基于单神经元PID的WSNs邻居节点级功率控制算法.pdf

《基于单神经元PID的WSNs邻居节点级功率控制算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年第34卷第9期传感器与微系统(TransducerandMicrosystemTechnologies)145DOI：10．13873／J．1000-9787(2015)09--0145-03基于单神经元PID的WSNs邻居节点级功率控制算法何世钧，谢圣东，熊中敏，唐莹莉，李煜(上海海洋大学信息学院。上海201306)摘要：针对无线传感器网络(WSNs)中功率控制算法不能实时地调整节点功率和能量消耗较大等问题，提出了一种基于单神经元PID的邻居节点级功率控制算法。该算法结合WSNs传输功率模型，通过实时地控制邻居节点的数量，调整每个节点的功率，动态控制网络的能耗。仿真结果表明

2、：该算法能根据网络连通性要求调整传感器节点的功率，实时性好，收敛速度快，有效地降低了网络的整体能耗。关键词：无线传感器网络；功率控制；单神经元PID；邻居节点级；实时性中图分类号：TP393文献标识码：A文章编号：1000-9787(2015)09-0145-03NeighbornodelevelpowercontrolalgorithmforWSNsbasedonsinglenervecellPIDHEShi-jun，XIESheng-dong，XIONGZhong—min，TANGYing—li，LIYu(CollegeofInformationScience，ShanghaiOc

3、eanUniversity，Shanghai201306，China)Abstract：Aimingatproblemthatpowercontrolalgorithmforwirelesssensornetworks(WSNs)cannotrealtimeadjusttransmissionpowerofnodesandlargeenergyconsumption，aneighbornodelevelpowercontrolalgorithmbasedonsinglenervecellPIDisproposed．ThealgorithmadoptsWSNstransmissionpo

4、wermodel，andadjuststhetransmissionpowerofeachnodebyrealtimecontrollingnumberofneighbornodes，SOastocontrolenergyconsumptionofthenetworkdynamically．Simulationresultsshowthatthealgorithmcanadjusttransmissionpowerofsensornodeaccordingtoconnectivityrequirementofthenetwork，andthealgorithmhasgoodreal-t

5、imeperformance，fastconvergencerate，andcanreducetheoverallenergyconsumptionofthenetworkefectively．Keywords：wirelesssensornetworks(WSNs)；powercontrol；singlenervecellPID；neighbornodelevel；real-timeperformance0引言过少量的局部信息使网络性能达到了一定程度的优化，但随着制造工艺的提高和集成电路技术的不断进步，传是调整和收敛速度很慢且存在很大的冗余。文献[4]提出感器节点中传感模块和处理器模

6、块的功耗已经变得很低，了基于控制理论中的PID控制邻居节点算法，该算法在网节点的主要能耗在无线通信模块上J。由于传感器节点络启动能耗和时耗上有了进一步优化，但是局限性在于的能量由电池提供并且难以得到补充，所以，功率控制技术PID参数在整个控制过程中是不可调的，算法不能对发射是无线传感器网络(WSNs)中的一个重要研究课题]。其功率进行实时有效的调整。中，邻居节点级功率控制技术因其灵活性和分布式的特点为此，本文建立了WSNs传输功率模型，并提出了一种成为功率控制技术中的一个研究热点。基于单神经元PID的WSNs邻居节点级功率控制算法，能邻居节点级功率控制技术是指在保证网络拓扑结构连对网络

7、中传感器节点的发射功率进行实时地调整且收敛速通的基础上，每个节点使用可覆盖邻居节点的功率值发送率较快，达到有效降低网络能耗的目的。数据，使节点的能量消耗最小，从而降低网络整体能耗。近1算法模型年来，已提出的WSNs功率控制算法较多。文献[3]提出了1．1单神经元PID控制本地平均(1ocalmeanalgorithm，LMA)算法和本地邻居平神经网络具有强鲁棒性、容错性、并行处理、自学习等均(1ocalmeanofneighbors，LMN)算