导读:本文包含了移动无线传感器网络论文开题报告文献综述及选题提纲参考文献，主要关键词:移动无线传感器网络,异构网络,微分进化算法,覆盖控制
移动无线传感器网络论文文献综述
李明,胡江平[1]（2019）在《复杂条件下移动异构无线传感器网络覆盖算法》一文中研究指出针对给定部署区域在不同的子区域有不同的重要性、部署的移动传感器节点具有不同可靠性、寿命、能量和移动能力的复杂条件下节点部署优化问题,提出了一种改进的微分进化算法。该改进算法一方面根据进化过程中种群个体情况自适应的选择合适的变异策略和控制参数来提高算法的优化能力,另一方面通过与模拟退火算法结合增强其局部搜索能力。仿真结果显示:改进微分进化算法覆盖性能优于原始微分进化算法,证明了改进算法的有效性。(本文来源于《传感器与微系统》期刊2019年12期）
朱德庆[2]（2019）在《考虑占空比的无线传感器网络移动性管理方案》一文中研究指出无线传感器网络能量受限且普遍存在移动性管理问题.为此,提出一种考虑占空比的移动性管理方案,推导了所提方案的切换时延公式并通过仿真验证了公式的正确性.建立了切换时延和能量消耗的优化问题,通过求解该优化问题得到给定信标间隔下的最优占空比.分析了数据包到达率和数据包成功发送率对最优占空比的影响,给出实际应用中调整占空比的步骤.(本文来源于《杭州师范大学学报(自然科学版)》期刊2019年06期）
Hassan,Ali,Ahmed,Al,Kuhlani[3]（2019）在《移动汇聚节点无线传感器网络中的数据分发研究》一文中研究指出本文的主要目的是用移动汇聚节点解决无线网络所面临的特殊挑战。本文包含对两个主要协议的四个主要贡献。第一个协议是启发式数据传播HDD(Heuristic Data Dissemination)协议,第二个协议是面向汇聚节点的树状数据传播 STDD(Sink-oriented Tree-based Data Dissemination)协议。本文对上述协议中的每个都有两个贡献,因此本文共有四个贡献。1.HDD协议HDD协议由下面两个主要部分组成,即:双环结构和HDD模型。本文对HDD协议的第一个贡献是双环结构,我们解决了汇聚节点移动性频繁更新位置的问题。此外,双环结构使传感器节点和移动汇聚节点之间的交互更加便利,因此,得以延长网络寿命。HDD协议的第二个组成部分是HDD模型,也就是本文对HDD协议的第二个贡献。HDD协议解决了数据包传输延迟的问题,尤其是从源传感器节点至移动汇聚节点的传输。HDD协议的主要思想是将整个数据路由当做一个随机过程,并在四个主要数值(方向值、传输距离、垂直距离和剩余能量)的控制下进行数据前送。本文对HDD提出了许多算法来实现此目的,与现在最先进的协议相比较,其结果也是相当喜人。我们将在下面介绍关于这些内容的详细信息。1.1双环双环是一种应用在带有移动汇聚节点的无线传感器网络中的虚拟结构。双环是HDD模型的重要组成部分。关于该模型的更多信息,请参阅本文第4章的HDD协议及其模型。该结构在解决无线网络面临的一些挑战方面起到了重要作用,如移动汇聚节点接的频繁更新位置、高能耗和能量平衡等问题。双环结构是本文的第一个创新点。双环结构解决的问题如下。首先是移动汇聚节点的频繁更新位置问题。随着汇聚节点移动性的增加,该更新包可能变得非常庞大。双环结构解决的另外一个问题是网络中传感器节点和汇聚节点之间的交互复杂性问题。双环是本文对HDD的第一个贡献。除了其他子贡献之外,我们还将向大家展示此贡献的更多细节。双环的主要贡献是双环结构,而子贡献是环头操作。双环结构对于解决从移动汇聚节点至网络源节点的频繁更新位置问题方面发挥了重要作用。在交换通告和查询数据包时,双环充当了汇聚节点与整个网络传感器节点之间的灵活中间结构。关于子贡献:环头操作,又称之为环头算法,是环形节点之间的高级组织交互、环形节点之间的内部交互或者是移动汇聚节点与源节点之间的交互。环头算法的另外一个优势是它有助于延长网络寿命。双环结构是在构建阶段创建的,该结构颇为特殊,位于网络领域中心附近。实际上,双环系指环形节点带的两侧,其形状为环形或半环形。双环的构建过程如下。在网络初始化期间,移动汇聚节点(基站)先从网络现场中心开始定义两个半径,即内半径和外半径。这两个半径代表具有不同半径值的两个虚拟(圆)环。rin面积由网络密度决定,密度越大意味着rin越小,且在双环内的节点也越少。环头操作首先是选择合适的环头、使用环头管理数据在双环内的传播以及环与传感器节点和移动汇聚节点之间的交互。在双环内部也可进行数据操作。我们将这些操作分为叁种形式,即:内环数据操作、环与移动汇聚节点之间的数据操作以及环与源节点之间的数据操作。在双环内部,本文第4章提到的主要启发式算法可完成所有数据传播操作。下面向大家介绍关于这叁种操作的详细内容。1.2 HDD模型HDD模型适用于带有移动汇聚节点的无线传感器网络。该模型由许多组件组成,如双环。HDD模型主要与概率相关。我们将数据路由问题建模为一个随机过程,根据下面四个数值(因素)通过传播路径随机传播数据包,即方向值、传输距离、垂直距离和剩余能量。下述内容包括:HDD模型所解决的问题描述、HDD模型的贡献、HDD流量模式、HDD功能以及HDD中的数据传播。HDD协议所解决的问题如下。数据包传输延迟问题是影响无线传感器网络工作性能的重要因素,特别是在为了进行决策和分析而需要进行快速数据传输的应用中,这个问题显得尤为重要。HDD协议的主要贡献是解决了关于无线传感器网络的复杂热点问题,即数据包的传输延迟问题。将无线传感器网络的HDD用于加速网络中数据包的传输速度,这意味着会提高无线传感器网络的工作效率。为了解决这个问题,HDD提出了一种新颖的算法:主要的启发式数据传播算法从根本上解决了数据包传输难题。该算法将数据传播视为一个随机过程,下述四个主要因素决定了至目的地的路由方向,即:方向值、传输距离、垂直距离和剩余能量。通过实验,该协议证明了其有效性及其更为出色的工作性能。HDD还具有与这四个因素相关的其他算法和公式。在HDD中,存在两种流量模式,即:基于查询的流量模式和混合流量模式。基于查询的流量模式与移动汇聚节点操作有关。当移动汇聚节点需要感知数据时,它首先向其访问节点发送查询信息,然后再从访问节点向双环发送查询信息。该查询信息还附有移动汇聚节点位置和时间表,该时间表标有将数据传送至移动汇聚节点的特定时间。移动汇聚节点位置信息非常重要,网络源节点可通过询问双环并从双环的回复内容来获知位置信息。一旦源传感器节点获知查询信息内容,这些节点就会将感知数据直接传播至移动汇聚节点的访问节点。不过基于查询的流量模式与移动汇聚节点相关,而混合流量模式与源传感器节点相关。HDD中的混合流量模式系指事件驱动和时间驱动的流量模式。事件驱动模式系指源节点处理事件的过程,即当源节点遇到一个事件时,它将向双环发送关于移动汇聚节点位置的查询信息,然后将传感器数据转发至移动汇聚节点,这样数据路由原因就是事件本身。时间驱动的流量模式系指以时间驱动的流量模式将数据从源节点传播至移动汇聚节点。HDD模型启发式数据传播HDD是一种解决数据路由问题的新协议。HDD将整个数据路由过程视为一个随机过程,并且通过使用概率(随机性),我们获得了比其他协议更好的数据路由性能。通过使用HDD模型,数据包从源节点到目的地节点的路由由下面四个数值(分布)控制:方向值、传输距离、垂直距离和剩余能量。通过HDD,您可以合理选择源节点与目的地节点之间的路由路径。下述内容将包括HDD值和HDD功能。HDD模型取决于四个数值。第一个数值是方向值。指向目的地的方向值是一个重要参数,它会极大程度地影响数据传播过程。方向值可增加或减少跳数,或好或坏地影响能耗,甚至会导致数据传播延迟。方向分布旨在为距离目的地(多数为移动汇聚节点)的附近节点分配更高的优先级。发送者节点与其相邻节点之间的夹角由随机变量表示,然后将其归一化。基于归一化变量,我们可以获得方向分布。方向角是发送者节点与朝向目的地节点或者与目的地节点位置相关的下一跳节点之间的夹角。第二个数值是传输距离。从发送者节点至相邻节点之间的传输距离也是一个非常重要的参数,因为它与能耗相关。实际上,传输距离越长,能耗就越大。传输距离分布旨在为发送者附近的节点分配更高的优先级。第叁个数值是垂直距离。通过为中心线(中心线是在欧几里得空间中连接源节点和目的地节点之间的虚拟线)附近的中继节点分配更高的优先级,可令源节点和目的地节点之间的路由距离实现最短距离。这里进行了一个重要的假设,即:发送者节点的位置包含在从源节点发出的数据包头部中。这样,根据垂直距离选择中继节点的过程将更加方便。第四个数值是剩余能量。在无线传感器网络中,能量平衡是直接影响网络寿命的一个非常重要的因素。在我们实验条件下,在数据传播过程中,通过选择具有较高能量级别的传感器节点并将其纳入传播路径,则可实现能量平衡。通过该过程,我们将不会选择低能量级别的传感器节点,因此我们认为网络中的所有传感器节点将更易实现能量平衡。1.2.1 HDD 功能四个HDD数值可同时工作用来控制数据前送过程,不过它们还有其他附加信息。由于每个HDD数值对数据前送过程的影响各不相同,因此这些数值的影响力也各不相同。启发式数据传播(HDD)功能采用独特的方法来抵消在数据前送过程中的这四种作用力(数值),并通过将这些作用力相乘来表示这种方法。如果其中一种作用力比其他几种作用都大,那么这种作用力自身就会影响数据前送过程。发送者节点具有其自身的数据前送分布,可以用随机变量表示该分布。1.2.2 HDD中的数据路由路径第一条路径是环形路径。环形路径旨在在环形节点之间传送数据包,且环形路径需执行许多内部任务。第二条路径是广告路径。HDD中的广告路径与移动汇聚节点相关。该路径将广告数据包(控制数据包)从移动汇聚节点传送至双环,然后双环再将其发送至网络中的源节点。第叁个路径是源查询路径。一旦传感器节点收到感知数据之后,该节点便将查询数据包发送至距其最近的环网门节点,并询问移动汇聚节点的位置。源查询路径旨在将查询数据包从源传感器节点传送至附近的门节点。第四个路径是响应路径。响应路径是经过从环网头部至源节点的路线对之前从源节点发出的查询数据包进行响应。数据包包括移动汇聚节点位置信息和之前从移动汇聚节点收到的特定数据前送时间表。第五条路径是数据传播路径。该数据传播路径旨在将感知数据包从源传感器节点传送至移动汇聚节点。2.STDD协议在无线传感器网络中,操作移动汇聚节点比操作静态汇聚节点更为有用,但是该方法操作起来更为复杂,我们在能耗和路由效率方面要面临许多严峻的挑战。移动汇聚节点的移动性会引起大量的频繁更新移动汇聚节点位置和数据传送延迟,尤其是当移动汇聚节点快速移动时,情况会更加糟糕。还有一个严重的问题:在同一网络中备案了许多移动汇聚节点。如果网络中的每个源节点均应将数据传播至每个移动汇聚节点,那么问题将变得更为复杂。假设传感器节点1收到感知数据,而在网络中有五个移动汇聚节点。该传感器应为每个移动汇聚节点创建数据传播路径,比如说通常为汇聚节点B创建专用数据传播路径,且该路径不应与其他数据传播路径有任何交点。