有效控制无线智能小区中的网络节点能量覆盖是创建智能无线网络平台的主要问题。于当前用于应用的蜂窝网络技术的实际要求，对用于不同形式的覆盖的典型算法进行分类和描述。出了一种具有最大有效重叠节点覆盖范围（OMEC）的控制覆盖算法，以有效解决节点冗余和真空覆盖等问题。真实验可以模拟和比较不同的算法，这些算法在提高网络覆盖质量和延长网络服务周期方面具有明显的优势。能电池;无线传感器网络;控制封面;重叠中图分类号的最大有效覆盖范围：TN711？ 34文件编号：A货号：1004？ 373X（2017）09？ 0073？ 05Résumé：在智能小区无线网络节点控制覆盖的有效能量是智能无线网络平台建设的核心问题：社区网络技术的需求的基础上在当前的应用中，对具有不同覆盖形式的典型算法进行分类和描述。法的结果是该算法对提高网络质量具有明显的优势。盖质量和网络服务周期的延伸。
键词：智能社区，无线传感器网络;控制1.随着数字城市建设进程的不断深入，城市社区的智能建筑水平的城市智慧和智力水平的最直接的表现直接决定着智慧的水平城市。线传感技术用于构建社区无线网络平台，实现智能社区管理，解决了严重的有线网络布线浪费，严重的雷电干扰等不便。号损失过大。用较小的无线传感器将蜂窝覆盖监视网络组织为分发节点。监视的数据通过传输链路经由节点传输到基站或聚合节点，然后传输到系统数据网络管理平台。平台将执行诸如检测，收集，分类和数据分析之类的操作，以补充基于当前用户和应用程序的访问和操作。络覆盖和传输连接与智能无线传感器网络（WSN）密切相关，并构成一个中心问题，直接影响覆盖区域和网络节点的覆盖质量，并决定生命周期网络。
于具有大容量和完整支持设施的小区，无线传感器节点的密度必须与其对应，并且节点的数量不仅大而且高。络冗余信息量大，通信链路堵塞，网络传输质量低，网络扩展性能降低，网络服务周期缩短。外，从传感器节点的角度来看，由节点到接收节点所提供的数据的正确率降低，这导致不确定性的数据由接收节点，这是与实际数据的不同组合中。盖控制决定了智能电网是否能够实现有效的监控能力[1]。
余控制节能是解决通信冲突和信息过度冗余所需解决的另一个问题[2]。WSN算法NSS [3] NSS算法（节点自我？调度）范畴覆盖控制算法可以归因于覆盖区域和节能毛毯的类别中的确定性覆盖。算法的优点是显而易见的：解决了“覆盖率损失”的问题，并实现了对网络范围的全面覆盖。正常工作条件下，传感器节点可以区分为两种典型状态：待机和活动。算法确保节点在两种状态下运行，整个工作周期包括两个步骤：节点和作业的状态转换。活动状态中，每个节点首先在有效覆盖距离内向邻近节点发送包括节点ID和位置的广播消息，以确定是否存在能够执行其的邻居节点。己的检测任务。下过程分为两种情况：如果存在可替换节点，则替换节点向节点返回消息，节点进入休眠状态，否则节点继续感知。节点和节点都在其相邻节点的覆盖范围内并且遵守待机状态时，无法监视区域，即“网络覆盖丢失”，如图所示图1.为了解决覆盖丢失的问题，每个节点必须在检查状态之前等待“死区时间”。节点达到待机状态时，它必须等待一段时间才能实时监控邻居节点的状态。而，该算法也有一些缺陷：节点状态转换期间限制节点不能进入睡眠状态，导致短的生命周期限制节点，增加消费网络的能量。无线传感器网络中，节点能效的有效使用对网络生命周期具有重要影响。
用待机和主动两相的运行方式，以达到节能和高效的目的。络生命周期可以相对有效地扩展。需要最大化节点集的旋转[4？ 8]以满足某种网络覆盖为借口。OGDC算法[9] OGDC算法（最佳地理密度控制）研究了溶液以最小化能够满足无线传感器网络的覆盖范围的节点的数量，并确保网络通信的连接。算法将网络划分成每个片段的相同longueur.Au开始时间区段中的工作过程中，网络节点由默认节点上配置“侦听”。
过选择，多个节点被定义为工作节点，取决于活动节点的两个节点。一种形式的位置确定下一个激活的节点。式1：对于已知位置的活动节点，恒温阀芯下一个优选活动节点的位置应大约是活动节点的覆盖半径;形式2：对于已知的位置处的两个有源节点在这里的垂直线取入连接有源节点的线的中间，并且两个活动节点的中心的覆盖范围的交点（和与垂直线交叉）是第三个点，其中距离是垂直线上的覆盖半径。活节点的首选位置。
果首选位置没有所需节点，请查找最接近最佳位置的节点，如图2所示。机转义机制可能允许网络中的节点消耗功率。量统一，更好地解决了渠道冲突问题。收发布消息的节点根据算法将状态本身设置为“工作”或“待机”，并且该状态在整个当前时段中保持不变直到下一时段的开始。PEAS算法[10] PEAS算法（检测和自适应睡眠环境）的节点通常分为三种状态：待机，检测和工作。算法的优点在于它不需要预先保存和知道相邻节点的位置信息，并且它可以关闭冗余节点。此节能效果显着。点的默认初始状态是睡眠状态，空闲时间由检测速率确定。旦唤醒，节点就会以一定的功率在定义的范围内广播测试消息。果存在活动节点，则在收到消息并且备用节点恢复到备用状态后，将返回响应消息。果没有工作节点响应消息，则备用节点开始运行。于工作节点，如果在一定时间内没有收到响应消息，它必须永久保持在运行状态，并且负载过大，这将导致它耗尽能量并死提前。
于空间有限，仅选择上述三种常用算法进行简要描述，但目前大多数网络覆盖控制算法都侧重于区域覆盖的完整性。工作节点选择项目中，存在诸如功耗过大和信息传输丢失的缺点。建设智能社区网络系统，恒温阀芯考虑到网络区域达到一定的有效覆盖的过程中，她并不需要网络区域全覆盖，因此有必要开发适合您自己需求的系统。算法（OMEC）实现了节能，高效，稳定和安全的应用目标。
效的最大覆盖节点控制覆盖算法本文提供了最大有效对冲节点恢复（ECMO）有效恢复覆盖算法，与实际施工环境中的智能小区合并可以有效地提高网络覆盖标准，确保信息的准确传输，数据包冲突的解决，网络消耗的减少，以及更长的网络生命周期。了使问题得到普及，所有无线传感器节点都放置在指定边长的二维方形区域中。设网络环境使得每个节点的网络覆盖距离远小于整个实际网络区域范围;所有节点在网络上具有相同的状态，并且彼此独立。点覆盖区域可以满足当前网络设置的要求。
就是说，节点具有高密度和大规模的网络部署特性，网络结构相同，即每个节点具有感知半径和半径平等通信，必须尊重通信间隔必须≥感知间距的2倍;网络的所有节点都要保持时钟同步。大的覆盖范围和定理2属于一个传感器节点的冗余覆盖冗余节点（当传感器节点及其相邻节点作为冗余节点）的冗余节点的冗余覆盖的有效覆盖率报告传感器节点及其相邻节点的感知表面之间被称为盖redondance.L’algorithme查询的最大有效覆盖区域和无线传感器网络的低冗余度根据的基本原理的覆盖应用概率理论和通信链接。格。节点一起建立冗余连接图，并且通过确定节点的冗余是否小于阈值标准来确定阈值。过节点信息，节点能量基于高低级别保存在链表中，从而节省网络开销并降低功耗。真实验对比分析为了验证该算法的可行性和稳定性，采用C语言开发了仿真平台，实验覆盖面积为100 m×100 m。真实验与不同节点类型的数量，网络传输覆盖范围，冗余节点数量以及算法的网络生命周期进行了比较。验结果验证了该算法的可靠性，具有明显的优势。拟的结果显示在图5至图8所示。5示出了ECMO算法对应于相同的传感器节点的参数和所需数量的工作节点的比其它算法显著低。为NSS和PEAS算法通过增加传感器节点的数量来实现监控区域的最大有效覆盖。6显示网络覆盖与传感器节点的数量成比例。OMEC算法使用参数有效地调整检测区域的覆盖范围，使得初始覆盖范围大于其他算法的覆盖范围。节点的数量等于108，OMEC算法达到最大面积的有效覆盖和其他算法实现有效覆盖时的节点的数目是分别129和138在有效范围而言，比较了OMEC和其他两种算法的平均覆盖率，覆盖率增加了12.3％。7显示所有算法中的冗余节点数与实际网络覆盖范围成反比。图8中，原始OMEC和NSS算法的网络生命周期大致相同，但随着传感器节点数量的增加，两种算法的网络生命周期也不同程度地扩展。传感器节点的数量是90时，网络生命周期达到基本稳定的状态。NSS算法相比，OMEC的平均网络生命周期为15.6％。用于监测目标节点的NSS的非线性连续非线性覆盖相比，OMEC在能量消耗方面也具有显着优势。论本文对无线社区的无线网络传感器覆盖控制算法进行了广泛而系统的研究。算法在满足最大有效覆盖率的前提下解析并检查节点控制覆盖，并使用概率方法来评估冗余节点。真和仿真平台使得可以在节点数，覆盖率和生命周期方面对算法和算法进行比较和分析。果表明该算法提出具有一定的可行性和明显的优势。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com