CN109379756A - 无线传感器网络容错拓扑演化方法 - Google Patents
无线传感器网络容错拓扑演化方法 Download PDFInfo
- Publication number
- CN109379756A CN109379756A CN201811325318.1A CN201811325318A CN109379756A CN 109379756 A CN109379756 A CN 109379756A CN 201811325318 A CN201811325318 A CN 201811325318A CN 109379756 A CN109379756 A CN 109379756A
- Authority
- CN
- China
- Prior art keywords
- fault
- node
- network
- tolerant
- rhcs
- 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.)
- Pending
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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于Markov和无标度网络的无线传感器网络容错拓扑演化方法。提供了一种基于Markov和无标度网络的无线传感器网络容错拓扑演化方法,包括:构造了一种以容错传感器节点为六边形顶点的正六边形分簇机制(RHCS),通过Markov分析了RHCS的随机失效概率以及能量故障概率,得出综合故障概率;将综合故障概率引入无标度拓扑构建规则中,形成一种基于Markov和无标度网络的无线传感器网络容错拓扑演化模型;设置随机故障节点,计算网络最大连通子图节点个数,评估容错性能。本发明的有益效果:一种基于Markov和无标度网络的无线传感器网络容错拓扑演化方法(SFTEM)。不同于传统的无标度网络拓扑模型,该模型首先提出了一个正六边形的分簇机制(RHCS)。
Description
技术领域
本发明涉及无线传感器网络(WSN)拓扑演化领域,具体涉及一种基于 Markov和无标度网络的无线传感器网络容错拓扑演化方法。
背景技术
拓扑作为WSN节点的组织结构,可以直接通信的两个节点存在一条拓扑 边,如果没有拓扑演化模型,所有节点都会以最大功率传输形成无组织的网络, 从而造成节点能量快速耗尽,网络路由负载高,生命周期短等问题。在传感器 网络领域拓扑演化技术作为近年较为深入研究的问题,无线传感器网络独特的 特点及严格的约束条件使得该问题的研究更具有挑战性。针对无线传感器网络 中拓扑演化问题,目前已有很多种方法,基于能量感知、基于随机行走、基于 适应度以及基于复杂网络理论的方法。此外,按照传感器网络体系结构拓扑演 化又可以分为集中式的和分布式的。
发明内容
本发明要解决的技术问题是提供一种基于Markov和无标度网络的无线传 感器网络容错拓扑演化方法,不同于传统的无标度网络拓扑模型,该模型首先 提出了一个正六边形的分簇机制(RHCS),通过Markov模型分析该机制至少 满足1-容错,SFTEM将RHCS的可靠性与无标度特性相结合,形成了一个鲁 棒的无线传感器网络,它利用了可靠的分簇方案和拓扑演化之间的协同作用, 能够容忍随机故障和能量故障等综合故障。
为了解决上述技术问题,本发明提供了一种基于Markov和无标度网络的 无线传感器网络容错拓扑演化方法,包括:
构造了一种以容错传感器节点为六边形顶点的正六边形分簇机制(RHCS), 通过Markov分析了RHCS的随机失效概率以及能量故障概率,得出综合故障 概率;
将综合故障概率引入无标度拓扑构建规则中,形成一种基于Markov和无 标度网络的无线传感器网络容错拓扑演化模型;
设置随机故障节点,计算网络最大连通子图节点个数,评估容错性能。
在其中一个实施例中,“构造了一种以容错传感器节点为六边形顶点的正六 边形分簇机制(RHCS),通过Markov分析了RHCS的随机失效概率以及能量故 障概率,得出综合故障概率;”具体包括:
将双工传感器节点设为容错传感器节点,把容错传感器节点放置为正六边 形结构形成基本的分簇机制RHCS;
通过Markov分析RHCS的随机失效率(RFP);
采用经典的一阶无线通信能量消耗模型,分析RHCS的能量故障率(EFP);
结合RFP和EFP,建立RHCS的综合故障概率(JFP)。
在其中一个实施例中,“将综合故障概率引入无标度拓扑构建规则中,形成 一种基于Markov和无标度网络的无线传感器网络容错拓扑演化模型;”中,容 错拓扑演化模型具体包括:
网络中的大部分节点只和很少节点连接,而有极少的节点与非常多的节点 连接,其经典的无标度网络模型构建算法:
增长:从一个具有m0个节点的联通网络开始,每次引入一个新的节点,并 且连到m个已经存在的节点上,这里m<=m0;
择优连接:一个新的节点与一个已经存在的节点i相连的概率w与节点i 的度k_i之间的关系为w=k_i/(k_1+k_2+k_3+...+k_n),其中n为网络中 的节点的总个数;
形成的无标度网络,分析其网络节点度分布,满足幂律特性。
在其中一个实施例中,“设置随机故障节点,计算网络最大连通子图节点个 数,评估容错性能。”中,所述评估容错性能具体包括:
随机失效容错性,以泊松规则随机地产生失效节点,每一轮运行后移除能 量耗尽的节点,以最大连通分支中的节点个数所占总个数的比例为容错性能指 标;
恶意攻击容错性,将节点度较高的节点随机去除,去除率在0.05~0.25之间, 以最大连通分支中的节点个数所占总个数的比例为容错性能指标。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上 运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行 时实现任一项所述方法的步骤。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一 项所述的方法。
本发明的有益效果:
一种基于Markov和无标度网络的无线传感器网络容错拓扑演化方法 (SFTEM)。不同于传统的无标度网络拓扑模型,该模型首先提出了一个正六 边形的分簇机制(RHCS),通过Markov模型分析该机制至少满足1-容错, SFTEM将RHCS的可靠性与无标度特性相结合,形成了一个鲁棒的无线传感器 网络,它利用了可靠的分簇方案和拓扑演化之间的协同作用,能够容忍随机故 障和能量故障等综合故障。
附图说明
图1(a)本发明无线传感器网络容错拓扑演化方法中的基于正六边形的分 簇机制示意图之一。
图1(b)本发明无线传感器网络容错拓扑演化方法中的基于正六边形的分 簇机制示意图之二。
图2本发明无线传感器网络容错拓扑演化方法中的无故障节点状态下RHCS 的Markov模型。
图3本发明无线传感器网络容错拓扑演化方法中的强容错节点故障状态下 RHCS的Markov模型。
图4本发明无线传感器网络容错拓扑演化方法中的普通容错节点故障状态 下RHCS的Markov模型。
图5本发明无线传感器网络容错拓扑演化方法中的RHCS的基本结构示意 图。
图6(a)本发明无线传感器网络容错拓扑演化方法中的容错性能对比示意 图之一。
图6(b)本发明无线传感器网络容错拓扑演化方法中的容错性能对比示意 图之二。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人 员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
Albert R和Barabasi AL提出的BA无标度网络在拓扑演化中具有广泛应用, 该方法具有两个特性,其一是增长性,所谓增长性是指网络规模是在不断的增 大的,在研究的网络当中,网络的节点是不断的增加的;其二就是优先连接机 制,这个特性是指网络当中不断产生的新的节点更倾向于和那些连接度较大的 节点相连接。运用该方法产生的拓扑对随机节点失效具有强容忍能力,但容忍 恶意攻击导致的节点失效能力较弱。因此,本发明尝试提出了一种基于Markov 和无标度网络的无线传感器网络容错拓扑演化模型(SFTEM)。该模型首先构 造了一种以容错传感器节点为六边形顶点的正六边形分簇机制(RHCS);其次, 通过Markov分析了RHCS的随机失效概率以及能量故障概率,得出综合故障概率;最后,将综合故障概率引入无标度拓扑构建规则中,形成一种基于Markov 和无标度网络的无线传感器网络容错拓扑演化模型。通过对生成拓扑的容错实 验,结果表明,本发明提出的模型提高了网络的综合容错性能,具有广阔的应 用前景。
名词解释:
综合故障,节点随机失效的概率与能量耗尽失效的概率的乘积。
容错性,最大连通分支中的节点个数所占总个数的比例。
本专利提出的模型主要思想及创新之处如下:
应对目前大规模无线传感网络的拓扑演化,本专利提出了一种基于Markov 和无标度网络的无线传感器网络容错拓扑演化模型(SFTEM)。本发明提出了一 种基于Markov和无标度网络的无线传感器网络容错拓扑演化模型(SFTEM)。该 模型首先提出了一个正六边形的分簇机制(RHCS),通过Markov模型分析该机 制至少满足1-容错,SFTEM将RHCS的可靠性与无标度特性相结合,形成了一个 鲁棒的无线传感器网络,它利用了可靠的分簇方案和拓扑演化之间的协同作用, 能够容忍随机故障和能量故障等综合故障。本发明的方法提高了网络容错性, 并延长了网络寿命。
本专利提出的基于Markov和无标度网络的无线传感器网络容错拓扑演化 模型,主要就是针对无线传感器网络中容错拓扑设计的,包括分簇机制和簇间 拓扑演化两个步骤。
步骤1:构建正六边形分簇机制(RHCS)
节点冗余是提高传感器节点容错能力的最有效方法之一。因此,我们将双 工传感器节点称为容错传感器节点。在容错传感器节点模型中,假设备份节点 处于休眠状态。仅当活动节点被诊断为故障时,备份节点才变为活动节点。
定义1传感器节点的故障率λt可以表示为一个时间为ts失效率为λt的指数 分布。
定义2节点度k表示与节点连接的节点总个数。
定义3故障诊断精度因子c无线传感器网络的覆盖范围通常被定义为传 感器节点能够观察监测区域的物理空间的良好程度和持续时间。
定义4故障诊断精度因子c表示活动传感器节点已被正确诊断并被备份 传感器节点替换的概率。因子c取决于节点度k和传感器失效的累积概率λt。 我们建立了具有经验关系的c(c≤1)模型:
定义5如果节点分簇机制任意删除k个节点,仍保持该分簇机制的覆盖范 围,则该机制被称为具有k-覆盖容错性。
定理1如果以rcs表示的传输范围和传感范围之间的比率不小于2,则覆 盖意味着连通性。正则三角格型在比下是最优的。
步骤11:构建满足1-覆盖容错的正六边形分簇机制:
如图1(a)所示,容错节点按正六边形放置,黑色圆圈区域表示普通容错节 点的感知范围,红色圆圈区域代表强容错节点的感知范围。其中强容错节点与 普通容错节点的rcs满足七个普通容错节点形成一个规则的六边形结构, 其中有一个位于六边形中心。还有强容错节点也位于六边形中心,此外,相邻 容错节点之间的距离d都等于如图1(b)所示,我们分析了k覆盖分簇机 制。根据定义5,可以得到模型的绿色区域表示1-覆盖容错,黄色区域表示3 覆盖容错,而红色区域表示5-覆盖容错。因此,该模型至少满足1-覆盖容错. 我们称之为正六边形分簇机制(RHCS)。
步骤12:RHCS的随机失效概率(RFP)分析
首先,我们对RHCS做出以下假设:①只要强容错节点正常工作,RHCS就 是有效的。②当强容错节点故障,但所有普通容错节点正常工作,那么RHCS 依然有效。③当强容错节点故障,一旦任何一个普通容错节点故障,则RHCS 被认为失效。
下面从2种情况来分析RHCS的随机失效概率。
i:当RHCS中所有节点的初始状态均为无故障时,我们使用马尔可夫模型 来分析该方案的可靠性,如图2所示。状态‘(7,1)’表示所有节点正常工作, ‘7’表示7个普通容错节点,‘1’表示强容错节点。当强容错节点故障,状态 将转变为‘(7,0)’;状态‘(6,1)’则表示7个普通容错节点失效了一个,强 容错节点正常工作;当RHCS失效,则状态表示为‘(0,0)’。普通容错节点故 障率为λFT,强容错节点的故障率为λsFT。假设λsFT=λFT,通过Markov模型分析,。 我们得出该情况下RHCS的随机失效概率为:
ii:当RHCS中存在节点的初始状态为故障时,如果是强容错节点故障,则 RHCS被认为失效,其Markov模型如图3所示。如果是普通容错节点失效,则 其Markov模型如图4所示。分析图3和图4,我们得到此种情况下RHCS的随 机失效概率为:
步骤13:RHCS的能量故障概率(EFP)分析
采用经典的一阶无线通信能量消耗模型,发送1bit信息所消耗的能量为 Etx=Eelec·l+εamp·l·d2,其中Eelec是数据融合能耗,εamp是放大器功耗,d是节点的 传输半径。接收1bit信息所消耗的能量为Er=Eelec·l,所以总能耗为Ec=Etx+Er。
对于RHCS,由于机制中节点部署的基本结构为正六边形,如果以RHCS为 一个簇演化拓扑,那么拓扑中簇的结构将一样,能量失效概率就没有任何差别, 所以结合实际部署需求,覆盖容错模型的大小将根据节点间距离d的大小而改 变,如图5所示,
由上述能量模型,RHCS的总能耗为:
Ec=nc·Enc=2nc·Eelec·l+nc·εamp·l·d2 (5)
其中,nc为RHCS中正常工作的节点个数。
若RHCS的初始总能量为E0,则RHCS的能量失效概率Pe为:
由公式5公式6,则有,
其中
步骤14:RHCS的综合故障概率(JFP)
由上文对RHCS的分析,将RHCS的随机失效概率和能量失效概率结合起来, 建立RHCS的综合故障概率模型:
①RHCS初始状态下无故障节点,RHCS的综合故障概率为:
②RHCS初始状态下有故障节点,RHCS的综合故障概率为:
步骤一最后分析得出的综合故障概率将引入到步骤二的模型建立中。
步骤2:建立容错拓扑演化模型(SFTEM)
无线传感器网络作为一种能量受限的分布式网络,在很多情况下都倾向于 采用分簇结构来延长网络的生命周期。无线传感器网络具有明显的动态特性, 包括新节点和新链路的增加,以及环境因素或能量消耗引起的节点失效。在这 一部分中,基于容错簇RHCS中簇头的可靠分布,我们对无标度拓扑进行了改进。 在这里,演化过程是指在网络中增加新的容错簇头。将网络中的传感器节点分 为强容错节点和普通容错节点。普通容错节点作为容错簇的簇成员加入网络, 并与容错簇的固定簇头建立通信关系。当强容错节点作为簇头加入网络时,它 们将与其他容错簇的簇头建立链路,并使用多跳通信来传输数据。
步骤21:分簇无标度拓扑演化模型
当一个新的簇头加入网络时,以容错簇的JFP(表示为P)、簇头的节点度k 和簇头之间的距离D作为评价标准。设适应度函数F是簇头之间P和D的乘积 的倒数。选择网络中的现有簇头与新添加的簇头连接的概率取决于F和k的值。 同时,我们将k的阈值设为kmax,这意味着簇头的最大连接数不能超过kmax。具 体的演变规则如下:
①网络初始化:初始时刻t=0时,初始网络由m0个容错簇和e0条边组成, 每个容错簇的簇头首至少存在一个与其他簇头连接的边。
②择优连接:在每个时间间隔内,添加一个容错簇头,选择现有容错簇的 m个簇头进行连接,并根据RHCS的结构在簇中添加容错节点,形成一个新的容 错簇。表示一个现有的容错簇头被选中连接的概率,并遵循以下规则:
其中Fi=1/P(i)×Di,ki表示容错簇i的簇头节点度,P(i)表示第i个容错簇的JFP,Di表示新簇头与第i个容错簇的簇头之间的距离。显然,根据连接规则, 当容错簇头的节点度为kmax时,容错簇被选择连接的概率为零。
从以上演化模型的描述可以看出,适应度函数和节点度决定了新簇头与其 相连的概率。其中,适应度函数结合了容错簇的综合故障概率和簇头间距离, 既考虑了备选容错簇的整体失效概率,随机失效和能量耗尽失效,也控制了簇 头转发数据的能耗,即距离越小,能耗越低。同时,节点度的上限值设定,影 响了网络节点度的分布情况,对于网络的能耗均衡起到一定的改善作用。下面 将对演化模型的动态特性进行分析,证明网络的度分布满足无标度网络的幂律 性。
步骤22:动态特性分析
借助平均场理论,我们分析网络中簇头节点度的分布情况。假设节点度ki是随时间连续变化的,则建立节点i的度ki(t)满足的动力学方程:
由生成机制可知,网络簇头节点度的分布具有明显的异质性,即少数簇头 拥有网络中大部分视为连接,大多数节点的连接度为最低节点度。因此,在保 证网络具有足够规模的条件下,可得对于M个簇头组成的局域世界 Ω,有:
其中,为适应度期望值,<k>表示局域世界簇头的的平均节点度。由择优 连接规则知,t个时间间隔完成后,网络共增加了mt条链路,每条链路连接两 个节点,故新增节点度数为2mt,即
将公式12和公式13代入公式11,得
又因为ki(t=ti)=m,则公式14可简化为:
求解上式微分方程,可得:
所以节点i的节点度小于k的概率为:
由公式16可得
由上分析,网络簇头节点度分布p(k)符合幂律分布特性,且幂律指数 所以本文提出的拓扑演化模型所产生的网络,其簇头节点度分布满足 无标度网络的特征,从而具有无标度网络的容错能力。
步骤3:评估容错性能
步骤31-步骤32:以泊松规则随机地产生失效节点,并移除能量耗尽的节 点,计算最大连通分支节点个数;接着随机移除高节点度的簇头,移除比例0.05 由到0.25,计算最大连通分支节点个数。
实施案例
假设传感器节点随机部署在二维平面区域中,节点的初始能量相同。初始 网络中,容错簇个数m0为4,新加入簇头连接边数m设为3。每种实验均取50次实 验的结果平均值作为实验结果,以保障实验的准确性。具体实验参数见表1。
表1:实验参数
为了验证分簇拓扑模型对综合故障的容忍能力以及对高节点度簇头攻击的 容侵能力,与传统的BA模型、文献[1]中的Model 1和文献[2]中的Model 2 进行了对比仿真实验。四种拓扑模型初始网络相同,实验参数也相同。容错实 验中,以泊松规则随机地产生失效节点,每一轮运行后移除能量耗尽的节点, 观察最大连通分支与网络运行时间的关系,如图6(a)所示。在容侵实验中,随 机移除高节点度的簇头,移除比例0.05由到0.25,如图6(b)所示。可以看出 本发明中的模型对综合故障的容忍能力以及对高节点度簇头攻击的容侵能力明 显高于传统基于无标度网络的拓扑演化模型。
对比文献如下:
[1]Zheng,Gengzhong,and Q.Liu."Scale-free topology evolution forwireless sensor networks,"Computers&Electrical Engineering,vol.39, no.6,pp.1779-1788,Aug.2013.
[2]Fu,Xiuwen,et al."Topology upgrading method for energy balance inscale-free wireless sensor networks,"in Proc.Int.Conf.Network. Sens.Control(ICNSC),May.2017,pp.192-197.
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的 保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或 变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (7)
1.一种基于Markov和无标度网络的无线传感器网络容错拓扑演化方法,其特征在于,包括:
构造了一种以容错传感器节点为六边形顶点的正六边形分簇机制(RHCS),通过Markov分析了RHCS的随机失效概率以及能量故障概率,得出综合故障概率;
将综合故障概率引入无标度拓扑构建规则中,形成一种基于Markov和无标度网络的无线传感器网络容错拓扑演化模型;
设置随机故障节点,计算网络最大连通子图节点个数,评估容错性能。
2.如权利要求1所述的基于Markov和无标度网络的无线传感器网络容错拓扑演化方法,其特征在于,“构造了一种以容错传感器节点为六边形顶点的正六边形分簇机制(RHCS),通过Markov分析了RHCS的随机失效概率以及能量故障概率,得出综合故障概率;”具体包括:
将双工传感器节点设为容错传感器节点,把容错传感器节点放置为正六边形结构形成基本的分簇机制RHCS;
通过Markov分析RHCS的随机失效率(RFP);
采用经典的一阶无线通信能量消耗模型,分析RHCS的能量故障率(EFP);
结合RFP和EFP,建立RHCS的综合故障概率(JFP)。
3.如权利要求1所述的基于Markov和无标度网络的无线传感器网络容错拓扑演化方法,其特征在于,“将综合故障概率引入无标度拓扑构建规则中,形成一种基于Markov和无标度网络的无线传感器网络容错拓扑演化模型;”中,容错拓扑演化模型具体包括:
网络中的大部分节点只和很少节点连接,而有极少的节点与非常多的节点连接,其经典的无标度网络模型构建算法:
增长:从一个具有m0个节点的联通网络开始,每次引入一个新的节点,并且连到m个已经存在的节点上,这里m<=m0;
择优连接:一个新的节点与一个已经存在的节点i相连的概率w与节点i的度k_i之间的关系为w=k_i/(k_1+k_2+k_3+...+k_n),其中n为网络中的节点的总个数;
形成的无标度网络,分析其网络节点度分布,满足幂律特性。
4.如权利要求1所述的基于Markov和无标度网络的无线传感器网络容错拓扑演化方法,其特征在于,“设置随机故障节点,计算网络最大连通子图节点个数,评估容错性能。”中,所述评估容错性能具体包括:
随机失效容错性,以泊松规则随机地产生失效节点,每一轮运行后移除能量耗尽的节点,以最大连通分支中的节点个数所占总个数的比例为容错性能指标;
恶意攻击容错性,将节点度较高的节点随机去除,去除率在0.05~0.25之间,以最大连通分支中的节点个数所占总个数的比例为容错性能指标。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。
7.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1到7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811325318.1A CN109379756A (zh) | 2018-11-08 | 2018-11-08 | 无线传感器网络容错拓扑演化方法 |
PCT/CN2019/113846 WO2020093904A1 (zh) | 2018-11-08 | 2019-10-29 | 无线传感器网络容错拓扑演化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811325318.1A CN109379756A (zh) | 2018-11-08 | 2018-11-08 | 无线传感器网络容错拓扑演化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109379756A true CN109379756A (zh) | 2019-02-22 |
Family
ID=65384263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811325318.1A Pending CN109379756A (zh) | 2018-11-08 | 2018-11-08 | 无线传感器网络容错拓扑演化方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109379756A (zh) |
WO (1) | WO2020093904A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187989A (zh) * | 2019-05-24 | 2019-08-30 | 安徽师范大学 | 雾环境下基于Markov Chain的容错策略选择方法 |
CN110909769A (zh) * | 2019-11-05 | 2020-03-24 | 浙江工业大学 | 一种基于度值的无标度网络分类算法的对抗攻击方法 |
