CN104394550A - 基于频繁项的无线传感器网络空间关联性子簇形成方法 - Google Patents
基于频繁项的无线传感器网络空间关联性子簇形成方法 Download PDFInfo
- Publication number
- CN104394550A CN104394550A CN201410720459.9A CN201410720459A CN104394550A CN 104394550 A CN104394550 A CN 104394550A CN 201410720459 A CN201410720459 A CN 201410720459A CN 104394550 A CN104394550 A CN 104394550A
- Authority
- CN
- China
- Prior art keywords
- node
- submanifold
- bunch
- sampling
- nodes
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/248—Connectivity information update
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及一种基于频繁项的无线传感器网络空间关联性子簇形成方法,属于无线传感器通信技术领域。本发明根据簇内节点采集的数据挖掘簇内节点之间的关联,按照关联性将簇划分为多个子簇,在子簇内选取抽样节点感知并上报数据,每个簇内至少一个子簇选取多于一个抽样节点,抽样节点动态随机选取,簇头节点根据节点的关联性进行传感器调度,并随着环境变化动态调整簇内节点的关联性。本发明通过利用频繁项挖掘簇内节点的关联性,按照关联性将簇划分为多个互不相交的子簇,使子簇内的节点采集的时间序列相似,从而依据时间序列控制子簇内传感器节点的更新次数,减少数据通信量,降低网络能耗。
Description
技术领域
本发明涉及一种基于频繁项的无线传感器网络空间关联性子簇形成方法,属于无线传感器通信技术领域。
背景技术
周期性数据采集是无线传感器网络重要的应用之一,传感器节点周期性感知环境信息,并将感知数据传送基站节点,传感器节点需要传输大量数据。与传感器节点感知和计算操作相比,数据传输会消耗更多能量。Deborah Estrin指出传感器节点传输1bit信息100m距离需要的能量大约相当于执行3000条计算指令消耗的能量。传感器节点的能量有限。因此,为了延长无线传感器网络的生命周期,研究如何减少节点间的通信量且保证采集数据质量的数据采集方法具有重要的意义。
目前,减少基于分簇的周期性数据采集通信负载,实现能量高效的数据采集已经取得了一些成果。一类是利用优化的分簇算法节省WSNs的能耗,包括:基于模糊能量感知的不平等簇形成算法,面向节点节能的平衡簇形成算法等。还有一类是通过预测减少网络的通信量,延长网络生命周期,簇内节点和基站节点利用构建的线性预测器对采集数据进行预测,簇内节点将预测值与实际采集的数据比较,大于可容忍误差,则传送感知数据到簇头,否则,不传送数据,基站节点使用预测数据值,包括:面向传感器节点实测历史数据的回归分析方法,基于中心化自回归模型的数据预测方法,基于节点自身计算能力的感知数据逼近方法,面向网络能耗的空间关联性方法。然而,这些簇形成算法忽略了节点采集数据之间的时间和空间关联性。
发明内容
本发明的目的是提供一种基于频繁项的无线传感器网络空间关联性子簇形成方法,以解决现有分簇方法中由于簇内所有节点感知并上报数据产生数据冗余导致能耗大的问题。
本发明为解决上述技术问题而一种基于频繁项的无线传感器网络空间关联性子簇形成方法,该子簇形成方法包括以下步骤:
1)根据簇内各个节点的时间序列,将相同采样周期感知到相同数据的传感器节点形成一条记录,根据M个采样周期形成的记录构建树形结构,对所构建的树形结构利用频繁项挖掘簇内各个节点的关联性;
2)根据所挖掘的簇内各节点关联性将簇划分为若干个子簇,在每个子簇内选取抽样节点进行感知和数据上传;
3)根据环境变化动态调整子簇的划分。
所述步骤1)中簇内节点关联性的挖掘过程如下:
A.根据所构建的树形结构建立树形结构项头表global header table,从树形结构项头表global header table最后一项开始,构造包含此项的条件数据库,每条记录不包含已经挖掘出的项集所包含的项;
B.为各条件数据库构建相应的条件FP-tree,将单项计数小于最小支持度计数的项删除;
