为解决基于协作的多输入多输出(Multi-input Multi-output,MIMO)同构水下无线传感器网络(Underwater Wireless Sensor Networks,UWSN)的能量节省和能耗均衡的问题,建立了多跳分布式UWSN三维系统模型。文中弥补了DCREDT选择算法能量空间...为解决基于协作的多输入多输出(Multi-input Multi-output,MIMO)同构水下无线传感器网络(Underwater Wireless Sensor Networks,UWSN)的能量节省和能耗均衡的问题,建立了多跳分布式UWSN三维系统模型。文中弥补了DCREDT选择算法能量空间分布不均的不足,通过引入能量门限和距离算法,提出了一种基于能量和距离的带门限水下动态分簇路由算法(Underwater Dynamic Clustering Routing Algorithm Based on Energy and Distance with Thresholds,UDCREDT),同时定量分析了能耗均衡性对网络寿命的影响并确定了门限的取值方法等。通过仿真分析验证了UDCREDT算法的合理性和有效性。相比DCREDT选择算法,所提算法的能耗降低了约6.81%,均衡性提高了约7.98%,有效延长了网络的使用寿命。展开更多
针对能量收集无线传感器网络中,能量预测精度不佳、节点能量利用效率过低和网络难以持续运行等问题,提出了一种改进样本卷积交互神经网络(sample convolution and interaction network,SCINet)预测模型,并引入概率稀疏自注意力机制,在...针对能量收集无线传感器网络中,能量预测精度不佳、节点能量利用效率过低和网络难以持续运行等问题,提出了一种改进样本卷积交互神经网络(sample convolution and interaction network,SCINet)预测模型,并引入概率稀疏自注意力机制,在新特征序列的每个时间步上计算注意力权重,捕捉重要特征,提高模型预测精度.最后,根据节点剩余能量、预测未来可收集的太阳能能量,对分簇路由算法进行改进.仿真实验结果表明,该能量预测模型具备更高的预测精度和泛化能力.在能量预测模型的基础上,改进的分簇路由算法,能有效地延长无线传感器网络的生命周期.展开更多
为加快无线传感器网络路径搜索速度,减少了路径寻优能量消耗,提出了基于最优-最差蚂蚁系统(bestworst out system,简称BWAS)算法的无线传感器网络动态分簇路由算法。该算法是基于无线传感器网络动态分簇能量管理模式,在簇头节点间运用B...为加快无线传感器网络路径搜索速度,减少了路径寻优能量消耗,提出了基于最优-最差蚂蚁系统(bestworst out system,简称BWAS)算法的无线传感器网络动态分簇路由算法。该算法是基于无线传感器网络动态分簇能量管理模式,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,以多跳接力方式将数据发送至汇聚节点。BWAS算法在路径搜寻过程中评价出最优最差蚂蚁,引入奖惩机制,加强搜寻过程的指导性。结合动态分簇能量管理,避免网络连续过度使用某个节点,均衡了网络节点能量消耗。通过与基于蚂群算法(ACS)的路由算法仿真比较,本算法减缓了网络节点的能量消耗,延长了网络寿命,在相同时间里具有较少的死亡节点,具有较强的鲁棒性。展开更多
文摘为解决基于协作的多输入多输出(Multi-input Multi-output,MIMO)同构水下无线传感器网络(Underwater Wireless Sensor Networks,UWSN)的能量节省和能耗均衡的问题,建立了多跳分布式UWSN三维系统模型。文中弥补了DCREDT选择算法能量空间分布不均的不足,通过引入能量门限和距离算法,提出了一种基于能量和距离的带门限水下动态分簇路由算法(Underwater Dynamic Clustering Routing Algorithm Based on Energy and Distance with Thresholds,UDCREDT),同时定量分析了能耗均衡性对网络寿命的影响并确定了门限的取值方法等。通过仿真分析验证了UDCREDT算法的合理性和有效性。相比DCREDT选择算法,所提算法的能耗降低了约6.81%,均衡性提高了约7.98%,有效延长了网络的使用寿命。
文摘针对能量收集无线传感器网络中,能量预测精度不佳、节点能量利用效率过低和网络难以持续运行等问题,提出了一种改进样本卷积交互神经网络(sample convolution and interaction network,SCINet)预测模型,并引入概率稀疏自注意力机制,在新特征序列的每个时间步上计算注意力权重,捕捉重要特征,提高模型预测精度.最后,根据节点剩余能量、预测未来可收集的太阳能能量,对分簇路由算法进行改进.仿真实验结果表明,该能量预测模型具备更高的预测精度和泛化能力.在能量预测模型的基础上,改进的分簇路由算法,能有效地延长无线传感器网络的生命周期.
文摘为加快无线传感器网络路径搜索速度,减少了路径寻优能量消耗,提出了基于最优-最差蚂蚁系统(bestworst out system,简称BWAS)算法的无线传感器网络动态分簇路由算法。该算法是基于无线传感器网络动态分簇能量管理模式,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,以多跳接力方式将数据发送至汇聚节点。BWAS算法在路径搜寻过程中评价出最优最差蚂蚁,引入奖惩机制,加强搜寻过程的指导性。结合动态分簇能量管理,避免网络连续过度使用某个节点,均衡了网络节点能量消耗。通过与基于蚂群算法(ACS)的路由算法仿真比较,本算法减缓了网络节点的能量消耗,延长了网络寿命,在相同时间里具有较少的死亡节点,具有较强的鲁棒性。