WO2020093904A1 (zh) * | 2018-11-08 | 2020-05-14 | 江南大学 | 无线传感器网络容错拓扑演化方法 |
CN113873611A (zh) * | 2021-09-24 | 2021-12-31 | 天津津航计算技术研究所 | 一种无线网络簇头自适应竞争方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112882385B (zh) * | 2021-01-12 | 2022-04-22 | 南京航空航天大学 | 基于隔离/移除故障个体的蜂群无人机可重构性评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554844A (zh) * | 2016-01-22 | 2016-05-04 | 大连理工大学 | 一种无线传感器网络拓扑构建方法 |
CN106507506A (zh) * | 2016-12-06 | 2017-03-15 | 无锡悟莘科技有限公司 | 一种无线传感网络组网方法 |
CN106507426A (zh) * | 2016-11-23 | 2017-03-15 | 西安电子科技大学 | 一种新型能耗均衡的传感器网络拓扑演化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100260070A1 (en) * | 2009-04-09 | 2010-10-14 | Yigal Bejerano | Localized construction of fault resilient high capacitywireless networks with bounded node degree |
CN105959990A (zh) * | 2016-04-25 | 2016-09-21 | 东莞市联洲知识产权运营管理有限公司 | 一种无线传感器网络拓扑控制方法 |
CN107580355B (zh) * | 2017-08-22 | 2020-04-07 | 西安科技大学 | 无线传感器网络基于位置的均匀分簇层次路由方法 |
CN107333316B (zh) * | 2017-08-24 | 2020-08-07 | 国网安徽省电力公司黄山供电公司 | 一种无线传感器网络容错拓扑构建方法 |
CN109379756A (zh) * | 2018-11-08 | 2019-02-22 | 江南大学 | 无线传感器网络容错拓扑演化方法 |
-
2018
- 2018-11-08 CN CN201811325318.1A patent/CN109379756A/zh active Pending
-
2019
- 2019-10-29 WO PCT/CN2019/113846 patent/WO2020093904A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554844A (zh) * | 2016-01-22 | 2016-05-04 | 大连理工大学 | 一种无线传感器网络拓扑构建方法 |
CN106507426A (zh) * | 2016-11-23 | 2017-03-15 | 西安电子科技大学 | 一种新型能耗均衡的传感器网络拓扑演化方法 |
CN106507506A (zh) * | 2016-12-06 | 2017-03-15 | 无锡悟莘科技有限公司 | 一种无线传感网络组网方法 |
Non-Patent Citations (1)
Title |
---|
SHIHONG HU, GUANGHUI LI: "《Fault-Tolerant Clustering Topology Evolution Mechanism of Wireless Sensor Networks》", 《IEEE ACCESS》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020093904A1 (zh) * | 2018-11-08 | 2020-05-14 | 江南大学 | 无线传感器网络容错拓扑演化方法 |
CN110187989A (zh) * | 2019-05-24 | 2019-08-30 | 安徽师范大学 | 雾环境下基于Markov Chain的容错策略选择方法 |
CN110187989B (zh) * | 2019-05-24 | 2022-08-09 | 广东致盛技术有限公司 | 雾环境下基于Markov Chain的容错策略选择方法 |
CN110909769A (zh) * | 2019-11-05 | 2020-03-24 | 浙江工业大学 | 一种基于度值的无标度网络分类算法的对抗攻击方法 |
