In order to understand the underlying mechanisms that lead to certain network properties (i.e. scalability, energy efficiency) we apply a complex systems science approach to analyze clustering in Wireless Sensor Networks (WSN). We represent different implementations of clustering in WSNs with a functional topology graph. Different characteristics of the functional topology provide insight into the relationships between system parts that result in certain properties of the whole system. Moreover, we employ a complexity metric - functional complexity (C_F) - to explain how local interactions give rise to the global behavior of the network. Our analysis shows that higher values of C_F indicate higher scalability and lower energy efficiency.
Performance Evaluation of Mobile Base Station under different Network Sizes on Cluster-Based Wireless Sensor Networks
无线传感器网络中基站的位置对网络的生存时间有着重要的影响。提出了一种基于簇的无线传感器网络移动基站定位算法，该算法综合考虑了簇首节点在网络中的位置和剩余能量，并对不同网络规模（100 m × 100 m、200 m × 200 m和300 m × 300 m）下的定位性能进行了评估。使用OMNeT++进行仿真，并与两个不同的静态BS位置，包括中心和外部，HEED协议的方法进行了比较。结果表明，在所有网络规模下，移动基站的性能都优于中心基站和外部基站。此外，所提出的方法和其他方法之间的性能差异随着网络规模的增加而增加，这表明所提出的移动BS定位也提供了可扩展性。
Energy-efficient Analog Sensing for Large-scale, High-density Persistent Wireless Monitoring
当前无线传感器网络的研究挑战是为环境监测等应用设计节能、低成本、高精度、自修复和可扩展的系统。传统的无线传感器网络由低密度、高功耗的数字微尘组成，这些微尘价格昂贵，而且一次充电就不能长时间保持功能。为了解决这些挑战，提出了一种在层之间分割感测和计算能力的\textit{dumb-sensing and smart-processing}架构。第1层由仅感测和传输的哑传感器组成，而第2层中的节点对第1层传感器数据进行所有智能处理。提出了一种基于模拟联合信源信道编码（AJSCC）的一级传感器低功耗、低成本解决方案。提出了一种实现矩形AJSCC的模拟电路，并在印刷电路板上实现，以进行可行性分析。一个原型组成的三层1传感器（感测温度和湿度）通信到一个层2集群头已被证明，以验证所提出的方法。结果表明，我们的框架确实是可行的，以支持大规模的高密度和持久的无线传感器网络部署。
Energy balancing through cluster head selection using K-Theorem in homogeneous wireless sensor networks
本文的目标是通过最小化远程通信和能量平衡来增加同构无线传感器网络（WSNs）的生命周期。传感器节点是资源受限的，特别是具有有限的能量，难以或不可能补充。LEACH（Low Energy Adaptive Clustering Hierarchy）是一种基于簇的无线传感器网络体系结构，其目标是在所有传感器节点之间均匀地消耗能量。在基于簇的体系结构中，簇头的作用对于无线传感器网络的成功运行是非常关键的，因为一旦簇头失效，整个簇就会失效。我们提出了一种改进的基于集群的无线传感器网络架构，通过引入一个协调器节点（CN），是丰富的资源。该CN负责在距离簇头较长的距离上向基站传输数据。我们提出了一种基于K-定理和其他参数，即剩余能量，距离协调节点，可靠性和程度的移动性的簇头选择算法。利用K-定理，根据簇内传感器节点的数目来选择簇头候选节点。我们相信，所提出的架构和算法，通过最小化通信和能量平衡，实现更高的能源效率。所提出的架构是更可扩展的，所提出的算法是鲁棒的均匀/不均匀的节点部署和节点移动性。
Towards Scalable O-RAN Resource Management: Graph-Augmented Proximal Policy Optimization
Nantes University, École Centrale Nantes, IMT Atlantique, CNRS, INRIA, LS2N, UMR 6004, Nantes, France（南特大学、中央理工学院南特校区、IMT阿蒂安特、CNRS、INRIA、LS2N、UMR 6004、法国南特）；SnT, SIGCOM, University of Luxembourg, Luxembourg（SnT、SIGCOM、卢森堡大学、卢森堡）