每次收到感知数据时,就需要为创建这些路径消耗巨大的能量,也就是说能耗成本非常惊人。如此快速的消耗能量会最终导致耗尽许多传感器节点的电池电量,然后会出现热点问题,这将会导致缩短网络寿命。第二种协议是面向汇聚节点的树状数据传播(STDD)协议,该协议的主要部分是本文的一个贡献,而其余部分为本文的第二个贡献。STDD协议的第一个贡献是解决了两个问题。它使用树状方法解决了移动汇聚节点频繁更新位置的问题。该协议还使用树状方法解决了在数据传播期间的数据包传输延迟问题。STDD协议的第二个贡献是提出了合并路径解决方案。合并路径解决方案解决了在从源节点到移动汇聚节点的数据传播期间高能耗的问题,并为该问题提出了独特的解决方案。STDD协议比现在最新协议的工作性能更加优越。本文详细介绍了关于这些贡献的更多细节。下面详细信息包括关于STDD协议的贡献信息、关于STDD协议的详细信息以及STDD的叁个主要阶段(树的构建、树的更新、树的维护以及在STDD中的数据传播)等。STDD协议的主要贡献如下。STDD协议解决了我们面临的两个挑战。第一个挑战是在网络领域中移动汇聚节点的频繁更新位置问题。第二个挑战是数据包传输延迟问题。STDD协议在其提议的协议中很特殊,尤其是在根据移动汇聚节点创建数据传播树,而不是像其他协议那样是根据源节点。STDD协议在处理频繁更新位置方面显示出良好的性能,并大幅度降低了数据包传输延迟。STDD协议的第叁个贡献是合并路径。合并数据传播路径解决了在数据传播过程中的能耗问题。该方法立意新颖,工作性能令人满意,并减少了操作期间的重要能耗。有一种算法解释了合并路径的工作过程。2.1关于STDD协议的更多信息我们提出的工作是面向汇聚节点的树状数据传播协议(STDD),该协议解决了移动汇聚节点的频繁更新位置问题。STDD主要是构建数据传播树,但不是为源节点构建该树。为网络中的每个移动汇聚节点分配数据传播树。STDD模型分为叁个阶段:构建数据传播树阶段、数据传播树更新阶段以及数据传播树维护阶段。STDD中的叁个阶段:第一阶段是构建数据传播树阶段。构建数据传播树是此阶段的结果,只需完成一次即可。构建数据传播树需分步进行。有两个与构建数据传播树相关的数据包。第一个数据包:发送者节点要求接收者将其视为父节点。第二个数据包:发送者节点同意将接受者节点视为子节点。每个传感器节点只有一个父节点和一个特定的移动汇聚节点,这表明该传感器节点在网络中还有其他父节点和其他移动汇聚节点。传感器节点应为每个移动汇聚节点设立一个特定的表格,以便保存这个特定的移动汇聚节点的父节点和子节点。第二个阶段是数据传播树更新阶段。更新阶段是用构建的新数据传播树替换旧数据传播树的阶段,更新数据传播树版本的结果是新版本。第叁个阶段是数据传播树的维护阶段。在执行更新阶段之后,之前选定的访问节点的数量越来越大,成本也越来越高。这种高过载是由于这些旧的访问节点充当了其他节点的路由器。维护阶段旨在解决两个挑战。第一个挑战是保持跳数最小值。第二个挑战是提高能量平衡,以防止出现热点问题。实际上,数据传播树的维护阶段是STDD中避免热点问题的重要步骤。2.2 STDD中的数据传播我们提出的数据传播树是面向汇聚节点的。人们只需构建一次数据传播树。然后每当汇聚节点位置变化时,需对其进行更新和维护。当源节点需要发送数据时,它只需将数据转发给它的父节点,而无需选择最短的路径,因为维护阶段已确保其最短路径。我们假设不需要查询(即从汇聚节点至源),即只要在网络内部检测到汇聚节点,并且源节点上有数据,那么源应将数据传输至汇聚节点。另外,我们假设有多个汇聚节点和源。源应将其数据包发送至所有汇聚节点。每个汇聚节点应构建自己的数据传播树。如果汇聚节点彼此靠近,那么则有可能在它们之间建立超级路径(或路径)。因此,源节点有两种选择,一是独立地向汇聚节点传播数据,二是使用我们的新方法通过合并路径来传播数据。在下面部分,我们考虑使用两种数据前送方式,即:独立路径和合并路径。2.2.1独立路径许多无线传感器网络使用独立数据传播路径。节点将数据前送到至父节点(一个父节点一个汇聚节点),而无需考虑汇聚节点的公共路径。此前送类型适用于请求流量模型(即汇聚节点向源发送数据请求)。由于我们将重点放在合并传播路径上,因此无需对独立路径进行详细说明。2.2.2合并路径在无线传感器网络中,数据传播面临着严峻的挑战,尤其是能耗的挑战。人们已经提出了许多方法,而且他们用某种方式成功地减少并降低了能耗。比如我们有移动汇聚节点B1和B2以及源节点s7。典型的数据传播使用从s7至B1和B2的两条不同路径。但是在某些情况下,即使两个移动汇聚节点彼此靠近,但是源节点仍为它们构建独立的数据传播路径。即使传输同样的感知数据,这种路径也会极大地消耗能量。为此,我们提出了一种降低数据传播中能耗的新方法。这种方法使用了公共路径,尤其是两条路径之间的公共跳点。其创意是让传播数据包通过同样的跳点、经过不同的移动汇聚节点到达特定位置,然后将同一路径分成不同的路径,将数据传送至移动汇聚节点。最后,我扼要总结本文内容,即我解释了 HDD和STDD这两个主要协议。我首先解释了与双环和HDD相关的许多内容,然后解释了 STDD协议。(本文来源于《中国科学技术大学》期刊2019-08-28）
宋超,刘明[4]（2019）在《移动自组织网络和无线传感器系统》一文中研究指出电子科技大学于2018年10月9～12日在四川成都市举办第15届移动自组织与传感器系统国际会议。本次会议的主办单位为IEEE Computer Society。会议由电子科技大学计算机科学与工程学院承办,戴元顺教授担任大会主席。会议邀请美国等(本文来源于《国际学术动态》期刊2019年04期）
陈孝如[5]（2019）在《无线传感器网络移动节点路径规划方法仿真》一文中研究指出无线传感器网络移动节点进行路径规划,对最优路径有效的选择,可提升无线传感器的性能。针对当前无线传感器网络移动节点路径规划中,存在着路径规划所需完成时间过长,能源消耗过大等问题,提出基于粒子群优化的移动节点路径规划方法。在无线传感器网络移动节点路径规则中,根据无线传感器网络移动节点的驻足位置,利用数学公式计算出各个网格的节点能源消耗,建立移动节点路径规划模型,利用粒子之间互相协作得到各移动节点的位置和速度,引用网络移动节点路径障碍物斥力场求出适应度函数,根据适应度值求解出移动节点全局最优路径。实验结果表明。利用所提方法对无线传感器网络移动节点的路径进行规划,所需完成时间较短,能源消耗较少。(本文来源于《计算机仿真》期刊2019年08期）
吕增威,魏振春,韩江洪,孙仁浩,夏成凯[6]（2019）在《基于多目标优化的无线传感器网络移动充电及数据收集算法》一文中研究指出近年来,通过引入移动设备(ME)为无线传感器网络(WSNs)进行无线充电和数据收集成为一个研究热点。传统方法一般先根据节点的充电需求优先级确定移动路径,再根据该路径依次对节点进行数据收集。该文同时考虑充电需求和数据收集两个维度,以最大化ME的总能量利用率和最小化数据收集平均时延为目标,建立多目标一对多充电及数据收集模型。在ME携带的行驶能量和充电能量不足的前提下,设计路径规划策略和均衡化充电策略,并改进多目标蚁群算法对该文问题进行求解。实验结果表明,该文算法在多种场景下的目标值、Pareto解的数量、Pareto解集的均匀性、分布范围等性能指标均优于NSGA-II算法。(本文来源于《电子与信息学报》期刊2019年08期）
