WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

用于ZigBee网络的同步休眠与唤醒算法

时间同步对于大多数的网络应用来说都是很重要的,特别在无线传感器网络中.由于无线节点的大小、成本,特别是能源都非常有限,所以节省能耗对于整个网络的正常运行尤为重要,而休眠是降低能耗的最主要的方法.基于对TPSN算法的研究,提出了一种适用于ZigBee网络的先分簇再同步的时间同步算法.实验结果表明,新同步算法能很好地应用于ZigBee网络,提高了同步的精确度和稳定性,能够满足ZigBee网络中节点同步休眠与唤醒的需要.     

无线传感器节点低功耗的研究

为了最大限度地延长传感器节点的生存时间,电路、结构、算法和协议必须满足能量有效性.就单个传感器节点角度来看,可以节省能耗的方法有很多,其中动态功率管理(DPM)和动态电压调节(DVS)是两种有效节省CPU能耗的方法.在三星S3C2410芯片上测试,改变处理器的频率,验证了功耗和频率的线性关系.通过仿真分析了CPU能耗与缓冲器长度的关系,说明了缓冲器溢出概率对CPU功耗的影响关系,得出在DVS的基础上增加缓冲器长度或降低溢出概率可以进一步节省能耗.     

多核结构片上网络性能-能耗分析及优化方法

文中探讨了片上网络在执行真实并行程序时的能耗和性能关系,并提出了一种能耗/性能优化方法.首先,文中提出了一种精确的性能-能耗模型,在性能和能耗模型中同时划分出与频率相关和与频率无关的因素,并分析其对性能和能耗的影响;其次,在性能-能耗模型中建立并行开销、片外访存开销与片上网络规模(节点数)、频率之间的关系,同时引入了并行度、通信模型等与应用相关的因素,使该模型能够同时表达软硬件特性;第三,文中提出了一种基于该性能-能耗模型的性能-能耗优化方法,通过采集程序的通信模型、访存消息数量等数据选择适当的频率和网络节点数来获得片上网络能耗最低值或处理器性能最大值.最后,文中采用8个PARSEC并行程序验证前述模型的准确性并评价性能-能耗优化方法,结果显示文中性能-能耗模型相比传统模型更加精确吻合实验测量结果,性能-能耗优化方法也有效适用于不同种类的并行程序.     

超声波在尾矿浆传播中的衰减特性数值模拟分析

针对现有尾矿矿浆浓度超声检测法存在精度不高、研究参数较为宽泛、不能准确地反映出超声波在尾矿浆中传播的衰减特性问题,在对超声波衰减特性进行理论分析的基础上,利用Matlab软件数值模拟了超声波在固定参数的尾矿浆中传播时的衰减特性,得到了超声波衰减系数与超声波频率、尾矿浆粒径、尾矿浆密度之间的关系:在超声波频率一定时,随着尾矿浆的粒径增加,散射衰减也增大;当超声波频率与尾矿浆粒径均为固定值时,黏滞衰减系数随着尾矿浆密度的增大而增大;当超声波频率与尾矿浆密度均为固定值时,尾矿浆的粒径越大,黏滞衰减系数越小;散射衰减与黏滞衰减都随着超声波频率的增大而增大,散射衰减系数与超声波频率的四次方近似成正比,黏滞衰减系数与超声波频率近似成正比。这一分析结果为设计高精度的超声波浓度传感器提供了理论依据。     

面向云计算数据中心的能耗建模方法

云计算对计算能力的需求,促进了大规模数据中心的飞速发展.与此同时,云计算数据中心产生了巨大的能耗.由于云计算的弹性服务和可扩展性等特性,云计算数据中心的硬件规模近年来极度膨胀,这使得过去分散的能耗问题变成了集中的能耗问题.因此,深入研究云计算数据中心的节能问题具有重要意义.为此,针对云计算数据中心的能耗问题,提出了一种精确度高的能耗模型来预测云计算数据中心单台服务器的能耗状况.精确的能量模型是很多能耗感知资源调度方法的研究基础,在大多数现有的云计算能耗研究中,多采用线性模型来描述能耗和资源利用率之间的关系.然而随着云计算数据中心服务器体系结构的变化,能耗和资源使用率的关系已经难以用简单的线性函数来描述.因此,从处理器性能计数器和系统使用情况入手,结合多元线性回归和非线性回归的数学方法,分析总结了不同参数和方法对服务器能耗建模的影响,提出了适合云计算数据中心基础架构的服务器能耗模型.实验结果表明,该能耗模型在只监控系统使用率的情况下,在系统稳定后,能耗预测精度可达到95%以上.     

楼宇能源管理系统设计与实现

介绍楼宇能源管理系统的概念和意义,分析了楼字能源管理系统的结构和功能,提出了全新的系统设计方案,通过无线传感器网络与智能抄表系统采集环境信息和能耗信息,实现了能效和能量的监测,并在.NET3.5架构下,利用语言级集成查询LINQ实现了对MS SQL Server数据库的访问,利用WPF技术实现了系统的客户端软件系统.该系统的应用保证了室内环境的舒适性,同时通过对环境的实时监测和能耗信息的分析,能够优化能耗系统的运行,降低楼宇能耗.     

基于试探采样的自回馈目标跟踪算法

针对粒子传播过程中因欠缺观测信息而导致退化现象和异常粒子,文中提出一种基于试探采样的自反馈目标跟踪算法。该算法在当前帧完成采样后向前试探采样粒子,并且反馈到当前帧,此举是利用未来帧提前采样形式把观测信息融入到状态转移模型中,从而使概率密度分布逼近真实值。分析上下帧间粒子权值关系,舍弃异常元素,进行不完全重采样,在缓解退化问题同时保持样本集多样性。目标状态估计采用加权-最大后验准则,提高了目标跟踪精确度与稳定性。实验结果表明所提算法提高了状态空间质量,相比其他算法具有更好的跟踪性能。     

基于网络编码的传感网重编程协议能耗模型

在无线传感器网络中,当需要进行软件更新、修复软件Bug 时,重编程协议能够将新程序镜像分发到多跳网络中的全部节点.近来,基于网络编码的重编程协议被用于解决在高损环境下的有效代码分发问题,但对这些协议性能的分析仍有待深入.提出一种基于时间和网络拓扑的能耗分析模型,在模型中综合考虑了页面流水和节点通信距离对协议性能的影响.该模型分析结果与基于网络编码的重编程协议Rateless Deluge 的仿真结果达到了较好的一致性(平均单节点能耗相对误差在0.23%左右),验证了能耗分析模型的有效性.分析结果揭示了基于网络编码重编程过程的网络能耗与网络密度、网络大小和分发镜像页面大小的关系:网络能耗随着网络密度的减小呈上升趋势(能耗与网络密度经拟合呈二次函数关系);网络能耗与网络大小基本呈线性正相关关系(对于n×n 的网格型网络,n从3~10,随着n 的增大,网络能耗的平均增长率为50%),并且随着网络的增大,单节点能耗有所增加(平均增长率为6.9%);页面大小增加时,网络能耗呈下降趋势(平均下降率为11.2%).     

基于蜂窝网络结构的数据融合算法

针对无线传感网中节点能耗同数据精确度之间不均衡的问题,提出一种能够基于蜂窝网络结构的数据融合算法（DFACN）。在基于蜂窝网络的分簇结构中,首先筛选最小能耗的簇头;之后通过数据精确度和节点能耗的计算判断融合因子的大小,动态选取参与融合的簇内节点数;最后簇头完成数据的融合处理。在OPNET仿真环境下,与EECDA和IDDOA算法进行实验对比,DFACN算法的数据精确度分别提高了2.6%和4.7%,节点能耗分别降低了2.7%与3.4%。结果表明,DFACN算法在降低能耗的同时,有效地提高了数据的融合精确度,并且延长了网络的生命周期。     

WSNs自适应DCS目标跟踪算法

无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用和获取量测的能量消耗来折中地选择参与的节点。针对IDSQ和DCS算法仅在节点协同环节极小化能耗的问题,提出自适应DCS算法(ADCS),以用户设定的精度阈值为约束,根据当前性能指标自适应降低节点采样频率,在数据采集阶段对节点进行有效控制,从根源上实现了极小化网络能耗的目的。仿真结果表明:ADCS在满足用户精度需求的前提下,大幅度减少了网络能耗。     

一种基于时空相关性和异常检测的改进WSN节能策略

针对降低无线传感网能耗和保证数据精度之间的矛盾,提出了自适应采样数据并利用压缩感知进行压缩的方法.传统的基于压缩感知的无线传感器数据压缩,只采样部分节点的数据,对于未被采样节点感知到的突发事件很有可能发生漏检情况.本文方法检测所有节点上传的数据再进行压缩,可以有效避免漏检情况的发生.根据信号具有时间相关性的特点,本文采用基于方差分析ANOVA(Analysis of Variance)原理改进的传感器自适应采样频率方法,并考虑节点剩余能量,减少平稳信号的采集次数,均衡网络节点能耗.在LEACH协议基础上,对簇内数据进行压缩感知的方法对数据进行压缩从而减少数据的空间相关性并传输到汇聚节点,以减少网络整体的能量消耗.针对可能的漏报情况,提出一种改进的局部事件监测算法-滑动窗口局部事件监测SW-LED(Sliding Window-Local Event Detection)算法,实现了实时准确的异常检测和预警.实验结果表明本文方法既可以有效的均衡网络节点能耗以提高网络生存周期,同时保证了数据的精度,对于异常情况的识别率也有很大的提高.     

Tracking a moving object via a sensor network with a partial information broadcasting scheme

Tracking a moving object is one of the key applications of wireless sensor networks (WSNs) for facility management, logistics, healthcare, etc. The quantitative relationship between tracking accuracy and resource consumption is crucial for designing a WSN-based tracking system. A partial information broadcasting scheme (PIBS) is developed as a decentralized tracking strategy in this paper, where only a part of the nodes broadcast their tracking estimation results to their neighbors. The relationship between tracking accuracy and resource consumption is quantified with this scheme. Two broadcasting policies are proposed by balancing the residual energy among sensors and reducing time delay, where the “Randomly Broadcast” (RB) policy takes energy consumption as a first priority and the “Good Estimates Broadcast First” (GEBF) policy consider time delay first. Both of them can be implemented as a decentralized tracking strategy. It is shown that the PIBS with RB or PIBS with GEBF can reduce required resources with minor degradation in tracking accuracy in comparison with the centralized tracking strategy. The finite sensing range of a sensor node is considered and a node activation scheme with variable activation radius is introduced for energy saving. The activation radius is adjusted to guarantee tracking coverage with trade-off between tracking accuracy and resource consumption. The analytical conditions on tracking coverage and the bounds on tracking accuracy are obtained. The numerical experiments demonstrate that this activation scheme outperforms the existing schemes.     

无线传感器网络目标跟踪性能优化及仿真

无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用和获取量测的能量消耗来折中地选择参与的节点,但用户对服务质量Qos( Quality of Service)的需求并没有在节点选择时得以体现。为此本文以目标跟踪为应用背景,提出了一种自适应动态协同自组织算法A-DCS,该算法同时完成检测与状态估计任务,首先根据用户设定的检测概率,确定候选节点集合,选择具有最大检测概率的节点为簇首;随之根据给定的状态估计精度,自适应确定参与感知任务的簇成员顺序和个数。统计不同检测概率和状态估计精度时相应的能量消耗,以此作为系统设计时参数设定的依据,从而最大可能地延长网络的生命周期。仿真表明：在跟踪精度和能量消耗两个指标下,该算法优于IDSQ和DCS。 A-DCS也适用于传感器网络系统中的其他估计问题。     

基于马尔科夫决策过程的高能效任务调度算法

在移动群智感知系统中,智能手机承担着许多不同的感知任务,这些任务需要来自不同传感器的数据。从传感器收集数据是非常耗能的,智能手机的电池限制了这些感知设备的可用性。如何在完成群智感知任务时降低设备能量消耗是参与者迫切需要的。针对以上问题,提出基于马尔可夫决策过程(MDP)的高能效任务调度算法。根据设备的电流负载、剩余能量和充电概率,马尔科夫决策过程迭代计算出最佳任务调度序列,并保证能耗最小化和感知精度最大化获得平衡。大量的仿真结果表明,该算法在任务调度过程中具有显著的节能效果,与广泛使用的现有算法相比,平均节省能量75%以上。     

无线传感器网络低能耗协作频谱感知方法

针对无线传感器网络能量受限问题,以双门限能量检测为基础,以最小化系统感知能耗为目标,提出了一种适合无线传感器网络的休眠与审核相结合的频谱感知方法。在获得目标检测性能条件下,该方法让部分传感器负责频谱感知工作,其他处于休眠状态,只让有准确感知结果的传感器发送1 bit感知结果到融合中心。理论分析和仿真结果表明,与传统的能量检测方法相比,该方法既有效减少了系统的感知能耗,又节约了带宽。     

基于射频技术的无线智能传感标签设计

针对目前普通电子标签和现有传感标签功能的局限性,设计了一种集射频识别、传感信息采集、物流仓储信息显示于一体的特高频（ UHF）智能传感标签。该标签采用ATmega 328P为控制核心,温湿度传感器SHT10、运动传感器MPU6050为感知器件,LED作为信息显示器件,UHF无源标签芯片UCODE I2 C作为射频信号的收发器,在减少功耗的同时,实现了环境监测、姿态监控和物流操作信息提示。     

基于IDSQ的自适应动态协同自组织算法

在无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用与获取量测的能量消耗来折中地选择参与节点,但用户对服务质量(QoS)的需求并没有在节点选择时得以体现.为此,提出一种自适应动态协同自组织算法(A-DCS).该算法能根据用户给定的精度需求,自适应地选择簇首,确定参与感知任务的簇成员顺序和个数,并计算相应的能量消耗.以目标跟踪为应用背景的仿真结果表明,在跟踪精度和能量消耗2个指标下,该算法优于信息驱动传感器查询(IDSQ)和动态协同自组织(DCS).     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

基于区块链的智能机器人多传感信息加密控制研究

由于现有智能机器人多传感信息加密控制方法多传感信息加密效率较高,导致安全时间较短;为了解决上述问题,基于区块链技术,研究了一种新的智能机器人多传感信息加密控制方法;通过信息位置源备份设置陷阱、信息路径伪装、网络匿名和信息通信控制实现位置传感信息加密,应用封装处理和二次验证加密数据传感信息;设置定位传感器结构控制位置传感信息,利用区块链技术获得加密有效区域,针对智能机器人的眼睛、腕关节、胸部和手部进行控制;实验结果表明,基于区块链的智能机器人多传感信息加密控制方法能够有效提高多传感信息加密效率,安全时间更长。