认知无线视觉传感网络机会传输的分布式跨层优化

为了充分利用空闲授权无线电频段和增强视觉信息的端到端传输质量,研究了认知无线视觉传感网络机会传输的跨层设计问题.在分析信道随机性和网络模型的基础上,把跨层设计问题表达为一个视觉信息峰值信噪比和网络平均传输时延的权衡优化问题.通过对该问题进行对偶分解和基于随机次梯度的求解方法,提出了一个分布式跨层传输优化算法.该算法不需要预先知道可用授权频段的静态概率分布,而通过节点在每个时隙中进行独立计算和局部信息交换使得上层视觉感知信息的压缩速率与底层链路机会传输自适应匹配,达到权衡优化问题的最优解,因此可以作为认知无线视觉传感网络的实用传输协议.仿真结果表明,该分布式算法能够快速收敛,并能获得与集中式最优化算法相似的性能.

无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

基于条件生成对抗网络的无线传感网络多节点失效修复研究

当前主流的传感节点失效修复主要通过纠删码完成,修复后节点具有更高的空间利用率,但无法有效提升网络寿命。为此,提出基于条件生成对抗网络的无线传感网络多节点数据重构方法,完成失效修复。感知无线传感网络节点,对失效节点展开裁决,确定失效节点位置,并重构节点内数据;将获取的失效节点用于条件生成对抗网络(CGAN)框架中生成器与节点替换网络的训练,通过训练好的生成器,以失效节点为条件,生成未失效节点;为提升修复性能,使用粒子群算法寻优节点替换网络参数,完成节点重构数据置换,实现失效节点的有效修复。结果表明:利用所提方法进行修复时,能耗最高仅为17 J,剩余寿命最低可达到300 h,连通度最高可达到99.2%,具有较好的修复效果。

知识图谱特征重构下无线传感网络数据存储恢复

为了提升无线传感网络数据存储恢复成功率,保障无线传感网络数据存储安全性,提出知识图谱特征重构下无线传感网络数据存储恢复方法。通过基于知识图谱的特征重构方法优化数据存储结构;利用BP神经网络和LEACH算法,对特征重构后的数据进行融合。最后,结合多级网络编码和纠删码的原理,构建多级编码矩阵对融合数据进行多级编码,并生成多份数据副本进行存储,实现无线传感网络数据存储恢复。实验结果表明,该方法能够提升数据存储恢复成功率至90%以上,通信代价低于1.5×10^(5) Mbit/s,存储恢复时间低于0.7 ms,可以在提升恢复成功率的同时,降低存储通信代价和存储恢复时间。

基于组合加权k近邻分类的无线传感网络节点复制攻击检测方法

无线传感网络节点体积小,隐蔽性强,节点复制攻击检测的难度较大,为此提出一种基于组合加权k近邻分类的无线传感网络节点复制攻击检测方法。通过信标节点的空间位置数据与相距跳数得出各节点之间的相似程度,结合高斯径向基核函数求解未知节点的横轴、纵轴的空间坐标,确定各网络节点的空间位置;根据网络节点的属性特征与投票机制建立节点复制攻击模型,凭借组合加权k近邻分类法划分节点类型,并将结果传送至簇头节点,由簇头节点做出最后的仲裁,识别出节点复制攻击行为。仿真结果表明,所提方法的节点复制攻击检测率最大值为99.5%,最小值为97.9%,对节点复制攻击检测的耗时为5.41 s,通信开销数据包数量最大值为209个,最小值为81个。

