基于感知数据概率模型的无线传感器网络采样和通信调度算法

doi:10.3724/SP.J.1087.2005.01982

计算机应用 ›› 2005, Vol. 25 ›› Issue (09): 1982-1985.DOI: 10.3724/SP.J.1087.2005.01982

基于感知数据概率模型的无线传感器网络采样和通信调度算法

李建中，石胜飞，王朝坤

哈尔滨工业大学计算机科学与工程系

发布日期:2011-04-11 出版日期:2005-09-01
基金资助:
国家自然科学基金资助项目(60473075)

Sampling and scheduling algorithm for wireless sensor networks based on sample data probability model

LI Jian-zhong,SHI Sheng-fei,WANG Chao-kun

Department of Computer Science and Engineering,Harbin Institute of Technology,Harbin Heilongjiang 150001,China

Online:2011-04-11 Published:2005-09-01

摘要/Abstract

摘要： 在无线传感器网络中,如何动态地管理能量,最大限度地延长网络的生命周期是一个关键的问题。文中提出了一种基于感知数据概率模型的传感器网络的采样和通信动态调度算法,使传感器节点根据感知数据的概率模型来确定自己的采样和通信时机,最小化采样频率和通信量,减少传感器节点的能量消耗,延长传感器网络的生命期。该算法是一种分布式算法,适用于无线传感器网络。该算法采用了简单的概率模型,资源需求量小,适合于在目前普遍使用的资源受限的传感器节点上运行。模拟试验结果表明,这种方法与其他方法相比,具有很高的能量有效性。

关键词: 无线传感器网络, 感知数据概率模型, 动态调度, 能量管理

Abstract: A key challenge in wireless sensor networks is to achieve maximal network lifetime with dynamic power management on sensor nodes.In this paper an adaptive node sampling and scheduling strategy based on probability model of data generated by sensor nodes was investigated.Compared to previous works on dynamic power management,this method concentrated on the characters of data.The node can schedule its sampling and communication time according to the prediction value of the model.The results of simulation confirm the energy efficiency of the algorithms compared with previous algosithms.

Key words: wireless sensor networks, sample data probability model, dynamic scheduling, energy management

中图分类号:

TN929.5

李建中，石胜飞，王朝坤. 基于感知数据概率模型的无线传感器网络采样和通信调度算法[J]. 计算机应用, 2005, 25(09): 1982-1985.

LI Jian-zhong,SHI Sheng-fei,WANG Chao-kun. Sampling and scheduling algorithm for wireless sensor networks based on sample data probability model[J]. Journal of Computer Applications, 2005, 25(09): 1982-1985.

[1]	张国辉, 陆熙熙, 胡一凡, 孙靖贺. 基于改进帝国竞争算法的柔性作业车间机器故障重调度[J]. 计算机应用, 2021, 41(8): 2242-2248.
[2]	孙环, 陈宏滨. 基于萤火虫算法的无线传感器网络节点重部署策略[J]. 计算机应用, 2021, 41(2): 492-497.
[3]	韩雨涝, 房鼎益. 基于链路交点相对位置信息的轻量级覆盖空洞检测算法[J]. 计算机应用, 2020, 40(9): 2698-2705.
[4]	胡润彦, 李翠然. 基于模糊控制的自供能无线传感器网络分簇算法[J]. 计算机应用, 2020, 40(9): 2691-2697.
[5]	韩雨涝, 房鼎益. 联合无线充电与数据收集的移动充电装置多目标路径规划算法[J]. 计算机应用, 2020, 40(6): 1745-1750.
[6]	卢光跃, 周亮, 吕少卿, 施聪, 苏可可. 基于图信号处理的无线传感器网络异常节点检测算法[J]. 计算机应用, 2020, 40(3): 783-787.
[7]	任秀丽, 陈洋. 无线传感网中数据传输延时优化的路由协议[J]. 计算机应用, 2020, 40(1): 196-201.
[8]	吴三柱, 李鹏, 吴三斌. 移动无线传感器网络中抑制病毒传播模型[J]. 计算机应用, 2020, 40(1): 129-135.
[9]	董发志, 丁洪伟, 杨志军, 熊成彪, 张颖婕. 基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 计算机应用, 2019, 39(8): 2359-2365.
[10]	何庆, 徐钦帅, 魏康园. 基于改进正弦余弦算法的无线传感器节点部署优化[J]. 计算机应用, 2019, 39(7): 2035-2043.
[11]	钱开国, 卜春芬, 王玉见, 申时凯. 基于可靠信标和节点度估计距离的无线传感器网络定位算法[J]. 计算机应用, 2019, 39(3): 817-823.
[12]	任晓奎, 李锋, 程琳. 基于动态损耗因子和权重的改进质心定位算法[J]. 计算机应用, 2019, 39(3): 824-828.
[13]	汪汉新, 洪思琴. 基于环分块的能耗均衡分簇路由算法[J]. 计算机应用, 2019, 39(1): 251-255.
[14]	党小超, 邵晨光, 郝占军. 半径可调的无线传感器网络三维覆盖算法[J]. 计算机应用, 2018, 38(9): 2581-2586.
[15]	王国玲, 杨文忠, 张振宇, 夏扬波, 殷亚博, 杨慧婷. 移动传感网中基于虚拟货币的路由策略[J]. 计算机应用, 2018, 38(9): 2587-2592.

基于感知数据概率模型的无线传感器网络采样和通信调度算法

Sampling and scheduling algorithm for wireless sensor networks based on sample data probability model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics