Wireless Sensor Networks for Optimisation of Search and Rescue Management in Floods
我们提出了一种新的搜索和救援管理方法,依赖于空中部署的无线传感器网络(WSN)定位洪水后的受害者。传感器节点将收集重要信息,如用于检测人类存在和位置的热信号,洪水的流量。传感器模块被包装在便携式浮动浮标中,该浮标具有用户界面以向基站传送紧急消息。传感器节点的设计基于灾害条件,成本效益和部署在受灾地区的离心分散系统从直升机。通过修改低能耗自适应簇层次(LEACH)协议以提高效率,并采用多跳簇头与基站进行远距离通信,建立了一个移动自组织网络。考虑到以前在印度农村洪水的模型指标已被定义。该网络的效率和功率特性进行了比较,通过模拟与其他协议。来自网络的传感器数据使资源管理、救援规划和紧急优先级更加有效,从而从洪水中挽救更多生命。
2021-08-21 cs.NI
A self-managing fault management mechanism for wireless sensor networks
传感器网络可以被描述为传感器节点的集合,这些节点相互协调以执行某些特定功能。这些传感器节点主要是在大量和密集地部署在现象内部或非常接近它。他们可以用于各种应用领域(例如,健康,军事,家庭)。无线传感器网络由于环境恶劣、无人值守等原因,故障不可避免。因此,有必要提前检测网络故障,并采取适当的措施来维持网络运行。我们以前提出了一个细胞的方法进行故障检测和恢复。在本文中,我们扩展了细胞的方法,并提出了一个新的故障管理机制来处理故障检测和恢复。我们提出了一个层次结构,通过引入更多的“自我管理”功能,合理分配故障管理任务之间的传感器节点。提出的故障检测和恢复算法已与一些现有的相关工作进行了比较,并被证明是更节能。
2010-11-23 cs.NI
Communication-aware algorithms for target tracking in wireless sensor networks
本文介绍了无线传感器网络(WSNs)中的目标跟踪算法,使减少数据通信成本。所考虑的问题的目标是控制移动的移动接收器,它必须在尽可能短的时间内到达一个移动目标。通过仅将必要的数据读数(目标位置)传输到移动接收器来减少WSN能量资源的消耗。仿真进行了评估所提出的算法对现有的方法。实验结果证实,所引入的跟踪算法允许数据通信的成本大大降低,而不会显着增加的时间量,接收器需要赶上目标。
2014-09-22 cs.NI
Optimizing data collection for object tracking in wireless sensor networks
针对无线传感器网络中目标跟踪算法的不足,提出了一种改进算法。所考虑的任务是控制移动接收器的移动,该移动接收器必须在尽可能短的时间内到达目标。通过仅将选定的数据读数(目标位置)传输到移动接收器来优化WSN资源的利用。进行模拟以评估针对最先进的方法提出的修改。所得到的结果表明,所提出的跟踪算法允许大幅减少数据汇集的成本没有显着增加的时间量,它需要赶上目标。
2013-11-02 cs.NI
Efficient Energy Management Policies for Networks with Energy Harvesting Sensor Nodes
我们研究了具有能量收集节点的传感器网络。在节点处产生的能量可以存储在缓冲器中。传感器节点周期性地感测随机场并生成分组。这些数据包存储在队列中,并使用节点当时可用的能量进行传输。对于这些网络,我们制定了有效的能源管理政策。首先,对于单个节点,我们获得吞吐量最优的策略,即,数据队列对于最大可能的数据率保持稳定。接下来,我们得到的能源管理政策,最大限度地减少在队列中的平均延迟。我们还比较了几个容易实现的次优政策的性能。一个贪婪的政策,确定在低信噪比制度,是吞吐量最优,也最大限度地减少平均延迟。接下来,使用单个节点的结果,我们开发高效的MAC策略。
2008-11-03 cs.NI
Fuzzy Logic Control Based QoS Management in Wireless Sensor/Actuator Networks
无线传感器/执行器网络(WSANs)作为新一代传感器网络正在迅速兴起。尽管对无线传感器网络(WSNs)进行了深入的研究,但在WSAN领域的公开文献中发现的工作有限。特别是,在WSAN的服务质量(QoS)管理仍然是一个重要的问题有待研究。作为这一方向的尝试,本文提出了一种基于模糊逻辑控制的QoS管理(FLC-QM)方案,用于资源受限、动态和不可预测环境中的WSAN。该方案利用反馈控制技术,解决了网络流量不可预测的变化对网络QoS的影响。它利用一个模糊逻辑控制器内的每个源传感器节点,以适应采样周期的最后期限错过率与数据传输从传感器到执行器。最后期限错过率保持在预定的期望水平,使得可以实现所需的QoS。FLC-QM具有通用性、可扩展性和简单性的优点。仿真结果表明,FLC-QM能够为WSAN提供QoS支持。
2008-06-01 cs.NI
Intelligent Sensing Scheduling for Mobile Target Tracking Wireless Sensor Networks
边缘计算已经成为一种有前景的范例,以满足移动目标跟踪无线传感器网络(MTT-WSN)不断增长的计算需求。这种模式可以将时间敏感的任务卸载到汇聚节点,以提高计算效率。然而,这是很难执行动态和关键任务的MTT-WSN网络。此外,由于能量有限,网络无法确保连续跟踪。针对这些问题,提出了一种基于边缘智能(EI)技术的分层目标跟踪结构。该结构集成了移动节点和边缘服务器的计算资源,为实时目标跟踪提供高效的计算能力。在此基础上,提出了一个以系统执行延迟和轨迹预测精度为约束的能量优化模型。此外,我们提出了一个长期的动态资源分配算法,以获得最佳的资源分配解决方案的准确和连续的跟踪。仿真结果表明,我们的算法在系统能耗方面优于深度Q学习14.5%以上。与非合作方案相比,该方案在跟踪精度上也有明显的提高。
2021-08-04 cs.NI
Cluster-based Position Tracking of Mobile Sensors
跟踪移动节点的移动已经收到了显著的科学和商业利益,但由于卫星接收器的高能耗,资源受限的移动节点的长期跟踪仍然具有挑战性。协作定位跟踪是为了提高能量效率而提出的,然而,所有的协作方案都使用机会协作,并且对能量或精度进行优化。考虑到存在一个合理的稳定组的移动节点,如动物,鸟类和移动资产,我们提出了一个基于簇的合作跟踪算法,其中簇头集中协调集群成员之间的资源使用。该策略的变体包括使用具有和不具有惯性传感器输入的合作卡尔曼滤波器来估计节点位置。我们使用的Boid群集算法生成组位置运动在3D和进行各种实验,比较我们提出的方案与个人为基础的跟踪和现有的合作计划的能量和位置精度的权衡。对固定周期GPS采样和节点位置误差不确定度容限触发的动态GPS采样进行了实验。实验结果表明,在周期采样方案下,协同跟踪比基于个体的跟踪能耗降低1/4以上,定位精度提高1/3以上,而动态采样方案的结果与现有的协同跟踪方案相当。
2017-09-13 cs.NI
Multiple Target Tracking with RF Sensor Networks
RF传感器网络是一种无线网络,可以定位和跟踪人(或目标),而无需他们携带或佩戴任何电子设备。他们利用由于人们的移动而引起的链路接收信号强度(RSS)的变化来推断他们的位置。在本文中,我们考虑实时多目标跟踪与RF传感器网络。我们执行无线电断层成像(RTI),它生成的图像的变化,在传播领域,如果他们是一个视频帧。我们的RTI方法在每个链路上的多个频率信道上使用RSS测量,将它们与基于衰落水平的加权平均相结合。我们描述的方法,以适应机器视觉方法的RTI的特点,使实时的多目标跟踪。几个测试是在一个开放的环境,一个卧室的公寓,和一个杂乱的办公室环境。结果表明,该系统能够在杂乱的室内环境中实时准确跟踪多达4个目标,即使它们的轨迹多次相交,也不会错误估计在监控区域中发现的目标数量。在测试中测得的最高平均跟踪误差为0.45米与两个目标,0.46米与三个目标,和0.55米与四个目标。
2013-02-11 cs.NI
An Optimize-Aware Target Tracking Method with Combine MAC layer and Active Nodes in Wireless Sensor Networks
无线传感器网络是由具有特定目标的不同大小的节点组成的网络。跟踪应用在无线传感器网络中非常重要。本研究提出了一种方法,以减少在无线传感器网络的能量消耗,考虑目标跟踪。提出了一种基于MAC层的预测方法,该方法利用MAC层的媒体访问控制机制,使少数节点处于活动状态跟踪目标,而其余节点则处于休眠状态。通过减少参与目标跟踪的节点数量和仅激活有限数量的必要节点来减少能量消耗。实验结果表明,该算法在不同通信距离下的能量消耗、节点数对能量消耗的影响、通信距离下参与跟踪的节点数以及目标丢失等情况下,都具有比同类算法更好的性能。这意味着所提出的方法更优越,更有效。当目标进入模拟区域时,网络节点通过所提出的方法(这是最优方法)识别目标节点,并在目标节点位于模拟区域内时对其进行跟踪。性能标准,包括能源,其他节点,和吞吐量在模拟中使用。实验结果表明,该方法具有最优性能,降低了网络跟踪过程中的能量消耗。仿真结果表明,与已有方法相比,该方法在提高目标跟踪精度的同时,在可接受的范围内降低了能量消耗。关键词:主动节点,MAC层,能量效率,目标跟踪,无线传感器网络,目标跟踪。
2020-04-21 cs.NI
Autonomous Energy Management system achieving piezoelectric energy harvesting in Wireless Sensors
无线传感器网络(WSNs)广泛用于监测应用,例如智能建筑中的湿度和温度传感、工业自动化和预测作物健康。传感器节点被部署在遥远的地方,从环境中感知数据信息,并将感知数据传输到基站(BS)。当传感器耗尽能量时,如果没有替代能源,它将无法再发挥其作用。然而,传感器电池中的有限能量阻碍了此类应用中的长期过程。此外,更换传感器的电池和重新部署传感器在时间和预算方面非常昂贵。为了在不改变传感器尺寸的情况下克服能量限制,研究人员提出了使用能量收集来通过电力重新加载可充电电池。因此,需要有效的功率管理来增加具有额外环境能量的益处。本文提出了一种新的能量自我管理的基础上的比例积分微分控制器(PID)调整的能量收集和微处理器控制器单元(MCU)控制的传感器模式。
2019-09-17 cs.NI eess.SP
IDSA: Intelligent Distributed Sensor Activation Algorithm For Target Tracking With Wireless Sensor Network
无线传感器网络的一个重要应用是目标跟踪,目标跟踪的目的是收敛到一个区域内的事件或物体。在本文中,我们提出了一个能量有效的分布式传感器激活协议的基础上预测定位技术,称为智能分布式传感器激活算法(IDSA)。该算法通过分析目标的当前位置和运动历史,预测目标在下一个时间间隔内的位置,这种预测是通过计算智能来完成的。预测位置内的最少必要数量的传感器节点将被激活以覆盖目标。实验结果表明,该方法在能量消耗和参与跟踪目标的节点数量方面优于现有的方法,如Naïve和DSA。
2017-02-15 cs.NE cs.NI
Dynamic Sensor Subset Selection for Centralized Tracking a Time-Varying Stochastic Process
受用于网络物理系统的物联网和传感器网络的启发,针对i.i.d.时变过程进行了研究。在能量效率和保真度之间进行权衡,能量效率随着活动传感器的数量而降低,保真度随着活动传感器的数量而增加。在有源传感器平均个数约束下,研究了在无限时域上最小化时均方误差的问题。所提出的方法巧妙地结合吉布斯采样和随机逼近的学习,以创建一个高性能,节能的跟踪机制与主动传感器选择。集中跟踪i.i.d.已知分布的过程,以及一个未知的参数分布。做个身份证。在已知分布的条件下,证明了算法以高概率收敛于全局最优解。i.i.d.的主要挑战。的情况下,该过程具有一个分布参数化的一个已知或未知的参数,必须学习;一个关键的理论结果证明,所提出的算法跟踪一个独立同分布。参数分布未知的过程收敛于局部最优。数值结果表明,所提出的算法的有效性,也表明,在某些情况下,实际上是实现全局最优。
2018-04-09 cs.NI math.OC
Unified Pandemic Tracking System Based on Open Geospatial Consortium SensorThings API
针对全球疫情追踪中通信协议与 IoT 传感器部署缺乏标准化的问题,本文研究 OGC SensorThings API 及其服务器部署,以支持传感器数据互操作和实时疫情追踪。
2023-12-18 cs.CY cs.NI
Simultaneous Distributed Sensor Self-Localization and Target Tracking Using Belief Propagation and Likelihood Consensus
我们介绍的框架合作同时定位和跟踪(CoSLAT),它提供了一个一致的组合合作自定位(CSL)和分布式目标跟踪(DTT)在传感器网络中没有一个融合中心。CoSLAT扩展了同时定位和跟踪(SLAT),因为它也使用传感器间测量。从因素图制定的CoSLAT问题,我们开发了一个基于粒子的,分布式的消息传递算法CoSLAT,结合非参数的信念传播的似然共识计划。CoSLAT算法通过在CSL和DTT之间交换概率信息来改进最新的CSL和DTT算法。仿真结果表明,自定位和跟踪性能的显着改善。
2012-11-29 cs.IT cs.NI math.IT
A Semantic Analysis of Key Management Protocols for Wireless Sensor Networks
我们提出了一个简单的定时广播过程演算建模无线网络协议。我们的演算的操作语义是在一个标记的过渡语义,这是用来推导出一个标准的(弱)双模拟理论。基于我们的模拟理论,我们重新Gorrieri和Martinelli的定时广义非演绎成分(tGNDC)计划,一个著名的一般框架定义的时间属性的安全协议。我们使用tGNDC对三个著名的无线传感器网络密钥管理协议:μTESLA,LEAP+和LiSP进行了语义分析。作为一个主要的结果,我们提供了一些攻击这些协议,据我们所知,尚未出现在文献中。
2011-09-23 cs.CR cs.NI
A Group Key Management Protocol Based on Weight-Balanced 2-3 Tree for Wireless Sensor Networks
无线传感器网络中的多播机制是一种很有吸引力的数据传输机制,因为它可以节省带宽。为了保证组播的安全性,使用组密钥对组播包进行加密和解密。然而,在无线传感器网络中提供密钥管理服务是复杂的,因为传感器节点拥有有限的计算,存储和通信资源。为了解决安全性和有限资源之间的平衡问题,提出了一种基于权重平衡2-3树的组播组密钥管理协议,以安全高效地生成、分发和更新组密钥。采用分散式组密钥管理方法。在每个子组中形成权重平衡的2-3密钥树。该方案采用最大距离可分码(MDS)技术动态地分发组播密钥,而不是使用传统的对称和非对称加密算法。在密钥更新过程中,总结了一系列的调整规则以保持树的权重平衡,并通过增加伪节点作为叶子节点来降低计算量和通信复杂性。与其他组密钥管理协议相比,我们的方案在安全性和性能上表现出更高的优越性。
2011-12-30 cs.CR cs.NI
A customized flocking algorithm for swarms of sensors tracking a swarm of targets
无线移动传感器网络(WMSNs)是一组具有多模态感知能力的移动传感代理,通过无线网络进行通信。WMSNs在部署和探索能力方面比静态传感器网络具有更大的灵活性。传感器网络在安全和监控系统、环境监测、以网络为中心的医疗保健系统的数据收集、监测地震活动和大气事件、跟踪交通拥堵和空气污染水平、智能交通系统中自动驾驶车辆的定位以及检测智能电网的感测、存储和开关组件的故障等方面具有广泛的应用。上述应用需要对环境中发生的感兴趣的过程和事件进行目标跟踪。已经提出了各种方法和途径以便跟踪预定义区域中的一个或多个目标。通常,这是一个复杂的工作,涉及高阶数学加上人工智能由于目标的动态性质。为了优化资源,我们需要有一种方法,以更直接的方式工作,同时产生相当令人满意的数据。在本文中,我们讨论了可能出现的各种情况下,而群集一组传感器跟踪目标在给定的环境中。这种方法是从零开始发展起来的,尽管在考虑到一些以前的理论的情况下做出了一些基本假设。本文概述了一种定制的方法,可行的跟踪在特定区域的目标群,以最大限度地减少资源和优化跟踪效率。
2013-11-13 cs.NI cs.OH
Compression of Video Tracking and Bandwidth Balancing Routing in Wireless Multimedia Sensor Networks
无线网络上的多媒体应用已经有了巨大的增长。无线多媒体传感器网络(WMSNs)已成为许多研究团体和工业界的首选。许多最先进的应用,如监控,交通监控和远程医疗保健,本质上是WMSNs中的视频跟踪和传输。针对视频数据量大、固定路由路径下带宽分配固定等问题,提出了一种基于CamShift的视频跟踪压缩算法。然后,我们提出了一个带宽平衡策略,其中每个传感器节点能够动态地选择节点的下一跳具有最高的潜在带宽容量恢复通信。该策略的关键是每个节点只需维护两个包含其历史带宽变化趋势的参数,然后预测其近期的带宽容量。然后,转发节点选择具有最高潜在带宽容量的下一跳。仿真结果表明,该方法在无线多媒体传感器网络环境中,显著提高了汇聚节点接收的数据量,降低了视频传输的延迟。
2014-12-20 cs.MM cs.NI
Systematic Design of Trust Management Systems for Wireless Sensor Networks: A Review
传统的密码学方法不足以解决无线传感器网络中的安全路由问题。这些网络由于其应用的多样性、缺乏监管以及资源、处理和存储方面的限制,更容易受到安全攻击。为了缓解这些问题,信任被广泛使用作为一种工具,以提供更好的安全性,通过辅助路由协议。近年来,许多研究人员提出了各种各样的基于信任的解决方案。然而,所有这些解决方案都有自己的设计。在本文中,我们试图提出一个系统的无线传感器网络的信任管理系统的设计步骤。此外,我们解决了学者在实施信任框架的技术。此外,我们提供了最先进的研究设计的信任系统的总结和比较进行了讨论。
2014-07-23 cs.CR cs.NI
Optimal Dynamic Sensor Subset Selection for Tracking a Time-Varying Stochastic Process
University of Southern California(南加州大学)
研究动态传感器激活以高效跟踪时间变化过程,结合Gibbs采样、随机逼近和共识算法改进,实现高能效跟踪机制。
2017-11-28 cs.NI cs.SY eess.SY
Energy-Efficient Localization and Tracking of Mobile Devices in Wireless Sensor Networks
无线传感器网络(WSNs)是有效的定位和跟踪人和物体在各种工业环境。由于能耗是延长无线传感器网络寿命的关键,我们提出了一个节能的定位和跟踪(eLOT)系统,使用低成本和便携式硬件,以实现高度准确的跟踪目标。在eLOT中实现了各种基于指纹的定位和跟踪方法。为了实现高能量效率,提出了一种协调冲突和干扰的网络级方案。另一方面,基于位置信息,eLOT中的移动设备可以快速与给定区域中的特定信道相关联,同时通过避免不必要的传输来节省能量。最后,基于TI CC2530和Linux操作系统搭建了一个平台,验证了该方案在定位精度和能量效率方面的有效性。
2016-02-26 cs.IT cs.NI math.IT
TrustMIX: Trustworthy MIX for Energy Saving in Sensor Networks
MIX是近年来提出的一种新的无线传感器网络数据采集能量管理方案。然而,目前还不知道当一些传感器进行天坑攻击时,它的表现如何。在本文中,我们提出了一个变种的MIX与附属的计算信任管理,以限制这种天坑攻击的影响。我们评估如何MIX抵抗天坑攻击和不计算信任管理。本文的主要结果是发现,MIX是非常脆弱的天坑攻击,但附属的信任管理有效地减少了这种攻击的影响,同时保留MIX的主要特点:增加网络的生命周期。
2007-05-16 cs.CR cs.DC cs.NI
Survey on Multi-Agent Q-Learning frameworks for resource management in wireless sensor network
University of British Columbia(不列颠哥伦比亚大学)
本报告旨在调查多智能体Q-学习算法,分析所使用的不同博弈论框架,解决每个框架的应用,并报告挑战和未来方向。本研究的目标应用是无线传感器网络中的资源管理。在第一部分中,作者介绍了无线传感器网络的应用。然后,作者对无模型强化学习问题的经典解决方案Q-学习算法进行了总结。在第三部分中,作者将Q-学习算法扩展到多智能体场景,并讨论了它的挑战。在第四部分中,作者综述了研究人员用于解决无线传感器网络中资源分配和任务调度问题的博弈论框架。最后,作者提到了这个领域中一些有趣的开放挑战。
2021-05-05 cs.GT cs.LG cs.MA