C.挖掘满足最小支持度计数的最长频繁项集,深度优先浏览条件FP-tree的每一个分枝,节点计数小于最小支持度计数,停止浏览该分枝,并记录已经浏览的计数大于最小支持度的节点序列和该序列的长度,继续浏览下一分枝,直到条件FP-tree的所有分枝被浏览;
D.从获得的节点序列中选取最长的序列,以得到频繁项集,将树形结构项头表global header table中此频繁项集包含的项删除,形成新的global headertable;
E.循环执行以上过程,直到global header table为空结束。
所述步骤2)传感器的调度过程如下:
a.按关联性将簇划分为N个子簇;
b将子簇的划分结果散布给簇头节点,簇头选取每个子簇的抽样节点,使簇内至少一个子簇多于一个抽样节点;
c.通知被选为抽样节点的簇内节点感知并上报数据;
d.簇头节点对同一子簇内节点的时间序列比较,当n个连续数据,存在大于n(1-support)个数据的差值大于可容忍误差σ,则认为簇内节点的空间关联性发生改变,将簇按照新的挖掘结果划分子簇。
所述步骤3)子簇划分的调整过程如下:
I.探测簇内节点的空间关联性是否发生改变,若发生通知簇内所有节点按照采集周期Td感知并上报数据;
II.基站节点按照步骤1)进行簇内节点空间关联性的挖掘;
III.重新按照步骤2)划分子簇。
所述在子簇中选取抽样节点,未被选作抽样节点的传感器节点根据子簇内抽样节点采集的数据进行恢复。
所述子簇中抽样节点的选取是按照设定抽样率对子簇中各抽样节点随机选取得到。
本发明的有益效果是:本发明根据簇内节点采集的数据挖掘簇内节点之间的关联,按照关联性将簇划分为多个子簇,在子簇内选取抽样节点感知并上报数据,每个簇内至少一个子簇选取多于一个抽样节点,抽样节点动态随机选取,簇头节点根据节点的关联性进行传感器调度,并随着环境变化动态调整簇内节点的关联性。本发明通过利用频繁项挖掘簇内节点的关联性,按照关联性将簇划分为多个互不相交的子簇,使子簇内的节点采集的时间序列相似,从而依据时间序列控制子簇内传感器节点的更新次数,减少数据通信量,降低网络能耗。
附图说明
图1是空间关联性子簇模型示意图;
图2是FIMSSC算法流程图;
图3是挖掘簇内关联性的流程图;
图4是基于空间关联性的传感器调度流程图;
图5是子簇动态调整的流程图;
图6是节点存活数量随时间变化的示意图;
图7是节点总能耗时间变化的示意图;
图8是不同抽样率下节点总能耗情况示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
基于分簇的无线传感器网络数据采集,簇内节点周期性传输感知数据到簇头节点,由簇头节点进行数据聚合并传送到基站节点。无线传感器网络结构用图G(S,H,B)表示,S代表传感器节点,H代表簇头节点,B代表基站节点。无线传感器网包含N个传感器节点组成,每个节点表示为Si,i∈{1,2,…,N}。分簇路由协议将无线传感器网络划分为互不相交的簇,网络中每一个节点都属于一个簇,每个簇都一个簇头节点,被选为簇头的节点表示为hi,簇头节点集合用H表示,H={Si|hi=Si}。hi=Si表示节点Si是簇头节点,Si作为簇头节点形成的簇表示为Ci,Ci={Sj|hj=Si},给定节点Sj,若Si作为其簇头节点(hj=Si),则Sj在Ci中(Sj∈Cj),因为距离较近的传感器节点感知的数据存在空间关联性的可能性较大,所以簇内所有节点感知并上报数据可能会产生冗余数据,消耗大量不必要的能耗。
基于存在的问题提出空间关联性子簇网络结构,本发明将簇进一步划分为子簇,Ci中的子簇集表示为Gi,Ci中子簇的数量由Ki表示,Ki=|Gi|,Gi中的子簇表示为Gi(j),j∈{1,2,…,Ki},子簇内节点采集的时间序列相似,选取子簇的部分节点感知、上报数据,这些节点被称作抽样节点,剩余节点的数据值根据抽样节点的数据值进行恢复,无线传感器网络关联性子簇模型如图1所示。
本发明采用基于频繁项挖掘的空间关联性子簇形成算法FIMSSC(frequentitemset mining-based spatial subclustering algorithm),其核心思想是根据节点感知的数据使用频繁项挖掘算法获取节点的关联性,由三部分组成,如图2所示,一是基站节点挖掘簇内节点的关联性;二是簇头节点根据节点的关联性进行传感器调度;三是随着环境变化动态调整簇内节点的关联性。距离较近的节点采集的数据可能存在空间关联性,所以根据簇内节点采集的数据,挖掘簇内节点的关联性,按关联性将簇划分为多个互不相交的子簇,子簇内的节点采集的时间序列相似。基站节点接收和存储簇内节点的时间序列,基站节点拥有较强的存储和处理能力,并且能量不受限制,所以在基站节点挖掘簇内节点的关联性。根据基站节点的性能,设定挖掘的时间范围n,选取簇内所有节点在此区间内采集到的数据序列,设置可容忍的误差值σ,两个数据的差值小于σ,认为这两个数据相等,定义传感器节点的字典序{S1S2S3...SN}。该方法的具体实施过程如下:
1.挖掘簇内节点关联性
根据簇内每个节点的时间序列,将相同采样周期感知到相同数据(数据差值在可容忍误差范围内)的传感器节点按字典序形成一条记录,随后,根据n个采样周期形成的记录构建树形结构,最后,对构建的树利用频繁项进行挖掘。该挖掘流程如图3所示,具体包括以下步骤:
1)从global header table最后一项开始,构造包含此项的条件数据库,如:TDB|S7={<S5S6S7:8>,<S1S6S7:1>,<S3S4S6S7:1>}每条记录不包含已经挖掘出的项集所包含的项,global header table是为了方便树的建立创建的一个项头表,项头表包含树中的所有节点,每项通过一个节点链指向它在树中的位置;
2)为此条件数据库构建相应的条件FP-tree,将单项计数小于最小支持度计数的项删除,FP-tree指的是构建的树形结构;
3)挖掘满足最小支持度计数的最长频繁项集,深度优先浏览条件FP-tree的每一个分枝,节点计数小于最小支持度计数,停止浏览该分枝,并记录已经浏览的计数大于最小支持度的节点序列和该序列的长度,继续浏览下一分枝,直到条件FP-tree的所有分枝被浏览;
4)从获得的节点序列中选取最长的序列,此过程得到频繁项集<S7S5S6>。将global header table中此频繁项集包含的项删除,形成新的global headertable;
5)循环执行以上过程,直到global header table为空结束。
2.基于空间关联性的传感器调度
基站节点根据簇内节点采集的数据挖掘节点之间的关联性,如图4所示,按关联性将簇划分为多个子簇,在子簇内选取抽样节点感知并上报数据,簇内至少一个子簇选取多于一个抽样节点,抽样节点动态随机选取,且抽样节点更新周期TS,子簇内选取多个节点上报数据,需要基站节点根据最新采集的数据重新进行空间关联性的挖掘,将簇按照新的挖掘结果划分子簇。
A.根据簇内节点采集的数据挖掘节点之间的关联性;
B.按关联性将簇划分为多个子簇,在子簇内选取抽样节点感知并上报数据,子簇内选取多个节点上报数据,子簇中抽样节点的选取是按照设定抽样率对子簇中各抽样节点随机选取得到;
C.基站节点将子簇的划分结果散布给簇头节点,簇头选取子簇的抽样节点,使簇内至少一个子簇多于一个抽样节点;
D.通知被选为抽样节点的簇内节点感知并上报数据;
E.簇头节点对同一子簇内节点的时间序列比较,当n个连续数据,存在大于n(1-support)个数据的差值大于可容忍误差s,则认为簇内节点的空间关联性发生改变,将簇按照新的挖掘结果划分子簇。
3.子簇动态调整
该调整过程如图5所示,当簇头节点探测到簇内节点的空间关联性发生改变,则通知簇内所有节点按照采集周期Td感知并上报数据,由基站节点按照步骤1进行簇内节点空间关联性的挖掘,根据步骤2重新划分子簇。
下面以(100m×100m)的平面区域随机部署100个传感器节点为例来说明本发明的效果,基站坐标为(50,75),实验中,设每个节点的初始能量2J,nCH=5,εm=0.0013PJ/(bit·m4),Eelec=50nJ/bit,Eda=5nJ/(bit·singal-1),带宽为1Mbps,消息长度500Bytes,发送和接收时延25μs,簇的更新时间间隔20s,仿真时间为600s。
优化方法与LEACH协议相比,存活节点数量如图6所示。优化方法将网络生命周期提升大约100s,而且优化策略节点死亡的速来低于LEACH协议,因此,簇内节点的关联度增大,或空间关联性不频繁改变,都将延长网络的生命周期。
节点的能量消耗如图7所示,LEACH协议在500s内,能量消耗为200J,在380s之后,网络能量消耗的增长率明显降低。而优化方案在500s内没有出现死亡节点,并且能耗为160J,相比较LEACH协议,降低了网络能耗。
每一轮中,簇的形成和稳定所占的时间比例不变,改变抽样率,选取14%,28%,42%,56%节点作为抽样节点,不同抽样率下网络的能耗如图8所示,网络能耗随着抽样率增大而增加,在500s内,14%的抽样率网络能耗122J,28%的抽样率网络能耗131J,42%的抽样率网络能耗146J,56%的抽样率网络能耗164J。
由此可见,本发明通过使用频繁项挖掘方法获取簇内节点之间的空间关联性,将簇内节点按关联性划分子簇,在子簇中选取抽样节点,通过抽样节点感知并上报数据,从而减少了网络能耗,延长了网络生命周期。
Claims (6)
1.一种基于频繁项的无线传感器网络空间关联性子簇形成方法,其特征在于,该子簇形成方法包括以下步骤:
1)根据簇内各个节点的时间序列,将相同采样周期感知到相同数据的传感器节点形成一条记录,根据M个采样周期形成的记录构建树形结构,对所构建的树形结构利用频繁项挖掘簇内各个节点的关联性;
2)根据所挖掘的簇内各节点关联性将簇划分为若干个子簇,在每个子簇内选取抽样节点进行感知和数据上传;
3)根据环境变化动态调整子簇的划分。
2.根据权利要求1所述的基于频繁项的无线传感器网络空间关联性子簇形成方法,其特征在于,所述步骤1)中簇内节点关联性的挖掘过程如下:
A.根据所构建的树形结构建立树形结构项头表global header table,从树形结构项头表global header table最后一项开始,构造包含此项的条件数据库,每条记录不包含已经挖掘出的项集所包含的项;
B.为各条件数据库构建相应的条件FP-tree,将单项计数小于最小支持度计数的项删除;
C.挖掘满足最小支持度计数的最长频繁项集,深度优先浏览条件FP-tree的每一个分枝,节点计数小于最小支持度计数,停止浏览该分枝,并记录已经浏览的计数大于最小支持度的节点序列和该序列的长度,继续浏览下一分枝,直到条件FP-tree的所有分枝被浏览;
D.从获得的节点序列中选取最长的序列,以得到频繁项集,将树形结构项头表global header table中此频繁项集包含的项删除,形成新的global headertable;
E.循环执行以上过程,直到global header table为空结束。
3.根据权利要求2所述的基于频繁项的无线传感器网络空间关联性子簇形成方法,其特征在于,所述步骤2)传感器的调度过程如下:
a.按关联性将簇划分为N个子簇;
b将子簇的划分结果散布给簇头节点,簇头选取每个子簇的抽样节点,使簇内至少一个子簇多于一个抽样节点;
c.通知被选为抽样节点的簇内节点感知并上报数据;
d.簇头节点对同一子簇内节点的时间序列比较,当n个连续数据,存在大于n(1-support)个数据的差值大于可容忍误差σ,则认为簇内节点的空间关联性发生改变,将簇按照新的挖掘结果划分子簇。
4.根据权利要求3所述的基于频繁项的无线传感器网络空间关联性子簇形成方法,其特征在于,所述步骤3)子簇划分的调整过程如下:
I.探测簇内节点的空间关联性是否发生改变,若发生通知簇内所有节点按照采集周期Td感知并上报数据;
II.基站节点按照步骤1)进行簇内节点空间关联性的挖掘;
III.重新按照步骤2)划分子簇。
5.根据权利要求4所述的基于频繁项的无线传感器网络空间关联性子簇形成方法,其特征在于,所述在子簇中选取抽样节点,未被选作抽样节点的传感器节点根据子簇内抽样节点采集的数据进行恢复。
6.根据权利要求4所述的基于频繁项的无线传感器网络空间关联性子簇形成方法,其特征在于,所述子簇中抽样节点的选取是按照设定抽样率对子簇中各抽样节点随机选取得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410720459.9A CN104394550B (zh) | 2014-12-01 | 2014-12-01 | 基于频繁项的无线传感器网络空间关联性子簇形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410720459.9A CN104394550B (zh) | 2014-12-01 | 2014-12-01 | 基于频繁项的无线传感器网络空间关联性子簇形成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104394550A true CN104394550A (zh) | 2015-03-04 |
CN104394550B CN104394550B (zh) | 2017-11-21 |
Family
ID=52612373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410720459.9A Active CN104394550B (zh) | 2014-12-01 | 2014-12-01 | 基于频繁项的无线传感器网络空间关联性子簇形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104394550B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009169A (zh) * | 2016-11-02 | 2018-05-08 | 中国移动通信有限公司研究院 | 一种数据处理方法、装置及设备 |
