CN111654869B - 无线网络自组网方法 - Google Patents
无线网络自组网方法 Download PDFInfo
- Publication number
- CN111654869B CN111654869B CN202010400328.8A CN202010400328A CN111654869B CN 111654869 B CN111654869 B CN 111654869B CN 202010400328 A CN202010400328 A CN 202010400328A CN 111654869 B CN111654869 B CN 111654869B
- Authority
- CN
- China
- Prior art keywords
- node
- network
- nodes
- routing
- information
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- 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
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
无线网络自组网方法,涉及通信网络技术,本发明包括下述步骤:1)确定一个节点作为网络的中心节点,其他节点作为从节点,然后由中心节点选择无干扰的频点发送建网广播,广播内容包括中心节点标识;2)未加入网络的从节点扫描支持的频点,计算扫描到的各邻居节点的Weight值,选择Weight值最大的节点作为父节点,与之建立连接以加入网络;3)从节点加入网络后,广播自己的路由信息,以便下级节点能及时加入网络,进而完成所有节点的前端预组网;4)服务器根据各节点参数信息建立网络模型,并优化网络结构和网络能耗,获得最优网络结构,然后将最优网络结构中各节点的路由参数下发至各节点;5)各节点依据服务器下发的路由参数调整自身路由参数。本发明在保障数据传输高可靠性和网络稳定性的前提下,提升了无线传感器网络的抗损毁能力和强自愈能力。
Description
技术领域
本发明涉及通信网络技术领域。
背景技术
艰险山区铁路沿线地形起伏变化大、构造活动强烈、地层岩性及气候复杂多变,频繁发生大型崩滑体、高位危岩落石、泥石流、雪崩等山地自然灾害,具有分布范围广、规模大、破坏力强、发育周期长、空间特征明显等特点;因此,开展艰险山区铁路沿线地质灾害长期自动监测是确保铁路运营安全,提升防灾减灾能力的重要组成部分。目前地质灾害自动监测现场数据采集主要分为有线及无线两种方式,由于艰险山区环境通常导致监测范围广、地势高低起伏大、遮挡物多等现象,因而也给监测数据采集带来了极大挑战;传统的有线网络方式易受监测现场地理环境的影响,部署极不灵活;而基于主从模式的无线网络方案大多都功能单一、拓展能力差,不具备自组织、抗损毁的特性,一旦设备中途出现故障,将导致某片区域的监测能力完全丧失甚至整个系统瘫痪,无法保证监测系统的健壮性及可靠性。
无线自组织网络是一种不依赖于移动基础设施,具有自主建网能力和自我网络管理能力的无中心网络,具备高可靠性和强鲁棒性。自组织网络中的任意节点都可以同时承担终端和路由的角色,即使网络中的部分节点失效时,得益于网络结构较强的抗损毁和自愈能力,仍然可以在很大程度上维持整个网络的正常通信,避免网络瘫痪的情况出现。
无线传感器网络是无线自组织网络的一个重要分支,是传感器技术、嵌入式技术、分布式信息处理技术以及无线通信技术高度融合的产物。通过在被感知对象内部或者附近部署大量传感器节点构建无线自组织网络,以协作的方式对网络覆盖区域进行感知、采集和信息处理,以实现任何时间、任何地点的信息采集,处理与分析。由于无线传感器网络在部署过程中无须事先建立网络基础设施,因此可以快速的组建不同规模大小的网络实现对关注区域的灵活覆盖,并可以根据需要随时对网络进行拓展,极大降低了长期监测和应用部署的成本。不论是军事国防,还是工业农业都有着广阔的应用前景,在军事防御、环境监测、抢险救灾等几大重要领域更是需求强烈。
