使用适应性群分布式智能基于集群在无线传感器网络中提高能源效率.
K A Sharada1, T R Mahesh2, Saravanan Chandrasekaran3
1Department of Computer Science and Engineering, HKBK College of Engineering, Visvesvaraya Technological University, Bengaluru, India.
Scientific reports
|February 22, 2024
概括
适应性殖民地分布式智能基于集群算法 (AACDIC) 通过优化集群计数来提高能源效率和更快的融合来增强认知无线电频谱传感. 这种先进的方法在动态用户环境中显著降低了功耗和检测错误.
科学领域:
- 无线通信无线通信
- 优化算法 优化算法
- 认知无线电网络 认知无线电网络
背景情况:
- 优化算法旨在减少能源消耗和数据传输中的干扰.
- 认知无线电 (CR) 系统依靠频谱传感来有效利用频谱.
- 现有的方法在动态环境中面临挑战,用户数量不可预测.
研究的目的:
- 介绍适应性殖民地分布式智能基于集群算法 (AACDIC),用于在CR系统中增强频谱传感.
- 通过分布式集群式传感来提高能源效率并减少传感错误.
- 针对具有不可预测数量的初级和二级用户的系统.
主要方法:
- AACDIC方法通过连接和分布式传感来确定最佳集群数量.
- 它利用多用户集群通信来加速解决方案的融合.
- 该算法旨在处理初级和二级用户群体的动态变化.
主要成果:
- 与其他算法相比,AACDIC将节点功耗降低9.646%,平均二级用户节点功耗降低24.23%.
- 它实现了2dB的低信号噪声比 (SNR),增加了检测可能性.
- 该算法在比较的初级检测优化策略中显示了最低的假阳性率.
结论:
- 通过有效解决多式联网优化挑战,AACDIC优化了网络容量.
- SNR显著影响检测概率,这对于现实的,动态的环境至关重要.
- 拟议的算法提高了在能量受限无线传感器网络 (WSN) 中的检测可靠性.