CN109194748A (zh) * | 2018-09-10 | 2019-01-11 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 物联网通讯信息缓存减少网络开销的方法及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110060667A (ko) * | 2009-11-30 | 2011-06-08 | 한국전자통신연구원 | 무선 센서 네트워크에서 클러스터 기반 데이터 전송방법 및 그 장치 |
CN102123473A (zh) * | 2011-01-06 | 2011-07-13 | 山东大学 | 无线传感器网络基于动态簇机制的目标跟踪方法 |
CN102802175A (zh) * | 2012-02-24 | 2012-11-28 | 东北电力大学 | 一种基于能量消耗的无线传感器网络路由优化算法 |
CN104008372A (zh) * | 2014-05-23 | 2014-08-27 | 南京邮电大学 | 一种无线多媒体传感器网络中的分布式人脸识别方法 |
-
2014
- 2014-12-01 CN CN201410720459.9A patent/CN104394550B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110060667A (ko) * | 2009-11-30 | 2011-06-08 | 한국전자통신연구원 | 무선 센서 네트워크에서 클러스터 기반 데이터 전송방법 및 그 장치 |
CN102123473A (zh) * | 2011-01-06 | 2011-07-13 | 山东大学 | 无线传感器网络基于动态簇机制的目标跟踪方法 |
CN102802175A (zh) * | 2012-02-24 | 2012-11-28 | 东北电力大学 | 一种基于能量消耗的无线传感器网络路由优化算法 |
CN104008372A (zh) * | 2014-05-23 | 2014-08-27 | 南京邮电大学 | 一种无线多媒体传感器网络中的分布式人脸识别方法 |
Non-Patent Citations (2)
Title |
---|
CARSON KAI-SANG LEUNG .ETC: ""CanTree: a tree structure for efficient incremental mining of frequent patterns"", 《DATA MINING, FIFTH IEEE INTERNATIONAL CONFERENCE ON》 * |
SYED KHAIRUZZAMAN TANBEER .ETC: ""Efficient mining of association rules from Wireless Sensor Networks"", 《ADVANCED COMMUNICATION TECHNOLOGY, 2009. ICACT 2009. 11TH INTERNATIONAL CONFERENCE ON》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009169A (zh) * | 2016-11-02 | 2018-05-08 | 中国移动通信有限公司研究院 | 一种数据处理方法、装置及设备 |
CN108009169B (zh) * | 2016-11-02 | 2020-05-01 | 中国移动通信有限公司研究院 | 一种数据处理方法、装置及设备 |
CN109194748A (zh) * | 2018-09-10 | 2019-01-11 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 物联网通讯信息缓存减少网络开销的方法及可读存储介质 |
