无线传感器网络Top-k多查询算法

针对无线传感器网络中多个Top-k查询问题,提出了一种Top-k多查询处理的算法,对接收到的多个Top-k查询请求进行预处理,预处理依据是约束条件,得出两类不同的查询集合:单约束条件的多查询和多约束条件的多查询。针对单约束条件的多查询提出了ETOP算法,该算法首先对排在时间序列最前面的Top-k查询请求进行基于网内处理,然后把查询结果存入基站缓存,并把结果的最小值设定为阈值传输到各个节点,再根据后续查询请求的查询范围进行相应的查询,从而快速地获得Top-k查询结果。实验表明:Top-k多查询方法在能够很好地实现查询的同时,减少了无线传感器网络中的传输消耗和能量消耗。     

Pull-Push查询处理在传感器数据库的应用研究

从查询角度而言,无线传感器网络可以看作是一个以节点感知、存储数据为基础的分布式数据库系统。通过实验数据验证了Pull-Push查询处理算法,可以有效节省传感器网络能量的消耗,进而延长网络的生命周期。     

多传感器检测系统的 多步反馈融合算法

通过分析分布式检测系统的工作原理，提出了一种新的局部检测器融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差多步累积平均值对检测器下一步判决进行修正，从而达到提高检测器检测概率的目的。分析表明，该算法能有效提高系统的性能。     

广域传感器数据库中的多查询优化

传感器网络是目前国际上的一个热点研究领域,被认为是将对21世纪产生巨大影响的技术之一.详细分析了广域传感器数据库中的查询处理技术,并针对多查询间存在的查询冗余问题,提出一种多查询优化算法.首先,把原查询等价分解为与之对应的多个子查询,然后,将所有的子查询作为输入构建一个查询属性图,并利用消除重复子查询算法将全部子查询中存在的重复查询操作删除.最后,根据原查询与子查询的包含关系,把对应的子查询结果进行组合,得到用户最终的查询结果.统计结果表明,此方法可有效地缩短用户查询的响应时间,减少网络内部消息传递的数量.     

分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

广域传感器数据库中多查询处理的研究

广域传感器数据库是目前国际上的一个热点研究领域.详细分析了广域传感器数据库中的查询处理技术,针对多个查询间存在的查询冗余问题,提出了一种多查询处理体系结构,并对体系结构中各模块的功能和实现算法进行了分析说明.理论分析和实验结果表明,此方法不仅可以有效地缩短用户访问的延迟时间,加快用户查询的速度,而且可以显著地减少传感器网络内部消息传递的数量,提高网络带宽的利用率.     

一种多传感器数据融合算法的研究

一个传感器往往难以实现对目标的辨识,使用多个传感器收集来自多种物理现象产生的信号,就可以比较容易地实现对目标的辨识。传感器信息融合方法是当今研究的关键技术,它产生于军事领域并在多学科、多领域得到极大发展。本文介绍了一种基于统计方法的数据融合分类算法——DempSter—Shafer算法,并举例介绍了应用该算法如何融合多传感器数据。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

基于最大节点接近度的局部社团结构探测算法

针对复杂网络社团结构挖掘算法复杂度高的问题,提出一种基于最大节点接近度的局部社团结构挖掘算法。该算法的时间复杂度为O(kd)。为验证该方法计算的准确性和计算的速度,与一种经典的挖掘局部社团结构方法——Clauset算法进行比较。实验结果表明,该算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有明显提高。     

