基于矩阵补全的无线传感器网络收集数据重建方法

许多自然科学研究都利用无线传感器网络收集环境数据。收集数据的完整性和准确性决定科研结果的可靠性。然而,由于无线传感器网络的固有特性,数据收集过程中通常会出现数据丢失和数据错误等问题。为提升收集数据可用性,需要从含有错误元素的不完整数据集中恢复缺失的数据。利用环境数据的低秩特性,提出一种基于弹性网正则化的结构化噪声矩阵补全算法（EnRMC）,实现对缺失数据有效恢复,同时能精确判断收集到错误数据的传感器节点。利用真实数据进行仿真,实验结果表明本文算法性能优于现有算法,能以较高的精度重建环境数据。     

针对IR-UWB无线传感器网络的两步能量测距法

针对无线传感器网络节点低成本、低运算能力的特点,基于脉冲超宽带技术的无线传感器网络提出了一种基于能量检测的两步测距法.这种方法针对DP(direct path)分量进行TOA(time of arrival)估计,具体包含对DP所在能量块的广义似然比检验和能量块内对DP精确位置的极大似然估计两部分.给出了DP能量块检测概率和估计结果的闭合表达式,通过理论和数值分析了积分长度等系统参数对于TOA估计性能的影响,并建立了估计误差的数学模型.最后通过仿真结果进行了性能比较,并验证了分析结论.与传统方法比较的结果表明,该算法可以在复杂度较低的条件下取得一定的性能提升.     

二值传感器网络的分布式稀疏LMS算法

在基于无线传感器网络的参数估计中,每个节点在数据采集、存储、处理和传输等方面的能力是有限的。二值传感器网络中的每个节点只能提供低精度1比特测量值,与能够提供模拟测量值（无限精度）的传感器相比,二值传感器有较低的使用成本。如何利用低成本二值传感器网络获得较好的参数估计性能近些年已引起广泛关注,基于该二值传感器网络,论文提出了一种分布式稀疏参数估计的自适应最小均方（LMS）算法。该算法采用稀疏惩罚最大似然优化,并结合期望最大化和LMS方法,获得稀疏信号的在线估计。仿真实验表明,尽管只采用1比特测量,提出的算法仍具有较好的收敛性,并且稳定状态的估计误差接近于非1比特测量的同类算法。      

数据缺失情况下的空气流动速度估计算法

本文研究了在输出数据缺失的情况下空气流动速度(简称空速)估计问题.根据声波在气流中传播原理,给出了声矢量传感器线性阵列的输出模型.基于各个传感器输出信号幅值的差异,提出了两种空速估计算法,并给出了随机扰动补偿方法.在此基础上,针对阵列输出数据缺失的情况,提出了输出数据相关矩阵重构方法.此方法能够减少数据缺失对估计算法性能的影响,使得在某些传感器失效的情况下,估计算法仍能正常工作.仿真实验表明:在系统存在随机扰动时,两种算法具有较好的估计性能;在输出数据缺失情况下,经过对输出数据相关矩阵的重新构造,两种算法仍能保持较好的估计性能.     

一种参数途径的自适应时延估计方法

时差定位应用中,需要首先对2个分开的传感器侦收的来波信号进行离散采样,然后估计时差。时差通常不是采样间隔的整数倍,导致常用时差估计方法的估计误差值可能达到0.5倍采样间隔。研究人员常用插值运算减小估计误差,但运算量较大。参数途径时延估计方法可以直接估计非整数倍采样间隔的时差,且不需要插值运算,运算量较小。应用(LMS)算法来实现参数途径时延估计方法,通过理论推导给出了时延估计的方法和步骤。计算机仿真验证表明了新方法的有效性和正确性。     

一种基于矩阵补全的无线传感网数据收集方案

针对无线传感器网络中的数据收集问题,设计了一种基于矩阵补全的数据收集方案.首先利用低秩矩阵分解模型将传感器节点的数据收集问题转换为两个相互关联的凸优化子问题,然后利用基于改进Kaczmarz迭代的矩阵补全算法循环交替求解凸优化子问题.在Kaczmarz迭代过程中,依据Johnson-Lindenstrauss引理对投影操作降维,从而提高了矩阵补全算法的计算速度.实验结果表明与现有矩阵补全算法相比,文中所设计的矩阵补全算法在重构精度、成功重构概率以及重构时间等方面具有较优的重构性能.     

室内无线传感器网络链路质量特征研究

首先分析了室内无线传感网络链路特点及传统链路质量特征描述存在的问题,指出了人类活动对室内无线传感器网络链路质量的显著影响。其次提出并描述了人体室内运动模型,在此基础上提出了人体运动条件下室内无线传感器网络有效区域,过渡区域和无效区域的估计方法,给出了上述区域中人体运动造成的数据接收成功率下降的理论界限。通过构造人体运动条件下干扰实验案例,分析了上述估计方法的性能。     

基于粒子群算法的无线传感器网络覆盖优化

传统无线传感器网络覆盖优化方法所选算法的结构不合理,使其覆盖能力、迭代能力和有效性无法维系网络基本功能,为此提出粒子群算法的无线传感器网络覆盖优化方法。通过构建无线传感器网络认知模型,将网络覆盖优化工作转化成求取目标物体最大覆盖几率问题,使用粒子群算法对模型进行编码,利用模型适应度函数给出的约束值对网络节点位置进行更新,实现对无线传感器网络覆盖率的优化。通过分析仿真实验结论可知,与传统方法相比,该方法具有更强的覆盖能力、迭代能力和有效性。     

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法;对拥有相同采样率的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿真结果对算法的有效性进行了验证;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论.     

面向电力监控的无线传感器网络算法研究

文中考虑在电力监控系统中部署能量受限的传感器网络,这种网络中的每个传感器节点系统地收集传输的数据并将其传输到基站,着重于降低无线传感器网络的功耗。提出了一种适用于大范围无线传感器网络的能量平衡聚类路由算法(LEACH-L),并推导出最佳跳数。最后对发射节点的最佳位置进行了估计。仿真结果表明,改进后的方案可以在网络中的第一个节点结束前将网络生存期延长80%,该算法比现有的LEACH、LEACH-M等聚类算法具有更高的性能。     

面向能耗控制的无线传感器网络节点协议优化

能量受限是无线传感器网络一个显著的特征。对网络进行能耗优化并延长网络生命周期是无线传感器网络研究的重点。提出了面向能耗控制的无线传感器网络节点协议优化方法。针对网络中数据发送所占较大的能耗比重,通过对协议优化,对发送功率的参数设置方法进行改进,改变以往发射功率的固定参数设置法,通过终端节点之间的距离动态调整发送功率的方法,以达到节省能耗并延长网络生命周期的目的。仿真和实验结果表明,改进后的发射功率动态参数设置法较改进之前的固定参数设置方法能更多地节约网络能耗。     

基于D-S证据理论的组合数据融合算法

针对在无线传感器网络中传感器节点本身能量有限的特性,提出一种基于D-S证据理论的组合数据融合算法.先对传感器网络的当前值依据各组数据的标准差进行聚类,然后对每一类数据组,用D-S证据推理算法进行融合,将其结果看成一个虚拟传感器节点数据,最后通过计算马哈诺比斯距离得出虚拟节点数据向量的异常值,把它作为加权权重进行加权融合.仿真试验表明:该算法识别目标的可信度高于D-S推理法,且在计算复杂度上也有明显优势.     

无线传感器网络SL-n迭代定位算法

无线传感器网络迭代多边定位算法在迭代定位过程中使用全局最小均方估计(MMSE)方法估计盲节点的位置,导致算法定位误差很大,缺乏稳健性。针对此问题,提出了SL-n估计方法,该方法首先把某盲节点的所有参考节点进行分组,通过三边法或局部MMSE方法求出的每组相应样本值,并用这些样本值估计出此盲节点的位置。仿真实验表明,当部分参考节点的参考误差较大时,该方法优于全局MMSE处理方法,可以有效降低定位误差。     

