Single Mobile Sink Based Energy Efficiency and Fast Data Gathering Protocol for Wireless Sensor Networks

Recently, the exponential rise in communication system demands has motivated global academia-industry to develop efficient communication technologies to fulfill energy efficiency and Quality of Service (QoS) demands. Wireless Sensor Network (WSN) being one of the most efficient technologies possesses immense potential to serve major communication purposes including civil, defense and industrial purposes etc. The inclusion of sensor-mobility with WSN has broadened application horizon. The effectiveness of WSNs can be characterized by its ability to perform efficient data gathering and transmission to the base station for decision process. Clustering based routing scheme has been one of the dominating techniques for WSN systems;however key issues like, cluster formation, selection of the number of clusters and cluster heads, and data transmission decision from sensors to the mobile sink have always been an open research area. In this paper, a robust and energy efficient single mobile sink based WSN data gathering protocol is proposed. Unlike existing approaches, an enhanced centralized clustering model is developed on the basis of expectation-maximization (EEM) concept. Further, it is strengthened by using an optimal cluster count estimation technique that ensures that the number of clusters in the network region doesn’t introduce unwanted energy exhaustion. Meanwhile, the relative distance between sensor node and cluster head as well as mobile sink is used to make transmission (path) decision. Results exhibit that the proposed EEM based clustering with optimal cluster selection and optimal dynamic transmission decision enables higher throughput, fast data gathering, minima delay and energy consumption, and higher

GeoDatabase数据模型及其几何网络的拓扑分析应用

阐述了ArcInfo软件的GeoDatabase数据模型及特点,介绍了GeoDatabase数据模型的几何网络,依据模型几何网络的特点,分析了几何网络在地理信息系统拓扑分析中的应用。

基于NODE.JS/GPRS/ZigBee的水产养殖远程测控系统的设计

为了满足水产养殖智能化的要求[1],设计了水产养殖水质参数的远程实时监控系统。该系统由水质参数无线监测部件RTU、远程数据管理服务器和客户终端APP组成。RTU采用STM32微处理器方案,实现水质数据的采集和GPRS无线远程数据的传输;远程数据管理服务器,可以接收所有RTU传输过来的数据,进行智能判断并且保存,供APP客户随时访问。利用Zig Bee和NODE.JS[2~3]技术,此系统不仅满足了无线数据采集和数据传输的相关指标要求,而且有效地解决了水产养殖系统中布线困难,通信费用过高、连接并发数不高和实时性不强等问题。

基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

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。

基于图卷积网络和图数据增强技术的节点分类研究

在图卷积网络中,节点分类是一个基本问题,它涉及到图中节点的标签预测。然而,由于真实世界中的图往往具有复杂的结构和噪声,节点分类准确率往往不尽如人意。为了解决这个问题,提出了一种使用图神经网络和图数据增强技术的方法来提高节点分类准确率。首先,我们使用图数据增强技术对图数据进行预处理,对原始训练数据进行变换和扩展来生成更多训练样本,以此来提高模型的泛化性和鲁棒性,然后用图卷积网络模型对图数据进行节点分类,最后,在Cora数据集上进行了多次对比实验。实验结果表明,使用图卷积网络和图数据增强技术可以显著提高节点分类准确率,Cora数据集上的节点分类准确率从82.6%提高到了84.0%。

变拓扑结构下无线网络节点数据同态加密传输算法设计

由于无线网络在传输过程中,节点拓扑结构处于变化过程中,很容易被攻击,导致网络在数据传输过程中,被恶意攻击发生数据泄露。提出基于同态加密的无线网络节点数据安全传输算法。利用信道损耗模型确定无线网络的变化拓扑结构。通过遍历网络节点规划出数据的最优动态传输路径。在按照规划路径进行数据传输的过程中,设计一种同态加密算法对传感数据加密,实现无线网络节点数据的安全传输。实验结果表明:在不同类型的网络攻击下,设计数据传输技术的丢包率仅0.6%,证实了该技术可以保障无线网络节点数据的传输安全。

数据引流下异构传感器网络能量空洞防护算法

异构传感器网络在工作时,靠近传感器基站位置的节点会由于接收转发次数较多而出现能量空洞现象。为有效对此现象实施防护,保障网络安全运行,提出数据引流下异构传感器网络能量空洞防护算法。构建网络节点部署模型,对传感器网络节点实施节点优化部署;计算网络节点能耗对网络实施能量均衡控制,获取异构传感器网络节点的簇内传输跳数;结合获取的节点簇内跳数以及能量均衡结果开展节点接收数据的的引流分配,平衡传感器网络层内节点能量消耗,实现传感器网络的能量空洞防护。实验结果表明,使用上述方法开展传感器网络能量空洞防护时,数据转发接收能耗较低,防护方法性能高,防护效果好。

基于模糊评判的无线传感器网络簇间数据转发算法

由于无线传感器网络在簇间数据转发过程中消耗能量较大、转发效率低,导致数据在转发过程中容易失效。为此,提出基于模糊评判的无线传感器网络簇间数据转发算法。建立无线传感器网络模型和通信模型,明确节点的运行方式和转发数据所消耗的能量,构建模糊综合评判模型,选取梯形隶属度函数计算传感器节点的相似度和活跃度,找出最佳转发节点,完成数据转发任务。仿真结果表明,所提算法的第一个节点死亡轮数和网络失效轮数最高为167和178,在仿真轮数达到1000轮时,该算法剩余的网络能量和节点平均能量分别为4 J和0.01 J,证明所提算法在数据转发过程中可消耗最少的能量,高效率地完成数据转发任务。

基于无线传感器网络的鱼塘水质管理研究

随着水产养殖业的快速发展,鱼塘水质管理成为保障养殖效率与产品品质的关键因素。文章探讨了一种基于无线传感器网络的鱼塘水质监测系统的设计与应用。该系统集成了多种水质传感器,如溶解氧、pH值、温度和氨氮浓度传感器,以实时监测鱼塘的水质参数。传感器节点通过无线方式将采集到的数据传输至汇聚节点,再由汇聚节点将数据发送至远程监控中心,实现对水质的远程监控与管理。该系统采用自组织网络技术,能够适应鱼塘复杂多变的环境,降低布线成本,提高监测灵活性。此外,该研究还涉及数据处理算法与预警机制,以便及时发现水质异常并采取相应措施,确保水质维持在适宜养殖的范围内。通过试验验证,该系统有效提升了鱼塘水质管理的效率与精确度,对促进水产养殖业的智能化发展具有重要意义。

半监督图节点分类任务的清洁标签后门植入

半监督图学习旨在使用给定图中的各种先验知识推断未标记节点或图的类别,通过提升数据标注的自动化,使其具有较高的节点分类效率。作为一种深度学习架构,半监督图学习也面临后门攻击威胁,但目前尚未出现对半监督图节点分类任务有效的后门攻击方法。文中提出了一种针对半监督图节点分类模型的持久性清洁标签后门攻击方法,通过在未标记的训练数据上自适应地添加触发器和对抗扰动生成中毒样本,并在不修改标签的情况下训练得到中毒的半监督图节点分类模型。而攻击者可以较为隐蔽地对模型进行投毒,且投毒率不高于4%。同时为了保证后门在模型中的持久性,设计了一种超参数调节策略以选择最佳的对抗扰动尺寸。在多个半监督图节点分类模型与开源数据集上进行的大量实验,结果表明所提方法的攻击成功率最高可达96.25%,而模型在正常样本上的分类精度几乎没有损失。

基于网络用户评价数据+的旅游风景道路网布局研究

为充分考虑游客的实际出行需求并提高旅游风景道路网布局的合理性,该文基于网络用户评价数据和旅游服务质量等级数据,提出一种旅游风景道路网布局方法,即通过K-means++和随机森林算法对旅游节点各指标进行客观赋权,计算节点重要度及节点间的路线重要度,并结合现状路网条件,制定区域性“快进+慢游”的旅游风景道路网布局方案。以G228福建段沿线区域为例,对旅游风景道路网布局方法的合理性进行验证,结果表明:该方法可有效划分旅游节点层次并优化区域性旅游风景道路网布局方案,最终构建出G228福建段沿线区域“两级四类”的区域性旅游风景道路网布局方案。研究结果对区域性旅游风景道路网的构建及旅游资源开发具有借鉴意义。

舰船通信网络不完整节点数据模糊采集算法

基于改进数据采集结果冗余的目的,研究舰船通信网络不完整节点数据模糊采集算法。根据所定义的节点传输数据的概率,并结合聚类阈值,对不完整节点数据进行模糊聚类,选定聚类簇中心。采用平滑参数对舰船通信网络数据中的冗余数据进行处理,并提取不完整节点的数据特征向量。构建目标函数,通过求解最优路径来实现数据采集,同时考虑比特序列开销值,输出最优解。测试结果表明,采用提出的方法对不完整节点数据进行模糊采集时,数据集的平均冗余度为22,具备较为理想的数据采集效果。

面向多重属性的区块链去中心化程度度量模型

去中心化是区块链的典型特征,随着区块链技术的不断发展,去中心化程度定量度量的现实意义也逐渐加深。现有区块链去中心化程度度量方法采用的评价指标或是考虑节点功能,或是考虑网络性能,评价角度不同,导致提出的模型和评价指标存在较大的偏差。为此,文中面向区块链交易流程,提取节点功能完整、网络传输、数据存储3方面影响区块链去中心化程度的关键因素,建立面向多重属性的去中心化程度度量模型(Multi-attribute Decentralized Degree Measurement Model,MDDMM),并进行原型实现。实验结果表明,数据存储、节点功能完整、网络传输对去中心化特征的影响程度依次降低,比特币的去中心化程度分别比比特现金、以太坊及以太经典高约3.5%,30%,38%。且所提模型与现有度量方法相比度量指标更加全面,为量化度量区块链平台的去中心化程度提供了理论依据和数据支撑。

电力数据信息网络阻塞故障节点快速辨识研究

由于电力数据信息网络阻塞,导致脆弱性故障节点快速扩散,造成故障节点辨识效果差且耗时较长。为此,提出了电力数据信息网络阻塞故障节点快速辨识研究。构建网络阻塞故障节点跟踪模型,获取故障节点跟踪集合。使用层次分析法构造比较矩阵,计算辨识指标权重向量。定量分析故障数据特征,获取故障节点信息特征矢量。结合神经网络模型构建分析矩阵,在短时间内得到最终故障节点分布结果。通过量化指标,获取故障节点辨识结果。计算节点继电保护脆弱贡献度,辨识脆弱故障节点。由实验结果可知,该方法统计的故障节点信息特征与理想特征一致,具有较好的辨识效果,辨识时间仅为10 s,加快了故障节点的辨识速率。

基于盲均衡算法的网络大数据异常节点检测

网络大数据具有复杂性、多样性,其在流动期间容易出现异常节点。工作人员需采用智能性能检测的方式,才能减少网络故障问题的发生。相关部门基于网络大数据提出了异常节点的检测方法,采用传感序列采集模型,应用盲均衡算法提取网络环境中的噪声均值,以展现网络大数据异常节点的特征。基于此,文中结合实际,简要分析了盲均衡算法,阐述了基于盲均衡算法的网络大数据异常节点检测方法,以期为相关部门的工作提供支持。

动态拓扑下基于终端数据挖掘的配电网异常节点检测

异常节点检测用于发现由窃电、设备故障等现象导致的功率、电压等电气参数的量测值与实际值不同的节点,是配电网态势感知、运行和管理的基础。为此,提出一种基于终端数据挖掘的异常检测方法。首先,通过挖掘节点电压、功率间的潮流约束关系,构建了一种潮流映射框架下的异常检测体系,将不符合约束关系的节点判断为异常。其次,构建对冲反向传播-残差神经网络拟合潮流约束关系,在配电网拓扑和参数信息缺失的情况下实现快速准确的电压计算。再次,针对配电网拓扑变动导致方法失效问题,引入模型回溯概念和生成树算法进行识别,将变动信息反馈给主模型,实现检测方法在动态拓扑下的应用。最后,结合实际案例与仿真实验验证了所提方法的有效性。

无线公用网络数据传输通道恶意节点检测方法

传统的网络数据传输通道的恶意节点检测方法准确性不足,设计并提出无线公用网络数据传输通道恶意节点检测方法,包括提取节点特征属性、建立恶意节点检测模型并构建节点行为识别函数,最后进行无线公用网络数据传输通道恶意节点检测。为验证设计方法的有效性,建立对比实验,将该文方法与基于增强协议的数据传输通道恶意节点检测方法和基于区块链的数据传输通道恶意节点检测方法进行对比,实验结果表明,该文方法准确性优于其它两种方法,具有实用性。

基于多源节点数据的环网柜放电故障识别

通过识别环网柜的放电故障点,可以快速定位并解决问题,减少能源损失,提高系统的能源利用效率。为此,提出基于复合传感与多源多节点数据的环网柜放电故障点识别方法。布设多个环网柜传感数据测点,将设计的复合传感器安装在测点位置上,从高频电流、超声波和电磁矢量三个方面采集环网柜多源多节点传感数据,提取环网柜放电信号特征,得出放电故障点的位置和大小。与传统识别方法相比,优化设计方法的放电故障点位置和大小识别误差分别降低8.05m和0.035m^(2),由此证明优化设计方法具有更高的识别性能。