Invulnerability of Clustering Wireless Sensor Network Towards Cascading Failures
-
摘要: 无线传感器网络(wireless sensor network, WSN)级联失效对象多以对等平面结构为对象，但在现实情形中，多数无线传感器网络采用典型分簇结构进行数据采集与传递.因此，考虑分簇传感器网络中节点所拥有连接的异质性，引入感知负载与中继负载等概念，建立分簇级联失效模型，探讨分簇无标度网络和分簇随机网络的级联失效抗毁性能与模型关键参数之间的关联特征，并研究如何选取合适的簇头节点扩充容量达到抑制网络级联失效规模的目的.数值模拟与理论分析结果表明：分配系数A与网络级联失效性能正相关，簇头比例p与网络抗毁性能负相关.当调节参数α=1时，网络级联失效抗毁性能达到最优；当调节参数α<1时，选取簇-簇连接度较小的簇头节点扩充容量能够更为有效地提升网络级联失效抗毁性能；当调节参数α>1时，选取簇-簇连接度较大的簇头节点扩充容量抗毁性能提升效果更为明显；当调节参数α=1时，网络级联失效规模与簇头选取策略无关.Abstract: Current researches of cascading failures of wireless sensor network (WSN) mainly focus on peer-to-peer (P2P) structure. However, in real scenarios most of sensor networks always collect and deliver environmental data via clustering structure. Therefore, through observing the heterogeneity of connections in clustered networks, we construct a cascading failure model of wireless sensor network by introducing the concept of “sensing load” and “relay load”. Besides that, we discuss the relevant features between key parameters of cascading model and invulnerability of two typical clustering topologies (i.e., scale-free topology and random topology). In order to constrain the scale of cascading failures, we also discuss how to select cluster heads to enlarge their capacity to achieve this purpose. The simulation and theoretical results show that the network invulnerability is negatively correlated to the proportion of cluster heads p and positively correlated to the allocation coefficient A. When adjustment coefficient α=1, the invulnerability of the network is optimized. When adjustment coefficient α<1, choosing cluster heads with fewer cluster-cluster connections is a more efficient way to enhance the network invulnerability. When adjustment coefficient α>1, choosing cluster heads with more cluster-cluster connections is more cost-effective. When adjustment coefficient α=1, the scale of cascading failures is not related to the selecting schemes of cluster heads.
-
-
期刊类型引用(20)
1. 韦修喜，彭茂松，黄华娟. 基于多策略改进蝴蝶优化算法的无线传感网络节点覆盖优化. 计算机应用. 2024(04): 1009-1017 . 
百度学术
2. 刘超敏，胡玉平. 基于VGG—19和卡尔曼预处理的WSNs测距方法. 传感器与微系统. 2023(10): 139-142 . 百度学术
3. 刘松旭，张大鹏，乌云娜，刘鹏. 基于RSSI模型的无线传感器网络定位算法. 计算机仿真. 2022(01): 427-431 . 百度学术
4. 崔焕庆，张娜，罗汉江. 基于改进鸽群算法的无线传感器网络定位方法. 传感技术学报. 2022(03): 399-404 . 百度学术
5. 陈岩 ，高振国 ，王海军 ，欧阳云 ，缑锦 . 隐私保护能力可调的节点定位协议. 计算机研究与发展. 2022(09): 2075-2088 . 本站查看
6. 刘琳岚，肖庭忠，舒坚，牛明晓. 基于门控循环单元的链路质量预测. 工程科学与技术. 2022(06): 51-58 . 百度学术
7. 赵高丽，宋军平. 水下传感器网络自组织连通恢复仿真. 计算机仿真. 2021(03): 152-156 . 百度学术
8. 刘恒，钟俊，刘辉. 基于优化核极限学习的WSN网络汇聚节点故障诊断. 新乡学院学报. 2021(06): 28-32 . 百度学术
9. 石秦峰，徐祥涛，杨晓东. 基于节点汇聚链路模型的光纤传感器物联网节点控制. 激光杂志. 2021(07): 109-113 . 百度学术
10. 张晶，罗施章，付谱平. 基于虚拟力移动锚节点的3D-DVHop-ACR定位算法. 控制与决策. 2021(10): 2409-2417 . 百度学术
11. 张盛安，周洋，方浩，孙玉洁. 贵州电网贵阳供电局网络资源敏捷定位关键问题设计. 电力大数据. 2021(05): 79-85 . 百度学术
12. 王礼霞，邰清清. 基于高阶马尔可夫链的无线传感器网络异常节点检测. 黑龙江工业学院学报(综合版). 2021(08): 93-97 . 百度学术
13. 宰红斌，刘建国，唐保国，马建国，上官明霞，单荣荣. 基于WSN的输电线路状态监测与数据采集跨层优化方法. 电气工程学报. 2021(03): 161-169 . 百度学术
14. 郑岚. 多信道通信网络环境下基于节点组簇技术通信资源调度算法. 山西能源学院学报. 2021(05): 97-99 . 百度学术
15. 徐逸夫，段隆振. 基于蛙跳算法的无线传感器网络节点重部署. 计算机仿真. 2021(10): 328-332 . 百度学术
16. 宋亚磊. 基于虚拟引力约束的光纤传感器网络节点空洞智能修复算法研究. 传感技术学报. 2021(10): 1395-1400 . 百度学术
17. 易柏言. 关于无线传感器网络的时间同步技术探究. 科技创新与应用. 2020(15): 152-153 . 百度学术
18. 王林，刘盼. 基于卷积神经网络的行人目标检测系统设计. 计算机测量与控制. 2020(07): 64-68+96 . 百度学术
19. 左伟伟. 基于微积分算子的网络节点发包概率分布研究. 电子设计工程. 2020(23): 116-119+124 . 百度学术
20. 李庐，赵晓峰. 基于拓扑感知映射算法的传感器网络数据稳定传输方法. 湖南科技学院学报. 2020(05): 54-57 . 百度学术
其他类型引用(6)
计量
- 文章访问数: 1172
- HTML全文浏览量: 2
- PDF下载量: 386
- 被引次数: 26
下载:
