensor network | |
Gurupriya et al. | Dynamic clustering in wireless sensor networks using hybrid jellyfish optimization-leach protocol | |
Agarwal et al. | Swarm inspired artificial bee colony algorithm for clustered wireless sensor network | |
Jayram et al. | Merits and demerits of existing energy efficient data gathering techniques for wireless sensor networks | |
Wang et al. | Keeping desired qos by a partial coverage algorithm for cluster-based wireless sensor networks | |
Shao et al. | A spanning tree algorithm for data aggregation in wireless sensor networks | |
Xing et al. | Herd-based target tracking protocol in wireless sensor networks | |
Bindal | Energy efficiency in wireless sensor network contains leach protocol in environmental study | |
Chaubey et al. | An Efficient Cluster Based Energy Routing Protocol (E-CBERP) for Wireless Body Area Networks Using Soft Computing Technique | |
Saleem et al. | A GAME THEORETIC APPROACH FOR ENERGY OPTIMIZATION IN CLUSTERED WIRELESS AD HOC SENSOR NETWORKS | |
Liu et al. | A Centralized Energy-Efficient Wireless Sensor Network Routing Protocol for the Static Sensor Nodes. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |