导读:本文包含了混合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:无线传感器网络,抗干扰攻击,非协调跳频扩频,非协调直接序列扩频
混合无线传感器网络论文文献综述
孙子文,徐宜敏[1]（2019）在《无线传感器网络的混合抗干扰攻击方法》一文中研究指出为对抗无线传感器网络中存在的强针对性的智能型干扰攻击,基于多种扩频技术提出了一种混合跳频扩频、非协调直接序列扩频以及非协调跳频扩频的抗干扰攻击方法。为解决传统扩频技术需要提前共享密钥的限制,在网络初始化阶段使用非协调跳频扩频进行网络通信;为避免持续使用非协调扩频跳频带来的高能量消耗问题,发送节点与接收节点在非协调扩频跳频模式下生成跳频序列,即可进行传统跳频扩频;通过非协调直接序列扩频技术进一步增强对抗干扰攻击的性能;使用OPNET并基于多种干扰攻击模型进行网络仿真,评估所提出的混合抗干扰攻击方法的性能。仿真结果表明,在环境恶劣情况下,并受到强针对性的智能型干扰攻击时,网络仍能保持较低的丢包率,故所提出的混合抗干扰攻击方法能有效地抵抗无线传感器网络中的干扰攻击。(本文来源于《系统工程与电子技术》期刊2019年09期）
李依霖,蒙诗尧[2]（2019）在《混合环境下无线传感器网络中位置估算方法的改进》一文中研究指出在无线传感器网络中,最关键的是获取传感器上的数据节点位置。目前最常用的获取数据节点位置的方法是自我组织映射传感器节点位置估算法。这种方法利用少量的锚节点,在不使用测距设备的情况下,精确地估算出节点位置,并且在预测范围内存在障碍物的混合环境下,估算位置的精度较过去的测距和定位方法也有所提高。但在混合环境下利用这种方法估算节点位置仍不够理想,并且还存在传感器节点间通信量增大时电力不足的问题。为了解决以上问题,本文提出以云计算为前提的汇集型自我组织定位节点估算方法,首先通过汇集各传感节点的邻节点信息,提高确认未知节点的精度,其次即使因各节点间交换位置信息而增加通信次数,也能降低感应节点的电力消耗。(本文来源于《现代信息科技》期刊2019年03期）
侯森林,杜秀娟,李梅菊,黄科军[3]（2018）在《水下无线传感器网络节点混合定位与优化算法》一文中研究指出针对传统水下定位算法覆盖率小、水下节点计算量大、定位精度低等缺点,提出一种新的水下传感器网络节点定位与优化算法。在非对称往返测距的基础上,采用水下传感器定位算法对节点定位,并利用加权迭代最小二乘法对节点位置集合进行拟合优化。NS2仿真测试结果表明,优化后的算法在降低水下节点通信量、计算量以及能量消耗的同时,可有效提高定位覆盖率和定位精度,延长网络寿命。(本文来源于《计算机工程》期刊2018年12期）
张军,邵晓倩,侯向丹[4]（2018）在《混合无线传感器网络覆盖优化算法》一文中研究指出在无线传感器网络中,带有移动节点的混合网络引起学者的兴趣。为了解决混合无线传感器网络中的网络有效覆盖问题和移动节点的优化部署问题,提出一种新的混合无线传感器网络覆盖优化算法(IVABC)。算法基本思想是对固定节点进行Voronoi多边形划分;利用划分结果分析固定节点的覆盖盲区;利用基于反向学习策略的蜂群算法优化部署移动节点;在网络覆盖率最优化的同时,有效减少网络迭代次数。(本文来源于《传感器与微系统》期刊2018年12期）
应世杰,凤鹏飞,梁子君[5]（2018）在《基于无线传感器网络的混合型道路快速公交信号优先系统设计与应用》一文中研究指出针对混合型道路公交车辆信号控制问题,综合采用微波、RFID,ZigBee和北斗卫星导航系统等多种传感技术构建公交沿线无线传感器网络,实现对交通运行参数监测、BRT车辆准确定位和无线通讯功能,通过车辆设备与信号机间的信息交互,实现了信号的优先控制,提高了公交的运行速度。(本文来源于《唐山学院学报》期刊2018年06期）
朱瑞金,龚雪娇,唐波[6]（2019）在《分布式混合压缩感知无线传感器网络数据收集》一文中研究指出在传感器网络数据收集过程中,降低网络传输量对于网络传输效率和生命周期的延长具有重要意义。结合压缩感知思想,设计了一种分布式混合压缩感知的无线传感器网络数据收集方法。首先通过基于k-means++的方法均匀聚类形成簇,各簇进行基于混合压缩感知的分布式数据收集,完成后通过建立骨干树将数据传输至sink节点。仿真结果表明,在给定的仿真工况下(压缩率为10,节点数为800),与最短路径树混合压缩感知和最优树混合压缩感知算法相比,分别能减少40%和10%以上的传输量,与不使用混合压缩感知的收集方法相比减少70%以上的传输量;同时,节点传输量标准差由14.07和14.37和降低至11.85,置信区间大小由322.66和131.75降低至39.12,证明网络鲁棒性和负载均衡度均有提升。(本文来源于《计算机工程与应用》期刊2019年06期）