梁雅媚[7]（2019）在《基于蒙特卡洛的无线传感器网络移动节点定位改进算法研究》一文中研究指出随着无线传感器技术的发展,无线传感器网络(Wireless Sensor Networks,WSN)渗透到人们工作与生活的各个领域。无线传感器网络通过节点间的协同合作对网络覆盖区域内的相关信息进行感知、采集和处理,与观察者实现信息交互。定位是无线传感器网络应用的基础和关键技术之一。由于能耗、成本和扩展性等限制,目前常见的GPS等定位技术明显不适用于大规模的无线传感器网络。因此,研究和设计一种高效低功耗的WSN节点自定位算法具有重要研究价值。蒙特卡洛定位(Monte Carlo Localization,MCL)算法是第一个针对移动节点定位的非测距定位方法,该算法利用节点的移动特性优化定位性能,为定位研究提供了全新的思路。本文通过分析无线传感器网络中MCL算法的优势和不足,在其基础上提出了两种改进算法,通过增强滤波条件、完善过滤机制以及优化权值多方面实现定位性能的提高。本文所做的主要研究工作如下:(1)介绍了无线传感器网络的背景和发展历程,详细介绍了无线传感器网络的工作原理、结构特性、具体应用和几个主要研究方向的研究现状,阐述了节点定位的相关知识,介绍了几种典型的定位算法,其中对蒙特卡洛定位算法进行了重点描述和分析。(2)针对动态无线传感器网络中经典蒙特卡洛算法定位精度的不足,提出了一种基于距离估计的定位算法—DEMCL(Monte Carlo Localization based on Distance Estimation)算法,在蒙特卡洛定位算法的过滤阶段引入一个无需直接测距的距离估计方法,通过更严格的过滤环节优化样本集以减小定位误差。仿真结果表明,该算法的定位精度和网络覆盖率均有提高,同时减少了采样数。(3)针对蒙特卡洛定位算法过滤机制薄弱以及样本多样性不足的问题,提出了MSMCL(Monte Carlo Localization using MeanShift vector)算法,通过充分挖掘可利用的第叁类锚节点信息增强算法的过滤环节,同时引入样本的MeanShift向量优化样本权值,保护了样本的多样性。实验结果表明,该算法的定位精度和网络覆盖率有效提高,且不增加额外的通信开销。(本文来源于《湘潭大学》期刊2019-06-10）
陈卓[8]（2019）在《基于移动节点的无线传感器网络覆盖漏洞修复算法研究》一文中研究指出无线传感器网络(Wireless Sensor Network,WSN)是由大量微型、低成本无线传感器节点所构成的一种自组织网络。当前WSN被大量应用于军事、工农业以及基础设施等不同领域,并且可以部署在人员难以到达的危险区域,完成人类无法完成的工作。然而,当自身因素或外界环境的影响导致节点失效时,网络监测区域会出现覆盖漏洞,无法实现全面监测。为解决此问题,本文开展无线传感器网络内覆盖漏洞修复算法的研究,在不增加外部节点的条件下,通过局部最优的节点的位置微调实现对网络漏洞的修复。本文研究内容主要包括以下叁个方面:(1)针对覆盖漏洞位置未知的情况,本文提出了一种基于网络连接图的覆盖漏洞检测方法。通过连接每个传感器节点得到网络连接图,利用目标节点与网络连接图的位置关系判断该节点是否为漏洞边缘节点,在得到所有漏洞边缘节点后,即可计算得出覆盖漏洞的位置。(2)提出了一种基于移动节点的覆盖漏洞修复算法,考虑到节点能耗因素,该算法采用分布式方案以获得局部最优解。当确认覆盖漏洞位置时,从漏洞邻居节点中选取最合适的节点作为覆盖漏洞的修复节点。在此过程中,兼顾待选漏洞修复节点的移动距离、冗余度以及剩余能量叁方面性能指标,实现候选漏洞修复节点的优化选取。(3)为进一步优化覆盖漏洞修复后的网络覆盖率问题,设计了一种漏洞修复节点移动轨迹规划方法。充分考虑到失效节点自身冗余度等因素,让漏洞修复节点移动至漏洞邻居节点的交点处而不是移动至失效节点的位置。一方面可以提高漏洞修复节点的有效覆盖面积,另一方面也有效减少网络中的覆盖冗余度,实现网络覆盖性能的整体提升。利用MATLAB工具搭建仿真实验环境,设置并选取不同仿真参数,开展一系列仿真实验对提出的网络覆盖漏洞修复算法的有效性进行验证,并与其他相关算法进行对比。实验结果表明:本文提出的基于移动节点的网络覆盖漏洞修复算法在节点总移动距离、平均移动距离、节点剩余能量以及有效修复面积和覆盖率等方面与其他算法相比具有一定优势。本文算法在不增加外部节点的条件下,使用网络中已有节点进行覆盖漏洞的修复,较好地保持了网络稳定和通信效率。(本文来源于《北京交通大学》期刊2019-06-02）
王田[9]（2019）在《软件定义无线传感器网络基于移动代理的拓扑发现设计与仿真》一文中研究指出无线传感器网络作为二十一世纪改变世界进程的十大新兴技术之首,具有高效的可靠性和灵活性。及时准确地把握网络的动态拓扑变化信息以及网络资源的使用情况是有效管理网络的核心方法。针对无线传感器网络性能如何提升的问题,本文开展了软件定义无线传感器网络架构和基于移动代理的拓扑发现设计的研究,主要包括了以下工作:首先,针对无线传感器网络的一些基础知识及网络的优势和不足进行了简要介绍。随后对软件定义无线传感器网络的基础架构和有关技术进行了概括。最后对移动代理技术的概念及应用背景做了简要介绍,为后续研究做好铺垫。随后,针对无线传感器网络节点众多,能量有限等问题,提出了一种简单可用的软件定义无线传感网络架构。首先对软件定义网络与无线传感器网络的融合可行性进行了分析,并且介绍了架构中各个模块的功能特点。随后基于已搭建好的硬件平台设计仿真实验对协议的可行性进行验证,得到了不错的实验结果。最后,为解决无线传感器网络在通信过程中由于资源的限制,控制消息和数据消息的传输有可能引发冲突、拥塞或者干扰的问题。本文提出了一种在软件定义无线传感器网络架构下基于移动代理的拓扑发现技术。在保证控制节点和普通节点通信质量的条件下,综合考虑了网络中由于节点移动导致的节点邻居集变化和各邻居节点剩余能量这两个因素,设计了部署成本最小化的移动代理迁移路线。仿真实验结果表明该方法能够有效缩短网络拓扑收敛时间,降低网络能耗以及平衡网络能量分布。(本文来源于《北京邮电大学》期刊2019-05-20）
段亚青[10]（2019）在《基于移动锚节点的无线传感器网络定位算法研究》一文中研究指出无线传感器网络(Wireless Sensor Network,WSN),是一种自组织网络,在监测区域内部署大量的传感器节点,对监测区域进行实时监控,实时给用户传回有效信息。节点定位技术是WSN的关键基础技术之一,广泛的应用在军事国防、火灾监控、医疗卫生等方面,越来越多的应用对定位的准确度提出了十分高的要求。在传感器节点位置信息未知的情况下,网络感知数据无法应用没有价值,因此位置信息是对网络中突发事件进行事前预警、事中决策以及事后处理的前提。节点定位技术是WSN实际应用中的关键问题,本文主要研究基于静态未知节点静态锚节点的定位,以及基于静态未知节点移动锚节点的定位。一些学者将智能算法应用在定位算法中来提高定位精度,本文主要研究了灰狼优化算法(gray wolf optimization,GWO),对其进行改进并应用于定位算法中。