移动低占空比无线传感器网络中低时延的数据持续性提高算法

移动低占空比无线传感器网络是近年来出现的新型网络。在移动低占空比无线传感器网络中,由于节点的存储空间有限,并且节点的移动及睡眠会导致网络不连通、数据无法及时传输等问题,使数据很难被快速分发并存储,数据持续性较低。为此,提出一种卢比变换码的分布式数据存储(LT-MDS,Luby transform codes based mobile distributed storage)算法,该算法采用一种新的传染病式数据分发方法在节点不断移动的网络中分发数据,使数据能以较低的时延被网络中绝大部分节点接收到,提高了网络的可靠性;节点在接收到数据的同时,利用卢比变换码(LTC,Luby transform code)对数据进行编码存储,使容量有限的节点可以保存更多的数据信息。理论分析和仿真实验表明,LT-MDS算法能够以低时延完成数据分发和存储,同时获得较高的数据持续性。

透镜成像对立学习的SMA算法及舆情预测应用

网络舆情具有小样本特征,而传统方法预测准确率低,容易得到局部最优。为此,提出一种改进黏菌算法优化支持向量机的网络舆情预测模型ISMA-SVM。引入混沌Circle映射机制提高初始种群的多样性;利用对数非线性调节反馈因子均衡算法全局搜索与局部开发;设计透镜成像对立学习机制对最优个体变异,扩展搜索空间并避免算法陷入局部最优。利用改进黏菌优化算法优化支持向量机模型,构建网络舆情预测模型。以若干舆情热点百度指数作为样本进行实证研究,结果表明,改进模型具有更高的数据拟合度,预测准确度更高。

电介质/金属/电介质膜系实现可见光波段高透兼容激光隐身研究

各类光电设备的光学窗口中普遍存在的“猫眼效应”是激光主动探测系统的主要依据,这对军事装备和单兵作战人员构成了极大的威胁.然而,在保证高可见光透过率的条件下,针对激光主动探测的狙击隐身方案仍然有待商榷.本文利用遗传算法对超表面减反射膜进行逆向设计,用Si_(3)N_(4)和Ag组成三层减反增透膜,并在其顶层增加长方形阵列的微纳结构金属形成波长选择性吸收器,以实现激光波长低反射高吸收的效果.将器件设计与遗传算法相互结合,通过算法优化得出最符合器件目标性能的参数组合,达到了可见光平均透过率88%,最大透过峰值94%,1550 nm激光波长反射率10%,吸收率80%的效果.本文设计的超表面减反射膜不需要增加额外装置且成像质量得以保证,同时能有效减小激光的回波能量,从而高质量地实现可见光透过与激光隐身的兼容,为反猫眼探测的作战策略提供了一种行之有效的设计思路.

基于直接二进制搜索算法设计的超紧凑In_(2)Se_(3)可调控功率分束器

多模干涉耦合器结构的功率分束器拥有大带宽、较好制造鲁棒性等优势,长期以来受到人们的关注.本文提出的是一种基于相变材料In_(2)Se_(3)的超紧凑可调控功率分束器,尺寸仅有2.4μm×3.6μm,采用1×2的多模干涉耦合器结构,在不改变其他结构参数的情况下,采用直接二进制搜索算法对器件进行优化,仅通过In2Se3的a态与β态的可逆相变,利用两种晶态之间的高折射率对比度实现了不同的功率分束比.与其他可调控的功率分束器相比,本文设计的这种功率分束器结构紧凑、调控简单,并且具有较好的鲁棒性.利用该器件在1540—1560 nm的波长范围内实现了1∶1,1∶1.5,1∶2三种分束比,插入损耗分别小于0.27,0.13和0.17 dB.证明了这种基于相变材料In2Se3的超紧凑可调控功率分束器在光子集成电路上应用的可能性.

传感网中延迟限定的非汇聚数据移动式收集

在大规模的无线传感器网络中收集数据,不仅需要考虑节点的能量消耗,而且还需要考虑数据收集延迟.如何有效地均衡节点的能量消耗,同时最小化数据收集延迟,是一个具有挑战性的问题.为了均衡节点的能量消耗,利用移动数据收集器收集数据.以此为基础,提出一种DC-Collection算法来解决数据收集延迟和能耗的问题.首先,在网络中构造最短路径树,网络非连通时,不同的网络子图可以构造多棵最短路径树,它们构成一个最短路径树集合;其次,在每一棵最短路径树上选取部分节点作为采集节点和逗留节点,使得以采集节点为根的限高树的高度不超过h,且在每个采集节点的通信区域内至少有一个逗留节点;再次,在每棵限高树内调整树的结构,让能量高的节点承担更多的子孙节点,最大化限高树的生命周期;最后,移动数据收集器从Sink出发,遍历逗留节点所在位置收集数据,最终回到起点,并将数据发送给Sink.通过理论分析和大量仿真实验,其结果表明:与现有的数据收集协议相比,DC-Collection不仅能够均衡各节点的能量消耗从而延长网络生命周期,而且能够缩短移动数据收集器收集数据行走的路径长度,从而缩短数据收集延迟.

智能制造环境下考虑可加工性的矩形件下料方案优化

制定面向可加工性的下料方案是实现智能制造的前提和基础。目前,针对多规格、大批量的矩形件切割路径优化方法通常只考虑毛坯或条带的共边切割,忽略了同质块的共边特性,不能有效降低包含切割成本在内的综合成本。鉴于此,本文提出以材料成本和切割成本综合最小的多目标规划模型。设计了同质块的共边切割策略,根据同质条带有无余料、条带所含毛坯个数的奇偶性共同确定块切割的起点和切割路径;设计的前瞻法在选择放置条带时,不仅要考虑当前条带的利用率,还要考虑布局当前条带后板材的整体利用率。最后,实现了综合成本最小的Pareto改进路径和方法。通过与已有文献的多组基准算例测试,证实了所提方法的有效性和实用性,实现了多目标优化的Pareto改进。

面向制造业的可加工性矩形件优化下料方法

下料问题被广泛应用于制造行业。针对制造业中大规模、多尺寸的矩形件下料问题,以材料成本和切割成本最小作为优化目标提出一种可加工性矩形件下料优化方法。通过多次迭代生成多个下料方案,选择最小的总成本作为最优解。采用递归算法生成由2个段组成T形排样方式:一段含水平条带;另一段含竖直条带,且都支持一刀切工艺。为了尽可能获得全局近似最优解,优先对大矩形件进行组合,从而提高材料利用率。对含同种矩形件的同类型条带进行共边排样生成同质块。综合考虑同质块内条带间以及矩形件间的共边切割,从而降低切割成本。实验结果证明,所提方法在保证较高材料利用率的同时,能有效减少切割刀数,对制造业中实际下料问题具有实践指导意义。

动态无线传感网中低延迟高可靠的数据查询机制

查询处理作为大规模无线传感器网络中智能服务的一个重要操作,可以根据用户需求对网络中的感知数据进行检索和回传.然而,部署在恶劣环境中的无线传感网络,节点容易遭受外力破坏,或者自身资源(能量、存储等)有限,可能会导致节点发生位移和故障,从而造成网络拓扑不断改变以及部分节点的感知数据失效.同时,由于节点感知数据容量大、传输带宽有限以及网络链路不可靠等情况,可能会造成网络通信时延大大增加.这些因素使得快速、可靠的数据查询处理成为无线传感网中一个难题.为了解决这个难题,提出一种动态网络中低延迟高可靠的数据查询机制.该机制是一种非聚合随机查询方式,通过将传感节点划分为源节点和查询节点来实现数据查询.首先,根据监测事件将网络划分为若干个子区域,每个子区域中的源节点相互协作,并按照时间顺序依次轮流监听该区域的事件信息;接着,源节点根据预估的平均节点故障概率,计算出一个合理的备份数量,并将源数据按照该数量存储到邻居节点中,以降低源数据的失效概率;然后,为了加快数据查询速度,源节点定期对源数据块进行编码压缩,并选取剩余能量和存储空间较小的多个邻居节点作为下一跳接收节点.这些接收节点基于局部区域中节点个数大小,决定是否接收存储该报文.重复上述过程,直至压缩数据均匀地分布在网络中.另一方面,查询节点接收到查询请求时,也使用负载均衡多路分发方式将查询请求传输到部分节点上.为了避免目标数据的冗余回传,当查询请求成功查询到目标数据时,目标节点先修改访问位,再选取与查询节点距离最近的邻居节点作为下一跳接收节点,迭代执行上述操作,直到用户获得所需要的事件信息.在以上过程中,为了节省节点能量,在保证高成功查询率的条件下,建立通信能耗最小化的优化模型,计算出最优的压缩数据副本数和查询消息副本数,之后,源节点和查询节点分别按照该数量进行副本数据分发.最后,理论分析和实验结果表明,与其它四种查询算法相比,提出的查询机制具有更高的查询成功率、更低的通信能耗和通信时延.

移动低占空比传感网中基于分段拟合压缩的数据容灾存储算法

数据存储是无线传感器网络中数据管理的基础操作.在移动低占空比传感网中,由于节点的移动性,每个节点需要频繁更新邻居节点集合,使得节点能量消耗过大;同时,节点大部分时间处于睡眠状态,仅在少部分时间内苏醒工作,造成数据备份的通信延迟过大.提出一种快速的低能耗数据保存机制.首先,源节点基于连续时间序列对感知数据进行分段线性拟合压缩;接着,节点根据预估故障概率和存储空间大小,计算出合理的压缩数据备份数量.在此基础上,设计一种动态自适应传输协议.实验仿真表明,与已有存储算法比较,该机制具有更低的传输能耗和通信延迟.

低占空比传感网中分布式的环状流水线工作调度研究

低占空比传感网中节点的长时间睡眠会导致数据查询延迟的增加.如何调度节点唤醒时间从而最小化延迟,是一个难解的组合优化问题.提出一个分布式的环状流水线调度算法,不用长时间等待即可进行数据传输.分析表明,算法可获得较低的延迟和更长的网络生命周期.

移动低占空比无线传感网中低能耗的主动邻居发现算法

移动低占空比无线传感网(MLDC-WSN)是近年新兴的一种无线多跳网络,它由大量具有移动能力且会长时间进入睡眠状态的节点自组织而成,可以部署在恶劣环境中执行长期的监测任务,在国防、工业、农业等领域具有广泛的应用前景。但是,节点的移动和睡眠导致网络拓扑不断发生改变,使节点很难以较少的能耗快速发现其全部的邻居,导致节点无法获得最优的分布式决策结果,影响网络应用的效果。为了解决这个难题,提出一种新的主动式邻居发现算法。该算法使网络中的节点在苏醒时主动寻找自己的邻居,避免传统被动式邻居发现中长时间等待所产生的时延。此外,通过对邻居移动速度及距离的预测,快速确定未来下一时刻的邻居集合,在进一步减少时延的同时获得更准确的邻居发现结果。理论分析和实验结果表明,与已有算法相比,所提算法能够在MLDC-WSN中以更小的能耗、更低的时延发现全部的邻居。

基于移动传感器的大规模复杂供水管网监测研究进展

采用移动传感器监测供水管网的目标是,在一定成本内,获取管网数据、发现管网内的泄漏与污染等问题,对节约水资源和保障居民健康具有重要的意义。然而,相关研究尚处于起步阶段。虽然在管网结构探测、移动传感器移动建模、移动传感器投放决策变量的选择等方面取得了一定成果。但是,管网水流情况多变、优化计算复杂等问题依然对该领域形成挑战。为了更好地推进该领域的研究,论文对相关工作进行了归纳、分析和对比,了解当前工作的优缺点,并对未来研究方向进行了展望。