在无线传感器网络的节点定位过程中,未知节点在x轴和y轴方向上的定位精度较z轴更重要。为此,在RSSI高斯混合(RGM)算法的基础上提出一种基于平面投影的定位算法。通过缩小未知节点空间定位误差区域在xoy平面上的投影面积,提高未知节点在x轴和y轴方向上的定位精度。仿真结果表明,与RGM算法相比,该算法可在不增加时间复杂度及网络通信量的基础上,有效提高节点的x轴和y轴定位精度。

现有的时间同步算法大多采用消息交换来实现较高的同步精度,存在节点通信开销过大、能耗不均等问题。为此,提出一种能量均衡的低开销时间同步算法。该算法基于簇状层次型网络拓扑,簇头间采用双向消息交换机制完成到Sink节点的同步,并利用最大似然估计补偿节点时钟频偏和相偏,提高簇间同步精度,降低同步过程频次。簇成员节点采用双向消息交换机制和参考广播机制相结合的方式与簇头同步,考虑节点广播特性及剩余能量参数,在降低节点开销的同时均衡各节点能耗。仿真结果表明,该算法在保证一定精度的同时,可降低网络通信开销、均衡节点能耗与长整个网络寿命。

针对传统无线传感器网络节点三维定位算法会产生奇异矩阵及复杂度较高的问题,提出一种新的基于三边测量距离的定位算法,实现无线WSN中节点的三维定位。通过四面体体积公式计算得出偏移向量,运用平面上向量旋转的二维线性最小二乘估计变换的目标位置,由变换的目标位置及偏移向量计算得出目标位置。仿真实验结果表明,与传统的三维LM定位算法相比,改进算法精确性提高约10%且没有出现奇异矩阵,计算复杂度更低。

基于无线传感器网络(WSN)的智能抄表系统可提高抄表效率,但由于其功耗较大,因此传感器节点通常采用监听-休眠的工作模式以节省电力消耗。针对此工作模式,在手持机抄表应用场景下提出一种WSN快速节点唤醒方法并对系统进行设计。通过提升手持机和传感器节点之间的通信速率降低传感器节点的平均电流。分析结果表明,该方法可有效降低系统的平均电流,并且在较短的监听-休眠周期下功耗节省优势明显,适用于需要即时响应的手持机抄表应用场景。

低功耗自适应集簇分层型(LEACH)协议选择的簇头节点存在分布不均匀和能耗不均衡等问题。为此,基于粗糙C-均值聚类提出一种改进的LEACH算法。通过定位技术获取节点的位置坐标,利用粗糙C-均值算法对无线传感器网络节点坐标进行聚类,以保证簇头节点的均匀分布,并使用基于剩余能量的LEACH算法选择簇头节点。计算结果表明,改进算法可使簇头节点在每轮选择时均匀地分布在网络中,同时延长网络的生命周期。

为在分布式目标跟踪中交换局部似然函数的信息,研究常见的分布式目标跟踪方法,提出一种基于信念传播的分布式粒子滤波方法(DPF-BP)。在有限次的迭代中,计算图的最大直径。为避免网络评估的分歧性,在计算评估之前运用一致性最大化,将节点及迭代次数表示成函数形式,经过标准化和估值计算后重采样替换。仿真实验结果表明,与标准信念一致方法、随机流言方法和都市信念一致方法(MBC)相比,在相同配置下,DPF-BP方法的均方根误差指标较优,在环形网络中运用DPF-MBC方法较好,而在树状网络中运用DPF-BP方法最佳。

当无线传感监测网中事件分布不均匀时,使用以数据为中心的存储算法会出现热点现象。为此,引入存储阈值与时间优先级,选择存储节点时考虑节点剩余存储空间,提出一种新的蛇形时隙数据存储算法。根据事件优先级确定事件存储位置到查询节点网格的距离,减少数据存储和查询过程中的能量消耗。通过定义节点存储阈值确定是否进入下一轮时隙分配。当网格内节点都达到存储阈值时,将数据存储于其他同一优先级的邻居网格内。当同一优先级的所有网格内节点都达到某一存储阈值时,重新分配工作时隙,以解决节点能量分布不均的问题。仿真结果表明,该算法在节点剩余能量和网络生命周期方面性能均优于基于事件优先级的蛇形时隙存储算法。

为延长网络生存周期,提出一种基于二分法与移动Sink的无线传感器网络数据收集协议PBDM。将网络分为面积相等的2个子域,子域交线为移动Sink的轨迹,随节点死亡率的增加,对内部子域进行二分,确定并改变移动Sink的轨迹。移动Sink与固定Sink并存,网络采用拓扑控制,簇头收集簇内兴趣事件并发送至距自己跳数最小的Sink。仿真结果表明,PBDM在基站获取信息量、网络剩余节点数和剩余能量上优于LEACH算法,明显提高数据的收集效率,并延长无线传感器网络的生存周期。

网络数据融合与聚类是减少无线传感器网络能量消耗的有效技术,但聚类在数据聚集过程中会产生额外的时间延迟。为此,提出一种基于网络数据融合的延迟感知网络结构,该结构组建传感器节点形成不同大小的簇,每个簇可以与融合中心节点进行交错通信。仿真结果表明,与低功耗自适应集簇分层型协议、延迟感知数据收集网络结构相比,该网络结构可以减少在数据融合过程中的延迟,并能保持较低的能量消耗。

基于无线传感器网络的目标定位与跟踪技术是目前研究的热点,传统的目标跟踪算法均需要明确的目标定位系统观测模型,如无法获得该模型,则算法失效。为此,利用移动机器人客户端,提出一种分布式移动多目标定位和跟踪算法。该算法将所有机器人分为负责目标跟踪的领袖机器人与负责网络阵型和连接性维护的从属机器人,对收敛误差和系统参数间的关系进行分析,并通过仿真实验验证了该算法的有效性。

在现有的有向传感器网络中,节点模型多以质心点围绕扇形顶点进行旋转,由于此类模型中节点旋转面积是一个整圆,因此会增加网络能源消耗和部署时间。针对复杂区域的无线传感器网络覆盖优化问题,使用以扇形节点围绕质心点转动的节点模型,提出一种基于虚拟势场的复杂区域覆盖优化算法(COACA),通过减小节点的旋转面积实现部署优化。针对影响算法覆盖率的相关参数进行仿真实验,并与PFPCE 算法进行对比,实验结果验证了COACA 算法在覆盖率和时间效率上的优越性。

针对监控区域中存在障碍物的情况,引入一种避障策略,提出基于虚拟势场的传感器网络覆盖优化算法。该算法基于有向感知模型,通过重叠覆盖区域、有效覆盖区域和障碍物遮挡区域之间虚拟力的相互作用,调整节点的传感方向,逐步消除网络中的重叠覆盖区域和障碍物遮挡区域,并根据分布在边界区域的边界节点进行改进,通过在边界线上增加一个虚拟邻居节点,实现有向传感器网络的覆盖性能增强,并分析传感器参数对覆盖率的影响。仿真结果表明,在有障碍物的情况下,该算法可有效提高网络覆盖率。

针对传统基于垂直平分线的区域定位算法定位精度低、迭代次数多等缺点,提出一种改进的垂直平分线算法IMBLA。根据未知节点接收到的两锚节点接收信号强度指示(RSSI)值的比值,移动两锚点的垂直平分线,再确定待定位节点与垂直平分线的位置关系。该算法应用基于参考锚节点的高斯校正模型进行RSSI 测距,包括有障碍物时的模型,不但适合各种环境,还能有效防止恶意攻击。仿真结果表明,与MBLA 和IPAIT 算法相比,IMBLA算法的定位精度和网络覆盖率较高。