为解决当前移动无线传感网数据控制传输中存在的链路抖动难以控制、同步误差较大以及网络拓扑结构不稳定等问题,提出了一种基于似然估计补偿机制的移动无线传感网数据控制同步传输算法(Data Transmission Synchronization algorithm In ...为解决当前移动无线传感网数据控制传输中存在的链路抖动难以控制、同步误差较大以及网络拓扑结构不稳定等问题,提出了一种基于似然估计补偿机制的移动无线传感网数据控制同步传输算法(Data Transmission Synchronization algorithm In Mobile Wireless Sensor Networks based on Likelihood Estimation Compensation Mechanism,DTS-LECM算法).首先,通过移动无线传感网MAC层的标记可移动特性,设计了基于分层区域节点-子节点的数据传输结构,联合广播机制,实现了区域节点的初始化,有效降低了数据控制同步误差,提高区域节点-子节点结构的生存质量;随后,基于数据分组双向交互方式,构建似然估计补偿机制,以实现区域节点控制信息同步,有效促进区域节点之间数据控制同步传输过程中链路的稳定性,且能够对频率偏移、相位偏移的精确计算,显著提高传输过程中的数据稳定性;最后,再次利用数据分组双向交互方式对区域子节点的信息进行精确同步,取得了较好的数据同步效果,且具有数据抖动发生频率低的效果.仿真实验表明,与当前常见的时间同步控制算法(Time Synchronization Control Algorithm,TSC算法)、相位同步控制算法(Phase Synchronization Control Algorithm,PSC算法)和信息片层次分组控制同步算法(Synchronization algorithm for Hierarchical Packet Control of Slices,HPCS-S算法)相比,DTS-LECM算法具有更高的控制精度与更低的分组丢包率,且链路抖动频率分布更加集中.所提算法具有较高的数据传输性能,可运用于公安系统的信号定位,以及抗洪抢险等领域,具有一定的实际应用价值.展开更多
针对当前物联网数据传输算法存在链路稳定性差、传输性能不高等不足,提出了一种基于超宽带集中管控机制的物联网数据传输算法(Data Transmission algorithm of IOT based on UWB centralized control mechanism,UWB-CC算法)。首先,通过...针对当前物联网数据传输算法存在链路稳定性差、传输性能不高等不足,提出了一种基于超宽带集中管控机制的物联网数据传输算法(Data Transmission algorithm of IOT based on UWB centralized control mechanism,UWB-CC算法)。首先,通过能量冗余机制对网络节点进行初次筛选,并采用能量最优原则进行区域划分,实现物联网数据的分区传输及性能维护;随后,考虑到传统算法难以实现区域节点更新的不足,通过节点能力阈值筛选方法,实现对区域节点-普通物联网节点的次区域组网,提高普通物联网节点的数据上传能力,降低分割节点(PartitionNode,PN节点)因故障而导致区域上传瘫痪的概率;最后,采取综合评估分割节点性能与区域传输性能的方式,对中继传输节点进行优选,从而提高链路传输能力,减少链路抖动对传输性能的不利影响,能够同时实现带宽管控及区域分割-固定-链路稳定的一体化集中管控。仿真实验表明:与当前常用的区域流量汇聚上传算法(Upload algorithm for regional traffic aggregation,RTA算法)及成型度汇聚分割传输算法(Segmentation andtransmission algorithm based on degree of convergence,STDC算法)相比,本文算法具备更高的汇聚带宽与信道容量,以及更低的传输抖动率。展开更多
为解决传统物联网大数据传输算法存在的网络链路抖动频繁、传输能力受限以及传输误码率大的不足,提出了一种基于区域时变聚类采样机制的物联网大数据传输算法。首先,根据物联网信号发射中常用的LTE-5G信号特性,采取分信道传输及抽样过...为解决传统物联网大数据传输算法存在的网络链路抖动频繁、传输能力受限以及传输误码率大的不足,提出了一种基于区域时变聚类采样机制的物联网大数据传输算法。首先,根据物联网信号发射中常用的LTE-5G信号特性,采取分信道传输及抽样过滤技术来实现数据传输过程中的正交化,消除节点间因信号频率相似而导致的干涉现象,提高网络数据传输效率;随后,几何聚类机制与能量-阈值映射裁决方法,构建了稳定聚类采样方法,利用功率最佳及能量最佳的方式来实现传输节点的筛选,强化传输链路的稳定性能,降低因链路抖动而导致误码的风险。仿真实验结果表明:与常见的超高斯频率漂移传输提升机制(Transmission Mechanism of Super Gauss Frequency Drift Transmission,SGFD-T机制)及拉普拉斯信道滤波传输机制Laplasse Channel Filtering Transmission Mechanism,LCF-T机制)相比,所提算法具有更大的上传带宽和更低的数据采集错误率与误码率。展开更多
为解决当前WSN数据误差追踪算法中存在的算法鲁棒性不强,区域融合困难,以及传输链路抖动严重的不足,提出了一种基于块融合机制的WSN数据误差追踪算法.首先基于块融合方式,通过中央控制节点之间拓扑位置关系,有效实现对数据传输过程中的...为解决当前WSN数据误差追踪算法中存在的算法鲁棒性不强,区域融合困难,以及传输链路抖动严重的不足,提出了一种基于块融合机制的WSN数据误差追踪算法.首先基于块融合方式,通过中央控制节点之间拓扑位置关系,有效实现对数据传输过程中的误差轨迹追踪,且能够采用矢量化方式来改善数据传输质量;随后采取能量排序的方式构建传输阈值,并利用该阈值实现对传输过程中的数据进行均衡化,且能够进一步实现周期内的中央控制节点性能的扫描,从而改善了因块区域间数据链路抖动而引起的传输误差.理论分析和仿真实验均表明:与当前常用的超混沌数据追踪算法(Hyper Chaos Data Tracking algorithm,HCDT算法)相比,文中算法能够更有效的降低数据传输抖动的同时,且具备更小的区域融合误差与更高的误差追踪效率.展开更多
文摘为解决当前移动无线传感网数据控制传输中存在的链路抖动难以控制、同步误差较大以及网络拓扑结构不稳定等问题,提出了一种基于似然估计补偿机制的移动无线传感网数据控制同步传输算法(Data Transmission Synchronization algorithm In Mobile Wireless Sensor Networks based on Likelihood Estimation Compensation Mechanism,DTS-LECM算法).首先,通过移动无线传感网MAC层的标记可移动特性,设计了基于分层区域节点-子节点的数据传输结构,联合广播机制,实现了区域节点的初始化,有效降低了数据控制同步误差,提高区域节点-子节点结构的生存质量;随后,基于数据分组双向交互方式,构建似然估计补偿机制,以实现区域节点控制信息同步,有效促进区域节点之间数据控制同步传输过程中链路的稳定性,且能够对频率偏移、相位偏移的精确计算,显著提高传输过程中的数据稳定性;最后,再次利用数据分组双向交互方式对区域子节点的信息进行精确同步,取得了较好的数据同步效果,且具有数据抖动发生频率低的效果.仿真实验表明,与当前常见的时间同步控制算法(Time Synchronization Control Algorithm,TSC算法)、相位同步控制算法(Phase Synchronization Control Algorithm,PSC算法)和信息片层次分组控制同步算法(Synchronization algorithm for Hierarchical Packet Control of Slices,HPCS-S算法)相比,DTS-LECM算法具有更高的控制精度与更低的分组丢包率,且链路抖动频率分布更加集中.所提算法具有较高的数据传输性能,可运用于公安系统的信号定位,以及抗洪抢险等领域,具有一定的实际应用价值.
文摘针对当前物联网数据传输算法存在链路稳定性差、传输性能不高等不足,提出了一种基于超宽带集中管控机制的物联网数据传输算法(Data Transmission algorithm of IOT based on UWB centralized control mechanism,UWB-CC算法)。首先,通过能量冗余机制对网络节点进行初次筛选,并采用能量最优原则进行区域划分,实现物联网数据的分区传输及性能维护;随后,考虑到传统算法难以实现区域节点更新的不足,通过节点能力阈值筛选方法,实现对区域节点-普通物联网节点的次区域组网,提高普通物联网节点的数据上传能力,降低分割节点(PartitionNode,PN节点)因故障而导致区域上传瘫痪的概率;最后,采取综合评估分割节点性能与区域传输性能的方式,对中继传输节点进行优选,从而提高链路传输能力,减少链路抖动对传输性能的不利影响,能够同时实现带宽管控及区域分割-固定-链路稳定的一体化集中管控。仿真实验表明:与当前常用的区域流量汇聚上传算法(Upload algorithm for regional traffic aggregation,RTA算法)及成型度汇聚分割传输算法(Segmentation andtransmission algorithm based on degree of convergence,STDC算法)相比,本文算法具备更高的汇聚带宽与信道容量,以及更低的传输抖动率。
文摘为解决传统物联网大数据传输算法存在的网络链路抖动频繁、传输能力受限以及传输误码率大的不足,提出了一种基于区域时变聚类采样机制的物联网大数据传输算法。首先,根据物联网信号发射中常用的LTE-5G信号特性,采取分信道传输及抽样过滤技术来实现数据传输过程中的正交化,消除节点间因信号频率相似而导致的干涉现象,提高网络数据传输效率;随后,几何聚类机制与能量-阈值映射裁决方法,构建了稳定聚类采样方法,利用功率最佳及能量最佳的方式来实现传输节点的筛选,强化传输链路的稳定性能,降低因链路抖动而导致误码的风险。仿真实验结果表明:与常见的超高斯频率漂移传输提升机制(Transmission Mechanism of Super Gauss Frequency Drift Transmission,SGFD-T机制)及拉普拉斯信道滤波传输机制Laplasse Channel Filtering Transmission Mechanism,LCF-T机制)相比,所提算法具有更大的上传带宽和更低的数据采集错误率与误码率。
文摘为解决当前WSN数据误差追踪算法中存在的算法鲁棒性不强,区域融合困难,以及传输链路抖动严重的不足,提出了一种基于块融合机制的WSN数据误差追踪算法.首先基于块融合方式,通过中央控制节点之间拓扑位置关系,有效实现对数据传输过程中的误差轨迹追踪,且能够采用矢量化方式来改善数据传输质量;随后采取能量排序的方式构建传输阈值,并利用该阈值实现对传输过程中的数据进行均衡化,且能够进一步实现周期内的中央控制节点性能的扫描,从而改善了因块区域间数据链路抖动而引起的传输误差.理论分析和仿真实验均表明:与当前常用的超混沌数据追踪算法(Hyper Chaos Data Tracking algorithm,HCDT算法)相比,文中算法能够更有效的降低数据传输抖动的同时,且具备更小的区域融合误差与更高的误差追踪效率.