CN104053221B - 基于冗余节点融合的能量平衡多轨道移动数据收集方法 - Google Patents
基于冗余节点融合的能量平衡多轨道移动数据收集方法 Download PDFInfo
- Publication number
- CN104053221B CN104053221B CN201410240549.8A CN201410240549A CN104053221B CN 104053221 B CN104053221 B CN 104053221B CN 201410240549 A CN201410240549 A CN 201410240549A CN 104053221 B CN104053221 B CN 104053221B
- Authority
- CN
- China
- Prior art keywords
- node
- ring
- data collection
- monitored area
- network
- 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.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
基于冗余节点融合的能量平衡多轨道移动数据收集方法,涉及无线传感器网络移动数据收集方法,首先建立分扇的多层网络模型,然后基于移动数据收集装置完成一次数据收集后,监测区域内各环任意节点能耗相同的能量平衡最优目标,得到移动数据收集装置的运行路径,进一步通过对移动数据收集过程中网络内节点进行冗余融合控制,使得在实现能量平衡的同时,提高了网络的寿命,更进一步降低了网络的能耗。
Description
技术领域
本发明涉及无线传感器网络移动数据收集方法,具体涉及一种基于冗余节点融合的能量平衡多轨道移动数据收集方法。
背景技术
静态无线传感器网络中,节点被随机的部署在监测区域,受限于节点的通信半径,传感器节点采集的数据通常以一跳或者多跳的方式发送至静态的sink节点或者基站。这就造成了网络能耗不平衡的问题,sink附近的点由于过高的数据中继而很快的耗尽能量,造成能量空洞导致网络坏死。
与静态网络不同,近些年一些基于移动元素的方案频频被提出,其核心思想是,使用移动数据收集装置在监测区域内部或者外围游动,以此来收集数据。研究表明,在无线传感器网络中引入移动元素可以显著提高数据收集效率。随机移动的数据收集装置难以保证网络的连通性,也带来了新的传感器节点能耗不平衡问题。因此可控的移动数据收集应运而生,采用特定的方法规划数据收集装置的运行轨迹来解决网络的各方面问题。
发明内容
本发明提供一种冗余节点融合的能量平衡多轨道移动数据收集方法,目的在于通过对无线传感器网络中冗余节点进行融合以提供网络的寿命,并进一步降低网络能耗。
为实现上述目的,本专利的发明人基于可控思想设计了一种基于移动数据收集装置的能量平衡的多轨道无线传感器网络移动数据收集方法,既保证了移动数据收集装置的受控性,也实现了网络中各节点能耗的均衡性。在此收集方法的基础上,本专利发明人进一步对上述方法中网络内的传感器节点进行冗余融合,得到了一种冗余节点融合的能量平衡多轨道移动数据收集方法,从而提高了网络的寿命,也更进一步降低了网络能耗。
本发明的技术方案为:基于冗余节点融合的能量平衡多轨道移动数据收集方法为:
(1)、建立分扇的多层网络模型
以正m边形为二维监测区域,监测区域依照节点通信半径r被划分为n环,离监测区域中心最近的环为环,每环的宽度为2r,监测区域以正m边形的中心为顶点被平均分成m个扇区,传感器节点被随机均匀部署在整个监测区域中;
(2)、移动数据收集装置MS按照的运行路径在监测区域的各个环中进行数据收集;其中,为MS在环内运行的圈数;
所述通过如下步骤获得:
①、建立能量平衡函数,式中,N代表监测区域内节点的总个数,代表MS按照的运行路径完成一个数据收集周期后,位于环内单位节点的总能耗;其中,,式中,为MS在环内运行的圈数,为MS在环内运行一周,环内节点的平均能耗;
②、基于MS按照的运行路径完成一个数据收集周期后,各环任意两个节点能耗相同的最优目标,最大化能量平衡函数的值,在满足能量平衡最优值的情况下,由通过线性规划得到MS每环运行圈数的最优解;
③、当步骤②得到的的解为非整数值时,取最接近的整数值作为MS在各环内运行的圈数,从而得到能量平衡的MS的运行路径。
(3)、MS按照的运行路径在监测区域的各个环中进行数据收集的过程中,按照下述方法对监测区域内各节点进行控制,以对冗余节点进行融合:
①、确定监测基数,监测基数为达到用户需要或者覆盖需要的最小节点数,当节点数目大于监测基数时判定为冗余,冗余倍数为节点数目与监测基数的比值;
②、根据冗余倍数计算出监测区域内当前扇区各环的节点数目为
,其中,为J扇区第I环的节点数目;
③、将监测区域内J扇区第I环这一分层均匀划分为个网格,划分方法为:将J扇区第I环所在的梯形区域的上、下两底分别均分为份,然后连接上、下两底的均分点,即成为网格;
④、在每个网格内的个节点中,按照的概率选取格头节点作为通信节点,其他节点睡眠;选取方法为:每个网格内的节点随机产生0-1之间的值,并与阈值比较,如果生成值小于阈值则被选中为格头节点,格头节点随后向网格内的其他节点广播选中消息,其他节点接到消息后进入睡眠状态,网络的监测任务由格头节点执行,当选过格头的节点不再被选中,直到所有节点都当选过格头节点后,进入下一轮选取;
所述阈值,式中,k为之间的整数,即为轮数,g为当选过格头节点的集合。
有益效果:本发明通过对能量平衡的MTEB数据收集方法进行网络冗余节点融合,得到了优化后的MTEO数据收集方法,从而大幅度的延长了网络寿命,同时进一步降低了网络中节点平均能耗之差,能量平衡性能较MTEB更佳。
本发明的MTEO方法和MTEB方法均采用相同的MS运行路径,以实现MS完成数据收集后网络中各节点能耗均衡的目的。
附图说明
图1为本发明以正六边形二维监测区域为例时的网络模型图。
图2为本发明仿真试验中,200个节点下的网络拓扑模型。
图3为本发明仿真试验中,400个节点下的网络拓扑模型。
图4为仿真试验中,MTEO、MTEB、IDGP和STATIC四种方法在数据上传周期变化的情况下网络寿命的对比图。
图5为仿真试验中,MTEO、MTEB、IDGP和STATIC四种方法随监测区域内节点数目变化的情况下网络寿命的对比图。
图6为仿真试验中,MTEO、MTEB、IDGP和STATIC四种方法的节点平均能耗之差的对比图。
具体实施方式
下面对本发明的技术方案进行详细说明。
本发明基于冗余节点融合的能量平衡多轨道移动数据收集方法,以下简称MTEO,本发明MTEO方法中去掉其中的对监测区域内冗余节点进行融合的步骤后的数据收集方法,以下简称MTEB,即本发明的MTEO比所说的MTEB多进行了冗余节点融合步骤。
如附图1所示,本发明以正六边形二维监测区域为本发明的网络模型进行说明。在本发明的网络模型下,N个传感器节点被随机均匀的部署在整个监测区域中,顶点到中心点距离为R。为与实际应用相匹配,假定所有传感器节点的通信半径都为r,MS或者其他移动数据收集装置(本发明以MS为例)携带充足的能源和存储空间。
监测区域依照节点通信半径r被划分n环,每环的宽度为2r。依划分为扇,每扇n层。值的选定可以为任意设定值,目的是把网络平均分成多个扇区。代表位于环内的节点,代表的数目。MS在各环中部运行以收集数据,因为基于多跳网络设计,可以知道,MS依本发明数据收集方法,在任意环运行一周即可收集到整个监测区域的所有节点数据。
本发明方法中,MS按照的运行路径在监测区域的各个环中进行数据收集;其中,为MS在环内运行的圈数。MS沿的轨道行驶能够平衡所有节点的能耗。
把上述建立的MS数据收集运行轨道定义为
(3-1)
下面对的定义进行推导,为匹配多数实际应用,MS从监测区域外围向内围行驶。采用
(3-2)
代表所有可选的MS运行的路径,MS首先在环内运行圈,然后在内运行圈,最后在MS在环运行圈后,就认为MS完成了一次数据收集路径。
用表示MS按照路径进行一次数据收集后,节点的总能耗。对于任意,都有时,路径就可以称作一个能量平衡路径。
因此可知
(3-3)
因为路径中环的长度为
(3-4)
可导出路径的总长度为
(3-5)
因为,代表所有能量平衡路径,那么表示中路线长度最小的路径
(3-6)
环境监测应用中,用户一般周期性的对数据进行分析,因此所有节点只需要周期的上传数据。根据应用需要,设定监测区域内整体数据收集周期为,即用户每隔时间就需要收集一次完整的监测区域内的数据。如果MS实际在任一环内运行时间为t,每个节点执行监测任务并在每个周期t时间内产生一个单位的数据包大小为q,即每节点每周期产生数据量为q。
MS在任意环内运行一圈时间为t,因为要保证用户要求,则MS在任意环内运行时间不得大于,即
(3-7)
以代表位于环内传感器节点向移动数据收集装置MS的数据传输率。由香农定理可知:
(3-8)
其中B是信道带宽,代表高斯噪声下的信噪比。每个节点以t为周期产生数据,假设每个节点每周期产生总量为q的数据。因为监测区域内总共有N个节点,则在周期t内所有节点共可产生个数据,因此可得MS所在数据收集环的理论数据传输时间为
(3-9)
为了确保MS能够成功的接收所有节点产生的数据,t应当不小于。由于监测区域内共有n环,当MS以最快速度运行,即在每环持续时间最短时,也要确保能够收集此环所中继的所有数据,由此可得:
(3-10)
为实现能量平衡,本发明以Jain的平衡指标理论为基础,建立了一个能量平衡函数,式中,N代表监测区域内节点的总个数,代表MS按照的运行路径完成一个数据收集周期后,位于环内单位节点的总能耗。
此函数公式可以归一化为:
(3-11)
假设,所有的有同样的值,那么
(3-12)
当时,就说明网络中所有节点一个数据收集周期内的总能耗相同,也意味着达到能量平衡的最优化指标。数据收集方法能量平衡指标的值越接近1则表明这个方法能量平衡性越高,因此本发明方法中能量平衡的目标就变为最大化能量平衡指标的值。
对本发明的网络模型进行能耗分析可以得到:MS按照的运行路径完成一个数据收集周期后,位于环内单位节点的总能耗,式中,为MS每环运行的圈数,为MS在任意环运行一周,环内节点的平均能耗。推导过程如下:
因为代表环内的节点,代表节点集内的节点个数,监测区域地理信息已知,因此设环的面积为。传感器节点随机均匀分布,部署密度可由节点总数和监测总面积相比求出,本文设d为监测区域内节点的部署密度。则可导出环内节点的总数为
(3-13)
用表示节点传输单位数据的能耗,则表示当MS在环内运行一周时,环内所有节点的总能耗
(3-14)
上式中为环及其所中继各环内节点数目总和。例如,当整个监测区域共有R/2r=n=7时,若MS所在环为,则对于环内的节点而言,不但需要产生、发送自身节点的数据,还要中继环和环的数据,因此
(3-15)
由式(3-14)可得,MS在任意环运行一周,环内节点的平均能耗为:
(3-16)
用表示MS以MTEB路径运行一次后,位于环内单位节点的总能耗。因为为MS每轨运行的圈数,则可表示为
(3-17)
采用表示MS运行一次路径所消耗的时间,因MS每环运行时间都为t,则的值可被表示为
(3-18)
在能量平衡的数据收集机制中,理想的情况下,每个数据收集周期单位节点的能耗应当相同,算法需要向着这个目标靠拢。为简化描述,以最外侧环内节点为例述,则表示在运行一次MTEB机制后节点的总能耗。由式(3-16)知,为MS在不同环运行时位于内节点的能耗,又 为MS每环运行的圈数。用表示节点的单位时间的能耗,可以导出
(3-19)
因为节点的能耗可由内所有节点总能耗除以总节点数而得到,可知
(3-20)
因此可得知
(3-21)
此外,内所有节点总能耗也可以由传输的总数据量和每单位数据传输能耗定出,可知
(3-22)
那么
(3-23)
由式(3-14)可知可表示如下
(3-24)
因为每个节点每周期产生q个数据,带入式(3-23)和式(3-24)整理可得
(3-25)
基于MS按照的运行路径完成一个数据收集周期后,各环任意两个节点能耗相同的最优目标,最大化能量平衡函数的值,在满足能量平衡最优值的情况下,由通过线性规划得到MS每环运行圈数的最优解。推导过程如下:
由可知
(3-26)
因此可得
(3-27)
当时,满足能量平衡最优化条件,此时可知
(3-28)
把式(3-28)带入式(3-27)并对矩阵求逆变换,可得到MS每环运行圈数的最优解
(3-29)
在实际应用中,可取适当实验参数或单位1,当得出的结果为非整数时,依式(3-6)取最接近的整数值作为MS在各环内运行的圈数,最终可得出满足式(3-11)中的目标函数的MS运行路径。在实际应用中还会面临另外一种情况,就是节点能耗矩阵为奇异矩阵,因为所求的,可以看做近似最优解。因此可以对节点能耗进行再分析,使矩阵达到非奇异的条件,并不会影响总体能量平衡的性能。这样就能得到能量平衡的MS数据收集路径。
本发明对上述的MTEB数据收集方法进行冗余节点融合优化,优化后的数据收集方法即本发明的MTEO。对MTEB数据收集方法中网络冗余节点进行融合的方法包括如下步骤:
①、确定监测基数,监测基数为达到用户需要或者覆盖需要的最小节点数,当节点数目大于监测基数时判定为冗余,冗余倍数为节点数目与监测基数的比值;
②、根据冗余倍数计算出监测区域内当前扇区各环的节点数目为
,其中,为J扇区第I环的节点数目;
