基于RF芯片的通信技术在分布式网络传感器中的应用

文章旨在探讨基于无线射频(Radio Frequency,RF)芯片的通信技术在分布式网络传感器中的应用。传统的分布式网络传感器系统通常使用有线连接或基于特定通信协议的无线传输技术,但这些方案在部署和维护上存在一定的限制。因此,采用RF收发一体化芯片作为通信技术的载体,实现分布式网络传感器之间的无线数据传输具有重要意义。文章围绕传输终端硬件设计基础,提出一种具体的方案,包括硬件选型、通信协议设计、功耗管理以及安全性考虑等方面,以实现高效稳定的分布式网络传感器无线数据传输。

分布式无线传感器网络通信协议研究

在归纳分布式无线传感器网络研究进展的基础上,给出了综合分布式无线传感器网络技术各个方面的协议体系结构,并在新的体系结构下,系统地阐述了分布式无线传感器网络通信协议研究的进展,介绍了典型的应用案例和国外相关计划的研究情况。最后,指明了这一处于发展初期的研究领域的未来发展方向。

分布式无线传感器网络体系结构及应用支撑技术研究

在归纳传感器网络研究进展的基础上,给出了综合传感器网络技术各个方面的协议体系结构,并 在新的传感器网络体系结构下,系统地阐述了传感器网络应用支撑技术研究的进展.

分布式无线传感器网络及其应用核心技术研究

提出一种分布式无线传感器网络体系结构,阐述了相关理论观点,分析其应用价值与研究现状;以减少传感器对网络的依赖为原则,增强传感器感知能力和感知精度、网络强壮性和容错性,并以传感器低功耗为研究思路;设计了以ARM体系结构32bRISC(ReduceInstructionComputer)微处理器、uC/OS- 嵌入式实时操作系统、轻量级TCP/IP网络协议LwIP(LightweightTCP/IPStack),TR1000无线通信模块为核心的一种基于Internet的分布式微型无线网络传感器.

分布式传感器网络混合探测信号分类方法

针对分布式传感器网络的局限性特征,研究分布式传感器网络混合探测信号的分类算法。提出了基于属性重要度的贝叶斯分类算法,该算法继承了朴素贝叶斯分类算法结构简单、运算快捷的特点,同时弥补了类条件独立假设带来的缺陷,在实践中具有较高的分类精度,其特点符合混合探测信号的分类要求。实验结果表明,该算法分类效果优于同类分类算法,可以有效地完成混合探测信号的分类任务。

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。

协方差交叉在分布式传感器网络定位中的应用

节点定位的精确性在分布式传感器网络的许多应用中都起着至关重要的作用。目前较受关注的定位方法主要包括TDOA和RSS。这两种方法是非独立的,而且定位精度易受噪声影响。如果采用传统的卡尔曼滤波方式对数据加以融合,可以降低估计误差。但因假定数据间的协方差为零,使结果并非保守可靠。本文将协方差交叉算法应用于此类数据融合问题,分别在泊松分布和均匀分布情况下,对分布式传感器网络的节点定位过程加以仿真。结果显示,协方差交叉算法更加可靠,并且提高了定位精度,非常适用于分布式传感器网络。

分布式传感器网络安全协议研究

简要介绍了分布式传感器网络的体系结构和特点,分析和总结了分布式传感器网络的安全问题,介绍了一种适用于分布式传感器网络的安全协议SPINS,并对其中的密钥管理进行了改进。

分布式传感器网络中基于条件后验克拉美-罗下界的被动声目标跟踪局部节点选择算法（英文）

针对分布式传感器网络下的被动声目标跟踪问题,提出了一种基于条件后验克拉美罗下界(Conditional Posterior Cramér-Rao Lower Bounds, CPCRLB)的局部传感器节点选择算法,基于被动声探测背景下的纯方位量测数据,采用粒子滤波器推导得到了CPCRLB的近似解析表达式,进而在该CPCRLB的基础上定义了节点效用贡献作为节点选择准则,结合分布式传感器网络的特点提出了一种局部节点选择方法,节点无需知道全网传感器节点的信息,而是仅利用局部节点信息来决定下一时刻节点的活动状态,从而在实现自治节点选择的同时大大减少网络通信量。通过仿真结果表明,该算法在跟踪精度、能量消耗和计算复杂度方面都表现出较好的性能。

分布式传感器网络系统故障预测方法

针对分布式传感器网络很难采用一种通用方法来实现算法简单的故障预测问题,提出了一种基于知识发现的故障预测方法。该方法首先建立了时间信息的数学描述系统,以实现基于因果指数的知识发现;然后,利用因果关系的知识推理机制,实现分布式传感器网络系统的故障预测。通过对瓦斯抽放监控系统的故障预测实验,证明该方法能准确预测分布式传感器网络系统故障,具有算法简单、实用高效的优点。

分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。

基于估值修正的分布式传感器网络最小均方算法

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。

分布式传感器网络系统的网络预测控制

本文针对分布式传感器网络系统的Fornasini-Marchesini (FM)状态空间模型,对系统的预测控制器设计问题进行研究.特别是针对所考虑的二维FM传感器网络系统,提出了一种新的网络预测控制方案来补偿通信时滞.首先,根据李雅普诺夫稳定性理论,给出了二维系统保持稳定的充分条件;然后利用稳定性条件,提出了一种新的预测控制器设计策略并保证系统的控制性能;最后,通过一个数值实例验证了所设计控制器的有效性.

一类分布式传感器网络的FNN Markov可靠性模型

针对分布式传感器网络中故障点多、可靠性参数估计困难的特点,文章提出了一种基于模糊神经网络的Markov可靠性模型。仿真结果表明,神经网络收敛时的可用度与Markov模型计算值的相对误差在数量级,从而验证了所提模型的正确性。

一个分布式传感器网络数据访问控制方案的改进

分析了HUR J提出的一个细粒度分布式传感器网络数据访问控制方案,指出其具有抗合谋攻击性和前向保密性问题,并采用委托系统控制器生成更新属性群密钥的方法弥补这两项缺陷。新方案同样支持细粒度的访问控制,安全性更强。

基于分布式星状无线传感器网络的井下瓦斯监测系统实验研究

以井下瓦斯监测中的不确定性和复杂性为研究对象,在对物联网技术进行分析的基础上,在井下瓦斯监测系统的感知层构建了分布式的星状无线传感器网络,为井下瓦斯监测提供了较好的感知层设计方案,提高了瓦斯信息采集传输的效率和系统的容错能力,进一步增强了瓦斯监测的精度,提高了井下作业的安全性。

一种高效的分布式多传感器多目标跟踪算法

现有的多传感器多目标跟踪算法大都基于马尔科夫-贝叶斯模型,需要诸如目标运动、杂波、传感器检测概率等先验信息,但是在恶劣的环境中,这些先验信息不准确并导致目标跟踪精度下降。为了解决该情况下的多目标跟踪问题,我们提出了一个高效的分布式多目标跟踪算法,该算法通过泛洪(Flooding)共识算法在分布式网络的传感器之间迭代的传输、共享各自的量测集信息,并通过改进的密度峰值聚类(Improved Density Peaks Clustering, IDPC)算法对量测集聚类,聚类得到的簇的个数即目标的个数,簇的中心即目标的位置。我们将IDPC算法与前沿的分布式概率密度假设(probability density hypothesis, PHD)滤波器在三个场景中进行对比,实验结果证明了IDPC算法的有效性和可靠性。

无线传感器网络技术综述

无线传感器网络是计算机科学技术的一个新的研究领域,具有十分广阔的应用前景,已经引起了学术界和工业界的高度重视。介绍了无线传感器网络系统概念、特点及性能评价、主要应用领域、网络体系结构、需要研究的主要内容。

无线传感器网络中的分组多层次信任模型

针对分布式无线传感器网络在实现安全功能时存在着选择安全可靠节点问题,提出一种基于簇的分组多层次信任计算模型,对簇内节点、簇头和基站分层进行信任值计算,找出恶意节点并摒弃,保证完成各项任务的节点是可靠、可信任的。实验结果表明,该方法能提高网络运行的稳定性,优化资源利用,及时有效地识别恶意节点,保证网络的安全。

无线传感器网络网内数据融合的研究

针对目前无线传感器网络(WSNs)网内数据融合所面临的一些挑战,提出了一种基于无线传感器网络分布式K-平均聚类(DKCWSNs)算法的WSNs节点传感数据的分组策略,并采用基于自适应加权的数据融合方法对分组后的感知数据进行融合处理,从而获得更合理的结果。最后,通过实例验证了该方法的有效性。