基于路径质量和联邦学习的WSN数据传输效能研究
马玉洁
安徽文达信息工程学院计算机工程学院,安徽 合肥 231201
摘要：针对无线传感器网络(WSN)在数据传输过程中的稳定性和可靠性问题,提出了一种基于路径质量和联邦学习的新型路由机制.该机制综合考量了信号强度、时延和数据包丢失率等关键指标,并通过联邦学习算法实现了设备间的数据隐私保护和全局模型的协同训练.实验结果表明,新型路由机制在数据传输成功率上达到95.8%,节点平均能耗降至 2.0 J,网络寿命最多延长至 320 轮次,显著优于传统路由机制.此外,引入的节点能量平衡策略进一步优化了能耗分布,为WSN的长期稳定运行提供了保障.
关键词：无线传感器网络路由机制路径质量联邦学习数据传输效能
分类号：TP31(计算技术、计算机技术)
资助基金：安徽文达信息工程学院重点科研项目(XZR2023A12)
论文发表日期：2025-01-29
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 41-47 )
英文信息