面向异构水声传感网的分布式负载均衡算法

来源 :第十届中国无线传感器网络大会(CWSN2016) | 被引量 : 0次 | 上传用户:woaiyan0
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  水声传感网通信过程中的数据转发能力受多路径机制影响。在信息传播范围有限的情况下,节点中的通信一般采用多跳来实现,部分节点的通信链路需要经常改变,而位于关键路径上的转发节点面临着能量最快消耗殆尽的危险,网络存在一系列的负载不均衡问题。为解决通信过程中的负载均衡问题,本文提出了一种基于质距优化机制的水声传感器网络多跳通信策略,设计自适应负载均衡算法,加权评估普通传感器的通信质量与距离选择下一跳;在此基础上,提出了基于AUV 节点的数据平衡传输算法,分布式的实现了网络性能的进一步优化,以获得网络生命周期的最大化。最后,通过仿真实验验证了该方法的合理性和有效性。
其他文献
随着无线通信技术的发展和移动计算的兴起,基于位置的服务(Location Based Service,LBS)突显商业、科研和社会价值。室外的定位服务已经做的很好了,全球定位系统(GlobalPositioning System,GPS)在室外定位中性能出色,但是不适用于室内环境。手机在人们日常活中扮演着越来越重要的角色,基于智能手机的室内行人定位与跟踪越来越多的被人们研究,经过十余年的研究发展,
在低占空比无线传感器网络中,每个节点的工作周期由有限多个苏醒时隙和休眠时隙组成。由于节点能量的有限性,我们将节点置于低占空比模式。处于此模式的节点可以选择交替处于活动状态和休眠状态,使整个网络中的节点均衡能量负载,以此尽可能地延长网络的生存时间。然而,与一直处在工作状态的网络不同,在低占空比无线传感器网络中,发送节点必须等到邻居节点处于工作状态时才能向其发送数据,导致较大的休眠延迟。为了减少休眠延
MongoDB 作为一种新兴的NoSQL 数据库,以其模式自由、文档式存储、故障自动恢复、良好的水平扩展等特点深受国内外市场的青睐.MongoDB 支持自动分片和自动负载均衡,其自带的负载均衡策略能使各个节点间的数据量达到平衡.但是在实际的生产环境中,节点之间数据访问热度即数据的访问频率不同也会导致负载失衡.比如在网站中,受欢迎主题的访问量高于其他主题的访问量,而且同一主题的访问量也会随着时间而变
分簇技术可以提高无线传感器网络可扩展性和能量效率,当簇首以多跳方式将数据汇聚到基站节点时,易造成能量消耗不均形成分割网络。该文提出一种适用于传感器节点非均匀分布的基于扇域环形划分传感器网络能量均衡分簇算法(EBCA-SR),EBCA-SR 算法首先将网络划分成不等半径的扇域环形,每个扇域内由节点剩余能量和节点密度来选择簇头,其余节点以就近原则选择簇头形成分簇结构,数据传输时,利用距离和能量作为权值
会议
机会传感网络(Opportunistic Sensor Network,OSNs)是一种利用节点移动带来的相遇机会实现通信的自组织网络,具有移动自组织网络(Mobile Ad Hoc Network,MANET)和延迟容忍网络(Delay Tolerant Network,DTN)的特点。若能提前获知或预测该网络的关键节点,便可根据关键节点的相关信息对网络进行优化,当网络瘫痪时,可第一时间排查关键
近年来随着智能硬件技术的发展,出现了大量的智能可穿戴医疗检测设备。脉搏和血氧饱和度作为检测人体心率和血液运输氧的能力的生理指标,在反映人体健康状态方面有着重要的作用。目前市场上的产品存在着动态范围有限、测量方式单一、测量精度低等问题,影响了产品针对人体不同部位进行测量的灵活性。
工业网络与普通商用网络融合的需求使越来越多的工业网络将以太网技术应用其中。由于传统的商用以太网的性能并不十分适合工业数据的传输,因此改进工业以太网提高其服务质量成为今年来的研究热点。相比于协议级别的改进,调度算法级别的改进由于仅涉及转发节点的内部调度优化,与具体的链路层协议无关,不会导致兼容性问题,因此更加适用于工业网络与商用网络融合的网络环境。
随着手机等移动智能设备的兴起,基于位置的服务(LBS)在移动互联网领域得到了广泛应用。人们可以基于位置信息获取兴趣点查询、附近好友推荐、实时导航等服务。但是,位置信息是标识用户的重要敏感信息,而基于位置的查询需要将用户的位置等敏感信息暴露给服务提供商,从而引起位置隐私泄露。针对这一问题,k-匿名由于其轻量级特性成为主流的位置隐私保护解决方案。
链路质量预测是拓扑控制、路由协议和移动管理的基础,有助于提高网络数据吞吐量、延长网络寿命。在分析现有链路质量预测机制的基础上,提出基于深度信念网络(DeepBelief Networks,DBN)的无线传感器网络链路质量预测模型。采用支持向量分类机(SupportVector Classification,SVC)对链路质量进行评估,获得链路质量等级;采用DBN 提取链路质量特征,并采用softm