基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

血小板来源的细胞外囊泡在乳腺癌中的作用

血小板来源的细胞外囊泡(platelet-derived extracellular vesicles,PEVs)是血小板被激活或凋亡后产生的直径为40 nm~1μm的亚细胞双层膜结构,是血浆中含量最丰富的囊泡。PEVs中包括各种生物活性分子,广泛参与包括血栓与止血、免疫应答与炎症、血管生成与伤口愈合以及肿瘤发生发展与转移在内的多种生理病理过程。在乳腺癌患者中,PEVs水平明显升高,且与肿瘤分期密切相关。PEVs可能通过多种分子机制及信号通路影响乳腺癌细胞诸如生长、侵袭在内的多种生物行为,且对肿瘤微环境、免疫调节、血管生成等过程产生影响。本文对血小板来源细胞外囊泡与乳腺癌发生发展中的研究进展进行简要综述。