提出了基于改进的虚拟力和果蝇优化(Virtual Force and Fruit Fly Optimization,VFFO)算法混合控制水声传感器网络部署优化的方法.该方法首先通过虚拟力算法对传感器节点的初始部署进行优化,以得到较好的初始部署状态;然后通过改进的果...提出了基于改进的虚拟力和果蝇优化(Virtual Force and Fruit Fly Optimization,VFFO)算法混合控制水声传感器网络部署优化的方法.该方法首先通过虚拟力算法对传感器节点的初始部署进行优化,以得到较好的初始部署状态;然后通过改进的果蝇算法对水声传感器网络进行重部署,同时分析了算法的移动部署能耗问题.仿真结果表明,该算法在相同能耗下能够得到更高的网络有效覆盖率.展开更多
ADELIN(ADaptive rELIable traNsport protocol)协议利用冗余传输节点来增强了水声传感器网络数据传输的可靠性.下游节点实际上已经接到冗余节点转发的绝大多数数据包.本文提出了基于IPool(Improved Pool)节点的IPool-ADELIN协议.通过...ADELIN(ADaptive rELIable traNsport protocol)协议利用冗余传输节点来增强了水声传感器网络数据传输的可靠性.下游节点实际上已经接到冗余节点转发的绝大多数数据包.本文提出了基于IPool(Improved Pool)节点的IPool-ADELIN协议.通过监听节点的数据传输,IPool节点不但能够在链路状态较差时进行链路维护,而且能够只转发没有被数据包暗示响应的数据包.数学分析和仿真结果表明,和ADELIN协议相比,IPool-ADELIN协议具有更高的数据到达率和更低的数据传输能耗.展开更多
针对水声传感器网络中移动定位算法的误差和鲁棒性问题,提出两种蒙特卡罗移动定位算法:CRMCL(Circular Ring Monte Carlo Localization)和PRMCL(Particle Swarm Optimization for Circular Ring Monte Carlo Localization).CRMCL利用1...针对水声传感器网络中移动定位算法的误差和鲁棒性问题,提出两种蒙特卡罗移动定位算法:CRMCL(Circular Ring Monte Carlo Localization)和PRMCL(Particle Swarm Optimization for Circular Ring Monte Carlo Localization).CRMCL利用1跳锚节点构建圆形采样区域和圆环过滤器.通过定义样本密度得到合理的样本数,论证圆环参数与过滤区域面积的关系.通过仿真实验得到合理的圆环参数,并以此构建高效的过滤器,降低定位误差.PRMCL使用粒子群算法优化CRMCL过滤后的样本,降低了无效样本的数目,增强了算法的鲁棒性.仿真表明,在不需要额外硬件的情况下,CRMCL和PRMCL比蒙特卡罗及其改进算法误差小、鲁棒性强.展开更多
文摘提出了基于改进的虚拟力和果蝇优化(Virtual Force and Fruit Fly Optimization,VFFO)算法混合控制水声传感器网络部署优化的方法.该方法首先通过虚拟力算法对传感器节点的初始部署进行优化,以得到较好的初始部署状态;然后通过改进的果蝇算法对水声传感器网络进行重部署,同时分析了算法的移动部署能耗问题.仿真结果表明,该算法在相同能耗下能够得到更高的网络有效覆盖率.
文摘ADELIN(ADaptive rELIable traNsport protocol)协议利用冗余传输节点来增强了水声传感器网络数据传输的可靠性.下游节点实际上已经接到冗余节点转发的绝大多数数据包.本文提出了基于IPool(Improved Pool)节点的IPool-ADELIN协议.通过监听节点的数据传输,IPool节点不但能够在链路状态较差时进行链路维护,而且能够只转发没有被数据包暗示响应的数据包.数学分析和仿真结果表明,和ADELIN协议相比,IPool-ADELIN协议具有更高的数据到达率和更低的数据传输能耗.
文摘针对水声传感器网络中移动定位算法的误差和鲁棒性问题,提出两种蒙特卡罗移动定位算法:CRMCL(Circular Ring Monte Carlo Localization)和PRMCL(Particle Swarm Optimization for Circular Ring Monte Carlo Localization).CRMCL利用1跳锚节点构建圆形采样区域和圆环过滤器.通过定义样本密度得到合理的样本数,论证圆环参数与过滤区域面积的关系.通过仿真实验得到合理的圆环参数,并以此构建高效的过滤器,降低定位误差.PRMCL使用粒子群算法优化CRMCL过滤后的样本,降低了无效样本的数目,增强了算法的鲁棒性.仿真表明,在不需要额外硬件的情况下,CRMCL和PRMCL比蒙特卡罗及其改进算法误差小、鲁棒性强.
