CN112118603B - 一种线形无线传感器网络负载均衡汇聚方法 - Google Patents
一种线形无线传感器网络负载均衡汇聚方法 Download PDFInfo
- Publication number
- CN112118603B CN112118603B CN202011012711.2A CN202011012711A CN112118603B CN 112118603 B CN112118603 B CN 112118603B CN 202011012711 A CN202011012711 A CN 202011012711A CN 112118603 B CN112118603 B CN 112118603B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- data
- acquisition
- wireless sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005265 energy consumption Methods 0.000 claims abstract description 52
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 5
- 239000012723 sample buffer Substances 0.000 claims 4
- 238000004364 calculation method Methods 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明公开了一种线形无线传感器网络负载均衡汇聚方法,属于传感器领域,包括如下步骤:①实地部署线形排列的无线传感器网络;②采集节点周期性采集传感器的数据,采集节点周期性将采集到的数据通过邻居节点以多跳转发的方式传输到汇聚节点;③遍历每个采集节点到邻居节点的转发率,计算采集节点在汇聚节点的交付率;④引入节点交付率构建能量耗损模型,计算能量耗损;⑤构建能量均衡模型。本发明将节点的交付率纳入到能耗模型的计算中,将每个节点在汇聚节点的交付率作为均衡计算的条件之一,准确的反应节点之间能耗绝对差的上限,网络中所有采集节点的总能耗的上限,采集节点向汇聚节点的交付下限,提高了网络的负载均衡计算的有效性和准确性。
Description
技术领域
本发明属于传感器领域,具体涉及一种线形无线传感器网络负载均衡汇聚方法。
背景技术
桥梁、高架等建筑物的实时在线监测和状态评估可以保证建筑的安全性,延长建筑的使用寿命并降低维护成本。线形无线传感器网络在振动、变形、应力等建筑物健康监测中发挥着重要作用。线形无线传感器网络的特点是在资源受限的固定区域部署成线形排列的传感器采集节点。采集节点在健康监测中感知特定的特征现象,并将采集到的数据汇聚到汇聚节点进行处理和分析。基于线形无线传感器网络的建筑物健康监测是一个耗时的过程,能量消耗的平衡直接决定了网络的运行时间。
迄今为止,人们提出了许多负载均衡的方法,以寻求不同能源消耗活动之间的最佳平衡。现有技术针对节点负载均衡的技术主要集中在两个方面进行协议改进设计,即无线传感器网络的媒体接入层协议和网络层协议。媒体接入层协议可以控制节点接收和发送数据的时间以及工作和休眠的比例。目前采用的方法是在网络工作的初始化阶段邻居节点之间通过广播约定相互之间的通信时间,在网络正常工作后,节点在约定的时间进行通信,其他时间则进行休眠。通过合理配置网络中节点的收发数据量,使得节点收发数据的总时间相近,可以有效平衡节点之间的负载。在网络层,节点之间形成转发路由,数据通过多跳转发最终交付到汇聚节点,由汇聚节点上传到上位机。网络层的能量均衡体现在多跳交付路径的有效均衡,防止个别节点成为网络转发的中心而过早消耗掉能量。
当传感器网络拓扑结构不确定的情况下,节点之间的距离关系也无法确定。而网络节点的交付率和节点的距离成指数关系,这导致节点的能耗模型中交付率在计算时被忽略。
发明内容
本发明将节点的交付率也纳入到能耗模型的计算中,将每个节点在汇聚节点的交付率作为均衡计算的条件之一,准确的反应节点之间能耗绝对差的上限,网络中所有采集节点的总能耗的上限,采集节点向汇聚节点的交付下限,提高了网络的负载均衡计算的有效性和准确性。
本发明采用的技术方案为:
一种线形无线传感器网络负载均衡汇聚方法,包括如下步骤:
Step1:实地部署线形排列的无线传感器网络,无线传感器网络包括若干采集节点和终端的汇聚节点;
Step2:采集节点周期性采集传感器的数据,采集节点周期性将采集到的数据通过邻居节点以多跳转发的方式传输到汇聚节点;
Step3:以一定时间间隔遍历每个采集节点到邻居节点的转发率,计算采集节点在汇聚节点的交付率;
Step4:引入节点交付率构建能量耗损公式,计算所述采集节点和所述汇聚节点的能量耗损;
Step5:构建能量均衡模型,将能量耗损公式代入求解无线传感器网络中每个采集节点向邻居节点的最优转发率,从而得到整个无线传感器网络的负载均衡汇聚方法。
其中,Step1中,沿拟进行健康监测的建筑物布置N个传感器,N≥3,组成一个与道路延伸方向平行的N元线性传感器阵列,传感器的间距取5~20米。
Step4中能量耗损公式如下:
采集节点j转发的数据量NTj用(1)式计算:
其中,NTj和NTi分别代表采集节点i和j转发的数据量,N表示在同样的工作时长内向汇聚节点传输的数据量,pij表示采集节点i向邻居节点j的转发率,是采集节点向某个邻居节点发送的数据数量占总发送数据量的比率,取值范围是[0,1],标号i和j表示采集节点在网络中的位置编号,且标号j的采集节点是标号i的采集节点的转发邻居节点;
采集节点j接收的数据量NRj可以用(2)式计算:
其中,NRj表示采集节点j接收的数据量,NTi表示采集节点i转发的数据量,pij表示采集节点i向邻居节点j的转发率,
采集节点j发送和接收的总数据量Nj用(3)式计算:
其中,Nj表示采集节点j发送和接收的总数据量,
汇聚节点s接收到的采集节点i交付的数据量NDi用(4)式计算:
其中,NDi表示汇聚节点s接收到的采集节点i交付的数据量,qij表示交付率,是实际交付的数据数量占所发送数据数量的比率,取值范围是[0,1],s表示传感器网络中的汇聚节点所在的位置。
Step5中能量均衡模型包括三个参数:节点之间能耗绝对差的上限,无线传感器网络中所有采集节点的总能耗的上限,以及采集节点向汇聚节点的交付下限。
能量均衡模型包括:
max(|Ni-Nj|)<α,其中i≠j,并且j=1,2,3…s-1 (5)
其中,α、β和γ是均衡参数,α代表无线传感器网络中采集节点之间能耗绝对差的上限,β代表无线传感器网络中所有采集节点的总能耗的上限,γ代表采集节点向汇聚节点的交付下限。
α、β和γ根据工程需要自定义一个阈值。
汇聚节点包括临时缓存池和样本缓存池,其中临时缓存池的容量大于样本缓存池的容量,临时缓存会存储所有数据,当临时缓存溢出时,溢出的数据被输出到样本缓存中,当样本缓存同样被填满时,再经过检测合格后输出最终数据。
当满足下列任一公式时,检测不合格:
max(|Ni-Nj|)≥α (8)
本发明与现有技术相比,具有如下有益效果:
本发明将节点的交付率也纳入到能耗模型的计算中,将每个节点在汇聚节点的交付率作为均衡计算的条件之一,准确的反应节点之间能耗绝对差的上限,网络中所有采集节点的总能耗的上限,采集节点向汇聚节点的交付下限,提高了网络的负载均衡计算的有效性和准确性。
1、通过线形传感器网络拓扑中节点部署距离等间隔的特性,解决了利用转发率和交付率计算网络中各个节点能量消耗的问题,提高了节点能量消耗计算的准确性。
2、通过提出线形传感器网络消耗的均衡参数,即(1)网络中采集节点之间能耗绝对差,(2)采集节点的总能耗的上限,(3)采集节点向汇聚节点的交付下限,解决了均衡参数计算问题,增加了能耗计算模型的可用性和服务质量。
3、通过建立线形传感器网络中各节点的能量消耗模型,解决了网络节点能耗的配置问题,实现了节点的负载均衡,提高了网络的生存时间,延长了网络的使用时间,降低了网络的部署和维护成本。
附图说明
图1为本发明的网络结构和通信方式图;
图2为本发明的实验网络示意图。
具体实施方式
下面对本发明作更进一步地说明。
实施例1:
如图1所示,无线传感器网络由多个采集节点和汇聚节点构成,节点的能耗基本消耗在数据的无线收发过程中。一个典型的无线传感器网络包含多个采集节点和一个汇聚节点,采集节点采用电池供电,需要考虑能耗;汇聚节点一般采用电源供电,不需要考虑能耗的问题。线形传感器网络是节点成线形排列的无线传感器网络。传感网络中的采集节点在部署到对应的位置后,开始周期性的采集传感器的数据,并周期性的将采集到的数据通过邻居节点以多跳转发的方式传输到汇聚节点,网络结构和通信方式如图1所示。在数据的汇聚过程中,采集节点可以通过任意中间节点,以任意转发方式将数据传输到汇聚节点。设每个采集节点的采集周期一样,在同样的工作时长内向汇聚节点传输的数据量为N,采集节点i向邻居节点j的转发率为pij,交付率qij,为标号i和j表示节点在网络中的位置编号,且标号j的节点是标号i节点的转发邻居节点,若采集节点i有多个邻居节点可以依次采用对应编号表示。交付率的含义是实际交付的数据数量占所发送数据数量的比率,由于实际交付的数据量小于等于发送数据量,交付率的取值范围是[0,1]。转发率的含义是节点向某个邻居节点发送的数据数量占总发送数据量的比率,取值范围是[0,1]。不失一般性,网络中的汇聚节点处在网络的最右端,其标号用s表示,若是汇聚节点处在线形网络的中间位置,可以将看成两个汇聚节点在右端的网络进行运算。则:
采集节点j转发的数据量NTj可以用(1)式计算:
采集节点j接收的数据量NRj可以用(2)式计算:
采集节点j发送和接收的总数据量Nj可以用(3)式计算:
汇聚节点s接收到的采集节点i交付的数据量NDi可以用(4)式计算:
根据以上数学模型可以设置能量均衡的计算方法可表示为:
max(|Ni-Nj|)<α,其中i≠j,并且j=1,2,3…s-1 (5)
计算方法中α、β和γ为可以配置的均衡参数,α为网络中采集节点之间能耗绝对差的上限,β为网络中所有采集节点的总能耗的上限,γ是采集节点向汇聚节点的交付下限。在具体的工程应用中,可以根据工程需要配置均衡参数进行计算。设置好均衡参数以后,通过将节点的转发率和交付率的可能取值以工程应用需要的精度在模型中进行循环迭代,计算出网络负载均衡汇聚的最优参数。
实施例2:实施例2与实施例1的区别仅在于:汇聚节点包括临时缓存池和样本缓存池,其中临时缓存池的容量大于样本缓存池的容量,临时缓存会存储所有数据,当临时缓存溢出时,溢出的数据被输出到样本缓存中,当样本缓存同样被填满时,再经过检测合格后输出最终数据。
当满足下列任一公式时,检测不合格:
max(|Ni-Nj|)≥α (8)
当同时不满足上述公式时,检测合格。
实施例3:实施例3为实施例1的一个具体应用举例。
具体地,如图2所示,实验网络拓扑结构采用四个采集节点和一个汇聚节点的网络。每个采集节点可以与两个相邻节点通信。实验中每个采集节点向汇聚节点发送的采集数据量相同,设每个采集节点每隔10分钟向汇聚节点发射一次数据,每次发射数据持续时间为2毫秒,发射和接收能工作电流为30mA,每个采集节点有两个邻居节点可以向汇聚节点转发数据,两个邻居节点的交付率由于距离的远近的不同,实验中分别设为1和0.8。实验运行仿真时间为100小时。实验网络如图2所示。利用能量消耗模型,以10%为间隔遍历每个采集节点到邻居节点的转发率,计算采集节点在汇聚节点的交付率和能量消耗,设采集节点向汇聚节点的交付下限为80%,取网络中采集节点之间能耗绝对差和采集节点的总能耗的上限最小的运算结果,得到网络中每个节点向邻居节点的最优转发率,从而得到整个网络的负载均衡汇聚方法。
计算结果如表1所示。
表1负载均衡汇聚方法实验运算结果
节点编号 | 近距离邻居节点转发率 | 远距离邻居节点转发率 |
节点1 | 100% | 0% |
节点2 | 70% | 30% |
节点3 | 30% | 70% |
节点4 | 100% | - |
由仿真参数可得每个节点在同样的工作时长内向汇聚节点传输的数据量为100小时×60÷10,即N=600。针对实验中的计算结果,可以得
节点1处在网络最左端,不转发数据,即NR1=0,故节点1的通信数据总量N1=N=NT1=600。故节点1能耗为600×2ms×30mA=0.01mAh
节点2的通信数据总量N2=NT2+NR2=N+2(100%×N1)=600+2×600=1800。故节点2能耗为1800×2ms×30mA=0.03mAh
节点3的通信数据总量N3=NT3+NR3=N+2(0%×NT1+70%×NT2)=600+2×(0+0.7×1200)=2280。故节点3能耗为2280×2ms×30mA=0.038mAh
节点4的通信数据总量N4=NT4+NR4=N+2(30%×NT2+30%×NT3)=600+2×(0.3×1200+0.3×1440)=2184。故节点4能耗为2184×2ms×30mA=0.0364mAh
节点4的交付的数据量ND4=N(p45q45)=600×(100%×100%)=600
表2本发明汇聚方法和传统汇聚方法运行结果
传统的随机汇聚方法采用的方式是,网络中的节点等概率随机的向邻居节点进行发送数据,传统汇聚方法在图2的实验网络中每个节点向邻居节点的转发率均为50%。本发明汇聚方法和传统汇聚方法运行结果如表2所示,表中表示能耗的单位为毫安时(mAh)。从表中可以看出,本专利方法的节点能耗更均衡,节点1为0.01mAh,节点2能耗为0.03mAh、节点3为0.038mAh、节点4为0.0364mAh。而传统方法中节点做大的能耗达到0.047mAh。同时本方法的交付率最小能达到84.2%以上,符合实验开始的定制参数要求。而传统方法的交付率无法进行质量保证。
通过实验比较,本发明提出的网络负载均衡汇聚方法比传统的汇聚方法是的节点之间的能耗更均衡,其中本方法在和传统交付方法交付率相当的情况下,最大能耗节点比传统方法最大能耗节点的能耗减低19%,意味着采用本算法的网络比传统方法网络中能耗最大的节点的工作时间延长了19%,即网络生存时间有效延长19%。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间,以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的。
Claims (6)
1.一种线形无线传感器网络负载均衡汇聚方法,其特征在于,包括如下步骤:
Step1:实地部署线形排列的无线传感器网络,无线传感器网络包括若干采集节点和终端的汇聚节点;
Step2:采集节点周期性采集传感器的数据,采集节点周期性将采集到的数据通过邻居节点以多跳转发的方式传输到汇聚节点;
Step3:以一定时间间隔遍历每个采集节点到邻居节点的转发率,计算采集节点在汇聚节点的交付率;
Step4:引入节点交付率构建能量耗损公式,计算所述采集节点和所述汇聚节点的能量耗损;
Step5:构建能量均衡模型,将能量耗损公式代入求解无线传感器网络中每个采集节点向邻居节点的最优转发率,从而得到整个无线传感器网络的负载均衡汇聚方法;
其中,Step4中能量耗损公式如下:
采集节点j转发的数据量NTj用(1)式计算:
其中,NTj和NTi分别代表采集节点j和i转发的数据量,N表示在同样的工作时长内向汇聚节点传输的数据量,pij表示采集节点i向邻居节点j的转发率,是采集节点向某个邻居节点发送的数据数量占总发送数据量的比率,取值范围是[0,1],标号i和j表示采集节点在网络中的位置编号,且标号j的采集节点是标号i的采集节点的转发邻居节点;
采集节点j接收的数据量NRj可以用(2)式计算:
其中,NRj表示采集节点j接收的数据量,NTi表示采集节点i转发的数据量,pij表示采集节点i向邻居节点j的转发率,
采集节点j发送和接收的总数据量Nj用(3)式计算:
其中,Nj表示采集节点j发送和接收的总数据量,
汇聚节点s接收到的采集节点i交付的数据量NDi用(4)式计算:
其中,NDi表示汇聚节点s接收到的采集节点i交付的数据量,qij表示采集节点i到邻居节点j的交付率,交付率是实际交付的数据数量占所发送数据数量的比率,取值范围是[0,1],s表示传感器网络中的汇聚节点所在的位置,qis表示采集节点i到汇聚节点s的交付率,qjs表示邻居节点j到汇聚节点s的交付率,pij表示采集节点i向邻居节点j的转发率,pis表示采集节点i到汇聚节点s的转发率;
能量均衡模型包括:
max(|Ni-Nj|)<α,其中i≠j,并且j=1,2,3…s-1 (5)
其中,α、β和γ是均衡参数,α代表无线传感器网络中采集节点之间能耗绝对差的上限,β代表无线传感器网络中所有采集节点的总能耗的上限,γ代表采集节点向汇聚节点的交付下限。
2.根据权利要求1所述的一种线形无线传感器网络负载均衡汇聚方法,其特征在于,
Step1中,沿拟进行健康监测的建筑物布置N个传感器,N≥3,组成一个与道路延伸方向平行的N元线性传感器阵列,传感器的间距取5~20米。
3.根据权利要求1所述的一种线形无线传感器网络负载均衡汇聚方法,其特征在于,Step5中能量均衡模型包括三个参数:节点之间能耗绝对差的上限,无线传感器网络中所有采集节点的总能耗的上限,以及采集节点向汇聚节点的交付下限。
4.根据权利要求1所述的一种线形无线传感器网络负载均衡汇聚方法,其特征在于,
α、β和γ根据工程需要自定义一个阈值。
5.根据权利要求4所述的一种线形无线传感器网络负载均衡汇聚方法,其特征在于,汇聚节点包括临时缓存池和样本缓存池,其中临时缓存池的容量大于样本缓存池的容量,临时缓存会存储所有数据,当临时缓存溢出时,溢出的数据被输出到样本缓存中,当样本缓存同样被填满时,再经过检测合格后输出最终数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012711.2A CN112118603B (zh) | 2020-09-24 | 2020-09-24 | 一种线形无线传感器网络负载均衡汇聚方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012711.2A CN112118603B (zh) | 2020-09-24 | 2020-09-24 | 一种线形无线传感器网络负载均衡汇聚方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112118603A CN112118603A (zh) | 2020-12-22 |
CN112118603B true CN112118603B (zh) | 2021-06-08 |
Family
ID=73801004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011012711.2A Active CN112118603B (zh) | 2020-09-24 | 2020-09-24 | 一种线形无线传感器网络负载均衡汇聚方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112118603B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300281A (zh) * | 2011-09-14 | 2011-12-28 | 长安大学 | 一种基于无线传感网络的桥梁状态监测路由方法 |
CN107333318A (zh) * | 2017-07-24 | 2017-11-07 | 浙江工商职业技术学院 | 无线传感器网络的能量均衡方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102740396B (zh) * | 2012-06-26 | 2014-12-03 | 河海大学 | 水情监测无线传感器网络 |
US10631245B2 (en) * | 2017-09-26 | 2020-04-21 | King Fahd University Of Petroleum And Minerals | Node placement for pipeline monitoring |
-
2020
- 2020-09-24 CN CN202011012711.2A patent/CN112118603B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300281A (zh) * | 2011-09-14 | 2011-12-28 | 长安大学 | 一种基于无线传感网络的桥梁状态监测路由方法 |
CN107333318A (zh) * | 2017-07-24 | 2017-11-07 | 浙江工商职业技术学院 | 无线传感器网络的能量均衡方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112118603A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | A chain-cluster based routing algorithm for wireless sensor networks | |
Behera et al. | Hybrid heterogeneous routing scheme for improved network performance in WSNs for animal tracking | |
US20130235757A1 (en) | Apparatus and method for a biology inspired topological phase transition for wireless sensor network | |
KR100856882B1 (ko) | 대규모 센서 네트워크에서의 효율적인 에너지 소비를 위한동심원 형태의 클러스터링 방법 | |
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 | |
Kumar et al. | Energy efficient clustering and cluster head rotation scheme for wireless sensor networks | |
Ezhilarasi et al. | A survey on wireless sensor network: energy and lifetime perspective | |
Preethi et al. | Modified balanced energy efficient network integrated super heterogeneous protocol | |
Ghosh et al. | Enhanced PEGASIS using ant colony optimization for data gathering in WSN | |
CN112118603B (zh) | 一种线形无线传感器网络负载均衡汇聚方法 | |
Sankar et al. | Efficient Data Transmission Technique for Transmitting the Diagnosed Signals and Images in WBSN | |
Raghunandan et al. | Hierarchical agglomerative clustering based routing algorithm for overall efficiency of wireless sensor network | |
CN102781063A (zh) | 基于局部网络介数的wsn能量均衡路由建立的方法 | |
Zanjireh et al. | Analytical modelling of the A-ANCH clustering algorithm for WSNs | |
Kumar et al. | Energy efficient routing protocols for wireless sensor networks (WSNs) based on clustering | |
Haque et al. | Centroidal voronoi tessellation based energy efficient clustering protocol for heterogeneous wireless sensor and robot networks | |
Cardei | Energy-efficient target coverage in heterogeneous wireless sensor networks | |
Al Bassam et al. | Energy aware and delay-tolerant data gathering in sensor networks with a mobile sink | |
Zheng et al. | An energy-aware cluster protocol for wireless sensor networks | |
Katiyar et al. | Grey system theory-based energy map construction for wireless sensor networks | |
Kaur et al. | Event Driven Clustering Scheme and Energy Efficient Routing for Wireless Sensor Network-A Review | |
Fathi et al. | An energy-efficient density-based clustering approach for wireless sensor networks | |
Gopal et al. | Analysis of cluster based target tracking in wireless sensor networks | |
Kaur et al. | Improvement In LEACH protocol by electing master cluster heads to enhance the network lifetime in WSN | |
Bai et al. | Throughput optimization in energy sharing wireless sensor networks |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240319 Address after: Room 403-a, 4th floor, building c-1-c, software park, No. 6, Software Park Road, Quanshan District, Xuzhou City, Jiangsu Province, 221000 Patentee after: Jiangsu Shanxin Information Technology Co.,Ltd. Country or region after: Zhong Guo Address before: 221018 Lishui Road, Yunlong District, Xuzhou, Jiangsu 2 Patentee before: XUZHOU University OF TECHNOLOGY Country or region before: Zhong Guo |