动态层簇式无线传感网络信息加密算法

与传统的无线网络基于某种确定的网络拓扑结构组织不同,动态层簇式无线传感网络(Dynamic Layer Clustered Wireless Sensor Networks,DLCN)则是通过动态层次化的方式进行组织,导致DLCN在层次簇、簇首节点选取等诸多细节,实现较为复杂,其信息加密复杂度增加,安全性和平衡性问题一直是一个难点。提出针对动态层簇式无线传感网络的信息加密算法。分析动态层簇式无线传感网络结构,计算网络节点权重跳数以及传输时延,选取最优簇首,通过Logistic混沌映射对混沌序列展开计算,结合Merlay状态机的迁移传输,输出子密钥,实现了传感信息的加密。仿真结果表明:所提算法在DLCN数据加密过程中的密文位数始终在60左右、平均密钥扩展用时在2.5 ms以下、且二值比数值更接近于1,具备较高的安全性和平衡性。

基于混合神经网络的多维视觉传感信号模式分类

传感器采集的数字信号分类精度差,导致关键信息的丢失。为了提高传感数据的可靠性和有效性,提出基于混合神经网络的多维视觉传感信号模式分类方法。结合卷积神经网络(CNN)、循环神经网络(RNN)构建混合神经网络,以更有效地表示多维视觉数据中的特征;其中,卷积神经网络负责对多维的空间信号进行去噪处理并提取特征;循环神经网络负责对时域和频域信号进行特征提取;混合神经网络通过联合训练CNN和RNN各自的参数,以调整其权重,并且结合两者从不同层级提取的特征来实现多维视觉传感信号模式的分类。仿真结果表明,使用所提方法进行分类时,信号光滑度保持在0.9以上,传感信号分类结果与实际结果拟合度较高,有效实现多维视觉传感信号模式分类。

基于无线传感网络的现代建筑多传感安防预警系统设计

预警系统是现代建筑智慧体系中重要组成部分,对保证建筑安全具有重要作用,但目前系统功能与性能还有待提高,在实际中错误报警比例比较高,而且反应性能比较弱,提出基于无线传感网络的现代建筑多传感安防预警系统设计。系统采用应用层、业务逻辑层、网络层与感知层四层体系结构,硬件方面对温度、烟雾、湿度、图像多种无线传感器和报警器选型与设计,利用无线传感网络对传感数据传输,软件方面通过对多传感信息融合处理,评价建筑安全等级并预警响应,以此完成基于无线传感网络的现代建筑多传感安防预警系统设计。经实验证明,设计系统错误报警比例不超过1%,反应时间不超过0.25s,在现代建筑安全防护预警领域具有良好的应用前景。

基于ZigBee无线传感网络的分簇时间同步算法

在无线传感网络中,时间同步技术在信道分配、数据收发、休眠调度中都有着关键作用。目前已有的时间同步算法,有些同步精度不高,有些需要进行频繁的数据交换导致功耗过大。因此设计出能同时满足高精度和低功耗两个要求的算法势在必行。提出的算法通过改变网络拓扑结构,构造分簇函数,选出簇头,进行分簇。在新的网络拓扑中,协调器与簇头之间通过频偏补偿来保证同步的精度,簇头与成员节点之间通过三次通信消除时延进行时间同步,从而实现全网时间同步。仿真结果表明,整个网络在较低功耗下也能有较高的同步精度。

面向无线传感网络的同步时钟技术研究

考虑到传统的时钟同步技术在信息交互过程中产生的延迟具有不确定性,为了消除其对时钟同步的影响,提出了面向无线传感网络的同步时钟技术研究。通过对任意一个网络节点在真实物理时间的本地时间进行变换处理,构建无线传感网络的线性时钟模型,根据高斯分布所具有的加减特性,计算两个连续同步轮次的动态响应时间差值,在离散形式下,构建无线传感网络观测模型。通过计算无线传感网络时钟差值的均值,得到无线传感网络节点的时间戳,将无线传感网络节点数据交互误差补偿的目标函数转换成向量的形式,补偿无线传感网络节点数据交互误差,实现无线传感网络的时钟同步处理。实验结果表明,在微秒级延迟下,该技术的同步精度仍较高,可以有效消除网络信息延迟的不确定性对同步时钟的影响。

无线传感网络中一种基于RF-GAN模型的入侵检测算法

针对现有无线传感网络入侵检测算法存在的效率低、精度差等问题,提出基于RFGAN模型的无线传感网络入侵检测算法。首先,采集无线传感网络运行数据,通过去噪、缺失补偿等步骤,完成对原始数据的预处理;然后,利用RF-GAN模型提取无线传感网络运行特征;最后,通过提取特征与检测标准的匹配,得出网络入侵检测结果。理论分析及实验结果表明:优化设计方法的入侵类型误检率明显更低,入侵数据量检测误差为0.015GB,相较于现有检测算法具有一定优势。

基于无线传感网络的智慧农业监测系统设计

在信息化、智能化的时代背景下,智慧农业已成为推动农业现代化的重要手段。在这种情况下,基于无线传感网络的智慧农业监测系统应运而生,它融合了物联网、云计算、大数据等多项先进技术,为农业生产提供了全新的解决方案。文中介绍了智慧农业监测系统的研究背景,详细阐述了系统的总体设计、硬软件设计及数据分析方法,设计了一种基于无线传感网络的智慧农业监测系统,为农业生产提供了支持。

梯度化路由算法在无线传感器网络中的应用分析

无线传感器网作为一种全新的信息获取和处理技术,是当今社会研究与应用的热点。当移动目标到传感器所在的区域时,监控到目标与无线传感器网络连接,并将目标的位置传输给用户,这一过程一直是无线传感网中经典且最值得研究的问题。路由技术协同节点跟踪,参照并结合贝叶斯理论,选择网格的序列贝叶斯滤波法,利用Matlab平台,在其上创设建立网格序列贝叶斯低通滤波器仿真,并得到了最终的路由仿真模型图,促进了动态簇网格贝叶斯滤波法的定位。

基于无线传感技术的网络数据安全存储方法设计

随着物联网技术的快速发展,无线传感网络(WSNs)作为物联网的重要组成部分,得到广泛应用。由于无线传感网络在数据存储过程中存在安全性和可靠性问题,因此,如何确保数据安全性与完整性成为重要的研究课题。本文通过设计基于无线传感技术的网络数据安全存储系统,实现网络数据加密与认证机制、数据完整性与冗余备份、安全协议与网络监控等功能,以解决无线传感网络在数据存储过程中存在的安全性隐患,以期为无线传感网络的数据安全存储提供理论依据与实践指导。

基于多策略改进蝴蝶优化算法的无线传感网络节点覆盖优化

针对无线传感网络(WSN)的节点覆盖存在着覆盖率低、节点分布不均匀的问题,提出一种基于多策略改进的蝴蝶优化算法(MIBOA)的节点覆盖优化策略。首先,将基础的蝴蝶优化算法(BOA)与麻雀搜索算法(SSA)结合改进搜索过程;其次,引入自适应权重系数提高寻优精度和收敛速度;最后,对当前最优个体进行柯西变异扰动,提高算法鲁棒性。基准测试函数的寻优实验结果说明,MIBOA基本可在3 s内求解测试函数最优值,且收敛平均值精度较BOA提高了97.96%。将MIBOA应用于WSN节点覆盖优化问题,与BOA和SSA相比,节点覆盖率至少提高了3.63个百分点;与改进灰狼优化算法(IGWO)相比,部署时间缩短了145.82 s;与改进鲸群优化算法(IWOA)相比,节点覆盖率提高了0.20个百分点且时间缩短了1112.61 s。综上,MIBOA可较好提高节点覆盖率并降低冗余覆盖率,有效延长WSN的生存时间。

基于无线传感网络的电气设备温度智能监测系统

为防止由于温度异常造成的电气设备故障,提出基于无线传感网络的电气设备温度智能监测系统。利用无线传感网络及ZigBee网络采集节点,低功耗采集并传输电气设备温度信息到监测中心,利用DNN网络构建电气设备温度监测智能分析模型,实现电气设备温度的实时输出与处理。实验表明,该系统的信息传输功耗较低;可精准监测电气设备温度,可通过界面形式展现监测结果。

多用户源头无线传感网络不完整数据挖掘算法

针对无线传感网络多用户源头数据受噪声影响,导致数据缺失的问题,为了提高数据的完整性,提出多用户源头无线传感网络不完整数据挖掘算法。采用组合广义形态滤波方法对多用户源头无线传感网络数据展开去噪处理,避免噪声数据影响数据填补结果;采用集成学习方法对数据进行深度挖掘,将挖掘出的数据展开分类处理;利用低秩矩阵填充理论对分类后的数据展开首次填补,在此基础上引入曲线相似分类对缺失数据进行二次填补,完成多用户源头无线传感网络数据的完整挖掘。仿真结果表明,所提方法在不同数据集中获得的均方根误差低于0.164%,信噪比高于41.8dB,补全后的数据平均绝对误差为0.023%、平均百分比误差为3.5%、均方根误差为0.021%。因此,所提方法具有较好的去噪效果和较高的数据填补性能。

低信噪比下无线声传感网络采样率偏移估计方法

现有的采样率偏移(Sampling Rate Offset,SRO)估计算法在低信噪比条件下性能严重下降.为了解决这个问题,本文提出一种基于子带二次互相关函数的频率滑动窗二次互相关(Frequency Sliding Double-Cross Correlation Processing,FS-DXCP)算法.该方法使用频域滑动窗口构建无线节点观测信号间的子带二次互相关函数矩阵,进而利用奇异值分解来自适应地消除低信噪比频段对二次互相关函数估计的影响,最后搜寻二次互相关函数的极大值点获得SRO的估计.计算机仿真实验表明:在信噪比为-5 dB时,所提方法的采样率频偏平均估计误差为4.21百万分率(part per million,ppm),这比现有的DXCP-PHAT算法的估计误差降低了约8.17 ppm.所提算法有效提升了低信噪比条件下采样率频偏的估计精度.

基于Voronoi图的无线传感网络覆盖盲区检测方法

传感网络的空洞暴露程度较少,在检测网络覆盖情况时更容易出现误差,影响盲区的检测效果。为此,提出基于Voronoi图的无线传感网络覆盖盲区检测方法。根据节点分布关系推测无线传感网络覆盖情况,在Voronoi图的指导下排除已覆盖区域,获取具备检测条件的未覆盖无线传感网络空洞。计算网络空洞的暴露程度和节点能量,作为特征样本输入粒子群分离器中,根据分类器的输出结果,实现无线传感网络覆盖盲区检测。仿真结果表明,所提方法不同覆盖盲区数量下的检测时长低于0.2 s、不同节点数量下的检测能耗低于20 J、不同空洞圆心距下的覆盖盲区差异度最高为0.24,证明所提方法具有较好的无线传感网络覆盖盲区检测效果。

考虑时滞影响的无线传感网络蠕虫病毒自适应检测方法

无线传感网络中的蠕虫病毒攻击存在着一定的时滞情况,攻击检测难度较大。为了准确检测无线传感网络中的蠕虫病毒,提出一种考虑时滞影响的无线传感网络蠕虫病毒自适应检测方法。采集大量无线传感网络流量数据,对全部数据进行降维处理。在网络蠕虫病毒攻击存在时滞的情况下,将PGM-NMF算法和聚类分析方法相结合,实现无线传感网络节点的异常检测及分类,判断蠕虫攻击的类型,实现蠕虫病毒自适应检测。仿真结果表明:蠕虫病毒攻击时滞为12 ms时,所提方法检测蠕虫病毒的漏报率为9.3%,成功率为95.50%,误报率为0.69%,漏检率为2.9%,蠕虫病毒自适应检测耗时平均值为5.0 s。