③、将监测区域内J扇区第I环这一分层均匀划分为个网格,划分方法为:将J扇区第I环所在的梯形区域的上、下两底分别均分为份,然后连接上、下两底的均分点,即成为网格;
④、在每个网格内的个节点中,按照的概率选取格头节点作为通信节点,其他节点睡眠;选取方法为:每个网格内的节点随机产生0-1之间的值,并与阈值比较,如果生成值小于阈值则被选中为格头节点,格头节点随后向网格内的其他节点广播选中消息,其他节点接到消息后进入睡眠状态,网络的监测任务由格头节点执行,当选过格头的节点不再被选中,直到所有节点都当选过格头节点后,进入下一轮选取;
所述阈值,式中,k为之间的整数,即为轮数,g为当选过格头节点的集合。
下面对本发明优化后的MTEO方案的可行性进行证明。
引理 1 以扇区单位周期性的睡眠唤醒不会影响数据收集质量
证明:MTEB和MTEO以扇区为单位进行数据收集,网络以节点通信半径为基准进划分。当MS离开某扇区后,此扇区内的数据受限于通信半径,将不能够被MS接收。因此可得,此扇区内节点进入睡眠不会降低数据收集质量。
引理 2 选取格头节点后的数据收集方法仍然适用于MTEB多轨道能量平衡策略
证明:MTEO中节点周期性的数据收集,MS每环运行时间固定。因此睡眠调度很容易实现,对于节点工作时间段,只需要把节点内部时钟调整为MS此扇区运行时间即可。把MTEO每个节点一个周期的总能耗记为,则可知
由MTEB知数据传输能耗在下式相等的,而睡眠能耗
由此可得仍适用于。对于而言包括每个节点生成随机数能耗,头节点广播能耗。因此可知节点在一轮中能耗并不相等,头节点的能耗总是大一些,但是在轮数据收集后,所有节点都当选过格头节点,都会产生一次能耗,因此可得轮后对于网格内的节点是相等的。由此可得MTEO仍适用于MTEB多轨道能量平衡机制。
除能量平衡外,无线传感器网络另一个重要的问题是网络寿命。在此,网络寿命定义为节点部署开始工作到第一个监测空洞形成的时间间隔,而网络寿命大多取决于节点的能耗强度。网络生存时间内,节点单位时间能耗较低,则可说明网络能耗性能优越,或者说网络寿命较长。
为验证本发明MTEO方法在能量平衡和网络寿命上的优越性,下面通过计算机仿真实验,把MTEB数据收集方法和本发明冗余节点融合优化后的MTEO数据收集方法与归类为静止sink(STATIC)数据收集方法和归类为IDGP移动sink数据收集方法进行对比说明。其中的IDGP移动sink数据收集方法参见Jang-Ping Sheu,Prasan Kumar Sahoo,Chang-Hsin Su,Wei-Kai Hu,Efficient path planning and data gathering protocols for thewireless sensor network,Computer Communications 33 (2010) 398–408。
表1 仿真参数
采用MATLAB软件,利用其中的m语言对方法性能进行仿真试验。在仿真环境中,网络规模R为1200m,从六边形中心点到任意顶点距离为R,即六边形边长为R。节点数目从200个到1200个不等。MTEO的MS移动模型采用能量均衡的运行路径。节点初始能量为10000J,因为在网络模型中,节点非工作即睡眠,因此能耗主要考虑数据通信中的能耗与睡眠能耗,四种数据收集方法由节点数目和节点单位时间能耗作为考虑变量进行对比。
附图2和附图3给出了仿真环境下的网络拓扑模型。在网络规模R=1200m下,节点通信半径为100m时,分别以200个节点和400个节点为例进行描述。
附图2给出了200个节点下的网络模型。网络依通信半径被分为R/2r=6层,网络覆盖节点基数为。附图3给出了400个节点下的网络模型。可以明显看出节点分布的密集程度,在保证网络覆盖的情况下,冗余节点的增加也增大了监测数据相关性和节点空间相关性。
附图4给出了MTEO、MTEB、IDGP和STATIC四种方法在数据上传周期变化的情况下,网络寿命上的数据对比。网络寿命是以网络开始运行到第一个监测空洞出现为基准进行计算。如附图4所示,四种数据收集方法随着数据上传周期的增大,网络寿命都有着不同程度的增加。其中MTEB和本发明的MTEO的网络寿命均大于IDGP和STATIC的网络寿命,而本发明的MTEO的网络寿命又大于MTEB的网络寿命。
附图5给出了四种数据收集方法随着监测区域内节点数目的变化,在网络寿命上的对比。对于STATIC方法而言,中心节点过大的中继导致网络寿命极度有限。IDGP方法因为规划了MS的路径,优化了数据上传跳数,网络寿命上明显增多。MTEB方法则因为采用数据收集路径在能耗上较低,网络寿命又进一步增加。但是这三种数据收集方法随着节点数目的变化,网络寿命基本都没有剧烈变化。因为节点数目增加,承担数据中继任务的节点数目也同比率增大,平均任务量并没有变化。但是采用了冗余节点融合的MTEO数据收集方法则在寿命上明显随着节点数目的增大而增加。
MTEO中按照格头选取方法仅选取部分节点进行数据收集,其他节点睡眠。网络中的节点数目越多则可选的轮数就越大,网络寿命自然相对增加。因为在选取过程中存在部分能耗,且未选中节点的睡眠同样耗能,因此MTEO网络寿命并没有随着节点数目增大而同比率线性增加。综合来看,在节点个数为基数的两倍时,即=2时,MTEO数据收集方法的网络寿命是MTEB的1.7倍,是IDGP的2.1倍,同STATIC数据收集方法而言至少存在5.2倍的提升。由此可得本发明的MTEO数据收集方法在网络能耗性能上有着优异的性能,能够大幅度的延长网络寿命。
附图6,随机的选取监测区域中心节点与边缘节点,对比各种数据收集方法的节点平均能耗之差,进而凸显MTEB和MTEO方法的能量平衡性能。附图6中,STATIC使用左侧纵坐标,其他三种方法使用右侧纵坐标。无论是STATIC还是IDGP,中心节点与边界节点的能耗之差随着网络运行时间的增加而增大。特别是STATIC因为中心节的瓶颈问题导致了极大能量失衡。对于IDGP方法,因为MS沿规划后的路径进行数据收集,节点数据以多跳方式上传,能耗差因MS附近节点的过量数据中继而出现,因为IDGP采取了节能措施能耗差只是缓慢增加。而引入了能量平衡策略的MTEB与MTEO方法每当一段时间后能耗之差就归于零,其中MTEO因采取节点融合策略,能耗之差较另外三种方法最小。
Claims (1)
1.基于冗余节点融合的能量平衡多轨道移动数据收集方法,其特征在于:
(1)、建立分扇的多层网络模型
以正m边形为二维监测区域,监测区域依照节点通信半径r被划分为n环,离监测区域中心最近的环为环,每环的宽度为2r,监测区域以正m边形的中心为顶点被平均分成m个扇区,传感器节点被随机均匀部署在整个监测区域中;
(2)、移动数据收集装置MS按照的运行路径在监测区域的各个环中进行数据收集;其中,为MS在环内运行的圈数;
所述通过如下步骤获得:
①、建立能量平衡函数,式中,N代表监测区域内节点的总个数,代表MS按照的运行路径完成一个数据收集周期后,位于环内单位节点的总能耗;其中,,式中,为MS在环内运行的圈数,为MS在环内运行一周,环内节点的平均能耗;
②、在满足能量平衡最优值的情况下,由通过线性规划得到MS每环运行圈数的最优解;
③、当步骤②得到的的解为非整数值时,取最接近的整数值作为MS在各环内运行的圈数,从而得到能量平衡的MS的运行路径;
(3)、MS按照的运行路径在监测区域的各个环中进行数据收集的过程中,按照下述方法对监测区域内各节点进行控制:
①、确定监测基数,监测基数为达到用户需要或者覆盖需要的最小节点数,当节点数目大于监测基数时判定为冗余,冗余倍数为节点数目与监测基数的比值;
②、根据冗余倍数计算出监测区域内当前扇区各环的节点数目为
,其中,为J扇区第I环的节点数目;
③、将监测区域内J扇区第I环这一分层均匀划分为个网格,划分方法为:将J扇区第I环所在的梯形区域的上、下两底分别均分为份,然后连接上、下两底的均分点,即成为网格;
④、在每个网格内的个节点中,按照的概率选取格头节点作为通信节点,其他节点睡眠;选取方法为:每个网格内的节点随机产生0-1之间的值,并与阈值比较,如果生成值小于阈值则被选中为格头节点,格头节点随后向网格内的其他节点广播选中消息,其他节点接到消息后进入睡眠状态,网络的监测任务由格头节点执行,当选过格头的节点不再被选中,直到所有节点都当选过格头节点后,进入下一轮选取;
所述阈值,式中,k为之间的整数,即为轮数,g为当选过格头节点的集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410240549.8A CN104053221B (zh) | 2014-06-03 | 2014-06-03 | 基于冗余节点融合的能量平衡多轨道移动数据收集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410240549.8A CN104053221B (zh) | 2014-06-03 | 2014-06-03 | 基于冗余节点融合的能量平衡多轨道移动数据收集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104053221A CN104053221A (zh) | 2014-09-17 |
CN104053221B true CN104053221B (zh) | 2017-10-31 |
Family
ID=51505482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410240549.8A Expired - Fee Related CN104053221B (zh) | 2014-06-03 | 2014-06-03 | 基于冗余节点融合的能量平衡多轨道移动数据收集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104053221B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102036308A (zh) * | 2010-12-09 | 2011-04-27 | 江南大学 | 一种能量均衡的无线传感器网络分簇方法 |
CN103237364A (zh) * | 2013-04-19 | 2013-08-07 | 北京邮电大学 | 一种集成的无线传感器网络数据收集机制 |
-
2014
- 2014-06-03 CN CN201410240549.8A patent/CN104053221B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102036308A (zh) * | 2010-12-09 | 2011-04-27 | 江南大学 | 一种能量均衡的无线传感器网络分簇方法 |
CN103237364A (zh) * | 2013-04-19 | 2013-08-07 | 北京邮电大学 | 一种集成的无线传感器网络数据收集机制 |
Non-Patent Citations (5)
Title |
---|
An Efficient Data-Gathering Scheme for Heterogeneous Sensor Networks via Mobile Sinks;Po-Liang Lin et al.;《International Journal of Distributed Sensor Networks》;20121231;全文 * |
Data Collection Algorithm For Clustered Large-scale Wireless Sensor Networks Using Virtual Nodes;Jianquan Guo et al.;《2010 IEEE International Instrumentation and Measurement Technology Conference》;20100506;全文 * |
SenCar: An Energy-Efficient Data Gathering Mechanism for Large-Scale Multihop Sensor Networks;Ming Ma et al.;《IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS》;20071031;第18卷(第10期);全文 * |
一种基于移动基站的无线传感器网络数据收集方法;陈涛 等;《国防科技大学学报》;20110430;全文 * |
多跳无线传感器网络的高能效数据收集协议;郑国强 等;《软件学报》;20100915;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104053221A (zh) | 2014-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aslam et al. | Adaptive energy-efficient clustering path planning routing protocols for heterogeneous wireless sensor networks | |
Harizan et al. | Evolutionary algorithms for coverage and connectivity problems in wireless sensor networks: a study | |
Jain | A coherent approach for dynamic cluster-based routing and coverage hole detection and recovery in bi-layered WSN-IoT | |
He et al. | A neural network model to minimize the connected dominating set for self-configuration of wireless sensor networks | |
CN106792750A (zh) | 一种基于导向粒子群算法的节点部署方法 | |
CN103747537B (zh) | 一种基于熵度量的无线传感器网络离群数据自适应检测方法 | |
Arikumar et al. | EELTM: An energy efficient LifeTime maximization approach for WSN by PSO and fuzzy-based unequal clustering | |
CN107124748B (zh) | 一种移动传感网的Sink节点移动路径规划方法 | |
CN107341580A (zh) | 一种用于城市交通网络应急疏散规划的新型启发式算法 | |
CN107182063A (zh) | 一种基于自然能的无线传感器网络分簇路由协议 | |
Javadpour et al. | Combing fuzzy clustering and PSO algorithms to optimize energy consumption in WSN networks | |
CN107919918A (zh) | 一种移动节点辅助水下物联网数据可靠采集方法 | |
CN109348519A (zh) | 基于虚拟分扇的簇间多跳路由算法 | |
Obaidy et al. | Energy efficient algorithm for swarmed sensors networks | |
Jain et al. | A novel method of modeling wireless sensor network using fuzzy graph and energy efficient fuzzy based k-hop clustering algorithm | |
Markham et al. | Discrete Gene Regulatory Networks (dGRNs): A novel approach to configuring sensor networks | |
CN104065574A (zh) | 一种无线传感器网络层内非均匀分簇路由方法 | |
Erim et al. | Optimized mobility models for disaster recovery using UAVs | |
CN104053221B (zh) | 基于冗余节点融合的能量平衡多轨道移动数据收集方法 | |
CN103313298A (zh) | 一种用于异构传感器网络的节点冗余检测方法 | |
CN102685861B (zh) | 一种无线传感器网络sink节点收集数据的方法及装置 | |
Taseen et al. | An Innovative Method for Energy Intensive Routing and Transmission Network Positioning in Integrated Wireless Detector Networks | |
CN103369619B (zh) | 一种基于度自适应调整动态聚合树的方法 | |
Navimipour et al. | Minimize energy consumption and improve the lifetime of heterogeneous wireless sensor networks by using monkey search algorithm | |
CN103237312A (zh) | 一种无线传感器网络节点覆盖优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171031 Termination date: 20180603 |