CN109194748B (zh) * | 2018-09-10 | 2021-03-23 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 物联网通讯信息缓存减少网络开销的方法及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104394550B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdulsalam et al. | W-LEACH: Weighted Low Energy Adaptive Clustering Hierarchy aggregation algorithm for data streams in wireless sensor networks | |
WO2017035853A1 (zh) | 一种能量节约型无线传感器网络的构造和维护方法 | |
CN102610059A (zh) | 一种山区突发性洪水监测与预警系统及其构建方法 | |
CN103228023A (zh) | 基于粒子群蚁群优化的无线传感器网络分簇路由方法 | |
CN104632280A (zh) | 一种基于无线传感器网络的井下设备监测系统及方法 | |
CN104394550A (zh) | 基于频繁项的无线传感器网络空间关联性子簇形成方法 | |
Sheikhpour et al. | An energy efficient chain-based routing protocol for wireless sensor networks | |
CN103294912B (zh) | 一种面向移动设备基于预测的缓存优化方法 | |
Kong et al. | Adaptive relay chain routing with load balancing and high energy efficiency | |
Chaudhary et al. | Review paper on energy-efficient protocols in wireless sensor networks | |
CN103974393A (zh) | 一种改良的无线传感器网络数据节能压缩方案 | |
Abdulzahra et al. | Data aggregation mechanisms in wireless sensor networks of iot: a survey | |
CN104703259B (zh) | 低耗能传感器节点睡眠方法及系统 | |
Pal et al. | Cluster head selection scheme for data centric wireless sensor networks | |
CN102781063B (zh) | 基于局部网络介数的wsn能量均衡路由建立的方法 | |
Wang et al. | Energy-efficient dual prediction-based data gathering for environmental monitoring applications | |
CN107466057B (zh) | 一种基于区域生长法的wsn数据采集方法 | |
CN113923802B (zh) | 软件定义无线传感器网络中能量高效的分层拓扑控制方法 | |
Alla et al. | Balanced and centralized distributed energy efficient clustering for heterogeneous wireless sensor networks | |
CN103269505A (zh) | 基于多移动因子的无线传感器网络数据收集方法 | |
Yang et al. | Wireless sensor network for orchard soil and climate monitoring | |
Wu et al. | A LEACH Energy Consumption Equilibrium Optimization Method Based on Multiple Influencing Factors | |
CN106304185A (zh) | 一种基于传感节点能量获取的电力物联网路由方法 | |
CN111405616A (zh) | 智能流量调配和路径更新的传感网路由改进方法 | |
Liu et al. | Improvement on LEACH agreement of mine wireless sensor network |
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 |