數據通信網絡的主要特征范文

導語：如何才能寫好一篇數據通信網絡的主要特征，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

現在一般網絡穩定性評估研究具有很強的針對性，主要針對小型數據通信網絡。這種小型數據通信網絡從網絡架構上進行評估，架構非常簡單，因為網絡中有很少的節點數量，在這種情況下對其進行與之相關的建模行為非常容易，并且對穩定性的評估相對簡單。隨著科技不斷的發展，計算機不斷高科化，網絡規模也越來越大，其中也提升了結構的復雜性。利用傳統式的穩定性評估指標對全面數據通信網絡的穩定性情況來進行評估，在傳統的基礎上穩定性評估會大大降低它的可靠性和可信度，這其中最主要的一個原因就是現在計算機發展的精確度在很大程度上根本適應不了一些復雜性數據通信網絡的穩定性評估，一大部分初步性的數據很難根據有效測量來進行完善獲取，比如，信息指標和網絡節點數據等，很大一部分的數據還需要有一個系統的理論推算演變過程。數據通信網絡穩定性評估對數據的依賴性和一些簡便的網絡結構相比較之下，只需節點設備中2個過程中的參數指標即可。對于相對比較復雜的網絡而言就需要使數據在每個狀態之間進行相應的轉移行為，這種轉移數據需要根據參數估計方法，通過對原始資料進行統計分析來進行取得。

2數據通信網絡穩定性評估辦法

狀態枚舉法狀態枚舉法也叫狀態窮舉法，這種叫法主要是由這種方法中的性質來決定的。這種方法的主要特征從狀態集合中逐一列舉各種發生狀態，列舉這種發生狀態主要是從利用概率，從最大的狀態開始，于此同時，根據他們之間一些與之相關的條件來進行合理的計算，從而確切的合理分析。狀態枚舉法的基礎展開式為：（p1＋q1）（p2＋q2）（p3＋q3）…（pN＋qN）；P（）i=fi（x+1，Y-1）+fi（x+1,y+1）-fi（x-1，y-1）-fi（x-1，y+1）；q（）i=fi（x-1，y+1）+fi（x+1，y+1）-fi（x-1，y-1）-fi（x+1，y-1）；展開式中：P1，q1分別指的是第i個節點設備處在工作狀態時和失效時的概率；N代表網絡系統中的節點量；T（s）指的是系統狀態概率；Nf，N－Nf分別是狀態失效和正常的節點量。由上面的式子不難看出，任何相互之間的枚舉狀態相互排斥，由此可知道累計失效概率在實際工作中的表現形式是各失效狀態概率之間的和。對于此中的枚舉終止，枚舉法則是把枚舉終止于通過失效階數而確定的層次。

3結束語

篇2

關鍵詞：無線傳感器；網絡路由；蟻群分簇；能量；負載均衡

中圖分類號：TP212

網絡的生命周期可以被定義為從網絡開始，隨著時間的流逝，用光第一能源節點和死亡的這段時間[1]。蟻群的聚類算法是一種智能優化方法的成熟和高效，應用于無線傳感器網絡。現有的無線傳感器網絡的聚類蟻群算法，一般是使用啤酒花或歐氏距離來計算下一跳節點，按照現有的算法，如果一個節點剩余能量少在高濃度的信息素鏈接，那么節點過早死亡，形成能洞在這里，當能量洞出現在水槽節點、能源孔傳感器數據將無法傳送到水槽節點，使節點不可用。

1 相關工作

在本文中，作者改進了蟻群的聚類算法，提出了EEABR（節能路由算法）算法的中心思想的算法是改進信息素，信息素更新過程中，信息素更新不單依賴于節點的數量在路徑（hop）來衡量，也參考路徑的能量。但是仍然有考慮不足的地方在這篇文章中，一個節點剩余能量更少可能仍然是在一個更高的平均剩余能量路徑，因此節點會過早死亡，減少了網絡的生命周期。針對上述方法的局限性，提出了一種基于蟻群算法的模型（蟻群優化聚類蟻群優化算法——BEACO基于能源和蟻群Opitimization）。

2 基于剩余能量的負載均衡的蟻群分簇算法

2.1 下一跳節點選擇

首先，sink節點到所有節點發送廣播消息，消息記錄在跳數，當節點接收一條消息，它會計算你的到來，我們使用sink節點之間的跳數來衡量每個節點和sink節點距離。當源節點要發送數據時，它會選擇下一跳節點按照一定的概率，概率和節點sink、剩余能量的節點概率是一個組合的規劃問題的最小費用流，計算公式如下：

2.2 關于能量的評估

在本文中，我們引入一個新集群模型。每個節點可以有一個準確的計算，包括發送能量和剩余能量。我們首先指定的節點在網絡中有三個操作模式——空閑的，傳輸（發送）、接收器（接收）。當一個節點發送或接收數據包，它會消耗一部分能量，在這種情況下，消息大小直接關系到能源消費多少。消費的各種狀態之間的轉換的能量是固定的。我們使用馬爾可夫鏈預測的能量，每一種操作模式代表了一個鏈接模式。我們使用如下概率矩陣：

其中，Pkj代表當前狀態為k，下一個狀態為j的概率。為了算出Pkj，我們根據節點處于k狀態的次數，來估計節點從k狀態轉換到j狀態的次數。預計在接下來T個時間段中的能量消耗為：

假設最初，一個節點j能量，一個，根據Ej上述公式，它可以很容易判斷出他們的狀態轉換所帶來的能源消耗，能源消費的EP必將大于自己的殘余能量，否則，節點不能有足夠的精力去完成轉移，將節點死亡。

3 仿真結果

本文的模擬仿真環境為NS-2。各仿真參數為：每個傳感器節點的初始能量Ej，a（j=1，2，3……）為50J；傳感器節點的最大傳輸距離為50m-60m；每個傳感器節點每秒鐘產生和發送數據大小為100bits；其中能量消耗參數為5×10-8J/bit節點分布區域為500m×500m。其中sink節點位于網絡的最右側。詳細參數參見表1：

為了驗證改進的效果在蟻群的聚類算法，分析的基礎上，從多個角度的協議，并與其他協議。通過分析實驗結果可以得到，BEACO算法的性能更優越，它把一個小通信和計算成本有更長的生命周期和網絡吞吐量。

如圖1所示，經過反復實驗，在300年的節點尺寸線傳感器網絡，蟻群的最大長度集群路由或之前很多螞蟻聚類算法改進的路由平均約6跳，改變路由算法和長度的再保險螞蟻將是動態的，一個逐漸增加的趨勢，可以達到最大長度為11跳，因為它是合理的，以避免一些節點在死亡的邊緣。盡管路由長度增加數據傳輸在網絡延遲，但無線數據通信網絡是不可靠的，可以被容忍的，可以充分利用網絡能源，增加數量的數據包在網絡，提高網絡吞吐量。

圖2給出了一個路由改變樣本長度數據傳輸。源節點到目的節點，中間。過程中的選擇初始路由，路由（5）被選中，它顯然是第一個最低成本路由，但隨著時間的推移，一些節點的路徑能量耗盡，所以，它迅速綜合能源和距離水槽節點動態調整路由，這是第二個路徑，二世（9）。隨著時間的不斷進步，能源消耗將此節點快速路徑，路由將動態調節，一個路徑（11）。

實驗結果表明，當λ和埃塔值很小，例如0.1，可能導致數據包徘徊在一些節點和不能結轉到目的節點，導致大量的丟包率，經過反復試驗，我們得出，當λ=0.7和η=0.5，封包遺失率幾乎是最低，網絡延遲是基本和最小，所以我們將lambda和埃塔值分別為0.7倍和0.5倍。在這個時候，無線傳感器網絡模型，我們建立了最優綜合蟻群模型。

4 小結

基于蟻群優化方法聚類，提出了一種新穎的蟻群集群路由算法基于剩余能量：BEACO，主要特征的算法是在選擇下一跳節點和更新信息素的過程，參照殘余能量。該算法有很多優勢，它改善了網絡的性能從幾個方面。首先，延長網絡生命周期，有效解決能源孔問題在個體節點在一個傳感器網絡；其次，平衡網絡負載，而不是一些節點超載現象；第三，通過參考能源，避免了節點數據包發送到殘余能量小，從而減少了丟包率；最后，它提高了網絡吞吐量。

參考文獻：

[1]何文德，楊鳳年，劉光燦.無線傳感器網絡在文物保護中的應用[J].安防科技，2007，07.