Resumen

Con el fin de detectar y corregir anomalías en la localización de nodos en redes de sensores inalámbricas, se propone un algoritmo de agrupación jerárquica no uniforme. Este trabajo diseña un algoritmo de localización de estimación de máxima verosimilitud iterativa centroide basado en el análisis de no uniformidad, selecciona el algoritmo de análisis de no uniformidad, proporciona el diagrama de flujo del algoritmo de localización de nodos y simula la distribución de nodos con MATLAB. En primer lugar, el algoritmo divide los nodos de la red en distintos niveles de red en función del número de saltos necesarios para llegar al nodo sumidero. En función de la energía residual media de los nodos en cada capa, el nodo sumidero selecciona los nodos con mayor energía residual en cada capa de la red como candidatos a cabezas de clúster y selecciona un cierto número de nodos con menor energía residual como candidatos adicionales a cabezas de clúster. A continuación, en cada nivel, se eligen los candidatos a cabezas de clúster para obtener las cabezas de clúster definitivas. Por último, controlando el rango de comunicación entre el jefe de clúster y los miembros del clúster, se forman clústeres de diferentes tamaños, y los clústeres del nivel más cercano al nodo sumidero tienen una escala menor. Mediante la simulación del algoritmo iterativo centroide mejorado, se obtienen los valores de los parámetros de iteración óptimos α y η. A partir del análisis de los errores de posicionamiento del algoritmo iterativo centroide mejorado y del algoritmo de estimación de máxima verosimilitud, se selecciona el valor del factor de conversión del algoritmo. Además, se propone un algoritmo híbrido de localización de nodos para resolver el problema de los nodos anómalos que pueden producirse en el proceso de medición de distancias. El algoritmo utiliza la norma ℓ2,1 para suavizar las anomalías estructuradas en la información de alcance y logra un posicionamiento preciso al tiempo que detecta anomalías en los nodos. Los resultados experimentales muestran que el algoritmo puede determinar con precisión la uniformidad de la distribución, lograr un buen efecto de posicionamiento en entornos complejos y detectar bien los nodos anómalos. En este artículo, el algoritmo híbrido de localización de nodos se extiende al problema de localización de nodos en escenarios a gran escala, y se consigue un buen efecto de localización.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:algoritmo híbrido de localización de nodos, nodos, cabezas de conglomerado candidatas, nodo sumidero, algoritmo, nodos anormales, centroide mejorado, algoritmo iterativo, cabezas de conglomerado candidatas adicionales, algoritmo de localización de estimación de máxima verosimilitud iterativa centroide
• Keywords:hybrid node location algorithm, nodes, candidate cluster heads, sink node, algorithm, abnormal nodes, improved centroid, iterative algorithm, additional candidate cluster heads, centroid iterative maximum likelihood estimation location algorithm