CN108882332A - 一种UWSNs中基于分簇的信任云数据迁移方法 - Google Patents
一种UWSNs中基于分簇的信任云数据迁移方法 Download PDFInfo
- Publication number
- CN108882332A CN108882332A CN201810742558.5A CN201810742558A CN108882332A CN 108882332 A CN108882332 A CN 108882332A CN 201810742558 A CN201810742558 A CN 201810742558A CN 108882332 A CN108882332 A CN 108882332A
- Authority
- CN
- China
- Prior art keywords
- cluster
- node
- auv
- cloud data
- energy
- 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
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
- H04W76/14—Direct-mode setup
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种UWSNs中基于分簇的信任云数据迁移方法,首先将网络部署的节点进行分簇,簇头周期性地计算簇内的平均剩余能量值,当簇内平均剩余能量值低于给定的阈值时,簇头通过sink节点向AUV发送信任云数据迁移请求;其次,AUV根据节点发送的信任云数据迁移请求,考虑剩余能量、平均簇间距离、迁移路径长度、信任值因素,计算最优的信任云数据迁移目的节点,该过程主要包括目的簇的选择与目的节点的确定;然后,AUV与存储信任云数据的节点通信获取要迁移的信任云数据,并将信任云数据迁往目的节点;最后,更新AUV迁移过程中产生的信任云数据。本发明能够平衡网络部署区域的能量消耗分布,最大化网络寿命。
Description
技术领域
本发明属于无线传感器网络技术领域,具体涉及一种UWSNs中基于分簇的信任云数据迁移方法。
背景技术
目前,水下无线传感器网络(UWSNs)的研究已成为一个热门话题。然而,由于水下环境与水下移动的传感器节点的控制条件比陆上传感网困难的多,UWSN尚未在复杂的水下环境中得到充分的利用。其中一个重要的问题就是如何保证UWSN的安全性。
传感器节点的部署易于遭受恶意攻击与突发故障,作为入侵容忍机制的重要解决方法,信任管理可以通过分析节点及其邻居节点的行为,采用信任值描述节点的可靠性,从而保证传感网络的节点安全性及有效运作。
信任模型不仅在保障网络安全方面有积极的应用价值,在实现传感器节点的协作中也起着重要作用。国内外研究人员对传感网络的信任机制已经有许多研究,相关的文献如下:
2004年,Ganeriwal等人在《Reputation-Based Framework for High IntegritySensor Networks》提出了一种基于贝叶斯理论的信任框架(RFSN),这是第一个为无线传感器网络提出的信任模型,其中成功的通信量与不成功的通信量用来计算信任证据,并进一步通过使用贝叶斯公式来获得传感器节点的信任值。传感器节点监视其邻居节点的通信行为并维护其他节点的信誉,这种信誉可以用作预测节点未来行为的固有特性,从而可以识别行为不当的节点。实验结果表明RFSN能够有效识别各种故障情况下的行为不当的节点。
2014年,Xu等人在《Representation for Uncertainty Trust of WSN Based onLightweight-Cloud》提出一个简单的信任模型,每个传感器节点可以建立独立的轻量级云信任模型(LCT)并可以对其邻居节点的信任进行全面评估,从而发现无线传感网中的安全问题。云理论主要用于信任组合和传输计算,并未解决获取信任证据和计算信任值的具体方法,但是它可以很好地描述信任的不确定性,进而该模型可以保证在异常情况下对信任值的高容忍度与识别安全问题的能力。
2015年,Han等人在《An Attack-Resistant Trust Model Based onMultidimensional Trust Metrics in Underwater Acoustic Sensor Network》中提出了一种基于多维信任度量的抗攻击信任模型(ARTMM)来保证UASN中准确、高效的信任评估。ARTMM主要由三种信任度量组成,即链接信任度,数据信任度和节点信任度。在信任计算过程中,仔细分析了通信信道的不可靠性和水下环境的移动性。另外,研究了水下移动环境中的信任更新。仿真结果表明,所提出的信任模型非常适合移动水下环境。此外,在评估精度和能耗方面,ARTMM的性能明显优于传统的信任模型。
2016年,Han等人在《A Collaborative Secure Localization Algorithm Basedon Trust Model in UnderwaterWireless Sensor Networks》中,提出了一种基于信任模型的UWSN协作安全定位算法(CSLT)。CSLT首先使用信任模型来保证节点安全,避免恶意节点的影响,最终降低未知节点的定位误差,提高定位精度。CSLT包括锚节点的信任评估,未知节点的初始定位,参考节点的信任评估,参考节点的选择以及未知节点的二次定位等五个子流程。在第一个子流程中,每个锚节点假装是一个未知的节点,要求定位,互相评估信任。只有可信的锚节点才能用于定位未知的节点。然后,在初始定位过程中未被定位的未知节点可以请求二次定位,在二次定位之前,先基于云理论计算参考节点的信任值。只有可信的参考节点被选择来进一步定位其余的未知节点,直到所有节点都被成功地定位。基于传感器节点的协作,CSLT有效提高了定位比例和定位安全性。
发明内容
为了解决源节点的邻居节点能量消耗过快的问题,本发明提出一种UWSNs中基于分簇的信任云数据迁移方法,通过对网络部署区域进行分簇,考虑整体的簇间剩余能量值与不同的簇能力值,进一步确定目的簇及最终进行信任云数据迁移的目的节点,利用AUV实现将信任云数据迁往目的节点的过程,从而平衡网络部署区域的能量消耗分布,最大化网络寿命。
本发明的下技术方案:
一种UWSNs中基于分簇的信任云数据迁移方法,包括以下步骤:
(1)将全网的节点进行分簇,对于存储信任云数据的簇,簇头节点周期性地与簇内成员节点通信,获得成员节点的剩余能量值,当簇内平均剩余能量值低于预先设置的阈值时,簇头向AUV发送数据迁移请求;
(1.1)采用K-means算法将全网的节点分为k个簇;
(1.2)簇头周期性计算簇内平均剩余能量,当检测到平均剩余能量值低于预先设置的阈值时,向AUV发送数据迁移请求;
(1.3)网络模型中,AUV直接与sink节点通信,通信范围内的簇头之间直接通信,通信范围之外的簇头通过sink节点通信,源簇需要进行信任云数据迁移时,向AUV发送数据迁移请求,请求过程包括源簇簇头通过多跳方式与sink节点通信,进而sink节点向AUV转发数据迁移请求;
(2)AUV根据源簇簇头节点发送的数据迁移请求,考虑剩余能量、平均簇间距离、迁移路径长度、信任值因素,计算最优的信任云数据迁移目的簇;
(2.1)AUV计算信任云数据迁移的候选簇:定义一个能量球为以部署区域内任一簇头为球心,半径为R的球,则一共有k个能量球,每个簇头计算本簇内的平均剩余能量,每个能量球的平均剩余能量为球内所有簇头所在簇的平均剩余能量,以簇头CHx为球心的能量球Sx平均剩余能量表示为:
s.t.dis(CHx,CHi)≤R,
1≤i≤n,
其中,n为能量球Sx内除了簇头CHx以外包含的簇头数目,Ei为簇头CHi所在簇的平均剩余能量,假设簇头的位置已知,dis(CHx,CHi)表示簇头CHx与簇头CHi的欧式距离;
利用模拟退火算法寻找k个能量球中平均剩余能量的最大值,该能量球内的所有簇头所在簇均为候选簇;
(2.2)AUV计算每个候选簇的簇能力,并选取具有最优簇能力值的簇作为目的簇,簇能力值综合考虑候选簇的剩余能量、平均簇间距离、迁移路径长度与信任值,簇能力值AoC的计算公式表示为:
其中,Ec与Dc分别为候选簇的剩余能量与平均簇间距离,λ1与λ2为能量因子与距离因子,分别用来控制剩余能量与平均簇间距离对簇能力的影响作用,L为迁移路径长度,Trust为簇的信任值;
AUV选择簇能力值最优的候选簇为目的簇;
平均簇间距离的具体计算过程为:
若一个簇头与另一个簇头可相互通信,则称这两个簇之间为邻居簇,候选簇C0与其邻居簇Ci的簇间距离采用改进的标准化欧式距离方法计算:
设候选簇C0的质心坐标为(x0,y0,z0),簇Ci的簇质心坐标为(xi,yi,zi),候选簇C0与簇Ci的改进的标准化欧式距离Di计算公式表示为:
其中Sx,Sy与Sz为三维空间中改进的标准差,计算公式为:
其中nc为候选簇的邻居簇个数,
则候选簇C0的平均簇间距离计算公式表示为:
(3)AUV考虑目的簇内节点的剩余能量与密度可达性因素,选择具有最优节点能力值的中心节点作为信任云数据迁移的目的节点;
(3.1)计算目的簇节点的剩余能量;
(3.2)计算目的簇节点的密度可达性:
定义节点的单跳密度可达节点为从该节点直接密度可达的节点,节点的两跳密度可达节点为从该节点的单跳密度可达节点直接密度可达的节点,节点的密度可达性计算如下:
假设某节点的单跳密度可达节点数目为dr1,两跳密度可达节点数目为dr2,定义该节点的密度可达性d为:
密度可达性表示一个节点与其周围节点的密集程度和连通性;
(3.3)计算目的簇的节点的节点能力值,假设目的簇内共有m个中心节点,中心节点能力值N的计算公式为:
s.t.1≤j≤m,
其中,Ej表示第j个节点的剩余能量,E0为节点初始能量,dj为第j个中心节点的密度可达性,D为所有从第j个中心节点密度可达节点的数目,α1与α2分别为能量与密度可达性的权重,表示对应的因素对节点能力值的影响程度,其中α2=1-α1,Emax与Emin分别为目的簇中节点的最大剩余能量值与最小剩余能量值;
AUV选择节点能力值最优的节点作为信任云数据迁移的目的节点,如图4所示;
(4)AUV与源节点通信获取信任云数据,并将信任云数据迁往目的节点;
如图5所示,AUV确定目的节点后,与源节点采取近距离直接通信,源节点将数据转发给AUV,AUV采用最近直接距离将信任云数据迁移到目的节点;
(5)更新AUV迁移信任云数据过程中源节点产生的信任值数据,与原迁移的信任云数据融合;
AUV将信任云数据从源节点处迁移至目的节点时需要记录时间戳,信任云数据迁移完成后,如果产生新的信任值数据,重新更新时间戳之后的部分信任值数据。
本发明的有益效果:本发明提出一种UWSNs中基于分簇的信任数据迁移方法,通过对网络部署区域进行分簇,考虑整体的簇间剩余能量值与不同的簇能力值,进一步确定目的簇及最终进行信任云数据迁移的目的节点,利用AUV实现将信任云数据迁往目的节点的过程,从而平衡网络部署区域的能量消耗分布,最大化网络寿命。
附图说明
图1是本发明一种实施例的信任云数据迁移流程图;
图2是本发明一种实施例的信任云数据迁移请求示意图;
图3是本发明一种实施例的迁移候选簇选择示意图;
图4是本发明一种实施例的确定迁移目的簇与目的节点示意图;
图5是本发明一种实施例的信任云数据迁移过程示意图。
图中:●簇头节点传感器节点源节点AUV 源簇Sink→迁移请求能量球候选簇。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示为信任云数据迁移流程图,本发明首先将网络部署的节点进行分簇,簇头周期性地计算簇内的平均剩余能量值,当簇内平均剩余能量值低于给定的阈值时,簇头通过sink节点向AUV发送信任云数据迁移请求;其次,AUV根据节点发送的信任云数据迁移请求,考虑剩余能量、平均簇间距离、迁移路径长度、信任值因素,计算最优的信任云数据迁移目的节点,该过程主要包括目的簇的选择与目的节点的确定;然后,AUV与存储信任值节点通信获取信任云数据,并将信任云数据迁往目的节点;最后,更新AUV迁移过程中产生的信任值数据。本发明能够平衡网络部署区域的能量消耗分布,最大化网络寿命。信任云数据迁移流程具体包括以下步骤:
步骤(1):将全网的节点进行分簇,当网络中的某个存储信任云数据的簇平均剩余能量下降到预先设置的阈值时,簇头向AUV发出信任云数据迁移请求,具体包括2个步骤:
(1.1)采用K-means算法将全网的节点分为k个簇;
(1.2)簇头周期性计算簇内平均剩余能量,当检测到剩余平均能量值低于预先设置的阈值时,向AUV发送数据迁移请求;
(1.3)网络模型中,AUV可以直接与sink节点通信,通信范围内的簇头之间可以直接通信,通信范围之外的簇头可以通过sink节点通信,如图2所示,源簇需要进行信任云数据迁移时,向AUV发送数据迁移请求,请求过程包括源簇簇头通过多跳方式与sink节点通信,进而sink节点向AUV转发数据迁移请求。
步骤(2):AUV接收簇头节点发送的数据迁移请求,选择无信任值数据存储且簇能力值最优的候选簇作为信任云数据迁移目的簇,具体步骤为:
(2.1)AUV计算信任云数据迁移的候选簇:
定义一个能量球为以部署区域内任一簇头为球心,半径为R的球,则一共有k个能量球,每个簇头计算本簇内的平均剩余能量,每个能量球的平均剩余能量为球内所有簇头所在簇的平均剩余能量,以簇头CHx为球心的能量球Sx平均剩余能量可以表示为:
s.t.dis(CHx,CHi)≤R,
1≤i≤n,
其中,n为能量球Sx内除了簇头CHx以外包含的簇头数目,Ei为簇头CHi所在簇的平均剩余能量,假设簇头的位置已知,dis(CHx,CHi)表示簇头CHx与簇头CHi的欧式距离;
利用模拟退火算法寻找k个能量球中平均剩余能量的最大值,该能量球内的所有簇头所在簇均为候选簇,候选簇如图3所示;
(2.2)AUV计算每个候选簇的簇能力,并选取具有最优簇能力值的簇作为目的簇,簇能力值综合考虑候选簇的剩余能量、平均簇间距离、迁移路径长度与信任值,簇能力值AoC的计算公式表示为:
其中Ec与Dc分别为候选簇的剩余能量与平均簇间距离,λ1与λ2为能量因子与距离因子,分别用来控制剩余能量与平均簇间距离对簇能力的影响作用,L为迁移路径长度,Trust为簇的信任值;
候选簇的平均簇间距离计算过程为:
若一个簇头与另一个簇头可以相互通信,则称这两个簇之间为邻居簇,候选簇C0与其邻居簇Ci的簇间距离采用改进的标准化欧式距离方法计算:
设候选簇C0的质心坐标为(x0,y0,z0),簇Ci的簇质心坐标为(xi,yi,zi),候选簇C0与簇Ci的改进的标准化欧式距离Di计算公式可以表示为:
其中Sx,Sy与Sz为三维空间中改进的标准差,计算公式为:
其中nc为候选簇的邻居簇个数;
则候选簇C0的平均簇间距离计算公式可以表示为:
最后,AUV选择簇能力值最优的候选簇为目的簇。
步骤(3):AUV通过考虑目的簇内所有节点的剩余能量与密度可达性因素,计算节点能力值,选择具有最优节点能力值的中心节点作为信任云数据迁移目的节点,步骤具体为:
(3.1)计算目的簇节点的剩余能量;
(3.2)计算目的簇节点的密度可达性:
定义节点的单跳密度可达节点为从该节点直接密度可达的节点,节点的两跳密度可达节点为从该节点的单跳密度可达节点直接密度可达的节点,节点的密度可达性计算如下:
假设某节点的单跳密度可达节点数目为dr1,两跳密度可达节点数目为dr2,定义该节点的密度可达性d为:
密度可达性可以表示一个节点与其周围节点的密集程度和连通性。
(3.3)计算目的簇的节点的节点能力值,假设目的簇内共有m个中心节点,中心节点能力值N的计算公式为:
s.t.1≤j≤m,
其中Ej表示第j个节点的剩余能量,E0为节点初始能量,dj为第j个中心节点的密度可达性,D为所有从第j个中心节点密度可达节点的数目,α1与α2分别为能量与密度可达性的权重,表示对应的因素对节点能力值的影响程度,其中α2=1-α1,Emax与Emin分别为目的簇中节点的最大剩余能量值与最小剩余能量值;
AUV选择节点能力值最优的节点作为信任云数据迁移的目的节点。
步骤(4):AUV确定目的节点后,与源节点采取近距离直接通信,源节点将数据转发给AUV,AUV采用最近直接距离将信任云数据迁移到目的节点。在AUV进行将信任云数据从源节点处迁移至目的节点时需要记录时间戳,信任云数据迁移完成后重新更新时间戳之后的信任值数据。
综上所述:
本发明公开了一种UWSNs中基于分簇的信任云数据迁移方法,通过对网络部署区域进行分簇,考虑整体的簇间剩余能量值与不同的簇能力值,进一步确定目的簇及最终进行信任云数据迁移的目的节点,利用AUV实现将信任云数据迁往目的节点的过程,从而平衡网络部署区域的能量消耗分布,最大化网络寿命。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种UWSNs中基于分簇的信任云数据迁移方法,其特征在于,步骤如下:
(1)将全网的节点进行分簇,对于存储信任云数据的簇,簇头节点周期性地与簇内成员节点通信,获得成员节点的剩余能量值,当簇内平均剩余能量值低于预先设置的阈值时,簇头向AUV发送数据迁移请求;
(1.1)采用K-means算法将全网的节点分为k个簇;
(1.2)簇头周期性计算簇内平均剩余能量,当检测到平均剩余能量值低于预先设置的阈值时,向AUV发送数据迁移请求;
(1.3)网络模型中,AUV直接与sink节点通信,通信范围内的簇头之间直接通信,通信范围之外的簇头通过sink节点通信,源簇需要进行信任云数据迁移时,向AUV发送数据迁移请求,请求过程包括源簇簇头通过多跳方式与sink节点通信,进而sink节点向AUV转发数据迁移请求;
(2)AUV根据源簇簇头节点发送的数据迁移请求,考虑剩余能量、平均簇间距离、迁移路径长度、信任值因素,计算最优的信任云数据迁移目的簇;
(2.1)AUV计算信任云数据迁移的候选簇:定义一个能量球为以部署区域内任一簇头为球心,半径为R的球,则一共有k个能量球,每个簇头计算本簇内的平均剩余能量,每个能量球的平均剩余能量为球内所有簇头所在簇的平均剩余能量,以簇头CHx为球心的能量球Sx平均剩余能量表示为:
s.t.dis(CHx,CHi)≤R,
1≤i≤n,
其中,n为能量球Sx内除了簇头CHx以外包含的簇头数目,Ei为簇头CHi所在簇的平均剩余能量,假设簇头的位置已知,dis(CHx,CHi)表示簇头CHx与簇头CHi的欧式距离;
利用模拟退火算法寻找k个能量球中平均剩余能量的最大值,该能量球内的所有簇头所在簇均为候选簇;
(2.2)AUV计算每个候选簇的簇能力,并选取具有最优簇能力值的簇作为目的簇,簇能力值综合考虑候选簇的剩余能量、平均簇间距离、迁移路径长度与信任值,簇能力值AoC的计算公式表示为:
其中,Ec与Dc分别为候选簇的剩余能量与平均簇间距离,λ1与λ2为能量因子与距离因子,分别用来控制剩余能量与平均簇间距离对簇能力的影响作用,L为迁移路径长度,Trust为簇的信任值;
AUV选择簇能力值最优的候选簇为目的簇;
平均簇间距离的具体计算过程为:
若一个簇头与另一个簇头可相互通信,则称这两个簇之间为邻居簇,候选簇C0与其邻居簇Ci的簇间距离采用改进的标准化欧式距离方法计算:
设候选簇C0的质心坐标为(x0,y0,z0),簇Ci的簇质心坐标为(xi,yi,zi),候选簇C0与簇Ci的改进的标准化欧式距离Di计算公式表示为:
其中,Sx,Sy与Sz为三维空间中改进的标准差,计算公式为:
其中,nc为候选簇的邻居簇个数;
则候选簇C0的平均簇间距离计算公式表示为:
(3)AUV考虑目的簇内节点的剩余能量与密度可达性因素,选择具有最优节点能力值的中心节点作为信任云数据迁移的目的节点;
(3.1)计算目的簇节点的剩余能量;
(3.2)计算目的簇节点的密度可达性:
定义节点的单跳密度可达节点为从该节点直接密度可达的节点,节点的两跳密度可达节点为从该节点的单跳密度可达节点直接密度可达的节点,节点的密度可达性计算如下:
假设某节点的单跳密度可达节点数目为dr1,两跳密度可达节点数目为dr2,定义该节点的密度可达性d为:
密度可达性表示一个节点与其周围节点的密集程度和连通性;
(3.3)计算目的簇的节点的节点能力值,假设目的簇内共有m个中心节点,中心节点能力值N的计算公式为:
s.t.1≤j≤m,
其中,Ej表示第j个节点的剩余能量,E0为节点初始能量,dj为第j个中心节点的密度可达性,D为所有从第j个中心节点密度可达节点的数目,α1与α2分别为能量与密度可达性的权重,表示对应的因素对节点能力值的影响程度,其中α2=1-α1,Emax与Emin分别为目的簇中节点的最大剩余能量值与最小剩余能量值;
AUV选择节点能力值最优的节点作为信任云数据迁移的目的节点;
(4)AUV与源节点通信获取信任云数据,并将信任云数据迁往目的节点;
AUV确定目的节点后,与源节点采取近距离直接通信,源节点将数据转发给AUV,AUV采用最近直接距离将信任云数据迁移到目的节点;
(5)更新AUV迁移信任云数据过程中源节点产生的信任值数据,与原迁移的信任云数据融合;
AUV将信任云数据从源节点处迁移至目的节点时需要记录时间戳,信任云数据迁移完成后,如果产生新的信任值数据,重新更新时间戳之后的部分信任值数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810742558.5A CN108882332B (zh) | 2018-07-09 | 2018-07-09 | 一种UWSNs中基于分簇的信任云数据迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810742558.5A CN108882332B (zh) | 2018-07-09 | 2018-07-09 | 一种UWSNs中基于分簇的信任云数据迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108882332A true CN108882332A (zh) | 2018-11-23 |
CN108882332B CN108882332B (zh) | 2020-06-12 |
Family
ID=64299870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810742558.5A Active CN108882332B (zh) | 2018-07-09 | 2018-07-09 | 一种UWSNs中基于分簇的信任云数据迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108882332B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110049464A (zh) * | 2019-04-23 | 2019-07-23 | 华侨大学 | 一种基于auv三维移动模型的水下传感网数据收集方法 |
CN110839244A (zh) * | 2019-10-21 | 2020-02-25 | 华侨大学 | 一种基于节点信任值虚拟力的可信数据收集方法 |
CN110868714A (zh) * | 2019-11-15 | 2020-03-06 | 大连理工大学 | 一种UASNs中基于聚类的无权重节点信任评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140155098A1 (en) * | 2011-03-07 | 2014-06-05 | Isis Innovation Limited | System for providing information and associated devices |
CN104320823A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 基于Sink信任评估值的无线传感器网络分簇方法 |
CN105228212A (zh) * | 2015-09-17 | 2016-01-06 | 哈尔滨工程大学 | 一种多移动汇聚节点定位辅助的水下传感器网络路由方法 |
US20160007293A1 (en) * | 2013-02-25 | 2016-01-07 | Wfs Technologies Limited | Underwater power saving mechanism for use in an communication network |
CN107548029A (zh) * | 2017-08-21 | 2018-01-05 | 河海大学常州校区 | 一种基于海水分层的水下传感网络中auv数据收集方法 |
-
2018
- 2018-07-09 CN CN201810742558.5A patent/CN108882332B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140155098A1 (en) * | 2011-03-07 | 2014-06-05 | Isis Innovation Limited | System for providing information and associated devices |
US20160007293A1 (en) * | 2013-02-25 | 2016-01-07 | Wfs Technologies Limited | Underwater power saving mechanism for use in an communication network |
CN104320823A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 基于Sink信任评估值的无线传感器网络分簇方法 |
CN105228212A (zh) * | 2015-09-17 | 2016-01-06 | 哈尔滨工程大学 | 一种多移动汇聚节点定位辅助的水下传感器网络路由方法 |
CN107548029A (zh) * | 2017-08-21 | 2018-01-05 | 河海大学常州校区 | 一种基于海水分层的水下传感网络中auv数据收集方法 |
Non-Patent Citations (2)
Title |
---|
WANG,ZHAOHUI: ""A Joint Time Synchronization and Localization Design for Mobile Underwater Sensor Networks"", 《WEB OF SCIENCE》 * |
姜卫东: ""基于能耗均衡的水下传感器网络分簇路由算法"", 《声学技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110049464A (zh) * | 2019-04-23 | 2019-07-23 | 华侨大学 | 一种基于auv三维移动模型的水下传感网数据收集方法 |
CN110839244A (zh) * | 2019-10-21 | 2020-02-25 | 华侨大学 | 一种基于节点信任值虚拟力的可信数据收集方法 |
CN110839244B (zh) * | 2019-10-21 | 2022-11-01 | 华侨大学 | 一种基于节点信任值虚拟力的可信数据收集方法 |
CN110868714A (zh) * | 2019-11-15 | 2020-03-06 | 大连理工大学 | 一种UASNs中基于聚类的无权重节点信任评估方法 |
CN110868714B (zh) * | 2019-11-15 | 2021-07-16 | 大连理工大学 | 一种UASNs中基于聚类的无权重节点信任评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108882332B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | A survey of routing protocols for underwater wireless sensor networks | |
Varmaghani et al. | DMTC: Optimize Energy Consumption in Dynamic Wireless Sensor Network Based on Fog Computing and Fuzzy Multiple Attribute Decision‐Making | |
CN108882332A (zh) | 一种UWSNs中基于分簇的信任云数据迁移方法 | |
Zhang et al. | HDRE: Coverage hole detection with residual energy in wireless sensor networks | |
Mostafavi et al. | A new rank‐order clustering algorithm for prolonging the lifetime of wireless sensor networks | |
Han et al. | Sleep-scheduling-based hierarchical data collection algorithm for gliders in underwater acoustic sensor networks | |
CN110049528A (zh) | 一种传感网中基于信任值效用的移动式可信数据收集方法 | |
Xian et al. | NMTLAT: A New robust mobile Multi-Target Localization and Tracking Scheme in marine search and rescue wireless sensor networks under Byzantine attack | |
Qiu et al. | A 3-D topology evolution scheme with self-adaption for industrial Internet of Things | |
Song et al. | [Retracted] A Dynamic Hierarchical Clustering Data Gathering Algorithm Based on Multiple Criteria Decision Making for 3D Underwater Sensor Networks | |
Peng et al. | An Improved Energy‐Aware Routing Protocol Using Multiobjective Particular Swarm Optimization Algorithm | |
Ammari | Challenges and opportunities of connected k-covered wireless sensor networks | |
Zhang et al. | Communication network and qos evaluation for formation control of unmanned surface vehicles | |
Li et al. | Coverage blind area repair based on perceived multimedia data driven in mobile wireless sensor networks | |
Wang | Low‐Energy Secure Routing Protocol for WSNs Based on Multiobjective Ant Colony Optimization Algorithm | |
Chen et al. | A neighborhood grid clustering algorithm for solving localization problem in WSN using genetic algorithm | |
Zhang et al. | The Key Technology of Wireless Sensor Network and Its Application in the Internet of Things | |
Zhou et al. | LEACH‐TLC: a strategy of reducing and uniform energy consumption based on target location constraint | |
Yao et al. | Multihop clustering routing protocol based on improved coronavirus herd immunity optimizer and Q-learning in WSNs | |
Wu et al. | Research and application of node fuzzy identification and localization in wireless sensor networks | |
John et al. | Brain Storm water optimisation-driven secure multicast routing and route maintenance in IoT | |
Wang et al. | Advanced MDS-MAP localization algorithm with weighted clustering and heuristic ranging | |
Lu et al. | Nonuniform Clustering of Wireless Sensor Network Node Positioning Anomaly Detection and Calibration | |
Xiaogang | Secure Low‐Energy Routing Protocol Based on Dynamic Trust Awareness and Load Balancing in Wireless Sensor Networks | |
Zu-jue et al. | A gaf algorithm of dislocated grid for wireless sensor network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |