基于半马尔科夫过程的DTN节点移动模型

节点移动模型对容延容断网络(Delay/Disruption Tolerant Networks,DTN)中路由算法性能有着重要影响.本文分析校园环境下学生所携带移动节点的运动特点,采用半马尔科夫过程模拟节点运动并建立相应的DTN节点移动模型,对模型进行仿真和分析,将仿真结果与随机路径点(RandomWay Point,RWP)模型及实际路径信息进行对比,可以看出半马尔科夫过程模型能够更准确地描述实际网络环境.

无线传感器网络中高斯-马尔科夫移动模型参数特性研究

高斯-马尔科夫移动模型(GM模型)是一种比较符合现实场景的节点运动模型,但是GM模型参数选择复杂,如果参数选择不当,移动节点会超出仿真区域,进而影响模型的性能。本文对GM模型的参数进行了仿真分析,结果表明初始速度对节点的超界率和覆盖率影响不大,而随着α值的增大,节点超界率增大,覆盖率呈先增大后减小的趋势;随着边界阈值λ的增大,超界率减小,但覆盖率也减小。在实际应用中,应当确保超界率在可接受范围之内的前提下,尽量提高节点的覆盖率。

基于半马尔科夫平滑移动模型的AdHoc网络节点相对速率分析

针对基于半马尔科夫平滑移动模型(SMS)的无线Ad Hoc网络节点相对运动速率概率分布展开研究,指出了现有基于SMS模型的节点相对运动速率概率分布分析方法存在的局限性:(1)现有分析方法得到的加速阶段节点速率概率分布与仿真结果相比偏差较大,在节点速率较小的情况下,偏差更为严重;(2)随着最小运动速率的增加,现有分析方法得出的相对速率概率分布与仿真结果相比偏差增大.针对上述局限性,本文首先通过分析得到了节点运动速率的概率分布函数,然后在此基础上提出了分析节点相对运动速率概率分布的新方法.仿真结果证明了本文提出的节点相对速率分析方法的有效性.

基于平滑高斯半马尔可夫模型的移动无线传感器网络生成树算法

针对以往移动无线传感器网络研究只是单纯地对移动群体进行分簇而没有充分利用组群移动的内部稳定性的问题,结合组移动模型中节点运动的规律和内聚性原理,采用平滑高斯半马尔可夫移动模型刻画组内单个节点移动特征,构建了一种适合移动网络的稳定生成树算法(GM-base stable spanning tree algorithm,GSST);实验证明,该算法从单个节点运动变化入手,在预测未来节点运动情况,选择稳定的链路构建网络结构方面,提高了移动网络的稳定性;同时,利用树的分层特征,简化移动网络的组网过程,并实现网络重组局部化;该算法有效延长节点存活率,均衡数据传输量。

基于WSN的隐马尔科夫模型煤矿井下定位

针对煤矿井下定位精度不高的问题,提出一种隐马尔科夫模型(Hidden Markov Model,HMM)的定位方法。通过比较隐马尔科夫模型和粒子滤波模型推断出,当定位的数据需要通过多跳的方式传播时,使用半马尔科夫平滑移动模型(Semi-Markov Smooth Mobility Model,SMS)来估计误差,能量消耗,能提升定位精度。

鱼群启发的三维Ad hoc网络节点随机移动优化模型

为有效指导三维环境中的移动自组织无线网络(MAWN)的部署,并提高网络感知能力,受鱼群启发,构建了一种新型三维节点半随机移动模型(3D_NMM)。本文在三维高斯半马尔科夫移动模型(3D-SGM)上增加节点排斥运动状态,设计了新的节点状态转换方式;在随机路点移动模型上构建虚拟边界,提出了一种新的边界处理方法。仿真实验表明,3D_NMM较3D-SGM在空间探测率、实时覆盖率及初始探测花费上具有优势,其中实时覆盖率提高了62.2%,初始探测95%区域的时间花费降低了77%,有效提升了移动无线自组织网络的应用效能。

一种高斯-马尔科夫自组网组移动模型

研究了Ad Hoc网络中移动模型问题。针对目前Ad Hoc网络节点通常具有群组移动性的特征,提出了一种新的移动模型—高斯-马尔科夫组移动模型。通过与RWP、CGM移动模型仿真对比得出,该移动模型符合能够有效描述具有群组移动性的Ad Hoc网络,同时也表明,不同的移动模型对Ad Hoc网络路由协议性能具有很大的影响。

基于贝叶斯理论及MCMC-MH算法推演地基土材料阻尼比的概率分布模型

浅层土壤的材料阻尼比参数分布可以通过多通道表面波(MASW)分析法提取的表面波衰减曲线来反演识别,但是衰减曲线对于较大深度和小空间尺度土壤性质的变化不敏感,反演的土壤材料阻尼比分布是非唯一的和不确定的。基于该研究建立了土体材料阻尼比随深度变化的先验概率分布模型,利用Nataf变换和Karhunen-Loeve将其分解为标准高斯变量与特征值及特征向量的乘积和;随后依据贝叶斯理论,以TLM-PML模型结合频率波数域-半功率带宽法对衰减曲线进行正演,并与试验数据联合构建似然函数,使用蒙特卡洛马尔科夫链(MCMC)-Metropolis(MH)算法得到土体材料阻尼比的后验概率分布模型;对马尔科夫链的收敛性和独立性进行检验获得了多组相互独立的后验样本数据;用独立的后验样本计算出自由场振动响应,利用核密度估计得到具有一定置信度的置信区间,并与试验数据进行比较,验证了该研究提出的土体阻尼比非确定性概率模型的合理性和可靠性。

高速铁路路堑场景的车车通信无线信道建模研究

针对传统几何随机分布模型(GBSM)对高速铁路路堑场景适用性不强,列车无线通信系统建模方法不能体现出无线信道的非平稳特性等问题,基于GBSM建模方法及高斯马尔科夫移动模型(GM模型),建立高速铁路路堑场景下的车车通信无线信道模型,模型中假设实际散射体为随机分布在发射端和接收端的虚拟圆柱体表面的等效散射体,且接收端和发射端的运动速度及运动方向均随机,分析信道统计特性中的时变特性,并通过时变时间特性展现信道的非平稳特性。研究结果表明,信道的非平稳特性随着GM模型中随机参数的变化而变化,发射端与接收端速度变大、信道各向异性增强,信道的非平稳特性增强,证明无线信道只有在速度和方向均时变的条件下,才具有非平稳特性。

建筑能源和舒适度管理——基于大尺度环境传感器网络用户行为模式识别的研究

用户出现识别被广泛应用于建筑环境中,例如包括需求控制的通风和安全工程。然而,目前大多数的传感器技术不能辨别出房间里具体的人数。为了解决这个问题,在卡内基梅隆大学的Robert L.Preger智能工作站(IW)内开发了一个复杂的环境传感器网络。结果显示,被测量的环境条件和用户状况之间有显著的相关性。它表明使用基于隐式马尔科夫模型的高斯混合模型在人数识别上能够实现83%的准确度。为了说明基于行为识别(例如人数和时间)带来的能耗影响,使用Energy Plus建立该智能工作站的模型,假定使用标准VAV系统,通过模拟计算来比较根据ASHRAE 90.1标准案例规定的作息模式和预测得到的两种模式之间的能源消耗结果。结果表明,在保证室内热舒适的同时,智能工作站可节约空调能耗18.5%。