基于无线供能和节点间合作的二进制计算卸载方案

针对性研究了无线供能下的移动边缘计算,其中计算节点能够自主执行计算任务或将其卸载给空闲节点或边缘服务器,以最大化节点的总计算速率(Sum Computing Rate,SCR)。首先,将SCR最大化问题建模为一个非凸问题,考虑到能量因果和任务因果等约束。接着,提出了一个基于深度强化学习的解决方案,采用深度神经网络输出近似最优的二进制卸载决策。最后,设计了高效算法来解决在给定卸载决策下的子问题。该方案具备在线学习能力,具有快速收敛和低计算复杂度的特点,实现了近似最大SCR。

视觉传感器提取面部运动特征的抑郁症检测算法研究

尽管抑郁症自动诊断系统已经取得了重大进展,但大部分工作集中在结合多种模态的特征来提高分类精度,这会产生大量的时空开销和特征同步问题。提出了一种基于面部表情和面部运动特征的单模态抑郁症检测框架。提出了一种基于面部标志比的鲁棒特征提取方法,并从理论上证明了该特征具有上下、左右平移、深度平移、旋转和翻转不变性。基于该方法提取的特征保持了面部标志点在空间上的拓扑结构关系,并保持了面部标志点前后帧的时间相关性。然后,提出了一种新颖的思路来解决大单元抑郁症视频的分类任务,将大单元视频的抑郁症分类任务分解为多个短序列单元的评分任务,然后通过定义的评分聚合函数得到最终的抑郁症分类结果。在DAIC-WOZ数据集上,所提出的检测框架提高了分类性能,F1得分为0.85,优于当前其他基于单模态的抑郁症检测模型。

基于视觉传感器采集光流特征的精神疾病识别方法

目前,精神疾病的筛查主要依靠临床医生的访谈和问卷进行评估,具有高成本、主观性等问题。提出了一种基于视觉传感器采集光流特征的精神疾病识别方法,可以实时监测和预警,以较低的成本和非侵入性的方式来进行精神疾病的辅助筛查。该算法通过视觉传感器全面采集患者的面部数据来提取光流特征,并输入TSMOSNet进行训练。TSMOSNet以TSM为基础网络进行改进,替换普通卷积为光流提取头,针对视觉传感器采集而来的光流特征图进行密集采样,并添加了时序注意力模块、DML蒸馏和VideoMix数据增强等方法,增强了视觉特征,以提高精神疾病识别的准确率。实验结果表明,在H7-BDSN数据集上相比于其他方法,本研究提出的识别算法在精神疾病的筛查任务中取得了最好的效果,准确率为85%,F1分值为0.84。

优化参考图谱发育指征的CHN智能骨龄评估方法研究

骨龄(BA)是评估儿童生长发育是否正常的重要指标之一。中国人手腕骨发育标准-CHN计分法是目前中国儿童生长发育中骨龄评估(BAA)最常用的方法之一。但是在CHN计分法中,某些参照骨图谱的发育指征跨度较大,导致专家依据个人经验主观判断它的发育分期而影响评估准确度。在利用深度学习对该类图谱的发育分期进行评估时,会导致它的评估结果产生随机性。该文基于专家评估过的2万余张儿童手腕部X线片,在CHN计分法的基础上,在相邻发育分期间隔跨度较大的参照骨标准图谱之间勾绘新的成熟度指征,产生细化图谱,并利用层次分析法为其分配对应的成熟度得分,提高骨龄评价的准确率。该文在AlexNet网络的基础上融合Harris特征和卷积注意力模块,对各参照骨的发育分期进行评估。在自制的年龄分布为5-11岁的数据集上,采用优化后的CHN法得到的骨龄在容忍度为0.5岁和1岁时的准确率分别达到了94.6%和99.13%。实验结果表明所提方法可以更加精细地分辨儿童手腕骨发育程度,大幅提高骨龄评估的准确率,辅助临床应用。

WSN中角度和距离结合的无信标节点定位算法的设计

节点定位在无线传感器网络中应用广泛,是重要的支撑技术之一,目前很多算法是通过由全球卫星定位系统提供位置的信标节点来确定其他多数节点的位置,这样就出现在支撑数量较大的节点部署情况下的定位较为困难。信标节点由于人为或环境因素,容易出现位置漂移,而且当在室内环境时,信标节点本身运作就会发生困难。提出了一种角度和距离结合的无信标节点WSN定位算法。在无信标结点存在的情况下,利用树结构分类及合并的思想,在测量角度以及距离后,调整节点的方位与坐标,计算得到节点在系统中的坐标。仿真结果表明,当节点在随机分布时,所提出算法的定位精度比聚类SPA算法有明显的提高。

基于目标检测的手腕部X线片参照骨提取算法

在预测成年身高和诊断生长障碍时,骨龄是重要判断指标之一。参照骨的准确提取是保证骨龄评估准确性的关键。然而,现有的方法会导致部分参照骨的漏判和误判,从而降低14个参照骨的平均提取精度。基于优化的YOLO算法,结合可变卷积、坐标注意力、特征层扩展以及EIOU损失,提出了一种手腕部X光片参照骨提取方法,IM-YOLO。该方法可以更好地提取不规则参照骨的特征信息,提高小关节间隙区域的检测能力,将参与CHN法骨龄评估的14个参照骨准确地提取出来。实验结果表明,IM-YOLO算法检测速度快,精度高,所有参照骨的检测精度都达到99%以上,FPS指数为16。

面向非视距环境的室内定位算法

节点位置信息在无线传感器网络中起着至关重要的作用.大多数定位算法在视距(Line-of-Sight,LOS)环境下能够取得较高的定位精度,然而在非视距(Non-Line-of-Sight,NLOS)环境下,由于障碍物的阻挡,无法取得理想的定位精度.针对室内环境中普遍存在的非视距传播现象,提出了基于RTT(Round Trip Time)和AOA(Angle Of Arrival)混合测距方式的室内定位方法,一种轻量级基于网格的聚类算法(Lightweight Grid-Based Cluster,LGBC)被用来生成移动节点的定位区域.算法不需要获取室内环境的先验信息.仿真结果表明,LGBC算法复杂度低,计算开销小,并且与同类算法相比,定位精度提高约65%.

基于改进蚁群算法的无线传感器网络栅栏覆盖优化研究

在无线传感器网络栅栏覆盖研究中,如何调度已部署的传感器节点构建栅栏并延长网络生存时间已成为热点问题。研究了满足Poisson分布的静态无线传感器网络强K-栅栏覆盖问题。将部署区域划分为a个子区域,相邻子区域之间形成一定的缓冲区域,在每个子区域利用偏离角蚁群算法构建多重栅栏。最后通过调度算法延长栅栏生存时间。仿真实验结果验证了算法的收敛速度快且栅栏生存时间长等特点。

WSN中基于区域划分的半自动DV-Hop定位算法

在WSN领域中有很多亟待研究和解决的关键问题,节点的自我定位是其中之一。在众多定位算法中,DV-HOP是广受讨论或引用的定位算法,但该算法使用跳数乘以网络平均跳距来代替节点间的实际距离,而平均每跳距离的计算精确度与网络的性状、节点密度、拓扑结构等有很大关系,直接影响到DV-HOP算法的定位精度。针对DV-Hop算法这一缺陷,从半自动获取平均每跳距离、划分定位区域和对边缘区域采用坐标贴边三个角度,提出命名为ADBSA DV-Hop的改进的DV-HOP算法。在MATLAB平台上对ADBSA DV-Hop算法与DV-Hop算法进行了对比仿真实验,结果表明,ADBSA DV-Hop算法运行性能好于DV-Hop算法,尤其满足贴边定位情景的需要。

基于支持向量机的无线传感器网络节点定位算法

机器学习是利用经验来改善自身性能的一种学习方法,而支持向量机(support vector machine,SVM)作为机器学习中的一种新模式,在解决小样本、非线性及高维模式识别等方面有着其特有的优势.基于支持向量机的节点定位算法利用机器学习算法的特性,实现无线传感网络节点定位.其基本思路是将网络区域划分为若干个等分的小格,每一小格代表机器学习算法中一个确定的类别,机器学习算法在学习了已知的信标节点对应的类别后,对未知节点所处位置进行分类,从而进一步确定未知节点的位置坐标.仿真实验表明,"一对一"节点定位算法有较高的定位精度,对测距误差的容忍性较好,同时对信标节点的比例要求并不高,比较适合用于信标节点稀疏的网络环境中;而"决策树"节点定位算法受覆盖空洞的影响并不大,比较适合应用于节点分布不均匀或者存在覆盖空洞的网络环境中.

采用分层结构的WSN室内三维定位算法的研究和设计

节点定位是无线传感器网络的应用基础和重要支撑技术之一.目前对于节点定位已有大量的研究成果,但面向室内三维定位的研究尚少,也没有推出有效的定位算法.本研究在考虑建筑物中节点按水平分层分布的特点及非高精度三维定位无法解决楼层判定问题后,提出一种分层结构的定位思想,即给节点预设楼层参数,通过投影测距算法利用节点间的投影距离进行三边定位从而降低网络拓扑对算法的影响,而且使三维定位从至少需要4个信标节点减少到3个.仿真结果表明,该算法比DV-Hop算法的定位精度的定位覆盖率都高,并且在信标节点比例较低及网络稀疏的情况下表现出较好的鲁棒性和稳定性.

无线传感网络中基于共面度的三维定位算法研究与设计

无线传感器网络中的节点定位技术是其得到广泛应用的关键支撑技术之一。尽管对定位技术已经有很多研究,但面向三维定位的研究较少并至今尚没有推出有效的定位算法。研究分析了现有的二维定位算法和个别依赖额外硬件三维定位算法后,提出基于共面度的三维定位算法。该算法通过分析参考点拓扑结构对定位造成的影响,在研究四面体的数学理论基础上提出了共面度的概念,并结合多重阈值选择策略以提高定位精度和减少不良节点比例。

采用Kriging的WSN多维度向量指纹定位算法研究

室内环境的复杂性导致了高精度的室内定位非常困难.针对这个问题,将无线传感器网络(WSN)技术应用到室内定位中.通过分析传统的基于RSSI测距定位方法和指纹定位方法,设计一种基于RSSI的非测距定位方法.该方法使用Kriging插值算法建立定位区域的RSSI向量指纹,通过基于组合的向量相似度匹配方法匹配目标RSSI向量与RSSI向量指纹能有效消除障碍物对定位的影响,并获得目标节点的位置范围.最后通过K-means聚类算法提取目标节点的实际位置.实验结果表明该方法的定位精度较高,适用于室内定位.

无线传感器网络中的节点位置验证方法

节点位置信息是感测数据的重要上下文信息,节点自定位技术是无线传感器网络的支撑技术之一。在基于信标节点的定位技术中,信标节点位置的可靠性是影响网络服务质量的关键因素。针对信标节点位置漂移和恶意信标节点引起定位精度下降的问题,提出了一种基于信誉模型的分布式轻量级节点位置验证方法(Reputationbased Location Verification,RLV),通过建立无线传感器网络中的节点位置信誉模型来识别网络中的不可靠信标节点。仿真结果表明信誉模型能够较好的反映节点的定位精度,RLV算法可以探测出95%以上的不可靠信标节点。

基于散列值的以数据为中心路由协议

无线传感网络难以直接采用TCP/IP路由协议,须建立专用以数据为中心的路由协议。已有的以数据为中心的路由协议并未采用对节点全网标号。网络中传感节点在收到不同节点转发过来报文的时候难判断数据是否来自同一个汇聚节点。传统的基于IP的全网统一标识方法暂时无法适合无线传感网络。提出了一种新的节点标识命名机制,根据节点对自身的描述,通过某个散列函数生成一个散列值来标识节点。各节点描述不一致,使得标识节点自身的散列值也不一致。用此方式为节点生成一个全网统一标号。在此新的命名机制之上,提出了一种新的以数据为中心的路由协议。最后在MATLAB上仿真验证了本路由协议的性能,证明本路由协议随着网络规模的增大,各方面的优势更加明显。

后向散射辅助无线供能网络中的节点间高吞吐量通信方案

本文研究后向散射辅助无线供能网络中两个边缘节点到一个中继节点的信息传输,节点可工作于后向散射模式和主动通信模式。引入后向散射该辅助功能有助于节点吞吐量提高,但也使通信方案设计更加复杂。提出了由节点后向散射/能量传输阶段和节点主动通信阶段构成的方案。接着,将最大化总吞吐量问题建模为非线性优化问题,并证明其凸特性。最后,基于后向散射时长与节点能量捕获时长阈值的关系,将该问题分解为多个仅需优化后向散射时长的子问题,并设计高效的两层黄金分割搜索算法来求解子问题。基于子问题的最优解来得到原问题的最优解。仿真结果表明,与纯主动通信方案和纯后向散射通信方案比,所提出的方案能有效地提高吞吐量。

采用Hull树的贪婪地理位置路由算法的设计

地理位置路由算法是指借助节点获得的地理位置信息进行无线传感网络中的路由发现与数据转发工作。本文提出一种基于Hull树的贪婪地理位置路由算法——Greedy Hull Tree Geographic Routing(GHTGR)。通过图形学中凸包的概念,在网络初始阶段分布式地在各节点上建立Hull树以探查网络局部拓扑结构;同时在数据分组的路由转发阶段,通过Hull树内的搜索,寻找下一跳转发节点,完成数据分组的转发传输。通过仿真实验表明,与现有地理位置路由算法相比,该算法能够正确地寻找数据转发路径,有效地减少网络能耗,提高网络传输性能。

高密度且信号涵盖范围不规则的WSN广播算法研究

广播在无线传感器(WSN)协议中有着广泛的应用,但简单泛洪广播将带来广播风暴问题,在节点稠密的网络中尤为严重.借鉴DCB(double-covered broadcast)算法的节点双重覆盖思想,提出适合在节点高密度且信号涵盖范围不规则无线传感器网络的改进广播算法,简称为SDCB(sensor double-covered broadcast)算法.算法考虑在节点间不对称链路存在情况下,有效利用局部邻居节点信息减轻广播风暴,使广播有效进行,同时考虑低能量节点的处理来平衡网络耗能.最后在NS2平台上对SDCB算法进行仿真,并与DCB算法进行分析、比较.仿真结果表明,SDCB算法有较高的广播送达率、较低的节点转发率以及较低的广播时延.

一种能耗均衡的WSNs层次路由协议研究

针对无线传感器网络(WSNs)的数据传输问题,提出一种能耗均衡的层次路由协议,根据节点与Sink节点的最短跳数将网络划分为规模不同的簇,利用簇规模的不同,抵消数据转发所消耗的能量,实现整个网络的能耗均衡,利用虚拟力原理构建簇,最后提出了簇首多跳传输方法,实现簇首间能耗均衡。实验结果表明:提出的路由协议与LEACH协议相比传感器网络节点剩余能量方差降低了55.5%,大幅延长了传感器网络生存时间。

一种高精度的儿童成年身高预测方法

精确的儿童成年身高预测对于制定儿童青少年的发展计划、运动员的选材具有重要的参考意义。目前的儿童成年身高预测方法存在方法过时、预测精度不高等问题。针对这些问题,通过分析中国儿童青少年学生体质和生长发育健康工程在浙江省中小学采集的数据,在BP神经网络的基础上提出一种高精度的儿童成年身高预测方法。针对BP神经网络易陷入局部解的缺陷,提出一种基于位置策略的蚁狮算法并对其进行优化。该算法改进了蚂蚁的游走方式,增强了全局搜索能力。通过10个基准函数的对比实验,证明了位置策略的可行性和有效性。实验结果表明:优化后的BP神经网络模型真实值和预测值的差值在±2 cm以内时,男生成年身高预测精确度达到了86.67%,女生达到了85.32%,相较于其他模型而言,该模型对儿童青少年成年身高预测的结果具有更高的精度。