无线传感器网络数据自适应稀疏变换

针对无线传感器网络节点位置移动及传输干扰等因素可导致数据稀疏结构改变的问题,提出一种基于字典学习的无线传感器网络自适应稀疏变换方法。根据网络数据稀疏结构变化,自适应构建最优稀疏变换基,同时在字典学习问题中引入无线传感器网络数据稀疏基的可压缩约束,以满足无线传感器网络中大规模数据处理特点及稀疏变换的高实时性要求。理论分析和仿真结果表明,所提算法可有效提高无线传感器网络数据稀疏变换算法的顽健性,同时具有良好的实时性。     

网络高并发信息的缺失数据修复方法仿真

网络高并发信息在传输过程会因为网络故障,线路接触不良以及外界病毒入侵等各种因素导致数据缺失,计算机运行过程为不可逆过程,若想对设备和系统进行分析必须要使用完整数据,需要利用有效的方法对缺失数据进行修复。对网络高并发信息的缺失数据修复方法仿真进行研究,基于CS原理对缺失数据进行修复,通过某种矩阵对网络中最原始的数据信号σ相似文献   

基于改进遗传算法的无线传感器网络数据融合方法

无线通信和电子技术的进步促进了无线传感器网络发展,无线传感器网络广泛应用于多个领域(如医疗,军事,家居等)。文章分析了无线传感器网络中的数据融合问题,提出了一种基于改进遗传算法的无线传感器网络数据融合方法,仿真实验表明,基于改进遗传算法的方法在运行效率上优于标准遗传算法。     

无线传感器网络中基于图信号处理的数据恢复方法

为解决无线传感器网络中传感器节点由于自身软硬件故障或监测环境恶劣等因素导致收集到的数据出现丢失的问题，本文提出了一种无线传感器网络中基于图信号处理的数据恢复方法。首先，根据网络数据的时间平滑特性和空间平滑特性构建时空图，然后，通过图信号处理中平滑性概念和数据低秩特性设计优化目标，最后，采用交替方向乘子法求解，实现数据恢复的目的。仿真结果表明，与无线传感器网络中现有的数据恢复方法相比，所提方法具有较高的恢复精度。     

基于最优阶估计与分布式分簇的传感器网络数据压缩方法研究

在无线传感器网络的诸多应用中,被监测区域发生异常情况的概率通常较小,正常情况下,同一传感器节点在前后连续时刻所采集的数据具有时间相关性,处于相邻区域的不同传感器节点在同一时刻所采集的数据具有空间相关性,发送存在时间、空间冗余的数据至基站必将耗费节点大量的能量。该文提出了基于最优阶估计和分布式分簇的传感器网络数据压缩方法,利用节点采集数据的时空相关性,基于最优阶估计在基站处建立相关系数,经分布式分簇,节点仅需传送少量数据,基站根据时空相关性恢复原始数据。仿真结果表明应用该算法,可以有效减少传感器网络中冗余数据传输量和节点能耗,进而延长系统寿命。     

面向无线传感器网络信息年龄的多无人机轨迹优化算法

由于无线传感器网络(WSN)中传感器的传输功率有限,同时可能与基站(BS)传输距离较远,造成无法及时交付数据,数据新鲜度过低,影响时延敏感型业务决策质量。因此,采用无人机(UAV)辅助收集传感器数据,成为提升无线传感器网络数据新鲜度的有效手段。该文通过信息年龄(AoI)性能指标评估无线传感器网络数据新鲜度,并基于集中式训练分布式执行框架的多智能体近端策略优化(MAPPO)方法研究了无人机轨迹优化算法。通过联合优化所有无人机的飞行轨迹,实现地面节点平均加权信息年龄的最小化。仿真结果验证了所提多无人机路径规划算法在降低无线传感器网络信息年龄方面的有效性。     

无线传感器网络分簇通信协议的可靠性方案

以数据为中心的无线传感器网络任务更加注重数据的可靠性.利用可靠性框图(RBD)对分簇通信协议的数据可靠性进行建模,将得出的网络可靠性值引入簇形成机制中.定义和分析了影响数据可靠性的异常节点,利用侦测机制发现可能的异常节点,用友节点协作完成传感任务以降低异常节点能量消耗来消除其潜在影响.在此基础上,提出了REECP(reliable energy-efficient cluster-based protocol).仿真结果表明它能够延长传感器网络的有效生命周期,减少数据融合时的误差传播,有效地提高基于分簇通信协议的无线传感器网络的可靠性.