CN113965948A - 一种基于自适应分簇网络的传感器数据采集方法 - Google Patents
一种基于自适应分簇网络的传感器数据采集方法 Download PDFInfo
- Publication number
- CN113965948A CN113965948A CN202111462015.6A CN202111462015A CN113965948A CN 113965948 A CN113965948 A CN 113965948A CN 202111462015 A CN202111462015 A CN 202111462015A CN 113965948 A CN113965948 A CN 113965948A
- Authority
- CN
- China
- Prior art keywords
- cluster
- clustering
- node
- network
- cluster head
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 90
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000012546 transfer Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 230000004992 fission Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 2
- 238000005265 energy consumption Methods 0.000 description 8
- 230000006855 networking Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于自适应分簇网络的传感器数据采集方法,包括:步骤一、利用分簇控制信息交互触发网络节点完成自适应分簇;步骤二、进行分簇信息控制,包括:各个节点的簇头权值、分簇状态、目的节点ID、连通簇头集合和邻居列表;步骤三、在多跳自组织网络中,任意节点收到邻居节点的分簇控制信息后,由自学***均路由开销快速收敛。
Description
技术领域
本发明涉及一种基于自适应分簇网络的传感器数据采集方法,属于网络协议与拓扑控制技术领域。
背景技术
自适应分簇网络在军事国防、环境监测等方面有十分广阔的应用前景,是一种与传感器、微机电***和网络三大技术于一体的传感器网络、环境监测等方面有十分广阔的应用前景。
但外界环境的不确定性经常导致需要成百上千的传感器协同工作,故对由大规模无线集成网络传感器节点构成的传感器网络的研究被认为是本世纪的一项挑战性的热点研究课题。与传统Adhoc网络相比,传感器网络具有如下特性:1)节点稠密分布;2)节点易失效;3)节点资源(能量、存储及计算能力等)有限;4)由于数目较大节点不一定具有全局信息。故Adhoc网络中常用的反应式或预路由协议如DSR、DSDV等不能直接应用于传感器网络,必须针对其特性研究新的算法。本发明提供了一种基于自适应分簇网络的传感器数据采集方法。
发明内容
本发明设计开发了一种基于自适应分簇网络的传感器数据采集方法,能够实现快速收敛,使全网平均路由开销快速收敛,自适应网络的快速收敛性在水质预测建模中以及材料噪声消除器中就得到了进一步的应用。
本发明提供的技术方案为:
一种基于自适应分簇网络的传感器数据采集方法,包括:
步骤一、自适应成簇阶段:根据网络监测区域面积,将网络监测区域等分成M0个子区域,对每个子区域内的节点数目变化进行监测,实现自适应分簇;
其中,M0≥1;
步骤二、进行分簇信息控制,包括:各个节点的簇头权值、分簇状态、目的节点ID、连通簇头集合和邻居列表;
步骤三、节点分簇状态转移条件,在多跳自组织网络中,任意节点收到邻居节点的分簇控制信息后,由自学习功能模块提取邻居列表信息、分簇状态信息、连通簇头信息和簇头权值信息,并依据节点分簇状态转移条件,分析本节点两跳范围内的局部网络的分簇状态变化信息;
步骤四、节点分簇状态转移流程:在多跳自组织网络中,网络节点依据本节点分簇角色与分簇状态转移条件,自适应地执行分簇路由流程,完成分簇状态更新行为;
步骤五、路由建立阶段:建簇后,Sink以簇外传输范围在当前轮虚拟骨干网内传播Rup,直至所有的簇头都有级别;
其中,R>r,R为簇外传输范围,r为簇内传输范围,Sink的级别为0,其下一跳邻居簇头级别为1;
步骤六、数据传输阶段:簇内成员节点在TDMA时隙发送监测信息给簇首,成员节点在发送信息后对信道进行检测:
当发现通信冲突时,等级高的节点停止发送数据,让出信道,使等级低的节点与自身簇首进行通信,完成数据采集;
其中,成员节点与簇首、簇首与基站间为单跳通信。
优选的是,所述步骤三包括:
簇头替换条、成功入簇条件、簇头切换条件、分簇裂变条件、分簇合并条件以及邻簇合并状态。
优选的是,所述步骤四中的分簇路由流程包括:
申请入簇、提升簇头、簇头替换、簇头切换、分簇裂变、分簇合并的分簇状态更新行为。
优选的是,所述数据传输阶段包括:
步骤1、Source将手机到的数据传送给本簇簇头mi;
步骤2、mi负责数据融合。
优选的是,
所述步骤2中的数据融合过程包括:
mi选择邻居表中的NT=0且level最小的邻居簇头进行转发数据;
当有多个邻居簇头level值相等且均为最小时,选取使CHi+2,CHi+1,CHi最大的CHi转发;
当∠CHi+2,CHi+1,CHi还不存在时,选取距离直线LSink,Source最近的簇头转发;
选择上述条件中的一个条件进行转发,直到数据到达Sink;
其中,CHi定义表示为第i个簇头,i表示簇头对应的级别,i=y,y-1,...1,y是Source到Sink的跳数。
优选的是,所述步骤1中按照从左到右-从上到下进行网络监测区域等分。
本发明所述的有益效果:
(1)节点组网的自适应性:在WSNs网络部署完成后,由于大量的节点在监测区域内都是随机部署的,所以必然存在一些节点之间无法直接进行信息交互的情况,如有些节点的位置比较偏僻,甚至掉入深坑,直接影响其参与组网。此时可以把节点分为两类,一类是可以和基站直接通信的节点集合,反之是另一类不能和基站直接通信的节点集合。可以选择其他的节点作为代理,依靠代理节点完成信息的中转,使其能够正常进行工作,提高了资源利用率和网络的可靠性,同时也扩大了网络监测区域的规模,在组网过程中节点具有更强的自适应性。
(2)节点能量的自适应性:一般而言,网络的寿命是由节点的能耗速率决定的,衡量网络寿命的方法也有不同的标准。目前,常用的衡量方法是当网络中节点产生一定能耗后无法正常组网并工作时,宣布网络死亡。这样的话,如果对任一节点与其邻居节点的能量差异进行分析,如果差异大,采用非均衡能量消耗方法来进行分簇。
(3)节点传输半径的自适应性:相关实验表明,CPU执行3 Mb的指令的能耗和在100m通信线路上传输1Kb的数据包的通信能耗几乎是相同的。因此,应该尽量减少远距离的数据传输同时注重于本地数据的融合处理,减少通信能耗负担。所以节点根据与邻居节点距离的远近,来自动调节自身传输半径的适宜度,可以避免传输半径多余的情况下造成的不必要的能量损耗。
(4)簇间路由的自适应性:考虑到WSNs的自身特性,在构建簇间路由的过程中,要合理计算,准确确定中继节点的选择范围,便于形成一条能耗最小的多跳路由。此外,应该注意节点的能耗速率,因为距离基站较近的簇首往往因多次承担数据转发任务使其能耗速率较快。
附图说明
图1为本发明所述的基于自适应分簇网络的传感器数据采集方法的流程图。
图2为本发明所述的节点分簇状态转移的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1-2所示,本发明提供一种基于自适应分簇网络的传感器数据采集方法,包括:自适应成簇阶、分簇控制信息、节点分簇状态转移条件、节点分簇状态转移流程、路由建立阶段、数据传输阶段,具体包括:
步骤一、自适应阶段:初始化时,根据网络监测区域大小,按照从左到右-从上到下原则将网络监测区域等分成M0个子区域,每个子区域中所有节点自成一簇,通过监测每个子区域内节点数目变化,实现自适应分簇,利用分簇控制信息交互触发网络节点完成自适应成簇,以防止因簇首分布不均、簇规模不合理造成的部分节点能量衰减过快,使网络整体寿命缩短,;
其中,M0≥1;
自适应成簇方案的设计原则包括:
步骤1、网络中任一节点ni的本地计算权重为Wi,
Wi=c1Di+c2Numi+c3ERi+c4Energyi+c5Dij
Di=|di-M|,式中,di为ni的度数,M为簇头能处理的最大簇内节点数;
Numi为ni做簇头的次数;
ERi为ni的能耗率(EnergyExpenditureRate)且ERi=Energyi/round;
Energyi为ni已使用的能量;
dij表示ni与本簇键簇时第一个簇头nj之间的距离;
由上述内容易知,权重越小的节点越适合做簇头;
步骤2、通过ni计算Wi以后,以簇内传输范围r(指簇头与簇内节点间通信时的传输范围)向其临街广播NIP,接收节点将相关内容记录到NT中并确定自己的度数;
步骤二、分簇控制信息:包含该节点的簇头权值、分簇状态及目的节点ID、连通簇头集合和邻居列表;
分簇状态包含申请入簇、簇成员、簇头、簇头替换、簇头切换、分簇裂变和分簇合并共7种状态,分簇状态及目的节点ID表明了该邻居节点的分簇角色与该邻居节点正在执行的分簇操作,以及配合其完成分簇操作的目的节点;
步骤三、节点分簇状态转移条件:在多跳自组织网络中,任意节点收到邻居节点的分簇控制信息后,由自学习功能模块提取邻居列表信息、分簇状态信息、连通簇头信息和簇头权值信息,并依据节点分簇状态转移条件,分析本节点两跳范围内的局部网络的分簇状态变化信息,包括:
簇头替换条件:本节点的邻居节点及本节点组成的集合,是某个邻居簇头及其邻居节点组成的集合的真超集;
成功入簇条件:本节点指定的簇头的分簇状态为簇头,并且该簇头的邻居列表信息包含本节点ID;
簇头切换条件:本节点的所有邻居簇头之间是连通的,并且所有邻居簇头以及它们的邻居节点的并集是本节点及本节点的邻居节点组成的集合的超集;
分簇裂变条件:本节点为簇头且收到了新的入簇申请,并且当前簇成员的数目加上新入簇成员的数目,将达到预设的最大簇成员容量限制;
分簇合并条件:当前控制周期内存在邻节点的连通簇头集合中的最小节点ID,不等于本节点的连通簇头集合中的最小节点ID;
邻簇合并状态:当前控制周期内存在邻簇的簇头的分簇状态为分簇合并,则邻簇合并状态的判断结果为存在邻簇处于合并状态;
步骤四:节点分簇状态转移流程:在多跳自组织网络中,网络节点依据本节点分簇角色与分簇状态转移条件,自适应地执行分簇路由流程,完成申请入簇、提升簇头、簇头替换、簇头切换、分簇裂变、分簇合并等分簇状态更新行为,优化全网分簇路由结构,如图2所示;
步骤五:路由建立阶段:建簇后Sink以簇外传输范围R(指节点的最大传输范围,用于簇头间及簇头与Sink间通信,R>r)在当前轮虚拟骨干网内传播Rup,Sink的级别为0,其下一跳邻居簇头级别为1,依此类推,直到所有的簇头都有级别为止;
步骤六:数据传输阶段:成员节点与簇首,簇首与基站间均采用单跳通信。簇内成员节点在自己的TDMA时隙发送监测信息给簇首。为避免不同簇中成员节点的TDMA时隙冲突,成员节点在发送信息后将对信道进行检测,如果发现通信冲突,等级高的节点将停止发送数据,让出信道,让等级低的节点优先与自身簇首通信,确保等级低的节点尽量一次性与自己的簇首通信成功。
其中,数据传输阶段包括:
步骤1、Source将手机到的数据传送给本簇簇头mi;
步骤2、mi负责数据融合;
步骤2.1、mi选择邻居表中的NT=0且level最小的邻居簇头进行转发数据;
步骤2.2、当有多个邻居簇头level值相等且均为最小时,选取使∠CHi+2,CHi+1,CHi最大的CHi转发,CHi定义表示为第i个簇头;
当∠CHi+2,CHi+1,CHi还不存在时,选取距离直线LSink,Source最近的簇头转发;
当满足上述条件的记录有多个,则选择上述条件中的一个条件进行转发,直到数据到达Sink;
其中,i表示簇头对应的级别,i=y,y-1,...1,y是Source到Sink的跳数。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.一种基于自适应分簇网络的传感器数据采集方法,其特征在于,包括:
步骤一、自适应成簇阶段:根据网络监测区域面积,将网络监测区域等分成M0个子区域,对每个子区域内的节点数目变化进行监测,实现自适应分簇;
其中,M0≥1;
步骤二、进行分簇信息控制,包括:各个节点的簇头权值、分簇状态、目的节点ID、连通簇头集合和邻居列表;
步骤三、节点分簇状态转移条件,在多跳自组织网络中,任意节点收到邻居节点的分簇控制信息后,由自学习功能模块提取邻居列表信息、分簇状态信息、连通簇头信息和簇头权值信息,并依据节点分簇状态转移条件,分析本节点两跳范围内的局部网络的分簇状态变化信息;
步骤四、节点分簇状态转移流程:在多跳自组织网络中,网络节点依据本节点分簇角色与分簇状态转移条件,自适应地执行分簇路由流程,完成分簇状态更新行为;
步骤五、路由建立阶段:建簇后,Sink以簇外传输范围在当前轮虚拟骨干网内传播Rup,直至所有的簇头都有级别;
其中,R>r,R为簇外传输范围,r为簇内传输范围,Sink的级别为0,其下一跳邻居簇头级别为1;
步骤六、数据传输阶段:簇内成员节点在TDMA时隙发送监测信息给簇首,成员节点在发送信息后对信道进行检测:
当发现通信冲突时,等级高的节点停止发送数据,让出信道,使等级低的节点与自身簇首进行通信,完成数据采集;
其中,成员节点与簇首、簇首与基站间为单跳通信。
2.根据权利要求1所述的基于自适应分簇网络的传感器数据采集方法,其特征在于,所述步骤三包括:
簇头替换条、成功入簇条件、簇头切换条件、分簇裂变条件、分簇合并条件以及邻簇合并状态。
3.根据权利要求2所述的基于自适应分簇网络的传感器数据采集方法,其特征在于,所述步骤四中的分簇路由流程包括:
申请入簇、提升簇头、簇头替换、簇头切换、分簇裂变、分簇合并的分簇状态更新行为。
4.根据权利要求3所述的基于自适应分簇网络的传感器数据采集方法,其特征在于,所述数据传输阶段包括:
步骤1、Source将手机到的数据传送给本簇簇头mi;
步骤2、mi负责数据融合。
5.根据权利要求4所述的基于自适应分簇网络的传感器数据采集方法,其特征在于,
所述步骤2中的数据融合过程包括:
mi选择邻居表中的NT=0且level最小的邻居簇头进行转发数据;
当有多个邻居簇头level值相等且均为最小时,选取使CHi+2,CHi+1,CHi最大的CHi转发;
当∠CHi+2,CHi+1,CHi还不存在时,选取距离直线LSink,Source最近的簇头转发;
选择上述条件中的一个条件进行转发,直到数据到达Sink;
其中,CHi定义表示为第i个簇头,i表示簇头对应的级别,i=y,y-1,...1,y是Source到Sink的跳数。
6.根据权利要求5所述的基于自适应分簇网络的传感器数据采集方法,其特征在于,所述步骤1中按照从左到右-从上到下进行网络监测区域等分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111462015.6A CN113965948A (zh) | 2021-12-02 | 2021-12-02 | 一种基于自适应分簇网络的传感器数据采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111462015.6A CN113965948A (zh) | 2021-12-02 | 2021-12-02 | 一种基于自适应分簇网络的传感器数据采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113965948A true CN113965948A (zh) | 2022-01-21 |
Family
ID=79472817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111462015.6A Pending CN113965948A (zh) | 2021-12-02 | 2021-12-02 | 一种基于自适应分簇网络的传感器数据采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113965948A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114585047A (zh) * | 2022-02-22 | 2022-06-03 | 西安电子科技大学 | 基于分簇管理信息的无线自组织网络自适应分簇方法 |
CN115396981A (zh) * | 2022-10-28 | 2022-11-25 | 吉林信息安全测评中心 | 一种基于大数据技术的智能监测*** |
CN115955491A (zh) * | 2022-11-30 | 2023-04-11 | 山东和同信息科技股份有限公司 | 一种基于物联网技术的热力站运行监测*** |
CN115955680A (zh) * | 2023-03-14 | 2023-04-11 | 南京邮电大学 | 一种基于分簇连通的虚拟骨干网建立及路由方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101355496A (zh) * | 2008-08-12 | 2009-01-28 | 武汉大学 | 基站发起的多跳分簇路由协议 |
CN101360051A (zh) * | 2008-07-11 | 2009-02-04 | 西安电子科技大学 | 一种能量高效的无线传感器网络路由方法 |
WO2011082554A1 (zh) * | 2010-01-08 | 2011-07-14 | 中国科学院沈阳自动化研究所 | 面向分簇无线传感器网络的两级自适应跳频方法 |
CN103596284A (zh) * | 2012-08-16 | 2014-02-19 | 山东大学 | 能量有效的无线传感器网络分布式链路调度控制器 |
CN105744566A (zh) * | 2016-01-28 | 2016-07-06 | 北京邮电大学 | 一种基于感知器的自适应按需加权分簇方法 |
CN106102075A (zh) * | 2016-08-25 | 2016-11-09 | 广东工业大学 | 无线传感网络中基于等级区域划分的分簇方法及*** |
CN106231547A (zh) * | 2016-07-19 | 2016-12-14 | 河海大学 | 基于动态分簇的移动目标追踪方法 |
CN106792911A (zh) * | 2017-01-11 | 2017-05-31 | 湘潭大学 | 一种负载均衡的混合节点分簇方法 |
CN109618368A (zh) * | 2018-12-28 | 2019-04-12 | 国网江苏省电力有限公司电力科学研究院 | 一种时延与功耗联合优化的无线传感网数据融合调度算法 |
CN110234146A (zh) * | 2019-05-25 | 2019-09-13 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 适用于自组织网络的分布式自适应分簇方法 |
CN111542020A (zh) * | 2020-05-06 | 2020-08-14 | 河海大学常州校区 | 水声传感器网络中基于区域划分的多auv协作数据收集方法 |
-
2021
- 2021-12-02 CN CN202111462015.6A patent/CN113965948A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360051A (zh) * | 2008-07-11 | 2009-02-04 | 西安电子科技大学 | 一种能量高效的无线传感器网络路由方法 |
CN101355496A (zh) * | 2008-08-12 | 2009-01-28 | 武汉大学 | 基站发起的多跳分簇路由协议 |
WO2011082554A1 (zh) * | 2010-01-08 | 2011-07-14 | 中国科学院沈阳自动化研究所 | 面向分簇无线传感器网络的两级自适应跳频方法 |
CN103596284A (zh) * | 2012-08-16 | 2014-02-19 | 山东大学 | 能量有效的无线传感器网络分布式链路调度控制器 |
CN105744566A (zh) * | 2016-01-28 | 2016-07-06 | 北京邮电大学 | 一种基于感知器的自适应按需加权分簇方法 |
CN106231547A (zh) * | 2016-07-19 | 2016-12-14 | 河海大学 | 基于动态分簇的移动目标追踪方法 |
CN106102075A (zh) * | 2016-08-25 | 2016-11-09 | 广东工业大学 | 无线传感网络中基于等级区域划分的分簇方法及*** |
CN106792911A (zh) * | 2017-01-11 | 2017-05-31 | 湘潭大学 | 一种负载均衡的混合节点分簇方法 |
CN109618368A (zh) * | 2018-12-28 | 2019-04-12 | 国网江苏省电力有限公司电力科学研究院 | 一种时延与功耗联合优化的无线传感网数据融合调度算法 |
CN110234146A (zh) * | 2019-05-25 | 2019-09-13 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 适用于自组织网络的分布式自适应分簇方法 |
CN111542020A (zh) * | 2020-05-06 | 2020-08-14 | 河海大学常州校区 | 水声传感器网络中基于区域划分的多auv协作数据收集方法 |
Non-Patent Citations (1)
Title |
---|
董婷;林亚平;易叶青;张锦;: "传感器网络中基于簇的自适应路由算法", 计算机应用, no. 05, 10 May 2006 (2006-05-10), pages 1148 - 1151 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114585047A (zh) * | 2022-02-22 | 2022-06-03 | 西安电子科技大学 | 基于分簇管理信息的无线自组织网络自适应分簇方法 |
CN114585047B (zh) * | 2022-02-22 | 2024-02-23 | 西安电子科技大学 | 基于分簇管理信息的无线自组织网络自适应分簇方法 |
CN115396981A (zh) * | 2022-10-28 | 2022-11-25 | 吉林信息安全测评中心 | 一种基于大数据技术的智能监测*** |
CN115396981B (zh) * | 2022-10-28 | 2023-01-17 | 吉林信息安全测评中心 | 一种基于大数据技术的智能监测*** |
CN115955491A (zh) * | 2022-11-30 | 2023-04-11 | 山东和同信息科技股份有限公司 | 一种基于物联网技术的热力站运行监测*** |
CN115955491B (zh) * | 2022-11-30 | 2024-03-08 | 山东和同信息科技股份有限公司 | 一种基于物联网技术的热力站运行监测*** |
CN115955680A (zh) * | 2023-03-14 | 2023-04-11 | 南京邮电大学 | 一种基于分簇连通的虚拟骨干网建立及路由方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113965948A (zh) | 一种基于自适应分簇网络的传感器数据采集方法 | |
Zhang et al. | An energy efficient and QoS aware routing algorithm based on data classification for industrial wireless sensor networks | |