CN113873611A (zh) * | 2021-09-24 | 2021-12-31 | 天津津航计算技术研究所 | 一种无线网络簇头自适应竞争方法 |
CN113873611B (zh) * | 2021-09-24 | 2023-10-31 | 天津津航计算技术研究所 | 一种无线网络簇头自适应竞争方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020093904A1 (zh) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109379756A (zh) | 无线传感器网络容错拓扑演化方法 | |
Muhammed et al. | An analysis of fault detection strategies in wireless sensor networks | |
Crick et al. | Loopy belief propagation as a basis for communication in sensor networks | |
Hu et al. | Fault-tolerant clustering topology evolution mechanism of wireless sensor networks | |
CN105871636A (zh) | 基于最小树形图的无人机编队通信拓扑的重构方法及系统 | |
CN105183957B (zh) | 一种用于航空电子系统的鲁棒性分析方法 | |
CN108931709A (zh) | 一种高容错率的配网故障定位方法 | |
CN104506229B (zh) | 一种基于分簇的卫星网络故障诊断方法 | |
CN106303901B (zh) | 一种无线传感网中基于协同过滤的可靠数据融合优化方法 | |
CN105897502A (zh) | 一种环境监测节点故障自检方法 | |
Venkataraman et al. | A cluster-based approach to fault detection and recovery in wireless sensor networks | |
CN108235347A (zh) | 一种无线传感器网络能耗控制方法 | |
Reliability modeling of wireless sensor networks: a review | ||
CN114895703A (zh) | 基于拓扑优化重构的分布式容错时变编队控制方法及系统 | |
Xiao et al. | Study of immune-based intrusion detection technology in wireless sensor networks | |
CN112423308A (zh) | 一种基于k跳可达性的主动保持无人集群网络连通性的方法 | |
Bagheri | DFMC: decentralized fault management mechanism for cluster based wireless sensor networks | |
Guo | [Retracted] Mathematical Modeling and Simulation of Wireless Sensor Network Coverage Problem | |
De Sousa et al. | Event detection framework for wireless sensor networks considering data anomaly | |
CN107396375A (zh) | 基于量子头脑风暴的异构传感器网络最佳目标覆盖方法 | |
Naskath et al. | Coverage maintenance using mobile nodes in clustered wireless sensor networks | |
CN105450751B (zh) | 一种提高云计算环境稳定性的系统 | |
Wang et al. | Bioinspired mitigation scheme for cascading failures in farmland wireless sensor networks | |
CN102111295B (zh) | 分布式系统中多层次测度网络关系构建方法 | |
Chavan et al. | Efficient bio-inspired method for disaster monitoring in wireless sensor networks using improved PSO |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |