基于Bayes与多层Bayes估计的WSN链路选择算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (17): 114-118.

基于Bayes与多层Bayes估计的WSN链路选择算法

罗来俊1，黄文宜2，余秋明1

1.江西理工大学南昌校区，南昌 330013
2.宜春学院数学与计算机科学学院，江西宜春 336000

出版日期:2012-06-11 发布日期:2012-06-20

Link selection algorithm for wireless sensor networks based on Bayesian and hierarchical Bayesian estimation

LUO Laijun1, HUANG Wenyi2, YU Qiuming1

1.Nanchang Campus, Jiangxi University of Science and Technology, Nanchang 330013, China
2.College of Mathematics and Computer Science, Yichun University, Yichun, Jiangxi 336000, China

Online:2012-06-11 Published:2012-06-20

摘要/Abstract

摘要： 无线传感器网络（WSN）节点能量有限，采用传统的链路选择的方法（经验法）进行链路选择，需要发送大量的数据包作为测试样本，这在WSN中是不合适的。设计了两种基于Bayes估计与一种基于多层Bayes估计的WSN链路选择算法，分别记为BLSP-B1、BLSP-B2、BLSP-HE。仿真实验发现，在小样本的条件下，BLSP-B1、BLSP-B2、BLSP-HE选择高质量的链路的概率比经验法要高出10%～20%，其中BLSP-HE算法最稳健，性能较好。

关键词: 无线传感器网络, Bayes估计, 多层Bayes估计, 链路选择

Abstract: The energy of nodes of wireless sensor networks is limited, using traditional link selection algorithm（empirical-algorithm） needs to send many data packets as testing samples, but it is not allowed in wireless sensor networks. The paper designs two link-selection algorithms based on Bayesian estimation and one link-selection algorithm based on hierarchical Bayesian estimation, marked as BLSP-B1, BLSP-B2 and BLSP-HE. Simulation result shows that BLSP-B1, BLSP-B2 and BLSP-HE have a 10%~20% higher success rate than empirical-algorithm in selecting the high quality link in the case of the small sample. Among them, BLSP-HE has better and most robust performance.

Key words: wireless sensor networks, Bayesian estimation, hierarchical Bayesian estimation, link selection

罗来俊1，黄文宜2，余秋明1. 基于Bayes与多层Bayes估计的WSN链路选择算法[J]. 计算机工程与应用, 2012, 48(17): 114-118.

LUO Laijun1, HUANG Wenyi2, YU Qiuming1. Link selection algorithm for wireless sensor networks based on Bayesian and hierarchical Bayesian estimation[J]. Computer Engineering and Applications, 2012, 48(17): 114-118.

[1]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[2]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[3]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[4]	郑祖朋，汪祖民，彭杨，季长清，秦静. 能量采集传感器网络中MAC协议研究综述[J]. 计算机工程与应用, 2020, 56(15): 24-29.
[5]	韩雨涝. 非并行二分法的覆盖空洞修复算法[J]. 计算机工程与应用, 2020, 56(12): 87-92.
[6]	杨飞跃，陶洋. 时空协作的WSNs节点异常检测算法[J]. 计算机工程与应用, 2019, 55(7): 127-131.
[7]	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, 55(6): 73-80.
[8]	乔冉，闫江毓，唐良瑞. 基于多维高斯的无线传感器网络定位算法[J]. 计算机工程与应用, 2019, 55(23): 99-104.
[9]	王艳娇，唐琦. 改进的异构无线传感器网络路由能量算法[J]. 计算机工程与应用, 2019, 55(22): 80-85.
[10]	韩雨涝. 面向带状无线传感网低延迟可靠数据收集算法[J]. 计算机工程与应用, 2019, 55(21): 104-109.
[11]	张媛媛，吴华锋，鲜江峰，梅骁峻. 双重约束下的海洋无线传感网自适应成簇算法[J]. 计算机工程与应用, 2019, 55(19): 128-133.
[12]	邹山花，高毅，彭力. 随机系统事件驱动控制策略的研究与设计[J]. 计算机工程与应用, 2019, 55(17): 100-106.
[13]	李道全，魏艳婷，张玉霞，刘文静. 基于改进蚁群算法的WSN能量均衡路由算法[J]. 计算机工程与应用, 2019, 55(17): 117-124.
[14]	姬晓辉，孙泽宇，阎奔，李传锋. 基于联合节点行为策略的WSN覆盖控制算法[J]. 计算机工程与应用, 2019, 55(16): 99-107.
[15]	胡晓辉，巩俊辉，徐宁，杜永文. 跨层优化的WSN能耗均衡拓扑博弈算法[J]. 计算机工程与应用, 2019, 55(14): 69-75.