不可靠通信环境下无线传感器网络最小能耗广播算法

在实际的通信环境中,由于噪声、报文冲突、信号衰减等因素的影响,无线传感器网络节点间信息交换往往是不可靠的.广播是无线传感器网络中广泛使用的操作,如何在不可靠通信环境下实现能量高效的广播算法,对提高整个无线传感器网络的性能具有重要的理论和应用价值.研究了不可靠通信环境下的无线传感器网络最小能耗广播问题,首先,分析了相邻节点之间最小能耗通信模型,并给出了保证节点接收概率不低于P*的最优发送半径;然后,讨论了多跳转发策略与节点位置信息之间的关系.在此基础上,提出了一种基于PSO的最小生成树广播算法,通过优化各节点的发送半径,在保证所有节点都能以不低于P*的概率接收到广播数据包的前提下,实现广播操作的总能耗最小.实验结果表明:所提出的广播算法不仅可使每一个节点的接收概率不小于P*,而且广播总能耗比改进后的BIP算法要小,具有较好的性能.

无线传感器网络中使用连通支配集的最小能耗广播算法

广播是无线传感器网络中一种基本而重要的操作,其能耗大小对整个网络性能有着重要影响.在节点传输半径固定的情况下,考虑到无线通信的多向传输等特性,无线传感器网络广播操作中参与转发的节点数越少,则广播操作总能耗也就越小.如何寻找最少转发节点的广播树问题等同于求解图论中的最小连通支配集问题,这是一个NP难问题.本文提出了一种有效的构造最小连通支配集的启发式算法(EMCDS)来构造广播树,在此基础上提出了一种无线传感器网络中的最小能耗广播算法(MEBA).实验结果表明,EMCDS算法能够找到较小的连通支配集,而MEBA算法可依据节点剩余能量来动态选择转发节点,通过实现节点能量的均衡分布来有效延长网络的生命周期.

多Sink无线传感器网络中最小时延数据汇集调度算法设计

数据汇集是无线传感器网络的一项重要技术,而汇集时延是评估其性能的重要指标.现有研究大多基于单Sink环境,较少考虑到网络规模扩大时需要部署多个Sink的情况.本文研究多Sink无线传感器网络中最小时延数据汇集调度问题(MSMLAS).提出了基于极大独立集的多Sink半结构拓扑汇集调度算法(MDAS-ST)与不使用极大独立集的多Sink无结构拓扑汇集调度算法(MDAS-UT).两种算法通过扩展父节点的选择范围,并根据节点分配的时隙序号以及该时隙的最大化利用来选取父节点,从而有效降低网络时延.文中分析并给出采用MDAS-ST算法网络数据汇集总时延的理论上限.实验结果表明,MDASST算法与MDAS-UT算法能够充分利用时隙,以低时延进行汇集调度.

一种神经网络与用户偏好相结合的协同过滤推荐算法

随着互联网服务和产品的大量增加,高效、可靠的推荐系统变得越来越重要。协同过滤是应用最广泛的推荐算法之一。传统的基于用户的协同过滤仅考虑共同评分的物品来计算用户的相似度,容易忽略用户之间的相关性。本文采用一种基于神经网络和用户偏好的协同过滤方法,首先通过聚类算法解决稀疏性问题,其次通过神经网络与用户偏好相结合来学习用户之间的相关性,最后利用训练后的多层神经网络来计算用户对物品的评分情况,来有效提高推荐效果。本文采用Each Movie数据来进行验证,并和现有的一些方法进行比较。实验结果表明,所推荐的协同过滤推荐算法在准确率、召回率、F1三个指标上均优于传统的方法,推荐效果比传统的方法好。

无线传感器网络中基于模式频繁度的异常检测方法

传感器网络的异常数据检测对于相关应用具有非常重要的意义。针对异常数据问题,提出了一种基于数据变化模式和数据空间相关性的无线传感器网络分布式异常数据检测方法。该方法首先为数据创建一个分布模型,即将数据变化模式映射到某个特征空间的分区中,确定非频繁分区,再通过判定数据是否落在非频繁分区来筛选出潜在异常值,最后根据邻居节点数据的空间相关性对异常值产生的原因进行判定。实验结果表明,该方法在避免较高运算复杂度的同时,能够有效地检测并区分网络中的错误数据与异常事件。

无线传感器网络中基于马尔科夫链的数据预测算法

无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该算法首先对传感器节点感知的数据进行弱化处理来提高数据序列的光滑性,然后采用离散灰色预测模型对节点需要向sink传输的数据序列进行预测,当节点预测的数据精度不够时,进一步使用基于马尔科夫链的数据修正过程来对其进行改进.实验结果表明,MC-DP算法预测准确率更高,预测序列的数据误差率更低,使用该预测算法使得传感器节点可以节约更多能量.

基于Q-学习的无线传感器网络MAC层调度方法

为提高无线传感器网络节点的能量利用率,提出了一种基于Q-学习的无线传感器网络休眠调度算法QMSA,从无线传感器网络的MAC层出发解决了节点的休眠调度问题。该算法通过扩展原始Q-学习方法使传感器节点自适应的控制自身的休眠与工作。节点以分布式方式通过与其周围的环境进行直接交互学习得到一个高效的调度策略以决定其是否进入休眠状态。实验结果显示本文提出的算法既可以提高能耗效率,同时也能够保证传感器网络有一个很好的感知效率。

基于时空冗余数据清除的数据备份算法

传感器节点易受环境影响,会出现节点失效的现象,导致感知数据丢失。然而无线传感器网络是以数据为中心,因此对感知数据进行备份问题的研究显得尤为重要。针对无线传感器网络中数据备份问题,提出基于时空冗余数据清除的数据备份算法(TS_DB),该算法首先用k-means算法对网络分簇,然后挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份。仿真实验表明,TS_DB算法能有效节省节点的能量,对延长网络的寿命具有重要的意义。

一种新颖的多信道多接口无线Mesh网络的接入调度算法

无线Mesh网络信道接入调度问题是指在一个调度周期内为网络中每个节点在信道上分配时隙,在该时隙上节点可以向邻居发送控制信息,问题的目标是最小化调度周期长度.提出采用饱和度(staturation degree)的方法来研究这个问题,与现有方法关键不同之处是,饱和度算法的每一步不是对节点本身,而是对节点的邻居依次分配时隙.在第一步完成对网络中邻居最多的节点的分配后,调度周期的长度已逼近理论下界,从而在随后分配过程中可充分实现时隙的空间复用.同时也提出了该算法的分布式实现,并对算法性能进行了理论分析.仿真实验结果表明,算法在各种情况下实验结果均非常接近理论的下限.

基于多相机特征融合的行人检测算法

为了解决多视图行人检测算法对多尺度目标检测效果不佳的问题,提出一种采用膨胀卷积编码进行多视图信息聚合的算法。利用不同膨胀率的膨胀卷积在单层特征层中生成不同尺度的感受野,覆盖目标所有尺度的范围,提高对多尺度目标的检测能力。在Wildtrack数据集上进行仿真实验的结果显示,采用所提算法多目标检测精度最高可达90.7%。

三维无线传感器网络中基于格概率的目标定位算法研究

提出一种基于格概率的目标定位算法,不仅可以有效消除单个传感器节点测量信号强度时存在的不确定性,还可解决检测到目标的节点数目小于4时其他方法无法解决的定位问题.同时还提出一种自学习修正方法,通过实时地修正信号衰减模型中的相关参数,可避免环境动态变化带来的定位失真.仿真结果显示,所提定位算法具有良好的定位精度和较强的抗干扰性,且受环境测量误差的影响较小.

酬友人兰兮赠诗久未作答

秋风凋落碧梧时,更忆当年解读师。璞玉多磨因共勉,狂沙久历自相知。何堪徐子三悬榻,幸得周郎一顾之。只为今来慵懒甚,文辞尽废报君迟。