艰险山区移动通信基础设施覆盖薄弱,监测范围广阔,树木植被生长发育容易造成通信遮挡,导致严重信号衰减,超长距低功耗数据传输技术(LoRa,Long Range)是一种基于sub-GHz频谱的新型低功耗广域网(Low Power Wide Area Network,LPWAN)无线通信技术,兼顾了传输距离和传输功耗的平衡且工作于免授权频段,得益于超远的传输距离、极低的功耗和更具竞争力的部署成本,成为艰险复杂山区环境下开展铁路沿线自然灾害监测最为合适的无线通信技术。
为了克服早期无线传感器网络路由协议普遍存在的能耗分布不均、应对拓扑变化反应速度慢、频繁全网广播消息而功耗过高导致网络生命周期短等问题,分层结构路由协议尤其是分簇路由算法在很长一段时间里成为了大家研究和优化的热点。另一方面,在实际工程应用中,由于部署环境的不同对应的设计要求和应用需求也不尽相同,无线传感器网络自组网路由技术的研究与设计逐步向多样化、场景化、定制化方向发展。
发明内容
本发明所要解决的技术问题是,提供一种适用于艰险山区条件下的抗损毁无线网络自组网方法,以实现快速、可靠的传感器节点组网通信。
本发明解决所述技术问题采用的技术方案是,无线网络自组网方法,其特征在于,包括下述步骤:
1)确定一个节点作为网络的中心节点,其他节点作为从节点,然后由中心节点选择无干扰的频点发送建网广播,广播内容包括中心节点标识;
2)未加入网络的从节点扫描支持的频点,并依据以下公式计算扫描到的各邻居节点的Weight值,选择Weight值最大的节点作为父节点,与之建立连接以加入网络:
节点k的邻居节点i的Weight值计算公式:
Weight(k,i)=αRSSI(i)+β(MaxHop-Hop(i))+ωWeight(i) (1)
节点i自身的Weight值计算公式:
Weight(i)=λ(Weight(CH)+RSSI(CH))×prio(i) (2)
其中,
α,β,ω,λ均为预设常数,
RSSI(i)为节点k测量得到的来自邻居节点i的信号强度值;
MaxHop为设置的网络最大跳数;
Hop(i)为节点i到中心节点的网络跳数;
Weight(i)为节点i的Weight值,
Weight(CH)为节点i的父节点的Weight值,若父节点为中心节点则父节点的Weight值设为255;
RSSI(CH)为节点i的父节点的信号强度值;
prio(i)为节点i的路由权重,若该值为1表示允许其他节点通过节点i完成数据中继转发,若为0则表示不允许节点i承担路由中继功能;
3)从节点加入网络后,广播自己的路由信息,以便下级节点能及时加入网络,进而完成所有传感器节点的前端预组网;同时,各级节点加入网络后,都将自己的路由信息、剩余能量信息、邻居节点信息和信号强度RSSI值发送至中心节点,最终全部上传到服务器;所述路由信息包括自身的weight值、到中心节点的网络跳数;
4)服务器根据各节点参数信息建立网络模型,并优化网络结构和网络能耗,获得最优网络结构,然后将最优网络结构中各节点的路由参数下发至各节点;
5)各节点依据服务器下发的路由参数调整自身路由参数。
还包括下述步骤:
6)若某一从节点与父节点的连接丢失达预定时长,则该从节点返回步骤2)以重新扫描新的父节点。
所述步骤4)为:
以二级节点和三级节点的选择为变量,
以网络中二级节点的剩余能量、各二级节点到中心节点的信号强度均值、各三级节点到二级节点的信号强度均值作为输入参数,以前述三个输入参数按照预定权重系数进行加权求和的计算结果作为综合性能参数,计算得到具有最佳综合性能参数的网络结构。
所述步骤4)中,采用粒子群算法优化网络结构和网络能耗。
本发明实现了理论算法和实际工程应用的结合,将前端运算能力有限的传感器节点无法承担的、需大量复杂运算才能输出的路由规划任务转移到服务器后端,在保障数据传输高可靠性和网络稳定性的前提下,提升了无线传感器网络的抗损毁能力和强自愈能力,实现了所有传感器节点的能耗平衡和整个传感器网络的流量负载均衡,相较于传统技术方案,采用了抗损毁自组网路由技术的无线传感器网络在艰险山区环境下的数据监测收集时间得到了显著延长。
附图说明
图1是本发明提出的艰险山区抗损毁自组网路由技术架构图。
图2是前端传感器节点自组网规划建立的三级网络流程图。
图3是节点路由后端手动调整流程图。
具体实施方式
下面结合具体实施方式对本发明做进一步的详细说明。
1.前端自组织规划预建网
前端自组织规划预建网是指无线传感器网络部署后首先在传感器节点之间建立临时的自组织多跳网络,通过预建网完成各传感器节点剩余能量信息、邻居节点信息、节点间信号强度(RSSI)信息的上传,支撑后续的服务器自动路由规划,该阶段主要建网流程如下:
1)初始化网络节点,综合考虑监测环境和监测任务特点选取一个特定位置的节点作为中心节点,然后由中心节点选择无干扰的频点向全网发送建网广播;
2)从节点扫描支持的频点,根据信号强度RSSI值,节点路由跳数,路由权重等参数计算自己各邻居节点的Weight值,计算方法如公式(1)(2)所示,未加入网络的节点比较各邻居节点对应的Weight(k,i)值,选择Weight(k,i)值最大的节点作为自己的下一跳中继节点加入到网络中;
节点k的邻居节点i的Weight值计算公式:
Weight(k,i)=αRSSI(i)+β(MaxHop-Hop(i))+ωWeight(i) (1)
节点i自身的Weight值计算公式:
Weight(i)=λ(Weight(CH)+RSSI(CH))×prio(i) (2)
上式中α,β,ω,λ均为常数,可以根据应用需求进行设置,RSSI(i)为节点k的邻居节点i的信号强度值;MaxHop为设置的网络最大跳数,可以控制网络的规模和拓扑形态;Hop(i)为节点i到中心节点的网络跳数,跳数越少数据传输时延越小,通常耗能也越少;Weight(i)为节点i的Weight值,Weight(CH)为节点i的父节点的Weight值,若节点的父节点为中心节点则Weight值设为255;RSSI(CH)为节点i的父节点的信号强度值;prio(i)为节点i的路由权重,若该值为1表示允许其他节点通过节点i完成数据中继转发,若为0则表示不允许节点i承担路由中继功能,通过这种方式对节点的路由权重进行控制能够在实际应用中对传感器网络中关键位置节点的能量进行保障,最大限度延长该位置节点在网络中的生存时间,避免自动组网情况下该节点因为承担过多数据转发任务迅速耗尽自身能量而失效。
3)从节点加入网络后,立即广播自己的路由信息,以便下级节点能及时加入网络,进而完成所有传感器节点的前端预组网;同时,各级节点加入网络后,都将自己的路由信息、剩余能量信息、邻居节点信息和信号强度RSSI值发送至中心节点,最终全部上传到服务器。
2.后端服务器自动路由规划与方案下发
服务器后端根据前端自组织规划预建网上传的网络节点信息建立各传感器节点对应的路由信息、剩余能量信息、邻居节点信息及信号强度RSSI值关系列表,同时结合传感器节点部署位置建立网络节点分布图。接下来,根据各节点参数信息列表和分布图在服务器后端进行自动路由规划;通过对网络中的传感器节点进行分簇,优化传感器网络结构和网络能耗。
后端服务器自动路由规划的分簇算法综合考虑传感器节点剩余能量、簇头节点与基站之间的信号强度、簇头节点与簇内成员之间的信号强度等指标,通过采用粒子群优化算法确定最优的簇头节点,进而确定各簇头的簇内成员节点,最终输出路由规划方案并下发到各目标节点完成网络部署。
粒子群优化算法(PSO)是一种群体智能算法,源于鸟类觅食的灵感,具有精度高、收敛快等优点。该算法假设在D维搜索空间中存在N个粒子,这N个粒子组成粒子群X{X1,X2,…,XN},其中Xi{Xi1,Xi2,…,XiD}为第i个粒子的位置矢量,Vi{Vi1,Vi2,…,ViD}为第i个粒子的速度矢量。每个粒子都具备自身的位置和速度,通过设置适应值函数来权衡粒子的好坏水准。在每次迭代过程中,粒子通过更新个体最优解pBest(即粒子本身找到的最好位置)和全局最优解gBest(即整个群体找到的最好位置)来不断更新自己的位置和速度,最终在满足迭代收敛条件时结束迭代过程输出最优解。
粒子的位置和速度更新公式为:
上式中Vid为粒子i在d向量上的速度分量,Xid为粒子i在d向量上的位置分量,w为惯性权重,c1、c2为学习因子,r1、r2为0到1之间的随机数,Pid和Pgd分别为每个粒子的个体最优解和整个粒子群的全局最优解。
采用粒子群优化算法对传感器网络进行分簇,实质就是利用适应值函数对每个节点的质量进行评估,找出最小适应值的网络节点作为全局最优解,其对应的分簇方式即为本轮的最终分簇结果。
本发明设计的适应值函数:
f(Pj)=α·f1(Pj)+β·f2(Pj)+λ·f3(Pj) (4)
上式(4)中,α、β和λ表示各评价因子的权重系数且α+β+λ=1,Pj表示j号粒子。f1为簇头能量量化参数,f2为簇头信号强度量化参数,f3为分簇大小量化参数,通过调节f1、f2和f3在适应值函数中所占比例,可以优化网络的簇划分和簇首选择。
公式(5)为簇头能量量化参数f1的计算公式,其中N表示网络总节点个数,E(ni)表示节点i的当前能量,K表示网络簇头总数,表示Pj所在簇的簇头节点CHk的当前能量,这样可以保障簇头节点的能量满足本簇的数据中继任务;公式(6)为簇头信号强度量化参数f2的计算公式,表示节点i与对应簇头CHk的信号强度,表示粒子Pj在簇Ck中的节点数目,求f2的最大值可以使得各簇首节点与簇内成员节点之间平均信号强度最大,从而通信质量更好、通信代价更低;公式(7)为分簇大小量化参数f3的计算公式,为基站与各个簇首的欧氏距离,d(BS,NC)为基站到网络区域中心的欧氏距离,两者之比可以实现对网络非均匀分簇的优化,达到对靠近基站区域的簇规模进行控制的目的,使得靠近基站的区域分簇个数更多,簇的规模更小;从而为这些簇首承担中继任务预留更多的能量,也使得网络流量负载更均衡,网络能量效率更高,网络寿命更长。
对粒子群算法的进一步说明如下:
基于粒子群优化的分簇路由优化算法步骤:
(1)由于无线传感器网络节点是离散分布的,而基本PSO算法是针对连续问题而设计,因此,首先需要将粒子与节点进行映射。本文采取的映射方式是将每个粒子映射成不同的簇首组合方式,假设初始粒子群由M个粒子构成,每个粒子初始的位置和初始速度分别为X和V,每个粒子包含K个候选簇首(K个候选簇首是按照所有能量不为0的节点到该粒子的距离从小到大排序进行选择,且按顺序平均分成K组,每组随机选择一个候选簇首,每个粒子都选出K个簇首)。
(2)计算所有节点到簇首的距离,按照就近原则(信号强度最大)将节点分配给每个簇首,形成K个簇。
(3)每个粒子的初始位置即为该粒子的个体最优位置pbestXi,利用适应值函数求出该粒子对应的适应值即为该粒子的个体最优解pbesti,选择最小的pbesti及其对应位置pbestXi作为全局最优位置gbestX和全局最优解gbest。
(4)根据公式更新粒子位置和速度。
(5)根据每个粒子位置,按照步骤(1)~(3)选择K个簇并计算适应值。
(6)若有粒子的适应值比之前的适应值要小则更新pbesti并将取得较小适应值的粒子位置作为当前粒子个体最优位置pbestX,最后将gbst和gbestX按照最小的pbesti进行更新。
(7)判定是否达到最大迭代次数或者找到全局最优解。若达到最大迭代次数或者找到了全局最优解则本轮结束,节点按照全局最优粒子位置对应的分簇方式进行分簇,否则返回第(4)步。
3.节点路由后端补充调整
节点路由后端手动调整是指采用人为干预的方式手动指定节点的路由优先级和下一跳路由地址,能够在前端传感器节点自组织规划预组网,后端服务器自动路由规划实现网络再部署后,结合工程技术人员实践经验和应用需求针对前后端自主建立的传感器网络中仍存在的不合理路由拓扑结构进行局部调整,是辅助实现前端网络路由最优化的重要补充手段,还可以通过节点路由优先级控制对关键位置的节点能量进行保障,加强核心主干网络维护,实现网络负载和能量均衡,从而最大化网络生命周期。
Claims (3)
1.无线网络自组网方法,其特征在于,包括下述步骤:
1)确定一个节点作为网络的中心节点,其他节点作为从节点,然后由中心节点选择无干扰的频点发送建网广播,广播内容包括中心节点标识;
2)未加入网络的从节点扫描支持的频点,并依据以下公式计算扫描到的各邻居节点的Weight值,选择Weight值最大的节点作为父节点,与之建立连接以加入网络:
节点k的邻居节点i的Weight值计算公式:
Weight(k,i)=αRSSI(i)+β(MaxHop-Hop(i))+ωWeight(i) (1)
节点i自身的Weight值计算公式:
Weight(i)=λ(Weight(CH)+RSSI(CH))×prio(i) (2)
其中,
α,β,ω,λ均为预设常数,
RSSI(i)为节点k测量得到的来自邻居节点i的信号强度值;
MaxHop为设置的网络最大跳数;
Hop(i)为节点i到中心节点的网络跳数;
Weight(i)为节点i的Weight值;
Weight(CH)为节点i的父节点的Weight值,若父节点为中心节点则父节点的Weight值设为255;
RSSI(CH)为节点i的父节点的信号强度值;
prio(i)为节点i的路由权重,若该值为1表示允许其他节点通过节点i完成数据中继转发,若为0则表示不允许节点i承担路由中继功能;
3)从节点加入网络后,广播自己的路由信息,以便下级节点能及时加入网络,进而完成所有节点的前端预组网;同时,各级节点加入网络后,都将自己的路由信息、剩余能量信息、邻居节点信息和信号强度RSSI值发送至中心节点,最终全部上传到服务器;所述路由信息包括自身的weight值、到中心节点的网络跳数;
4)服务器根据各节点参数信息建立网络模型,并优化网络结构和网络能耗,获得最优网络结构,然后将最优网络结构中各节点的路由参数下发至各节点:
服务器后端根据前端自组织规划预建网上传的网络节点信息建立各传感器节点对应的路由信息、剩余能量信息、邻居节点信息及信号强度RSSI值关系列表,同时结合传感器节点部署位置建立网络节点分布图,然后根据各节点参数信息列表和分布图在服务器后端进行自动路由规划;通过对网络中的传感器节点进行分簇,优化传感器网络结构和网络能耗;后端服务器自动路由规划的分簇算法综合考虑传感器节点剩余能量、簇头节点与基站之间的信号强度、簇头节点与簇内成员之间的信号强度指标,通过采用粒子群优化算法确定最优的簇头节点,进而确定各簇头的簇内成员节点,最终输出路由规划方案并下发到各目标节点完成网络部署;
5)各节点依据服务器下发的路由参数调整自身路由参数。
2.如权利要求1所述的无线网络自组网方法,其特征在于,还包括下述步骤:
6)若某一从节点与父节点的连接丢失达预定时长,则该从节点返回步骤2)以重新扫描新的父节点。
3.如权利要求1所述的无线网络自组网方法,其特征在于,所述步骤4)中,
以二级节点和三级节点的选择为变量,
以网络中二级节点的剩余能量、各二级节点到中心节点的信号强度均值、各三级节点到二级节点的信号强度均值作为输入参数,以前述三个输入参数按照预定权重系数进行加权求和的计算结果作为综合性能参数,计算得到具有最佳综合性能参数的网络结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400328.8A CN111654869B (zh) | 2020-05-13 | 2020-05-13 | 无线网络自组网方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400328.8A CN111654869B (zh) | 2020-05-13 | 2020-05-13 | 无线网络自组网方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111654869A CN111654869A (zh) | 2020-09-11 |
CN111654869B true CN111654869B (zh) | 2022-07-29 |
Family
ID=72352683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010400328.8A Active CN111654869B (zh) | 2020-05-13 | 2020-05-13 | 无线网络自组网方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111654869B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110366149A (zh) * | 2019-07-30 | 2019-10-22 | 海南天然橡胶产业集团股份有限公司 | 信息反馈方法及系统 |
CN112533299B (zh) * | 2020-11-13 | 2023-03-24 | 锐捷网络股份有限公司 | 一种建立lora远距离传输链路的方法和服务器 |
CN114598569B (zh) * | 2022-02-25 | 2023-10-03 | 中铁第四勘察设计院集团有限公司 | 一种网络架构 |
CN115190559B (zh) * | 2022-07-14 | 2023-05-12 | 浙江方大通信有限公司 | 面向多场景的物联网设备的组网和控制方法 |
CN116528319B (zh) * | 2023-06-29 | 2023-09-29 | 中国电信股份有限公司 | 多跳组网方法、装置、电子设备及计算机可读存储介质 |
CN117651123B (zh) * | 2024-01-30 | 2024-04-05 | 深圳市瀚晖威视科技有限公司 | 基于摄像头的多路视频流处理方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7957355B1 (en) * | 2005-05-27 | 2011-06-07 | Heiferling Mark J | Swarm autonomous routing algorithm for mobile ad hoc network communications |
CN103095577A (zh) * | 2013-02-27 | 2013-05-08 | 山东大学 | 上下文相关的非均匀分簇路由算法 |
CN103118373A (zh) * | 2013-01-24 | 2013-05-22 | 北京理工大学 | 一种无线传感器网络低能耗覆盖优化算法 |
CN103945484A (zh) * | 2014-03-11 | 2014-07-23 | 北京农业信息技术研究中心 | 农田无线自组织网络拓扑密度关联路径选择优化方法 |
CN106658603A (zh) * | 2016-11-17 | 2017-05-10 | 天津大学 | 一种负载均衡的无线传感器网络路由节能方法 |
CN106900025A (zh) * | 2017-03-15 | 2017-06-27 | 重庆邮电大学 | 一种基于双簇首的无线传感器网络分簇路由方法 |
CN108566663A (zh) * | 2018-01-10 | 2018-09-21 | 重庆邮电大学 | 基于扰动粒子群优化的sdwsn能耗均衡路由算法 |
CN108716978A (zh) * | 2018-07-14 | 2018-10-30 | 中铁二院工程集团有限责任公司 | 落石冲击明洞振动监测系统和监测方法 |
CN109618381A (zh) * | 2018-11-27 | 2019-04-12 | 国网山东省电力公司济宁供电公司 | 一种自组网通信方法以及自组网通信系统 |
-
2020
- 2020-05-13 CN CN202010400328.8A patent/CN111654869B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7957355B1 (en) * | 2005-05-27 | 2011-06-07 | Heiferling Mark J | Swarm autonomous routing algorithm for mobile ad hoc network communications |
CN103118373A (zh) * | 2013-01-24 | 2013-05-22 | 北京理工大学 | 一种无线传感器网络低能耗覆盖优化算法 |
CN103095577A (zh) * | 2013-02-27 | 2013-05-08 | 山东大学 | 上下文相关的非均匀分簇路由算法 |
CN103945484A (zh) * | 2014-03-11 | 2014-07-23 | 北京农业信息技术研究中心 | 农田无线自组织网络拓扑密度关联路径选择优化方法 |
CN106658603A (zh) * | 2016-11-17 | 2017-05-10 | 天津大学 | 一种负载均衡的无线传感器网络路由节能方法 |
CN106900025A (zh) * | 2017-03-15 | 2017-06-27 | 重庆邮电大学 | 一种基于双簇首的无线传感器网络分簇路由方法 |
CN108566663A (zh) * | 2018-01-10 | 2018-09-21 | 重庆邮电大学 | 基于扰动粒子群优化的sdwsn能耗均衡路由算法 |
CN108716978A (zh) * | 2018-07-14 | 2018-10-30 | 中铁二院工程集团有限责任公司 | 落石冲击明洞振动监测系统和监测方法 |
CN109618381A (zh) * | 2018-11-27 | 2019-04-12 | 国网山东省电力公司济宁供电公司 | 一种自组网通信方法以及自组网通信系统 |
Non-Patent Citations (1)
Title |
---|
车联网中基于分簇结构的多人博弈路由模型的研究;陈亦萍;《信息通信》;20171015;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111654869A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111654869B (zh) | 无线网络自组网方法 | |
CN111970712B (zh) | 一种考虑建筑物遮挡效应的无人机基站部署方法 | |
Sabet et al. | A decentralized energy efficient hierarchical cluster-based routing algorithm for wireless sensor networks | |
CN111163477B (zh) | 一种广域三维环境下一体化智能基站自动部署方法 | |
CN109451556B (zh) | 基于uav对无线传感网充电的方法 | |
CN108566664B (zh) | 一种分布式高能效的wsn分簇路由优化方法 | |
Sun et al. | Research on clustering routing protocol based on improved PSO in FANET | |
CN102546059A (zh) | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 | |
Jain | A coherent approach for dynamic cluster-based routing and coverage hole detection and recovery in bi-layered WSN-IoT | |
CN110312278A (zh) | 基于模糊c均值聚类算法的圆环模型路由方法 | |
CN106376010B (zh) | 一种辅助定位信标节点的移动路径规划方法 | |
CN112902969A (zh) | 一种无人机在数据收集过程中的路径规划方法 | |
CN111970711B (zh) | 一种空间边界约束下的无人机动态部署方法 | |
CN110267279A (zh) | 基于差分进化的三维ECDV-Hop定位方法 | |
CN111405586A (zh) | 一种基于Cost231-Hata模型的无线智能传播方法 | |
CN110430579A (zh) | 基于果蝇优化的非均匀环境的无线ap部署优化方法 | |
CN114025361A (zh) | 面向协同中继任务的多无人机网络拓扑构造与规划方法 | |
CN107333316A (zh) | 一种无线传感器网络容错拓扑构建方法 | |
Azar et al. | Energy-and delay-efficient algorithm for large-scale data collection in mobile-sink WSNs | |
Guezouli et al. | UAVs's efficient controlled mobility management for mobile heterogeneous wireless sensor networks | |
Bharany et al. | Energy Efficient Clustering Protocol for FANETS Using Moth Flame Optimization. Sustainability 2022, 14, 6159 | |
CN111225398A (zh) | 一种基于协作覆盖的微电网无线传感器网络能耗优化方法 | |
Pitchai | Determination of energy efficient optimal sojourn location of mobile sinks in clustered corona-based wireless sensor networks | |
Liu et al. | A Position Sensitive Clustering Algorithm for VANET. | |
CN106507433A (zh) | 一种地震仪数据传输分簇路由协议设计方法 |
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 |