CN104270797A - 基于边介数的无线传感器网络分簇方法 - Google Patents
基于边介数的无线传感器网络分簇方法 Download PDFInfo
- Publication number
- CN104270797A CN104270797A CN201410072816.5A CN201410072816A CN104270797A CN 104270797 A CN104270797 A CN 104270797A CN 201410072816 A CN201410072816 A CN 201410072816A CN 104270797 A CN104270797 A CN 104270797A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mtr
- network
- mrow
- clustering
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009191 jumping Effects 0.000 claims description 3
- 238000007514 turning Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 12
- 241000854291 Dianthus carthusianorum Species 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明在拓扑结构具有一定组织结构特性的无线传感器网络基础上,提出一种基于边介数的无线传感器网络分簇方法。其过程为:在簇结构发现过程中采用基于边介数的方法,对网络节点进行分簇。本发明将边介数引入分簇划分,对网络节点进行分簇,得到最优分簇网络。在小型网络中(主要针对无线传感器网络),本发明在耗能均衡的情况下,不仅能得到一个可信度相对较好的分簇网络,还避免了孤立节点的出现,而且使用最优分簇后网络结构好,从而保证了网络的可靠性,降低了网络能耗,延长了网络的生存周期。
Description
技术领域
本发明主要涉及无线传感器网络领域,特指一种基于边介数的无线传感器网络分簇方法,能够优化小型网络结构,降低网络能耗,延长网络的生存周期。
背景技术
无线传感器网络(WSN,Wireless Sensor Network)是由各种微型、廉价的传感器节点通过自组织的形式组成的一类数据收集网络。它综合了传感器技术、嵌入式计算技术、通信技术、分布式信息处理、微电子制造技术和软件编程技术等,可以实时监测、感知和采集网络所监控内的各种环境或监测对象的信息,并对收集到的信息进行处理后传送给终端用户。无线传感器网络在军事、医疗、工业、商业、农业和交通、安全、空间探测等,以及家庭和办公环境等众多等领域都有着广泛的应用,其研究、开发和应用关系到国家安全和经济发展等许多重要方面。
在无线传感器网络中,为了降低节点能量消耗,提供灵活、可靠的通信,并提高网络的可扩展性,通常采用分级分布式控制方式控制网络,即采用网络分级结构在分级结构中;网络被划分为簇,分簇方法的选择和性能影响网络覆盖率和网络连通性,由于分簇对于路由、拥塞控制等上层协议均有影响,因此,它属于无线传感器网络中的支撑技术,对网络综合性能有重要影响。
针对无线传感器网络中能量损耗问题已经有了一些解决方法。在多跳网络中,Lian J和Naik K教授提出了这样一个方法,即在无线传感器网络中,在离汇聚节点较近的位置放置更多的传感器节点,该方法能够缓解能量急剧损耗的压力,但是网络中的节点分布不均匀且节点总数从内向外呈等比增长,因此网络中的节点数大量增加,而现实生活中传感器节点还不能低成本大规模生产,因此要实现本方法,网络成本将消耗巨大。
对于优化拓扑结构的优化控制,Heinzelman W教授提出的LEACH(Low Energy Adaptive ClusteringHierarchy)方法。LEACH方法是一种典型的低功耗分层路由方法。该方法是目前无线传感器网络分簇型拓扑控制中最具代表性的算法之一。算法通过分层的思想,采用分轮次进行簇头选择的方法。网络中每一轮次根据节点产生的0~1之间的随机数进行判断,如果当前轮次中某节点产生的随机数小于设定阈值T,那么这个节点就被选做该轮次中的簇头,如果该轮次中此节点被选为簇头,那么接下来l/p轮次中该节点就不能成为簇头。簇头接收来自簇内节点的信息,融合汇总,然后传输给基站。因LEACH方法的重点主要集中于均衡簇内成员节点之间的能量消耗,存在成簇开销大,且没有很好地解决第一个节点死亡到网络中所有节点死亡的时间跨度长以及网络生存期较短的问题。
发明内容
本发明在分簇发展的基础上,针对现有技术存在的不足以及具有一定组织结构的无线传感器网络的实际应用需要,提出了一种基于边介数的无线传感器网络分簇方法。在成簇阶段采用基于边介数的方法,将通信能力较好的节点之间建立连接,并计算其边介数从而进行分簇,该方法能够有效减少能耗,延长网络生存周期,提高稳定期时间,还能优化网络结构,并有效避免了孤立节点的出现。
根据本发明的一个方面,提供一种基于边介数的无线传感器网络分簇方法,包括以下步骤:
针对由多节点组成的网络,构造出一个由0和1元素构成的对称三角阵,即构成所述的网络邻接矩阵。以下是多个节点的邻接矩阵GN×N:
由得到的邻接矩阵GN×N,分别计算任意两个点之间的最短路径和最短路径条数;
根据本发明的一个方面,还包括步骤:计算边介数和边介数矩阵,其中,边介数是网络中所有最短路径中经过某一条边的路径的数目占最短路径总数的比例。
具体边介数的计算步骤如下:
其中,n(i,j)代表从节点i到节点j的最短路径条数,N代表节点数目;
根据邻接矩阵GN×N和边介数的计算方法可得到边介数矩阵BN×N,其中
根据本发明的一个方面,还包括步骤:
由边介数矩阵BN×N进行分簇,其步骤如下:
首先由得到的边介数矩阵BN×N,依次去掉其最大值以及最大值所对应的邻接矩阵中的边,从而得到分簇;
再计算整个分簇网络的Q值。Q值代表网络分簇结果的优劣,当Q取极大值时,网络分簇得到最优分簇结果;
其中,分簇中使用的Q值定义为:
其中,eij代表从分簇i到分簇j之间连接的边的数目,代表在分簇i中的边的数目,Tre=∑ieij代表连接顶点的边的数目,Q的取值范围为0~1。
根据本发明的一个方面,所述分簇划分的具体计算过程如下:
步骤1:计算网络最短路径以及最短路径条数;
步骤2:计算边介数,得到边介数矩阵;
步骤3:求得边介数矩阵中的最大值;
步骤4:去掉边介数最大值以及它所对应的边;
步骤5:判断是否得到分簇,若是转步骤6,否则跳转到步骤3;
步骤6:计算整个分簇网络的Q值,判断是否极大值,若是则结束,否则跳转到步骤3;
步骤7:结束。即得即完成本发明网络的分簇。
附图说明
图1是基于边介数的WSN分簇方法的分簇流程图;
图2是基于边介数的WSN分簇方法的10节点网络结构示意图;
图3是基于边介数的WSN分簇方法的具有分簇特性的20节点网络示意图;
图4是基于边介数的WSN分簇方法的具有分簇特性的34节点网络示意图;
图5是基于边介数的WSN分簇方法的50节点随机网络分布示意图;
图6是基于LEACH方法的具有分簇特性(已分好簇)的20节点网络示意图;
图7是基于边介数的WSN分簇方法的具有分簇特性(已分好簇)的20节点网络示意图。
具体实施方式
本发明技术方案的具体步骤为:
以图2为例,网络由10节点组成。若设定误码率低于阈值P为可连接,在邻接矩阵中用1表示;否则为不可连接,在邻接矩阵中用0表示。据此,可构造出一个由0和1元素构成的对称三角阵,即网络的邻接矩阵G:
由得到的邻接矩阵G,按照最短路径算法,如floyd算法。分别计算任意两个点之间的最短路径,然后统计任意两点之间的最短路径条数,接下来在此基础上计算每条边的边介数。
网络中边Eij的边介数计算方法是:
其中,n(i,j)代表从节点i到节点j的最短路径条数,N代表网络节点总数。
由邻接矩阵G和边介数的计算方法可得到边介数矩阵B
然后,由边介数矩阵B进行分簇。详细如下:
首先由得到的边介数矩阵B,依次去掉其最大值以及最大值所对应的邻接矩阵中的边,从而得到分簇:节点序号为1、2、3、4、5为一簇,6、7、8、9、10为另一簇。
再计算整个分簇网络的Q值,取Q极大值时的分簇即得到最优分簇结果。
分簇中使用的Q值定义为:
其中,eij代表从分簇i到分簇j之间连接的边的数目,代表在分簇i中的边的数目,Tre=∑ieij代表连接顶点的边的数目,Q的取值范围为0~1。
边介数是网络中所有最短路径中经过某一条边的路径的数目占最短路径总数的比例。边介数的大小即代表着一条传输路径在整个网络传输流中所占比例的大小。边介数越小,该边流量越小,边的两端节点越应该分在同一簇内。因此,分簇过程为去掉边介数大的边。具体分簇计算过程如下步骤:
步骤1计算网络最短路径以及最短路径条数;
步骤2计算边介数,得到边介数矩阵;
步骤3求得边介数矩阵中的最大值;
步骤4去掉边介数最大值以及它所对应的边;
步骤5是否得到分簇,若是转步骤6,否则跳转到步骤3;
步骤6计算整个分簇网络的Q值,判断是否极大值,若是则结束,否则跳转到步骤3;
步骤7结束。即完成本发明网络的分簇。
假设在分簇网络中存在孤立节点,即某一分簇Cs中节点之间的边数目ai为零,且任意其它分簇与之相连的边数目eij也为零,依公式(4)求取整个网络的期望值也将减少,与本发明得到极大Q值相违背。在分簇个数方面,依公式(4),由Newman M E J在Girvan M.Finding and evaluating community structure innetworks中的证明可以得到,当求取极大Q值时,对应得到的分簇结构最接近理想状态,即得到理想分簇数目,而LEACH的方法是需要指定分簇的数目。
在基于边介数的WSN分簇方法中,得到的邻接矩阵取决于通信能力;基于边介数的WSN分簇方法,仅去掉边介数最大的边,即对整个网络的影响最大,对于某一个簇来说,其影响最小,保证了最强的簇内通信能力。
然后,由Q值保证基于边介数的划分得到的是最好的分簇结构,即在所有的分簇结构中本文方法得到的整个网络的分簇结构最为合理。
为验证基于边介数的WSN分簇方法的有效性,本文通过Matlab仿真平台进行实验,分别将网络节点随机部署在一个100m×100m的监测区域内,基站坐标随机分布。节点初始能量均为0.5J。
本发明的网络能耗与其他同类方法的计算相同。一个节点传输K bit的数据包传送距离为d,发送和接收能耗如下:
ERx=k*Eelec (6)其中Eelec为发送和接收lbit数据长度所消耗的能量,Efs和Emp分别为自由空间模型和多路径衰减模型的放大器能耗,d0是传输模型阈值,当传输距离小于该阈值的时候,采用自由空间模型;否则采用多路径模型。Eda表示融合单位数据能耗,p个K bit数据所需要的融合能耗为:
EA=p*k*Eda (7)其他参数设置如下表:
表1仿真参数设置
参数 | 取值 |
网络部署区域起始点坐标 | (0,0) |
传输模型阈值 | 80m |
传输数据量 | 2000bit |
无线电收发电路能耗 | 50nJ/bit |
自由空间模型放大器能耗 | 10pJ/bit*m-2 |
多路径模型放大器能耗 | 0.0013pJ/bit*m-4 |
融合数据能耗 | 5nJ/bit |
仿真分别在具有分簇结构的20节点网络、具有分簇结构的34节点网络和50节点随机分布网络中进行。图3是具有分簇结构的20节点网络示意图。图4是具有分簇结构的34节点网络示意图。图5是50节点随机网络分布示意图。从图中可以看出,图3-图5分别显示出每个簇结构都很紧凑,没有出现孤立节点。
而如图6所示,LEACH方法的分簇结果就不太理想。LEACH方法依据到随机簇头的距离得到的簇结构:网络中节点1、2、4、5、6、7、10是一个簇,如图中的六边形;节点8、9是一个簇,如图中的六角形;节点3、11、12、13、14、15是一个簇,如图中的圆形;节点16、17、18、19、20是一个簇,如图中的三角形;相比于图7所示,它是图三的分簇延展图,网络中节点1、2、3、4、5是一个簇,如图中的六边形;节点6、7、8、9、10是一个簇,如图中的六角形;节点11、12、13、14、15是一个簇,如图中的圆形;节点16、17、18、19、20是一个簇,如图中的三角形。
实验结果表明,基于边介数的WSN分簇方法不会出现孤立节点,且网络结构好,能够保证网络的可靠性。
针对于网络生存周期,分别对比网络中出现第一个节点死亡的时间和网络中95%节点死亡的时间。在平均的情况下34节点网络的生存周期如下表:
表234节点网络生存周期比较(单位:轮次)
分簇方法 | 第一个节点死亡的时间 | 95%节点死亡时间 |
基于边介数的WSN分簇方法 | 1178 | 2513 |
LEACH方法 | 335 | 1025 |
34节点网络中,基于边介数的WSN分簇方法和LEACH方法第一个节点死亡的时间分别是1178轮次和335轮次,那么基于边介数的WSN分簇方法在网络稳定期上提高了251.6%;而基于边介数的WSN分簇方法和LEACH方法95%节点死亡的时间分别是2513轮次和1025轮次,那么基于边介数的WSN分簇方法在网络生存期上提高了145.2%。再对比20节点网络的生存周期如下表:
表320节点网络生存周期比较(单位:轮次)
分簇方法 | 第一个节点死亡的时间 | 95%节点死亡时间 |
基于边介数的WSN分簇方法 | 1087 | 1608 |
LEACH方法 | 454 | 702 |
20节点网络中,基于边介数的WSN分簇方法和LEACH方法第一个节点死亡的时间分别是1087轮次和454轮次,基于边介数的WSN分簇方法在网络稳定期上提高了139.4%;在网络生存期上基于边介数的WSN分簇方法明显高于其他方法,为1068轮次,而LEACH方法较少为702轮次,在网络生存周期上,基于边介数的WSN分簇方法提高了129.0%。
因此,基于边介数的WSN分簇方法能更好的降低网络能耗,延长网络的生存周期。
综上所述,基于边介数的WSN分簇方法,不仅可以得到网络结构好、且不会出现孤立节点的分簇网络,且本方法能够保证网络的可靠性,能更好的降低网络能耗,延长网络的生存周期。
Claims (4)
1.一种基于边介数的无线传感器网络分簇方法,其特征在于,所述方法至少包括以下步骤:
针对由多节点组成的网络,构造出一个由0和1元素构成的对称三角阵,即构成所述的网络邻接矩阵,其中N个节点网络的邻接矩阵GN×N:
根据所述邻接矩阵GN×N,计算所述网络中任意两个节点之间的最短路径;
根据所述邻接矩阵GN×N,计算所述网络中任意两个节点之间的最短路径条数。
2.根据权利要求1所述的基于边介数的无线传感器网络分簇方法,其特征在于,所述方法至少还包括如下步骤:
计算边介数和边介数矩阵,其中,边介数是网络中所有最短路径中经过某一条边的路径的数目占最短路径总数的比例;
所述具体边介数的计算步骤如下:
其中,n(i,j)代表从节点i到节点j的最短路径条数,N代表节点数目;
根据邻接矩阵GN×N和边介数的计算方法可得到边介数矩阵BN×N,其中
3.根据权利要求1或者2所述的基于边介数的无线传感器网络分簇方法,其特征在于,还包括如下步骤;
由边介数矩阵BN×N进行分簇,其步骤如下:
首先由得到的边介数矩阵BN×N,依次去掉其最大值以及最大值所对应的邻接矩阵中的边,从而得到分簇;
再计算整个分簇网络的Q值;Q值代表网络分簇结果的优劣,当Q取极大值时,网络分簇得到最优分簇结果;
其中,分簇中使用的Q值定义为:
其中,eij代表从分簇i到分簇j之间连接的边的数目,代表在分簇i中的边的数目,Tre=∑ieij代表连接顶点的边的数目,Q的取值范围为0~1。
4.根据权利要求1或者2所述的基于边介数的无线传感器网络分簇方法,其特征在于,所述分簇划分的具体计算过程如下:
步骤1:计算网络最短路径以及最短路径条数;
步骤2:计算边介数,得到边介数矩阵;
步骤3:求得边介数矩阵中的最大值;
步骤4:去掉边介数最大值以及它所对应的边;
步骤5:判断是否得到分簇,若是转步骤6,否则跳转到步骤3;
步骤6:计算整个分簇网络的Q值,判断是否极大值,若是则结束,否则跳转到步骤3;
步骤7:结束,完成所述网络的分簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410072816.5A CN104270797B (zh) | 2014-02-25 | 2014-02-25 | 基于边介数的无线传感器网络分簇方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410072816.5A CN104270797B (zh) | 2014-02-25 | 2014-02-25 | 基于边介数的无线传感器网络分簇方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104270797A true CN104270797A (zh) | 2015-01-07 |
CN104270797B CN104270797B (zh) | 2018-04-06 |
Family
ID=52162264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410072816.5A Expired - Fee Related CN104270797B (zh) | 2014-02-25 | 2014-02-25 | 基于边介数的无线传感器网络分簇方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104270797B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106211258A (zh) * | 2016-07-21 | 2016-12-07 | 河南工业大学 | 一种基于簇头轮换机制的簇树路由方法及装置 |
CN110752990A (zh) * | 2019-10-24 | 2020-02-04 | 西安电子科技大学 | 保障弹性的时变网络最短路由方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873606A (zh) * | 2010-06-09 | 2010-10-27 | 中国人民解放军海军航空工程学院 | 基于固定簇头的无线传感器网络分簇方法 |
CN103024857A (zh) * | 2013-01-08 | 2013-04-03 | 西安电子科技大学 | 应用于无线传感器网络的分簇控制方法 |
CN103441786A (zh) * | 2013-09-02 | 2013-12-11 | 湘潭大学 | 一种协作mimo无线传感器网络环境下协作节点的选择方法 |
-
2014
- 2014-02-25 CN CN201410072816.5A patent/CN104270797B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873606A (zh) * | 2010-06-09 | 2010-10-27 | 中国人民解放军海军航空工程学院 | 基于固定簇头的无线传感器网络分簇方法 |
CN103024857A (zh) * | 2013-01-08 | 2013-04-03 | 西安电子科技大学 | 应用于无线传感器网络的分簇控制方法 |
CN103441786A (zh) * | 2013-09-02 | 2013-12-11 | 湘潭大学 | 一种协作mimo无线传感器网络环境下协作节点的选择方法 |
Non-Patent Citations (1)
Title |
---|
李哲涛等: "低占空比、低碰撞的异步无线传感器网络MAC协议", 《通信学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106211258A (zh) * | 2016-07-21 | 2016-12-07 | 河南工业大学 | 一种基于簇头轮换机制的簇树路由方法及装置 |
CN110752990A (zh) * | 2019-10-24 | 2020-02-04 | 西安电子科技大学 | 保障弹性的时变网络最短路由方法 |
CN110752990B (zh) * | 2019-10-24 | 2021-01-05 | 西安电子科技大学 | 保障弹性的时变网络最短路由方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104270797B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Murugaanandam et al. | Reliability-based cluster head selection methodology using fuzzy logic for performance improvement in WSNs | |
Ullah et al. | A comparison of heed based clustering algorithms--Introducing ER-HEED | |
CN103906164B (zh) | 海上搜救无线传感器网络拓扑及拓扑控制方法 | |
Neto et al. | MH-LEACH: A distributed algorithm for multi-hop communication in wireless sensor networks | |
CN109673034A (zh) | 一种基于天牛须搜索的无线传感网络分簇路由方法 | |
CN108566664B (zh) | 一种分布式高能效的wsn分簇路由优化方法 | |
CN104618997A (zh) | 一种基于非均匀网格的数据聚合方法 | |
CN107969008B (zh) | 一种软件定义传感网集中式路由计算方法 | |
Tong et al. | A cross unequal clustering routing algorithm for sensor network | |
Hassan Oudani et al. | Energy efficient in wireless sensor networks using cluster-based approach routing | |
Nedham et al. | An improved energy efficient clustering protocol for wireless sensor networks | |
CN104284386A (zh) | 基于点介数的无线传感器网络簇头选择方法 | |
Rahama et al. | A routing protocol for improving energy efficiency in wireless sensor networks | |
CN110113807B (zh) | 无线传感器网络中基于数据相似度的节点休眠调度方法 | |
Anand et al. | A survey on clustering approaches to strengthen the performance of wireless sensor network | |
CN104270797A (zh) | 基于边介数的无线传感器网络分簇方法 | |
Zheng et al. | An energy efficient clustering scheme with self-organized id assignment for wireless sensor networks | |
Amsalu et al. | Design and performance evaluation of an energy efficient routing protocol for Wireless Sensor Networks | |
CN103369619A (zh) | 一种基于度自适应调整动态聚合树的方法 | |
Jameel et al. | Energy Efficient Smart Sensor Network Routing Protocol using Node Scheduling | |
Bhavana et al. | Spatial correlation based clustering algorithm for random and uniform topology in WSNs | |
Rajpoot et al. | An enhanced approach for energy optimization using protocol based on multi factors | |
Karim et al. | Routing on mini-gabriel graphs in wireless sensor networks | |
Tejaswi et al. | Routing protocols for landslide prediction using wireless sensor networks | |
Qu et al. | Identifying neighbor and connectivity of wireless sensor networks with poisson point process |
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: 20180406 |