刘志伟[7]（2018）在《基于等离子体汤川势模型的无线传感器网络节点混合部署优化》一文中研究指出无线传感器网络(Wireless Sensor Networks,WSNs)是当前学术重点研究对象之一,涉及前沿的通信、传感和电子等相关的领域。随着信息技术的发展,无线传感器技术逐步成熟,大规模的制造和使用传感器节点的方案变得更廉价更高效。无线传感器网络的应用越来越广,已由原来的军事领域扩展到其他各领域。在城市的交通控制管理、环境监测、安防系统、国防安全、空间探测和物联网等诸多领域都有重要的科研和应用价值。在无线传感网应用中,随机部署节点容易造成分布不均的问题,从而影响网络的连通性及覆盖率。针对大规模的无线传感器网络,如何高效节能地实现传感器节点的动态部署,形成有效的蜂窝网络覆盖,是解决此问题的关键手段。其中,采用基于虚拟力或虚拟势能场的优化算法已成为无线传感网节点动态部署的研究重点之一。本文首先以尘埃等离子体物理中汤川势的粒子结晶模型为理论基础,提出了基于等离子体汤川势模型的大规模传感器网络节点部署的虚拟力算法。为了进一步讨论该虚拟力算法的节点部署效果,我们将Delaunay叁角剖分算法应用至模型中,对计算规模进行优化改进和仔细研究,使得其能够进行自适应调节,以适应WSNs中的实际需要。通过模拟仿真,验证了算法中汤川势的有效性,对计算规模和屏蔽长度两个重要参数进行了针对性地分析讨论。仿真结果表明,在固定屏蔽长度时,随着计算规模的增加,网络的均匀性变好,网络拓扑结构更加接近于正六边形拓扑,但运行时间也相应增加。当保持计算规模不变,伴随着屏蔽长度值的增加,传感器网络有效覆盖面积增大,但整体网络均匀性变差,网络拓扑结构也逐渐趋于不理想。实验表明,该算法可以针对大规模无线传感器网络形成有效覆盖的(Hexagon)六边形蜂窝状结构,使用最少的节点覆盖最大的面积,并具有较快的网络收敛性。其次,基于上述等离子体汤川势虚拟力算法可以提供稳定的算法收敛性和有效的蜂窝状网络拓扑结构,我们将其作为混合优化算法的基础,与另一种基于粒子间交换力的虚拟力算法进行结合,初步实现了基于两种不同物理系统虚拟力算法的自适应融合,来进一步提高大规模传感器节点部署算法的仿真精确度、减少节点部署时间等。基于等离子体汤川势模型的虚拟力算法(VFA_YP)有更好覆盖率和较高网络均匀性,但达平衡状态时间长,系统能耗大等特点。基于粒子间交换力的算法(VFA_LJ)仅仅计算每个节点周围最近的邻居节点,可以快速部署节点,有效缩短部署时间,降低系统能耗,但存在容易形成覆盖空洞且最终网络均匀性较差等特点。结合上述两种算法的特点,我们考虑对先利用VFA_YP进行大尺度的节点结晶,再利用VFA_LJ算法对节点周围的邻居节点分布进行微调的混合部署策略,提供了更优化的网络节点分布。通过实验的模拟仿真,当选择合适的混合时间参数时,该混合部署策略有着更快的网络收敛速度,更好的网络均匀性,更高的覆盖率,稳态时网络拓扑更趋于正六边形。在实际的无线传感器网络应用中,使用本文优化的虚拟力算法及混合部署策略,能够缩短节点部署的时间,对监测区域有着更高的覆盖率,增强了网络的鲁棒性和容错率。(本文来源于《南昌大学》期刊2018-06-21）
陈叁风,陈全义,胡涛[8]（2018）在《一种新的无线传感器混合网络系统设计及验证》一文中研究指出为了验证基于弹簧粒子模型及其衍生定位算法的性能,本文设计了一种新的无线传感器混合网络系统,并进行了相关的实验验证。本文的混合网络是基于CC2431传感器节点和智能手机高级节点组成的混合网络,其中CC2431用于数据采集与节点定位等,智能手机iPhone网络用于传达任务、获取数据以及数据显示。实验研究结果表明,本混合网络系统是稳定可靠的,且系统的测距和定位算法的精度较高,网络的路由算法稳定可靠,可满足一般机器人导航等无线传感器网络应用场景。(本文来源于《深圳信息职业技术学院学报》期刊2018年02期）
曾超,汤宝平,邓蕾,肖鑫[9]（2018）在《基于混合拓扑的机械无线传感器网络多信道数据传输方法》一文中研究指出针对机械振动无线传感器网络节点因信道带宽窄导致网络传输速率过低,在大量原始数据传输需求下实时性较差的问题,提出一种基于簇树星型混合拓扑的多信道数据传输方法。对各传感器网络节点进行树间通信干扰最小化信道分配,避免邻频干扰影响树间并行通信,在数据同步采集结束后,各节点以分配信道组建簇树星型混合拓扑网络进行数据传输;采用树间通信握手机制和树间通信优先级抢占机制解决簇树星型混合拓扑带来的树间互盲问题;将各采集节点短地址作为调度信息载入信标进行广播,各采集节点根据调度信息决定进行数据传输或者休眠,实现树内通信能耗最小化时序调度。将提出的多信道数据传输方法与载波侦听多路访问/冲突避免机制进行对比,实验结果表明该方法能有效提高机械振动无线传感器网络数据传输速率。(本文来源于《振动与冲击》期刊2018年04期）
曹建[10]（2017）在《基于RSSI的无线传感器网络混合定位算法》一文中研究指出无线传感器网络已经广泛的运用于医疗、军事、智能家居、灾情监测等领域,定位是无线传感器网络中的一项关键技术。在基于RSSI(接收信号强度指示)的测距定位方法中,节点定位的准确性经常会受到传感器节点能量有限、环境干扰等因素的影响,因此需要采用更为优秀的算法来提高节点定位的精度。文中分别对静止节点的定位问题和移动信标节点定位的问题展开了研究。智能算法具有非常优秀的性能并且受到了广泛的关注,可以用来解决定位问题,来提高未知节点的定位精度。文中结合了鸡群算法求解精度高的特点和物质状态搜索算法后期收敛速度快的特点,提出了鸡群物质状态搜索算法,用于节点定位。本文首先研究了静止节点的定位问题,提出了二维及叁维的鸡群物质状态混合定位算法,分为初步定位阶段和精确定位阶段。对于初步定位阶段,二维定位方法采用双边节点估计法和特殊节点估计法,叁维定位算法采用叁面节点估计法和质心算法,可以得到初步定位结果;对于精确定位阶段,采用鸡群物质状态搜索算法对初步定位结果进行优化,得到最终定位结果。经过仿真分析,该算法能以较少的迭代次数优化得到精度较高的定位结果。最后研究了移动信标节点定位的问题,提出了一种基于改进遗传算法的移动信标节点路径规划算法,分为虚拟信标节点的选取阶段和最优移动路径的选取阶段。对于虚拟信标节点选取阶段,可以分为构建节点的邻接矩阵、节点分组、寻找冗余虚拟信标节点组和确定虚拟信标节点等步骤;对于最优路径的选取阶段,采用改进的遗传TSP(旅行商问题)算法进行寻优,引入了物质搜索算法中碰撞检测的思想,增加了种群的多样性,降低了算法陷入局部最优的可能性。经过仿真分析,该算法可以在获得较高的定位覆盖率的情况下使得信标节点移动的距离较短。(本文来源于《太原理工大学》期刊2017-06-01）
混合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：
在无线传感器网络中,最关键的是获取传感器上的数据节点位置。目前最常用的获取数据节点位置的方法是自我组织映射传感器节点位置估算法。这种方法利用少量的锚节点,在不使用测距设备的情况下,精确地估算出节点位置,并且在预测范围内存在障碍物的混合环境下,估算位置的精度较过去的测距和定位方法也有所提高。但在混合环境下利用这种方法估算节点位置仍不够理想,并且还存在传感器节点间通信量增大时电力不足的问题。为了解决以上问题,本文提出以云计算为前提的汇集型自我组织定位节点估算方法,首先通过汇集各传感节点的邻节点信息,提高确认未知节点的精度,其次即使因各节点间交换位置信息而增加通信次数,也能降低感应节点的电力消耗。
（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。
混合无线传感器网络论文参考文献
[1].孙子文,徐宜敏.无线传感器网络的混合抗干扰攻击方法[J].系统工程与电子技术.2019
[2].李依霖,蒙诗尧.混合环境下无线传感器网络中位置估算方法的改进[J].现代信息科技.2019
[3].侯森林,杜秀娟,李梅菊,黄科军.水下无线传感器网络节点混合定位与优化算法[J].计算机工程.2018
[4].张军,邵晓倩,侯向丹.混合无线传感器网络覆盖优化算法[J].传感器与微系统.2018
[5].应世杰,凤鹏飞,梁子君.基于无线传感器网络的混合型道路快速公交信号优先系统设计与应用[J].唐山学院学报.2018
[6].朱瑞金,龚雪娇,唐波.分布式混合压缩感知无线传感器网络数据收集[J].计算机工程与应用.2019
[7].刘志伟.基于等离子体汤川势模型的无线传感器网络节点混合部署优化[D].南昌大学.2018
[8].陈叁风,陈全义,胡涛.一种新的无线传感器混合网络系统设计及验证[J].深圳信息职业技术学院学报.2018
[9].曾超,汤宝平,邓蕾,肖鑫.基于混合拓扑的机械无线传感器网络多信道数据传输方法[J].振动与冲击.2018
[10].曹建.基于RSSI的无线传感器网络混合定位算法[D].太原理工大学.2017