WSN中基于时空特性的网络能量空洞研究

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (15): 105-112.

WSN中基于时空特性的网络能量空洞研究

余育青1，郝平2

1.浙江工业职业技术学院，浙江绍兴 312000
2.浙江工业大学计算机科学与技术学院，杭州 310032

出版日期:2013-08-01 发布日期:2013-07-31

Research on energy hole based on time and space characteristics in WSNs

YU Yuqing1, HAO Ping2

1.Zhejiang Industry Polytechnic College, Shaoxing, Zhejiang 312000, China
2.College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310032, China

Online:2013-08-01 Published:2013-07-31

摘要/Abstract

摘要： 能量空洞（Energy Hole，EH）现象给传感器网络带来了很大的损害，确定能量空洞的时间与空间演化规律对于无线传感器网络的研究起着重要的支撑作用。采用微分的方法从理论上分析得到了多跳无线传感器网络节点承担的数据量。给出了计算传感器网络能量空洞时间与空间的演化过程的算法。算法第一次较为准确地从时间上给出第一个节点死亡（First Node Died，FND）到全部节点死亡（All Node Died，AND）的演化过程，以及能量空洞在空间上发生，发展的全过程。采用Omnet++平台进行了大量的模拟实验，结果证明了该算法的正确性，从而可为传感器网络的部署、优化、能量空洞避免提供很好的指导作用。

关键词: 无线传感器网络, 能量空洞, 网络寿命, 负载加速, 时空特征

Abstract: The Energy Hole（EH） problem has brought big damage to Wireless Sensor Networks（WSNs）, and the evolution law of Energy Hole from spatial and temporal plays an important role in WSNs. This paper theoretically obtains nodal data load in multi-hop WSNs through the differential method, and then the algorithm which calculates the evolution of Energy Hole from spatial and temporal is given. The algorithm accurately gives the death evolution from first node to all nodes, as well as the entire evolution of Energy Hole from spatial for the first time. A large number of simulation results based on Omnet++ prove the correctness of the algorithm in this paper, which shows this paper can be a good guide for Energy Hole avoiding, deployment and optimization in sensor networks.

Key words: Wireless Sensor Networks（WSN）, Energy Hole（EH）, lifetime, load acceleration, space-time character

余育青1，郝平2. WSN中基于时空特性的网络能量空洞研究[J]. 计算机工程与应用, 2013, 49(15): 105-112.

YU Yuqing1, HAO Ping2. Research on energy hole based on time and space characteristics in WSNs[J]. Computer Engineering and Applications, 2013, 49(15): 105-112.

[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]	张力为，王甦菁，段先华. 细粒度分层时空特征描述符的微表情识别方法[J]. 计算机工程与应用, 2021, 57(13): 154-160.
[3]	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.
[4]	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.
[5]	桂智明，李壮壮，郭黎敏. 基于ACGRU模型的短时交通流预测[J]. 计算机工程与应用, 2020, 56(21): 260-265.
[6]	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.
[7]	梁华刚，王亚茹，张志伟. 基于Res-Bi-LSTM的人脸表情识别[J]. 计算机工程与应用, 2020, 56(13): 204-209.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	盖赟1，荆国栋2. 多尺度方法结合卷积神经网络的行为识别[J]. 计算机工程与应用, 2019, 55(2): 100-103.
[15]	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.