基于压缩感知的云存储系统状态监测方法

为了解决大规模状态监测数据处理中高精度与大规模之间的矛盾,利用压缩感知处理宽带信号优于奈奎斯特采样定律的特性,提出了一种适合于测量云存储系统状态的压缩感知状态监测方法 SDCS.该方法是在经典匹配追踪MP算法的基础上,增加贝努利矩阵行和为零的约束条件而得到的,可用于测量含直流分量的稀疏信号,并保证原始的重构算法依然满足改进后的目标函数.然后,利用仿真实验测评了该方法在蚁群文件系统FFS状态监控中的应用效果.实验测试结果表明,针对稀疏度为10的状态信息,当测量次数大于70时,所有异常结点可被精确定位,且压缩比率达到3.5%,说明该方法能有效压缩监测流量,满足大规模数据高精度检测的要求.

基于AUVs的水下移动无线传感器网络愈合算法

水下移动无线传感器网络(MUWSNs)动态演化特性制约着网络的拓扑的可靠性,很大程度上限制了MUWSNs的推广应用。针对水下实体移动导致的MUWSNs拓扑失效,提出了一种基于自主式水下航行器(AUV)的MUWSNs拓扑愈合算法,并构建了水下实体移动模型,利用AUV自主移动特性对失效拓扑进行快速愈合。仿真结果验证了该算法的正确性和有效性,极大地提高了MUWSNs可靠性,对MUWSNs拓扑领域研究具有一定贡献。