CN103906164B (zh) | 海上搜救无线传感器网络拓扑及拓扑控制方法 | |
Sumathi et al. | A review on distributed cluster based routing approaches in mobile wireless sensor networks | |
US20130235757A1 (en) | Apparatus and method for a biology inspired topological phase transition for wireless sensor network | |
CN101959277A (zh) | 一种面向多水下机器人通信的节能路由方法 | |
CN107483248A (zh) | 一种基于无线传感器网络的约束最小生成树拓扑控制算法 | |
CN105682175A (zh) | 一种基于自组网的分簇路由方法 | |
CN109511152A (zh) | 一种面向终端通信接入网感知监控的均衡分簇方法 | |
Pandey et al. | Energy conservation and efficient data collection in WSN-ME: a survey | |
Ghosh et al. | A dominating set based modified LEACH using Ant Colony Optimization for data gathering in WSN | |
Förster et al. | Machine learning across the WSN layers | |
Thomas et al. | Congestion bottleneck avoid routing in wireless sensor networks | |
Dutta et al. | Impact of two-level fuzzy cluster head selection model for wireless sensor network: An Energy efficient approach in remote monitoring scenarios | |
Malhotra et al. | A quality of service‐aware routing protocol for FANETs | |
Subbaiah et al. | Mobile ad hoc network | |
Raja et al. | Distributed Fault Node Detection and Classification using Fuzzy Logic and Management Scheme for Wireless Sensor Networks | |
Zhou et al. | Optimized Routing Protocol Through Exploitation of Trajectory Knowledge for UAV Swarms | |
Rahul et al. | An optimal cluster head and gateway node selection with fault tolerance | |
Sikarwar et al. | A Hybrid MFCM-PSO Approach for Tree-Based Multi-Hop Routing Using Modified Fuzzy C-Means in Wireless Sensor Network | |
Yang et al. | Data collection method of energy adaptive distributed wireless sensor networks based on UAV | |
Pandey | Energy Efficient Clustering Techniques for Wireless Sensor Networks-A | |
Khodabandeh et al. | Scalable Cluster-Based Path Planning for Timely Data Gathering in Wireless Sensor Networks | |
CN116528207B (zh) | 一种应急救援现场无线通讯方法 | |
Wang et al. | Research on WSN Topology Algorithm Based on Greedy Shortest Paths |
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 |