基于POA-VMD-WT的MEMS去噪方法

针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm,POA)的变分模态分解(variational mode decomposition,VMD)结合小波阈值(wavelet threshold,WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function,IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。

基于块排序优化机制的移动传感网数据精确算法

为解决当前移动传感网部署过程中存在的传输能力较低、数据传输误差较高等不足,提出了一种基于块排序优化机制的移动传感网数据精确算法。通过簇头节点间的位置拓扑关系,构建拓扑-信号传输误差评估指标,设计了节点区域矢量评估机制,以精确追踪数据传输过程中的拓扑轨迹,并采取莫度矢量方式来降低数据传输误差,从而提升网络数据传输能力。采用块排序机制,计算排序阈值,构建了误差消除方法,从而实现间歇性簇头数据传输能力,进一步降低簇头间数据传输存在的传输误差。仿真实验表明:与当前传感领域内常用的基于能量机制的改进蚁群算法和基于节能聚类机制的覆盖图量算法相比,本算法具有更强的网络数据传输能力和更低的网络传输误差。

融合判决门限和信任过滤机制的WSN异常节点定位方法

由于网络拓扑频繁变化使无线传感网络(Wireless Sensor Network,WSN)中的节点会移动或失效,从而造成传感器节点所产生数据具有不确定性,且节点异常具有多模态特性,易造成错定漏定的问题。因此,提出融合判决门限和信任过滤机制的WSN异常节点定位方法。通过传感器位置特征组建K-近邻图信号函数捕捉节点间的空间关系;利用低通滤波前后的平滑度差异设计判决门限来减少数据不确定性的影响,实现WSN异常节点检测;通过Beta分布初步信任评价锚点位置信息,调节信任更新权重来适应拓扑变化,引入信任过滤机制差异化处理WSN节点,并通过簇头节点判断锚点可信度,实现WSN异常节点精准定位。结果表明,所提方法异常节点定位虚警概率在1%以下,OPR值可达到99.12%,具有较高的定位精度。

基于双重约束机制的无线传感器网络虫洞攻击检测算法

针对无线传感器网络存在的虫洞攻击问题,提出了一种基于距离和能量双重约束机制的虫洞攻击检测算法(WAD-DEC)。在邻居发现阶段,提出了距离阈值约束原则,通过限制消息的接收距离来防止虫洞节点建立恶意邻居;在数据传输阶段,提出了加密散列密钥算法对接收的数据进行异常监测。针对异常数据,再用提出的能量阈值约束原则检测虫洞攻击并剔除虫洞节点。在仿真实验中,与AD-PSO、MCPR算法相比,所提算法在时延检测上分别降低了730 ms和440 ms,将错判率最低控制在0.15%以内,检测率最高可达97.5%。结果表明,所提算法能够有效检测出虫洞攻击,在保持高检测精度的同时能够降低检测时延,防止虫洞节点建立恶意虚假邻居,并减少恶意重播消息数量,降低网络能耗,延长网络寿命.

光纤光栅干涉传感器位移测量误差高精度校准方法

在光纤光栅干涉传感器的位移测量中,受外界的振动或电磁等环境干扰因素的影响,对传感器的测量结果造成波动或误差。为了提高光纤光栅干涉传感器位移测量的效率,保证测量的准确性,提出光纤光栅干涉传感器位移测量误差高精度校准方法。通过分析光纤光栅干涉传感器的位移测量原理,获取位移测量数据;采用小波阈值方法,对位移测量数据去噪和平滑处理;利用反向传播(Back Propagation,BP)神经网络,对去噪后位移测量数据中误差数据高精度校准。实验结果表明,所提方法在降低误差校准计算复杂度的同时,能够有效提高误差校准精度、效率和运行稳定性。

无线传感网LEACH协议的改进方法

为解决传统LEACH(Low Energy Adaptive Clustering Hierarchy)协议网络节点能量消耗高、存活数量少和生存寿命短等问题,提出了一种LEACH-AD改进方案。该算法引入最优簇头比率P值、加入距离因子、剩余能量因子和密度因子等因素更新的阈值公式进行分簇以及簇间的传输。实验结果表明,改进后的LEACH-AD协议在首个死亡节点、10%死亡节点以及全部死亡节点分别比原LEACH协议延长138轮、195轮、628轮。在能量消耗方面比原LEACH协议多持续了631轮,改进后的路由协议减少了网络节点的能量消耗量,从而有效延长了无线网络与传感节点的工作时间,这对无线监测系统的研究与开发意义重大。

基于神经网络的地铁列车速度传感器自动化诊断

基于列车运行稳定可靠的需求,提高传感器数据检测的准确性以及及时性的目的,采用以径向神经网络为基础依据,进行双通道传感器数据检测的自动化故障诊断方法,构建地铁列车速度传感器自动化诊断系统。以传感器的工作原理为依据设置两组检测通道,其中一组作为备用通道进行信号检测。同时结合径向神经网络构建速度传感器自动诊断系统,经过精确度阈值以及相角对传感器故障进行诊断。通过实际的验证试验可知,传感器自动化诊断系统能够保证较高的精确度,可对地铁列车速度传感器的工作状态进行及时有效的判断。

基于地磁感应的柱塞到达传感器设计

柱塞到达检测是柱塞气举排水采气工艺的重要组成部分。针对传统柱塞到达传感器易受油管振动影响产生漏检而导致气举井生产效率偏低的问题,提出一种基于地磁感应的柱塞到达传感器设计方法。该柱塞到达传感器以STM32微处理器为核心,通过采集地磁传感器RM3100传送的数据,经过滑动平均滤波后采用自适应阈值算法判断柱塞运动状态,最后输出柱塞到达信号。实验室测试及实地应用表明,该柱塞到达传感器检测精度高,运行稳定,在柱塞气举排水采气工艺中具有一定的实用价值。

胎—路接触应力传感器的信号去噪方法研究

为了解决应变传感器在测量胎—路接触应力信号时的噪声干扰问题,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和小波软阈值的胎—路接触应力传感器的信号去噪方法。首先,将胎—路接触应力信号CEEMDAN分解为一系列从高频到低频排列的本征模态函数(IMF)分量;再根据能量值法判定出噪声主导IMF分量和信号主导IMF分量,并对噪声主导IMF分量进行小波软阈值去噪;最后,将去噪后的IMF分量和信号主导IMF分量进行重构,得到去噪后的胎—路接触应力信号。将所提方法分别与CEEMDAN去噪方法、小波软阈值去噪方法进行比较,结果表明:所提方法去噪后信号的信噪比(SNR)分别提高了33%和343%,均方根误差(RMSE)分别降低了64%和252%,说明所提方法的去噪效果更佳。

基于布里渊增益谱二维图像小波阈值降噪的BOTDR测量精度提升研究

针对布里渊光时域反射仪(BOTDR)信号弱,噪声干扰造成的测量精度降低问题,提出基于布里渊增益谱二维图像小波阈值降噪方法实现BOTDR系统测量精度提升。分析了微波扫频法BOTDR测量原理及二维布里渊增益谱图像特征,设计了二维图像小波阈值降噪算法流程,搭建了微波扫频法BOTDR实验装置进行降噪性能验证,基于降噪性能对比确定了二维小波基函数、分解层数、阈值规则及阈值函数最优参数匹配方案。实验结果证明,使用二维图像小波阈值降噪算法,在累加平均500次条件下,降噪前后10km传感光纤末端变温区布里渊频移波动范围由±4.61MHz降至±2.59MHz,均方根误差由2.24MHz降至0.99MHz;降噪前后50km传感光纤末端变温区布里渊频移波动范围由±41.25MHz降至±2.83MHz,均方根误差由33.59MHz降至1.69MHz。研究表明,使用该降噪方案可有效提升BOTDR测量精度。

基于改进VAE的传感器异常数据检测方法研究

气体传感器在采样过程中受复杂工业环境影响常常产生异常时间序列数据。传统的时间序列异常检测采用模型预测方法,但没有考虑到时间序列数据的不平衡问题。因此,提出一种基于改进VAE模型的检测方法。首先,将大量正常时序数据与较少且难以标记的异常时序数据进行合并构建成一个不平衡数据集。其次,在传统VAE模型的基础上采用无监督学习方式,在异常检测分类环节引入动态阈值方法增强网络模型的自适应异常检测能力。最后,提出一种时序异常检测的组合损失函数,通过集成交叉熵损失函数和KL散度进一步提升网络参数优化性能。实验结果表明,该方法在精确率、召回率以及F1值等异常检测性能指标上,比原有的方法有所提升。该方法在传感器异常数据检测中有着较好的应用。

基于模糊逻辑的无线传感器网络静态节点自动分类方法

随着无线传感器网络节点数量增加,其间的关联关系逐渐呈现模糊化,导致在对节点进行分类时,需要多次迭代才能找到其中的关联规则,导致容易出现高比例错误分类的情况,提出基于模糊逻辑的无线传感器网络静态节点自动分类方法研究。在原关联规则的基础上引入模糊逻辑,结合构建的模糊规则推理分析了节点消息剩余生存时间比值和节点消息跳数的隶属度,利用规则阈值将静态节点分为两类:“高优先级”和“低优先级”。实验结果表明,设计方法将静态节点分类为非静态节点的比例低于0.07,将非静态节点分类为静态节点的比例始终低于0.08,正确分类为静态节点的比例始终高于0.93,具有明显优势。

高盐土壤环境对土壤水分传感器的影响及校正研究

为对市场上主流水分传感器在高盐土壤中的含水量测量值进行定量化对比及校正,选取8种主流传感器(EC-5、5TE、Teros12、Hydra-probeⅡ、TDR315L、TDR315H、TDR305H、CS655),在江苏如东滨海重度盐土(全盐量为6.8 g·kg^(-1))中进行含水量测量值对比及校正研究。在土柱中配制0.20~0.45 cm^(3)·cm^(-3)6个标准土壤含水量级土样,进行测量记录。对比结果发现:各传感器含水量测量值均呈现不同程度偏高。除EC-5外,其他传感器均出现局部高含水量区间失真现象,失真类型又分突变型和不敏感型两种。CS655全量程突变失真,Hydra-probeⅡ、5TE、TDR315L和TDR315H在0.35~0.40 cm^(3)·cm^(-3)出现突变失真,TDR305H和Teros12超过0.40 cm^(3)·cm^(-3)后呈现不敏感失真。在各传感器含水量测量值小于失真阈值范围内,TDR315H和TDR305H含水量测量值偏高程度最小,Teros12、TDR315L、5TE和EC-5中等,Hydra-probeⅡ最大。除CS655外,对其余7种传感器在失真阈值内进行校正,利用校正公式得到的土壤含水量测量值精度均可达±0.02 cm^(3)·cm^(-3)。本研究为高盐土壤中准确、高效测定土壤水分提供了实用化指导与对策。

无线传感器网络的异质性对病毒传播的影响

病毒传播是无线传感器网络(Wireless Sensor Network,WSN)安全领域的一个重要问题。传统关于WSN中病毒传播的研究大多基于同质网络进行,很少考虑网络结构的异质性对病毒传播的影响。为了探究网络结构的异质性对WSN病毒传播效果的影响,分别进行了相关理论分析和仿真实验。首先,利用平均场理论建立了静态同质和异质WSN上的SIR病毒传播模型,计算得到了两种网络的传播阈值,结果显示,在网络规模足够大时,异质WSN的传播阈值等于0,而同质WSN的传播阈值大于0,且异质WSN的稳态感染比例要大于同质WSN,说明异质WSN更有利于病毒的传播。其次,对同质WSN和异质WSN中的病毒传播过程进行了仿真,仿真结果与理论分析结果一致,仿真结果还显示,网络的异质性越高,越有利于病毒的传播。

融合多指标的WSN动态信任评估预测模型

针对无线传感器网络中恶意节点引发的安全问题,在贝叶斯信任模型基础上,引入信誉维护函数自适应降低前期节点交互行为次数的影响,引入异常弱化因子,降低由网络自身故障所带来的节点异常行为的误检,结合模糊评判方法进行直接信任计算,为提高推荐信任评估的可靠性,采用贴近度理论对不同的推荐节点赋予权重再分配获取间接信任,为提高信任模型的检测精度,采用加权因子,由直接信任值以及间接信任中的变量共同确定综合信任值的大小,借助自适应权值动态更新综合信任值,有效避免短时间内信任的迅速提升,并利用滑动时间窗对综合信任值进行预测,搭建了融合多指标的WSN动态信任评估预测模型FSEPM,将预测信任值与实际信任值的差值与信任阈值相比较,以判定节点性质。仿真结果表明:该信任评估模型可精确可靠评估节点之间的信任关系,能够有效检测出网络中的恶意节点,提高网络的安全性。

2.79μm中红外激光对CMOS图像传感器的辐照效应研究

研究中红外波段激光对CMOS图像传感器的辐照效应,对探索空间态势感知系统光学成像器件的激光干扰和损伤条件具有重要军事意义。开展了不同重频下2.79μm中红外激光对CMOS图像传感器的干扰与损伤实验。观察到CMOS图像传感器的饱和、过饱和以及损伤产生的绿屏、彩色条纹、黑屏、亮线等一系列干扰损伤现象。同时测量了传感器各种辐照现象相对应的2.79μm中红外激光干扰损伤阈值,研究了图像传感器辐照效应与激光重频之间的内在关系,分析了2.79μm中红外激光对CMOS图像传感器的干扰损伤机理。研究表明,CMOS图像传感器的激光损伤主要以材料的热熔融为主,热效应明显。在激光重频10 Hz的辐照下,饱和干扰阈值为0.44 J/cm^(2)、过饱和阈值为0.97 J/cm^(2)、损伤阈值为203.71 J/cm^(2)。研究表明CMOS图像传感器具有很好的抗干扰和抗损伤能力,实验测得的相关阈值数据在空间激光攻防领域具有重要的参考价值。

基于惯性传感器的输电线路舞动信号处理技术

为了实现对输电线路舞动特征参数的准确辨识,提出一种基于六轴惯性传感器的舞动信号处理算法。根据捷联惯导理论,设计了舞动信号解算框架;利用舞动三自由度模型,进行反演与姿态解算;通过建立惯性传感器加速度与陀螺仪误差模型,对确定性误差采用无定向快速标定算法进行标定补偿;采用小波阈值去噪算法对环境白噪声进行去噪,确定最佳小波基函数及阈值选取原则;采用两向不水平度测定俯仰角与横滚角来计算初始四元数进行姿态更新,实现舞动幅值和舞动频率辨识算法。在实验室环境下,利用单摆运动模拟实际舞动信号,经信号处理后,较好的实现了对舞动特征参数的辨识,解算结果舞动幅值误差最大为3.58%,频率误差最大为3.67%。

建筑环境传感节点监测中的风险概率阈值模糊计算

在复杂的建筑环境中,当前阈值计算方法对于风险模糊事件监测困难,风险概率阈值计算结果准确度较低。因此,提出建筑环境传感节点监测中的风险概率阈值计算。通过分析传感网络在建筑环境中的监测原理,识别风险因素,计算节点冲突概率,得到风险模糊事件概率,并构建风险概率模型,基于该模型计算监测风险率,求得风险概率阈值。实验结果显示,利用所提方法对传感节点监测中的风险阈值进行计算,可得到较高的计算准确度。

基于机器学习的自适应双模协同无线充电调度策略

为了打破无线传感器网络的能量瓶颈,考虑无线充电效率对充电距离的敏感性,提出一种基于机器学习的自适应双模式设备协同调度的无线充电方案。首先,基于剩余能量、能耗以及充电效率来定义节点状态,提出一种计及节点状态的自适应阈值选择充电算法。然后设计改进式遗传算法,以最大化能量效用为目标为各节点选择合适的充电模式。此外,为进一步降低充电算法时间复杂度,利用基于支持向量机的机器学习方法学习上述充电模式切换机制,构建节点状态智能预测模型。仿真结果表明,所提算法可在保证较低充电时延的基础上,有效提升多无线充电设备的能量效用,增强传感网络的可持续性。

基于双簇头优化机制的WSN稳定传输算法

传统无线传感网部署过程中仅采取单簇头机制,因而稳定性不足,对此提出了一种基于双簇头优化机制的WSN稳定传输算法。文章采用非均衡划分机制,将网络区域按照种子聚类予以初始化划分,设计了一种新的网络初始化方法,降低因簇头节点过载而出现的“热点”,以规避节点抖动而出现网络传输波动的问题,从而起到稳定簇内传输质量的作用。结合簇头能量变化情况,构建了能量—周期更新阈值,利用该阈值将能量较差的被选节点予以剔除,从而提高了网络链路抗抖性能,避免所选簇头因能量受限而导致出现难以控制簇成员节点的现象,以增强簇头节点对网络区域的控制能力并稳定网络传输流量,提升节点在高强度数据传输环境下的生存能力。仿真实验表明,与当前较为流行的WSN传输技术相比,所提算法具有更高的网络稳定传输时长和更低的链路周期抖动概率。