Multi-sink Data Aggregation Routing and Scheduling with Dynamic Radii in WSNs

Multi-sink Data Aggregation Routing and Scheduling with Dynamic Radii in WSNs • 传感器网络中多接收数据融合路由协议和动态Radii时序技术

摘要 • 在传感器网络多接收节点中，能量被浪费在空闲的监听机制中，多余的数据传输，和不必要的能量损失，通过安排合适的进度，结合动态地数据融合，整个能量的损耗将会被减少。我们提出了近似最优的数据融合路由路径和周期循环的进度机制，由MDAR和O-MAC证明得出，达到能量的高效率和在一定范围内的带宽限制。从实验结果得出，这种启发式的机制比其它的数据融合路由机制和时序协议都要好7%-45%。 • 关键词 • 数据融合，动态radii，能量有效，路由，时序，传感器网络

传感器网络的生存时间取决于电池的容量和能量的有效性。在本文，我们试图寻求延长在物理层上应用层的生存时间，我们集中于(i) multiple sinks 多接收器(outgoing information gateways), (ii)数据融合路由技术 data aggregation routing, (iii) 周期时序duty cycle scheduling and (iv) 动态radii dynamic radii. • The assignment of data aggregation routing as a kind of reverse-multicast tree, which is also a Steiner tree, has been proven to be NP-complete [2] [4] [5]. Krishnamachari et al. [2] devised three routing heuristics, Shortest Path Tree (SPT), Center at the Nearest Source (CNS), and Greedy Incremental Tree (GIT), which solve the problem sub-optimally. For a network with multiple sinks, all sink nodes are connected to a pseudo destination by pseudo links, which reduces it to a single reverse-multicast tree, as shown in Fig. 1.

传感器节点周期性地信息向其中一个接收节点报告。 能量通过循环保存，从而减少无用的监听，在MAC协议的多数能量大手大脚的过程。 Lu [4]等确定ﬁxed使用率机制S-MAC [10]和由更加先进的T-MAC [9的]暂停的易变的使用率没有优选地被设计。要消灭这样固有睡眠潜伏问题，我们考虑两近优选的使用率预定和数据族聚引起一个新的机制， O-MAC。结的使用率的例子被控制协力数据的融合如图1.显示。 • 能源消耗， rα +c，比结r的范围按指数规律地快速地增加， α是信号衰减，在2和4之间的一个常数[3]。使减到最小的消耗量通过维护一条动态半径完成; 必要的电力消费的估计，结相应地减少它的电力消费[6]。

CONCLUSION 结论 • 数据融合路由技术可以很好地改进传感器网络中的能量有效性，监听的减少和动态控制范围的减少，我们提出混合的整体与非线性的表达来实现这些要素。仿真结果表明，多接收节点的无线传感器网络，我们提出O-MAC 和 MDAR的启发式算法明显地优于其它算法，甚至当O-MAC运行在标准的启发式的融合路由，或者MDAR与标准的预约协议。

LPT for Data Aggregation in Wireless Sensor Networks • 传感器网络中的LPT数据融合技术

摘要 • 在传感器网络中，当刺激和事件在一定的区域内被侦测到，数据报告从邻居节点向SINK节点传递。源节点出来的这些数据没着路由路径传递。数据融合在网内进行减少通信和改善能量效率。本文我们提出了覆盖的结构以便在事件区域内可以生成树。我们把这个树叫做Lifetime-Preserving Tree (LPT)。LPT的目标是延长节点生存时间，使周期性传输数据报告。在LPT中，具有更高残余能量的节点被融合双亲所选择。LPT包含了自我完善的特点，当节点失去功能或者路由被破坏后，树会重新构建。通过选择直接的融合作为路由的平台，仿真结果表明，在有250个节点的WSN中，当使用LPT算法的数据融合时，节点的生存时间将被明显地增加。

在无线通信和微机械系统(MEMS)的快速发展使无线传感器网络成为可能。这样环境为查出和监视任务任意地部署的典型地包括很大数量的传感器。 这些传感器节点，发展在低成本和在小型(为智能的尘土微粒[2] mm称)，对感觉，数据处理和寻址活动负责。应用的这样网络从战争系统的通信系统范围(即闯入侦查和目标监视)对环境监测网络例如栖所监视，化工感觉，基础设施安全、存货和交通控制。例如，传感器也许横跨森林被分布为了报告有在平均监视温度的明显增量起火事件的起源。不同于常规特别通讯网络，在WSNs的能源通常缺乏归结于传感器节点资源和大小限制。保存的能量因而是钥匙对WSN有效的设计。

在本文，我们考虑与每个节点m有一种相同传输范围和最初残余能量e.的M任意地部署的传感器的一个网络。 事件，触发N传感器在它附近，在网络的一个任意地方发生。从这些来源的数据报告时钟被驾驶在事件侦查。我们定义是节点的终身时间来源结用尽它的能量。为此，我们提出在事件区域形式之内的来源促进数据族聚的树的覆盖结构。我们称这棵树一棵终身保存的树(LPT)。 LPT打算延长周期性地传送数据报告来源的终身。在LPT，有更高的残余能量的结被选择作为融合的父母。 LPT也包括树再重建的一个自恢复性能的特点将，每当结不再是工作或查出一个残破的链接。通过选择被指挥的扩散[1]作为部下的发送平台，模仿结果表示，在与250个传感器节点的WSN，终身来源可以是延长的signiﬁcantly使用LPT算法时，当数据被融合。

本文我们提出了一个覆盖的结构，这样的话，在每个事件范围内的资源能够方便地进行数据融合，我们称这些为为保存生存时间树（LPT）。集中式和分布式的LPT算法被描述，仿真结果表明这树由集中式和分布式算法创建，并且它们具有相似的树能量。节点的平均生存时间，使用LPT算法高于直接融合和E-Span算法，LPT并且保持一个低平均的包传输和较高的包传输率。后续的工作包括LPT与其它数据融合算法的性能比较。本文我们提出了一个覆盖的结构，这样的话，在每个事件范围内的资源能够方便地进行数据融合，我们称这些为为保存生存时间树（LPT）。集中式和分布式的LPT算法被描述，仿真结果表明这树由集中式和分布式算法创建，并且它们具有相似的树能量。节点的平均生存时间，使用LPT算法高于直接融合和E-Span算法，LPT并且保持一个低平均的包传输和较高的包传输率。后续的工作包括LPT与其它数据融合算法的性能比较。

A solution of multi-target tracking based on FCM Algorithm in WSN • 传感器网络中基于FCM算法的多目标监测方案

摘要 • 多目标监测是传感器网络中的一个重要的分支（embranchment）。本文使用数据融合来实现多标监测。我们选择了LEACH[2]作为路由协议，和FCM算法来处理簇头的问题。基于对FCM模型的分析，我们发现一些问题。例如失去联系，失去新的目标和目标的重新跟踪问题。我们提出一些改进的方法来解决这些问题，并且在理论和仿真结果上被证明为有效的。

传感器网络在很多领域内都有很广泛的应用。多目标监测是一个重要的分支。在这个课题中，数据融合有两方面的影响，一方面是它能减少通信损耗和延长网络生存时间，另一方面是指出监测目标的轨迹。我们选择LEACH (Low-Energy Adaptive Clustering Hierarchy)[2]的结构。在监测的过程中，节点收集的数据传给CHS (Cluster Heads)（簇头）。在进行本地的数据融合后，CHS传递本地的轨迹给BS(Base Station)基站。

2.2. Apply FCM Algorithm to WSN FCM算法在传感器网络中的应用 • 在多目标监测的传感器网络系统中，定义E={e1,e2,...,ec} 作为估计的位置，S={s1,s2,...,sn}作为数据的融合电路。

Conclusion结论 • 依据基于多目标监测的改进型FCM算法的研究与仿真，我们发现丢失连接，丢失新目标和重复监测可以很好地避免并且目标监测的效果很好。我们提出的方案可以较好地适应多目标的传感器网络。

Multi-sink Data Aggregation Routing and Scheduling with Dynamic Radii in WSNs