👨‍🎓个人主页：研学社的博客  

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

文献来源：

原文摘要：

Abstract:

Everyday, more sensor nodes become interconnected to make the Internet of Things real. However, since Wireless Sensor Networks comprise energy-limited devices, techniques to save energy have become a trend in research. Since energy-saving comes at a cost to the network, its consequences must be thoroughly considered in order to keep their communication effective. In this work, the use of particle swarm optimization (PSO) is proposed to calculate different transmission powers for each node, without creating disconnected areas in a sensors cluster. The achieved results show that the proposed PSO algorithm is able to save sensors energy when compared to the common deployment of nodes with a single transmission power.

随着物联网（IoT）成为现实，出现了能源受限节点和网状网络固有的几个问题。其中一个问题与网络每个节点的最佳传输功率有关，整个网络都连接在一起，但没有浪费能量。尽管这一领域的研究已经进行了十多年，如[1]所示，它仍然令人担忧，因为该领域的研究仍在发展，如Aziz等人的调查所示。[2]. 随着形成物联网的此类网络的异构性不断增加，出现了新的挑战，需要对以前的解决方案以及全新的解决方案进行新的分析。

尽管由于与协调器节点的通信开销增加，集中式算法在物联网等分布式场景中可能会带来效率障碍，但仍然需要知道集中式最优解，即使只是理论上的，以便衡量提案结果与最优解的接近程度。因此，文献中的一些研究将集中式解决方案应用于无线传感器网络（WSN）。使用的方法之一是粒子群优化（PSO），其中一些建议已经在Kulkarni和Venayagamoorthy的调查中收集[3]。根据前面提到的工作，PSO易于实现，计算效率高，收敛速度快。因此，将在这项工作中考虑它。

WSN的集中式解决方案解决的一系列问题包括最佳节点部署，节点本地化，能量感知集群和数据聚合[3]。在这项工作中，将研究单个集群内的通信。考虑到节点的连通性和部署性，提出一种基于PSO的算法，为每个节点找到准最优的传输功率，以在保持集群全连接的同时最大限度地降低能耗。然后，将其与一种简单但常用的方法进行比较，以评估节能增益。在目前的研究阶段，实际技术具有不同的带宽，功耗和范围，例如WiFi，ZigBee，蓝牙[4]，尚未考虑，尽管可以修改频率参数以匹配每种技术。

这项工作的其余部分组织如下。第二部分带来了与这项工作相关的研究。第三节解释了正在处理的问题。然后，所考虑的系统模型及其变量显示在第四节中。在第五节中，介绍了简单的方法实现，然后是PSO提案。然后，在第六节中，介绍了测试的场景，并显示了两种方法获得的结果。最后，在第七节中得出结论，并介绍了以下改进这项工作的努力。

📚2 运行结果

 部分代码：

%#################################################################################################################################################################################
%This MATLAB code was used in paper "Particle swarm optimization implementation for minimal transmission power providing a fully-connected cluster for the Internet of Things"
%Access to paper: http://ieeexplore.ieee.org/abstract/document/7224573/
%Authors: Gabriel Lob鉶, Felipe Reis, Jonathan de Carvalho and Lucas Mendes
%#################################################################################################################################################################################

% friss(Gt, Gr, freq, Txp[1,2], Rxp[1,2])
% 
% Gt -> Ganho da antena transmissora
% Gr -> Ganho da antena receptora
% Freq -> frequencia em MHz
% Txp[x,y] -> Vetor posi玢o do n� TRANSMISSOR
% Rxp[x,y] -> Vetor posi玢o do n� RECEPTOR

function [ATTdb] = friss(Gt, Gr, freq, Txp, Rxp)

c = (3.*10.^8);
lambda = c ./ (freq.*10.^6);

% calculo da distancia entre transmissor e receptor
dist = (((Rxp(1) - Txp(1)).^2) + ((Rxp(2) - Txp(2)).^2)).^0.5;

ATT = Gt.*Gr.*(lambda./(4.*pi.*dist)).^2;
ATTdb = 10.*log10(ATT);
end
 

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]G. L. da Silva Fré, J. de Carvalho Silva, F. A. Reis and L. Dias Palhão Mendes, "Particle swarm optimization implementation for minimal transmission power providing a fully-connected cluster for the Internet of Things," 2015 International Workshop on Telecommunications (IWT), Santa Rita do Sapucai, Brazil, 2015, pp. 1-7, doi: 10.1109/IWT.2015.7224573.

🌈4 Matlab代码实现