基于共面度和分层结构的WSN三维定位算法

定位技术是无线传感网络的关键技术之一,而三维定位更是定位技术的难点和研究热点。研究了现有的各种典型定位算法,分析了它们的优点与不足之处,并在具有代表性的距离无关算法DV-Hop的基础上提出了两种改进算法,分别是基于共面度的三维DV-Hop算法和基于分层结构的室内三维DV-Hop算法。前者通过分析参考点拓扑结构对定位造成的影响,提出了共面度的概念,并且结合了多重阈值选择策略,仿真结果显示该算法比原算法提高了定位精度、减少了不良节点比例,并且具有更好的稳定性。后者通过分析建筑物中节点水平分层分布的特点,提出了分层结构的定位思想和投影测距算法,仿真结果显示该算法比原算法在参考点比例较低的情况下表现出更好的鲁棒性和稳定性。

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。

基于复合特征的P2P业务识别系统的研究与实现

着重分析了P2P流量统计特征,根据不同应用的流量模式和实验结果,提出了一种基于流统计特征的P2P识别方法.这种方法不需要对数据报文载荷信息进行检查,因此不受数据是否加密的限制,扩大了P2P识别的范围.论文将基于流统计特征的识别方法与端口法、有效载荷特征串识别法等结合起来,构成复合的P2P流量识别系统.实验数据证明,该系统不仅能识别出更多的P2P应用,而且还具有较高的识别率和较低的误报率和漏报率,应用到实际网络中效果良好.

感知特征增强学习的低分辨率人脸识别

针对低分辨率人脸图像信息严重缺失而导致的人脸识别能力受限问题,提出了一种感知特征增强学习的低分辨率人脸识别网络.设计的整体网络包含两个通道,其中一个通道为低分辨率人脸识别子网络,顺序执行对输入的低分辨率人脸的超分辨率重构、深度特征提取与识别;另一通道为高分辨率人脸识别子网络,顺序对输入的高分辨率人脸进行深度特征提取与识别,在网络训练阶段辅助低分辨率人脸识别网络的学习.联合低分辨率人脸的超分辨率损失、超分辨率人脸的多级特征损失及身份损失,用于低分辨率人脸识别网络的训练,有效改善了超分辨率人脸的特征表示与判别能力,由此带来低分辨率人脸识别性能的较好改进.实验结果验证了提出方法的可行性和有效性,特别在极低分辨率情况下也得到了识别性能的明显提升.