本文设计的改进灰狼优化算法,一方面对GWO中唯一的控制因子进行改进,GWO中控制因子是线性变化的,但实际寻优迭代搜索过程是非线性变化的,所以本文设计了一种非线性动态变化控制因子策略;另外一方面,GWO中灰狼个体根据α、β和δ的位置来更新个体位置,将α、β和δ视为同等重要,忽略了它们各自的特征,因此本文在位置更新中引入权值因子;其次受粒子群算法中粒子速度更新中粒子“认知”行为和粒子“社会”行为的启发,引入扰动项,增强扰动,提高跳出局部最优的能力。通过与基本灰狼优化算法及其他改进灰狼优化算法、其他智能算法仿真对比,充分说明本文改进策略的有效性,具有更高的收敛精度及收敛速度。基于静态节点的定位算法分为静态锚节点辅助定位和移动锚节点辅助定位。在静态锚节点辅助定位算法部分,本文主要是结合几何学知识中的公边比例定理,建立了基于叁个锚节点辅助定位的数学定位模型,可以初步估算出未知节点的位置坐标,本文将初步估计位置坐标作为改进灰狼优化算法的部分初始值,通过智能算法优化未知节点的坐标值,达到更高定位精度的目的。在移动锚节点辅助定位算法部分,本文主要是考虑到移动锚节点成本高、能耗高,希望可以用少量的移动锚节点实现网络中未知节点的定位,因此设计了基于单个移动锚节点路径规划实现定位的方法,主要工作是先选取虚拟锚节点,再通过基于改进灰狼优化的TSP算法进行路径规划实现未知节点定位。在虚拟锚节点选取阶段,以叁个虚拟锚节点为一组,通过排除冗余的方式选出需要的虚拟锚节点。仿真结果表明,本文设计的基于改进灰狼优化的定位算法与DPSO定位算法、基于测距的叁边定位算法相比定位精度更高,对测距误差鲁棒性强;本文设计的基于移动锚节点和改进灰狼优化的路径规划算法与经典路径规划算法及其他已有路径规划算法相比,网络定位覆盖率更高,节省了网络成本,可达到理想的定位精度。(本文来源于《太原理工大学》期刊2019-05-01）
移动无线传感器网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
无线传感器网络能量受限且普遍存在移动性管理问题.为此,提出一种考虑占空比的移动性管理方案,推导了所提方案的切换时延公式并通过仿真验证了公式的正确性.建立了切换时延和能量消耗的优化问题,通过求解该优化问题得到给定信标间隔下的最优占空比.分析了数据包到达率和数据包成功发送率对最优占空比的影响,给出实际应用中调整占空比的步骤.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
移动无线传感器网络论文参考文献
[1].李明,胡江平.复杂条件下移动异构无线传感器网络覆盖算法[J].传感器与微系统.2019
[2].朱德庆.考虑占空比的无线传感器网络移动性管理方案[J].杭州师范大学学报(自然科学版).2019
[3].Hassan,Ali,Ahmed,Al,Kuhlani.移动汇聚节点无线传感器网络中的数据分发研究[D].中国科学技术大学.2019
[4].宋超,刘明.移动自组织网络和无线传感器系统[J].国际学术动态.2019
[5].陈孝如.无线传感器网络移动节点路径规划方法仿真[J].计算机仿真.2019
[6].吕增威,魏振春,韩江洪,孙仁浩,夏成凯.基于多目标优化的无线传感器网络移动充电及数据收集算法[J].电子与信息学报.2019
[7].梁雅媚.基于蒙特卡洛的无线传感器网络移动节点定位改进算法研究[D].湘潭大学.2019
[8].陈卓.基于移动节点的无线传感器网络覆盖漏洞修复算法研究[D].北京交通大学.2019
[9].王田.软件定义无线传感器网络基于移动代理的拓扑发现设计与仿真[D].北京邮电大学.2019
[10].段亚青.基于移动锚节点的无线传感器网络定位算法研究[D].太原理工大学.2019