文摘

在这篇文章中,社交网络中数据传输的可靠性彻底使用无线传感器网络拓扑技术研究和分析。本文基于传感器网络可靠性分析等技术的引入,结合特征,和传感器网络本身的需求,重点研究传感器网络的可靠性分析扰动状态下的计划。想法的基础上充分利用数据变化响应的传感器状态,本文以实际监测数据的无线传感器网络为研究对象,选择的时间相关性和空间相关性可靠性指数的测量环境数据提取的无线传感器网络数据的特点,并提出了基于证据推理的规则——(ER)无线传感器网络数据的可靠性评估模型提出了基于证据推理规则(ER)。数据挖掘、分析和量化从内容的角度的人气,和兴趣指标分析了节点在数据内容的流行得到稳定的利益量化值。结合网络属性,即。,node autoassembly community, we analyze the data dissemination characteristics of social networks in wireless sensor network topology environment and derive the upper and lower bounds of data transmission capacity under node interest-driven and its variation on network performance. Social relationships among nodes affected by social attributes are considered; in turn, the data forwarding behavior of nodes is modeled using data transmission probability and data reception probability; finally, the data forwarding process is analyzed and a closed expression for the average end-to-end transmission capacity is derived in turn.

1。介绍

随着技术的发展,社交网络应用,如微博、YouTube和Twitter为人们提供方便的沟通方式。传统的社会媒体内容主要是图片的形式,文章,等等。近年来,随着云计算的发展,物联网,和其他技术,各种新的社交网络应用程序由新媒体方法如交互式流媒体和实时会议已经开始出现在用户的视图(1]。在这样的应用程序中,用户更敏感,各种新媒体的访问延迟。同时,智能移动设备的普及带来了数亿用户加入社交网络应用程序的实时通信,并由它们产生的数据量激增,使它越来越重要的维持一个合理的负载均衡的存储系统,以确保良好的系统性能。尽管传统的社交网络应用程序使用云计算平台将用户数据的方式可以提供更好的存储服务大量的用户数据,云数据中心通常是远离用户,这使得它很难确保用户的实时要求高为各种新的社会媒体(2]。随着无线技术的发展,可用性,保险,和性能的无线通信正在迅速改善,它已成为现代生活的必需品,它能有效地完成各种由网络用户要求和适用于各种长程和短程无线传输。此外,无线传播渠道的共享和开放的性质,不能同时满足许多用户的服务请求,导致较低的通信质量和提高无线传输的复杂性,而安全的无线通信数据传输成为一个具有挑战性的问题。

无线传感器网络中获益的崛起带来的技术支持传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术,结合特性,比如高传感、计算和通信能力,低成本、低功耗、多功能性,体积小,和短距离无线通信,使其感兴趣的各种行业(3]。尽管传统的社交网络应用程序使用云计算平台将用户数据可以提供更好的存储服务大量的用户数据,云数据中心通常是远离用户,,很难确保用户更能适应所有类型的新社交媒体实时要求。的灵活性、容错和快速部署的传感器网络使它广泛应用于环境、食品、和工业领域,它被认为是21世纪最重要的技术之一。十大新兴技术和影响最深远的影响在未来无线传感器网络也在第一时间。无线传感器网络的普遍性决定了其广阔的应用前景,它可以评估作为21世纪最重要的技术,足以代表其巨大的潜力。无线传感器网络由许多便宜的传感器随机安装在该地区被观察到,在多次反射形成的自组织网络系统,只有一个小成本复杂的监控区域的实时监控,掌握每个属性数据的地区环境。无线传感器网络成为媒介间接连接用户和客观世界之间,将人与自然互动的方式。

无线传感器网络(WSN)可靠性的前提是确保网络的正常运行,提高网络的性能的基础。WSN可靠性不仅是网络设计的重要指标,但也保证了网络的正常运行,管理和维护的一个重要基础4]。传感器网络中,传感器个人计算能力,存储资源,和电池容量有限;传感器通信线路的带宽是有限的,传输速率低,信号之间的相互干扰,传输信号和通信距离是不断减少;传感器易受恶劣天气、电磁辐射和其他环境因素;WSN容易受到被动窃听,主动入侵、拒绝服务和其他网络攻击从互联网5]。对于传感器网络的可靠性,研究侧重于研究的难度在当今学术界和仍然没有形成一个更完备的、更成熟的理论框架。因此,本研究具有重要的理论意义和实用价值。

许多类型的研究来解决无线传感器网络可靠性问题,比如提出了基于故障树自动生成的方法从分析的角度传感器故障评估无线传感器网络的可靠性和可用性,当失败发生在网络设备。可靠性评估方法的基础上提出了一种分层的置信规则库,分析传感器网络可靠性评估从内部故障和外部攻击6]。基于时间序列数据的检测方法提出了传感器网络,以确定故障的来源使用计算之间的差异程度,测试数据和正常区间。使用面向对象的佩特里网作为异构无线传感器网络的建模工具,和一个新的定量方法提出了异构无线传感器网络的可靠性评估。上述方法对传感器故障,具有良好的分析结果。,当数据变化显著;然而,令人满意的结果无关紧要的数据无法实现波动。

根据WSN-based通信网络,研究了网络的可靠性是主要研究的路由问题,可靠传输的问题,网络连接问题。一个可靠的方法来评估网络恶意软件环境中被认为是保证网络数据传输的有效性。在比较不同网络路由算法的可靠性和性能,提出了一种动态路由算法实现端到端的可靠传输。数据可靠性的问题事件驱动的网络研究(7]。考虑到网络连接,建立一个不确定性随机谱对移动传感器网络的生存能力进行评估。来满足用户的需求为传感器网络传输可靠性评估、面向任务的传输提出了基于路径传输系统可靠性评估模型。解决了网络传输多媒体数据的效率低下,WSN包的拥塞控制协议被修改和提出了一个轻量级的可靠性机制。reliability-improving合作通信数据收集计划旨在实现改善网络通信可靠性不降低网络的生存周期。

的一个主要特征,在无线传感器网络中,节点是能量有限,在实际应用的过程,集中节点是由电池。从现有的研究,早期对无线传感器网络的研究主要集中在节能、确保正常稳定运行,延长无线传感器网络的网络的生命周期尽可能通过实用的手段(8]。无线通信的共享和开放渠道不能满足许多用户的服务请求,同时,导致降低通信质量和提高无线传输的复杂性。同时,安全数据传输的无线通信已成为一个具有挑战性的问题。然而,无线传感器网络本身的操作特征可以很容易地减少传输的可靠性,这是必要的,以确保其传输的可靠性的前提下节约能源。当应用于监控危险来源,因为节点的能量是有限的,节点部署位置不容易更换电池,所以它是必要的,以确保监测过程中净能量的平衡。此外,它是必要的,以避免过度使用节点过早耗尽能量,影响数据传输。(9]。新兴技术的诞生通常是与一个特定的时代的背景下,同样适用于无线传感器网络技术。今天,许多领域急需的新技术来帮助他们发展迅速,实现更高的效率和尽可能少的人力和物质资源。和许多前沿领域的技术通常是密切相关的物联网,物联网的出现,许多研究课题相关,如智能手镯、智能家居、智能酒店、智能交通和智能制造(10]。不仅如此,无线传感器网络技术中发挥着非常重要的作用在不同领域如环境监测、应急救援、自然灾害预警,工业和农业自动化。

3所示。无线传感器的社交网络数据传输可靠性模型设计

3.1。可靠性传输技术

数据转发过程,不仅转发效率,而且需要考虑的稳定。确保目标节点收到的数据稳定可靠,节点之间的信任程度需要考虑当选择中继节点。一般来说,更频繁的节点有相似兴趣相互作用,表明他们之间信任程度高和更亲密的关系;因此,信任程度的可靠性是至关重要的数据转发11]。准确地量化可信度,本文使用相似性和交互度,反映了类似的利益和频率之间的交互节点,分别。精确测量节点之间的相似性,共同邻居节点使用相同或相似的两个节点的兴趣;主要原因是常见的两个节点的邻居节点越多,越接近他们的网络,可以保证数据的可靠性转发。相似的sim的比例是用来表示常见的两个节点的邻居节点的数量 和 ,确保传输效率,然后选中的节点应该转发能力比携带节点,这意味着节点的影响程度 应该比节点 。其次,为了确保数据转发的稳定性和可靠性,然后选中的节点与携带节点有足够强的关系,这意味着节点的信任程度 和节点 应该大于节点的平均信任程度 和它的邻居;此外,节点 目标节点的关系比携带的节点,这意味着节点之间的信任 和目标节点 大于节点之间的信任 和目标节点 ,见以下方程:

任务可靠性的定义是“产品的能力来执行指定的函数在指定任务概要文件。“任务可靠性的定义表明任务可靠性是由规定的任务剖面;即。,task reliability is related to the rules for determining task success or failure, the task time, and the stress conditions experienced by the product in chronological order during the task period and the environmental conditions, and task reliability reflects the success of the product in completing the task [12]。因此,当评估任务可靠性,只需要计算任务期间出现的故障的危害任务成功。当从“维护”的角度来看,任何事件或情况导致产品被修复被认为是一个失败。这是识别故障的判据,对应于基本的可靠性。这样的失败可能会或可能不会影响产品的任务的完成。如果从的角度考虑“使命成就,“只有状态或事件影响任务的成就被认为是故障或一个致命的错误。这是错的标准对应于任务可靠性的歧视。失败的范围在前者大于后者,包括。任务概要文件的意思是“一个实足的描述事件和环境所经历过的一个产品在定义的时间完成任务。“一个或多个任务概要文件应该为每个产品开发,实现一个或多个任务。任务概要文件包含的元素,如图1。


图1
任务的内容概要。

本章认为大规模高冲突WSN环境,由数以百计的传感器节点分为不同层次的集群从高到低层次聚类算法,在每个集群节点的感知数据信息发送给簇头节点通过选举产生,最后,簇头节点将收集到的数据转发信息集群中的所有节点的聚合节点通过多次反射节点。不同集群可引起冲突的过程中数据传输,导致数据丢失的信息,和负责转发节点的失败也会导致数据丢失的信息。为了便于研究,同意WSN网络模型具有以下的性质。(1)高密度的特点,没有初始条件下孤立节点(2)基站是独一无二的,没有能量限制(3)传感器节点的初始能量,能量不能增加(4)传感器节点有数据融合能力和唯一标识(5)传感器节点定位能力

网络的结构模型图如下所示,传感器节点将感觉到数据信息发送到簇头节点的集群,集群头包分为几个subpackets基于本地路由表信息和传送subpackets聚合节点通过中间节点并行多路径的方式,聚合节点接收subpackets来自同一个集群并执行一个简单的数据融合,如果它形成完整的原始数据包,然后所有的subpackets集群在输电线路会自动下降,如图2。


图2
包结构的模型图。

传感器网络包含两部分的故障诊断工作,故障检测和故障类型判断,故障诊断模型的工作流(13]。在故障检测,分析了传感器数据发现异常数据;在故障类型判断,传感器数据的前提属性提取和故障类型的传感器数据通过分层马上回来发现模型。在WSN传感器节点失败时,它会产生大量的异常数据偏离正常的价值,和正常和异常数据的比较可以在传感器网络实现故障检测。的灵活性、容错和快速部署的传感器网络使它广泛应用于环境、食品、工业等领域。它被认为是21世纪最重要的技术之一。的十大新兴技术中影响最深远的影响在未来,无线传感器网络排名第一。无线传感器网络的普遍性决定了其广阔的应用前景,它可以评估作为21世纪最重要的技术,足以代表其巨大的潜力。实现合理的故障检测需要聚类分析的传感器节点,传感器节点之间的相似性比较的数据在一个集群中,当传感器数据的累积偏差超过预定阈值在一定的时间内,电流传感器节点可能是错误的。通过故障检测,WSN数据发现异常,很难直接从传感器数据,当发现故障类型确定故障类型,所以数据为特征。 The prerequisite attributes of the data can be extracted by data correlation features, including temporal correlation, spatial correlation, and attribute correlation. A hierarchical BRB model structure is proposed on how to reasonably utilize these prerequisite attributes to construct a BRB model while solving the rule explosion problem of the BRB model due to too many prerequisite attributes and improving the detection accuracy of the BRB model. The basic structure of the layered BRB system uses the output results of the current layer of BRB as the input of the next layer of BRB models, thus realizing the conversion of a complex BRB model into multiple simple BRB models.

无线传感器网络可以提供通用的应用程序和为智能城市、智能交通系统极大的好处。有各种类型的服务和应用在无线传感器网络中,比如实时交通监控、安全信息交换和地震活动监测。打开无线网络、社会网络和智能电网允许其他用户方便地加入系统。这种共享模式使得这些无线网络容易受到各种攻击,将它们转换为内部攻击者的攻击者捕获他们内部,影响网络的正常运行。我们的方法发展内部恶意节点的可用性权重基于统计表示,合并成优化问题,可以广泛应用于许多实际场景(14]。

无线传感器网络的工作期间,受到各种因素的影响,传感器节点收集到的数据可能不同于真实的环境信息和不可避免地点缀着噪音。对于这一现象,假设传感器节点的可靠性变化因不同因素表达通过监控数据的不确定性,这样的网络堵塞会导致一些节点数据丢失,和节点能量不足会导致数据失真。因此,本文分析了节点数据可靠性从监测数据的角度变化。结合无线传感器网络的数据可靠性评估模型以证据为基础的推理规则的基础上,总结了实际工程中可能出现的问题如下:问题1-WSN数据可靠性评价指标建设问题。在这篇文章中,无线传感器网络的可靠性评估主要是通过分析无线传感器网络的监测数据,并构建合理和可靠的评估指标尤其重要。以下建立指标体系模型。 在哪里 表示指标体系, 表示 th指示器, 表示的数量指标。

3.2。无线传感器数据传输可靠性模型设计社交网络

基本结构的无线传感器网络的数据可靠性评估模型考虑扰动是基于以证据为基础的推理规则与模型中提到的部分3.1。首先,构造评价指标体系,指标数据统一由一个基于规则的方法来识别框架;之后,权重和索引数据的可靠性计算和数据可靠性评估是基于证据的推理规则,与上述模型相比,评估考虑摄动。数据的模型还需要随机变化来模拟摄动环境对传感器数据的影响,以及原始数据的扰动的影响的分析计算,分析了扰动因子和设置的最大摄动误差来表示传感器受到环境的适应性。传感器节点的数据可靠性评估方法基于证据推理规则在不安的环境中使用ER规则融合指标数据和参数的信息基于指标数据的标准化以及它的重量和传感器节点的可靠性和计算数据的可靠性在某一时刻,和下面将详细分析ER规则的实现过程的计算公式ER规则。假设一个节点收集的 数据,每个信息都包含 指标,数据归一化后的证据可以表示为以下置信分布形式。

在分析传感器节点数据可靠性ER规则,可以观察到传感器节点可靠性的实时状态,但传感器节点由外部的扰动因素不考虑;然而,传感器操作模式的分析表明,这是不可避免地受到各种因素。在本节内,基于above-proposed传感器节点数据可靠性评估模型考虑扰动时,节点评估可靠性模拟节点的工作状态受不同因素影响的扰动变量添加到标称轨迹和设置扰动不同的长处,扰动变量代表的实际数据的传感器节点相对于感知信息在平静的环境中。遇到了两个法律:扰动的产生是随机的和不规则,扰动的生成变量符合正态分布的特点。分析影响索引数据的扰动因素,温度数据的准确性很容易受到网络的影响波动和环境对抗。在这篇文章中,我们模拟四种类型的摄动环境(弱网络波动和弱环境对抗,弱网络波动和强环境对抗,强网络波动和弱环境对抗,强大的网络波动,和强大的环境对抗),和相应的扰动强度是0.015,0.030,0.045,和0.060,分别。在添加扰动之后,每一个指标的数据变化,如图3。


图3
温度数据对应的扰动的强度。

然而,数据传输是不能保证节点后立即见面,因为资源有限的通道可能忙,完整的数据转发的节点可以使用通道只有当通道变得空闲。因此,信道的空闲等待时间后两个节点满足,直到他们开始传输数据需要分析。等不同于一般的规则,本文使用通道节点的优先级顺序的影响,因为较高的节点影响的概率更高携带高价值的数据,可以使信道资源更有效率。在数据传输过程中,信道将显示两种状态:第一,信道空闲,当节点 直接发送数据的节点 ;第二,信道忙,当节点 需要等待通道成为与其他节点竞争信道之前闲置。因此,有两个问题需要考虑:是否信道忙和通道时的等待时间很忙15]。一般来说,信道忙与否是与两个因素有关,即信道带宽和节点竞争信道的数量,是指数相关信道忙碌的概率,因为渠道竞争显著减少每一倍的带宽较低的带宽,而节点竞争信道的数量是正好相反。

当一个簇头节点失败时,如果没有其他冗余节点持续传播,然后,该节点的数据可能会丢失,会降低网络的可靠性。如果一个正常的节点重新选择另一个簇头节点进行数据传递,不仅是一个复杂的过程对于集群中的节点失败,但它也是一个重要的任务希望加入的集群处理新加入的节点。例如,簇头节点(路由器)和水槽节点(协调员)簇头节点的备份冗余,这样的整体可靠性簇头节点是最好的,从而提高整个监控系统的可靠性。在这一点上,当集群头失败时,它不再被认为是一个失败的身体,但是作为一个群体的1簇头节点。当节点组中的单个节点失败时,使用冗余机制,可以选择和另一个链接来传播信息,确保通信链路的连通性。当簇头节点出现故障时,另一个备用簇头节点接管工作,这不仅降低了路由查找的开销,还可以减少控制其他簇头节点的复杂性(16]。假设簇头节点的冗余的数量 ,簇头节点之间的关系的可靠性和冗余的数量成正比,裁员的数量越多,簇头节点的可靠性越高,当裁员的数量是2,和簇头节点的可靠性显著提高,当裁员的数量达到3。然而,这不是更好的有更多的冗余,因为实际的部署需要考虑预算,和簇头节点更昂贵。当裁员的数量达到3或更多,簇头的可靠性几乎是相同的,没有显著提高,如图4。


图4
图节点的可靠性和监测表面的数量。

我们假设源节点没有先验知识节点的异常行为的工作。我们不承担政策,目标失败的行为,或运动模式的恶意节点。我们假设不当行为的类型,如内部组件故障或外部故障,网络中是未知的。描述节点行为的影响在多种类型的传输,每个源必须收集信息城市网络的不正当性行为的影响。当传感器节点 提供多种类型的服务通过多次反射到接收节点通信,存在一些候选人基于节点的转发节点 的知识可用的邻居。每个传感器节点试图最大化其收入通过发送反馈信号,和“资源价格”决定着消费这些有限的资源的成本竞争服务。因此,每个节点指控一个资源价格,然后分配一定数量的资源提供给用户。对于各种类型的服务或应用程序,每个源与一个效用函数,反映出很多的服务质量(QoS)的益处源接收的传输速率分配。在这里,在一个分布式网络模型框架为候选节点选择和速率分配的来源如图5。


图5
多项断层活动信息的传输框架。

4所示。无线传感器网络拓扑结构的可靠性评估

4.1。可靠性评估

网络可能受到各种因素的影响,如组件失败,流量变化,和路由方法;在操作期间,网络的复杂性和随机性,提出了一个巨大的挑战,网络可靠性分析,很难建立一个分析模型对网络可靠性的评估;因此,许多研究人员使用模拟或统计方法分析网络可靠性17]。仿真方法是当前乃至未来的网络可靠性评估的主要方法,通过构造一个网络可靠性模型,建立模型的随机参数在网络等任务,失败,和维护,模拟网络的状态改变,然后统计分析相应的可靠性参数。目前,存在两种主要类型的模拟方法:蒙特卡罗和状态机。蒙特卡罗方法是一种概率统计方法,通过随机抽样获得结果。基于实际问题的分析的结果,构造随机事件概率过程,描述和问题的解决方案是通过采样和计算随机事件。的过程构建一个网络的可靠性评估模型基于网络拓扑结构,网络协议,通过模拟当前常见的网络性能和业务流程仿真工具OPNET的NS2, OMNESE蒙特卡罗方法。

输入随机参数如网络流量和断层分布采样和计算来获取相关的可靠性参数。网络对于复杂离散事件,状态机是用于描述网络变化和分析网络状态评估网络的传输过程的可靠性。基于状态机的建模方法中,佩特里网,模拟离散事件动态系统,常用的建模工具。佩特里网可以描述多个逻辑关系和事件系统等资源共享、竞争和冲突在同步和异步的。然而,大型复杂网络系统建模时,一般佩特里网容易”状态组合爆炸”现象。为了解决这个问题,研究者们提出了各种先进的Petri网模型,如着色Petri网(CPN),随机Petri网(SPN)和面向对象的切赫网的建模。针对传输多媒体数据的低效率问题,系统WSN数据包的拥塞控制协议被修改,并提出了一种轻量级的可靠性机制。协作通信的方案数据收集与提高可靠性设计,可以提高网络通信的可靠性,减少了网络生命周期。冗余是通常用于无线传感器网络来提高可靠性;然而,节能和高可靠性是两个相互矛盾的目标,所以它变成了一个挑战集成高可靠性和低能耗无线传感器网络的传输任务分配(18]。本章的目标是尽量减少能耗无线传感器网络传输任务分配的任务的最后期限和任务的可靠性作为约束。

为了实现这一目标,一个集中的可靠和高效的传输任务分配策略提出了无线传感器网络的任务是作为罪犯对象和传输任务分配过程是由汇聚节点后执行所需的网络信息收集;根据全球网络状态信息,无线传感器网络传输任务分配问题转化为一个非线性混合整数规划问题。许多研究人员研究了无线传感器网络的传输任务分配问题。由于WSN节点资源受限,在这个环境中任务分配的主要目标是最小化能量消耗,从而最大化系统操作寿命。因此,传统的无线传感器网络传输任务分配的目的主要是专注于节能。在解决任务分配问题的方法,精确解的方法,如整数规划和方法,和枚举方法不能满足实时要求;而动态规划进行启发式更高效的解决,但他们都使用局部搜索策略基于贪婪策略,所以获得的可能不是最优任务分配方案,如图6。


图6
可靠性实验数据图。

摘要消息重传技术用于骨干传输部分,以确保可靠的数据传输。方案提出了使用敌手广播消息传递和复制同一消息的多个副本,提高可靠性,使用无线广播增加数据包交付率per-hop和获得所需的可靠性以最低的成本,最后推导最优政策用于分发所需的可靠性在每一跳点获得所需的端到端可靠性对于任何给定的。这种方法可以减少丢包的概率,但因为多个副本复制和发送他们需要重要的能源消耗,尤其是在大型网络。以避免重复的消息,一个新的分散技术地理转发规则(gfr)提出了减少广播消息的数量在移动自组织网络,将网络划分为虚拟区域利用节点的位置信息,避免重复区域之间的消息。

4.2。仿真结果的验证和分析

能够清楚地说明了输电能力的影响因素和验证的准确性提出了分析过程,实证数据集,由100名志愿者完成INFOCOM06会议期间,每一个人进行移动终端与蓝牙接口和这些志愿者和接触的轨迹记录,它可以反映节点的移动特性和他们的社会关系。几个实验室所使用的数据集国内外具有较高的权威(19]。在本文中,我们使用MATLAB仿真平台来比较和分析之间的差异理论计算结果与仿真计算结果,用力推,SML出现在后来的数据显示的理论结果和仿真结果,分别。无线传感器网络本身的操作特点可以很容易地减少自己的传输的可靠性,因此在确保节能的前提下,这也是必要的,以确保其传输的可靠性。当应用于监控危险来源,因为节点的能量是有限的,节点的位置不容易更换电池,它是必要的,以确保网络能量均衡在监测过程中,影响数据的传输。在本节中,我们分析输电能力之间的关系 和网络节点的数量 ,啤酒花的数量 ,丢包率 ,和延迟 ,还分别分析丢包率和延迟之间的关系,以便更好地理解这些变量之间的趋势。仿真参数设置如表所示1。

表1
仿真参数设置。

根据小世界理论,任何两个节点在网络的帮助下可以交流有限数量的节点,和这些协作节点的数量通常是2 - 6,本节首先分析网络节点的数量的影响 在传输容量 在不同跳数( )。从结果,可以发现,传输容量增加而增加网络节点的数量在不同跳数,但整体传输容量下4啤酒花高于2和6跳;这是因为数据的传输性能最好只有当啤酒花的数量在一定的范围内;过高或过低不利于数据转发。此外,随着节点数的增加,传输容量的增长速度在4啤酒花。两跳传输容量时在一定程度上增加缓慢而减少 。这是由于网络节点增加到一定水平和减少中继节点传输数据所需的总时间增长,从而减少输电能力。最后,数值仿真和理论分析的结果与平均误差为12%。

保持通信距离不变,增加网络内的节点的数量,我们可以看到,传统的机会路由算法开始节点失败1分钟到模拟,单纯依赖相邻节点的地理位置信息和水槽节点确定中间转发节点20.]。在这种情况下,认为水槽节点传输范围内,越接近越好路径。这将导致节点的频繁使用作为数据的中间节点转发网络的初始过程直到能量耗尽的节点失败,虽然许多节点能量冗余和能量将不会被利用后,整体网络的故障。改进机会路由算法,网络可以均匀分布到邻近的节点能量消耗,从而增加了网络的生存时间,直到周围的节点能量耗尽之前他们没有集中在14分钟,基本上达到最大网络生存时间,如图7。


图7
传输容量与网络节点。

由于骨干网络中簇头节点的作用,在本文中,簇头节点评估作为一个单独的组件和上游和下游传播过程分为两个阶段使用簇头节点作为边界和逐步的方式促进建模应用程序和扩展的可靠性评估模型。无线传感器网络在时间和空间上的互补和冗余关系之间的多个源发出的信息当监控同一个事件或参数。许多源节点在集群拓扑传感信息发送到簇头节点,确定遥感任务完成基于阈值的比较。在啮合的上行传输阶段(网)拓扑中,多个源节点感知信息传输到汇聚节点,所以这一阶段是一个多源single-homed网络。同样的任务在源环境中,不要求每包感觉到每个源节点成功由汇聚节点接收。不同的集群拓扑感觉到包容易在集群头,数据融合的网格拓扑是低效率的执行数据融合网络的中间节点。对于建模,它假定节点感知到的数据来源的啮合拓扑不进行数据融合。精确测量节点之间的相似性,共同邻居节点被认为是相同或相似的两个节点的兴趣。主要原因是常见的两个节点的邻居节点越多,越接近他们的关系网络可以确保数据的转发。相似之处 用于表示的比例常见的两个节点的邻居节点的数量 和 。

5。结论

无线传感器网络的可靠性(网络)网络服务质量的重要指标之一,需要系统规划和一系列的设计和验证实现可靠性目标。现有研究主要调查的基本可靠性的网络连接的网络,网络的容量和个人延迟和丢包等性能参数。然而,这些参数是很难评估网络运行时服务的综合能力,这就需要一个整体的评估和设计任务网络的可靠性。任务可靠性密切相关任务剖面、功能需求,状态模式,网络和系统配置;随着基础上继续扩大,协会在网络节点之间的关系变得更加复杂和系统操作状态增加,导致增加困难在WSN任务可靠性的分析和设计过程。任务可靠性是一个全面反映了网络的不同特点;因此,网络的任务可靠性分析和设计是一个难点,需要被打破。本文层次聚类协议设计从节省能耗的角度,系统和可靠的数据传输协议的目的是保证可靠的数据传输,但这个想法并不完美,还有很多话题需要改进或领域的研究基础。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。

确认

支持的研究是建设一流的学科在宁夏高校(教育学)(批准号NXYLXK2017B11)。