传感器网络中健壮数据聚集算法

节约能量以提高网络寿命是传感器网络研究面临的重要挑战.网内聚集查询在中间节点对数据进行预处理,可以减少消息传送的数量或者大小,从而实现能量的有效利用,但是,目前的聚集查询研究假设采样数据都是正确的.而目前的异常检测算法以检测率作为首要目标,不考虑能量的消耗,也不考虑查询的特点.所以将两方面的研究成果简单地结合在一起并不能产生很好的效果.分析了错误和异常数据可能对聚集结果造成的影响,提出了健壮聚集算法RAA(robust aggregation algorithm).RAA 对传统聚集查询进行了改进,在聚集的同时利用读向量相似性判断数据是否发生了错误或异常,删除错误数据,聚集正常数据并报告异常,使用户可以对网络目前状况有清晰的理解.最后,比较了RAA 和TAGVoting(在使用TAG(tiny aggregation)算法聚集的同时利用Voting算法进行异常检测),实验结果表明,RAA 算法在能量消耗和异常检测率方面都优于TAGVoting.     

无线传感器网络中基于神经网络的数据融合模型

数据融合技术通过减少传感器节点间的数据通信量,可以有效地节省传感器节点能耗,延长无线传感器网络的寿命.提出了独特的基于神经网络的数据融合模型(NNBA),该模型巧妙地将无线传感器网络的分簇层次结构与神经网络的层次结构相结合,将每个簇设计为一个三层感知器神经网络模型,通过神经网络方法从采集到的大量原始数据中提取特征数据,然后将特征数据发送给汇聚节点.以森林火灾实时监测网为应用实例,设计神经元模型及功能函数,并给出NNBA模型的仿真测试结果.     

基于蚁群算法的无线传感网络中心点融合算法研究

建立级别梯度场是无线传感器网络中心点融合算法的重要组成部分。采用泛洪方法向外扩散梯度,会造成严重的能量消耗问题。为了节省传感器网络中的能量,将蚁群算法用于建立级别梯度场阶段,提出了基于蚁群算法的无线传感网络中心点融合算法。仿真实验验证了该方法的可行性。研究结果表明,基于蚁群算法的中心点融合算法可以显著地减少无线传感器网络的能量消耗,延长无线传感器网络的生命周期。     

一种新的无线传感器网络冗余节点融合树算法

针对某些特定场合无线传感器网络中存在大量冗余节点造成网络资源浪费的问题,提出一种新的冗余节点融合树算法(简称RNAT)。基于分簇网络结构,采用探测区域完全覆盖的冗余节点标识方法,并综合利用节点剩余能量和距离等参数选择树上节点,以洪泛广播方式构建冗余节点融合树。算法让簇内冗余节点承担簇头的一部分工作,降低了分簇网络结构中簇头的能耗,均衡了网络能量分布。仿真实验结果表明,RNAT机制的引入可以有效提高HEED-M算法的性能,使网络生命期延长20%左右。     

传感器网络中精确融合的隐私保护算法研究

无线传感器网络作为物联网的重要组成部分,当其在融合私密数据时,出于安全性与保密性的要求,隐私保护机制不可或缺,在数据融合的同时加入隐私保护机制现已成为人们研究的焦点。文中针对SMART( Slice-Mix-AggRegaTe)算法中融合精确度与隐私保护性方面的性能缺陷进行分析,加入“局部分片”策略,形成PSMART ( Partial Slice-Mix-Ag鄄gRegaTe)算法,该算法在融合精确度、通信量以及隐私保护性方面表现良好。仿真结果表明,PSMART算法提高了融合精确度,增强了隐私保护性,一定程度地降低了通信量,从而减少节点能量支出,间接地延长了网络存活时间。     

分组敏感的无线传感器网络实时数据融合树算法

针对无线传感器网络中数据传输必须在指定时延约束下完成的特殊场景提出了一种能量有效的数据融合树算法,该算法首次将分组敏感的概念引入到传感器网络实时数据融合应用中,并通过特殊机制使得该算法在降低能耗水平的同时可以为实时数据动态地选择满足时延要求的路径。另外,针对该数据融合树算法设计了一种特殊的数据融合定时机制,从而进一步改善了该算法的性能。最后,通过仿真试验将该算法与已存在算法进行了比较,证明了该算法的优越性。     

基于信誉度集对分析的WSN安全数据融合

由于无线传感器网络存在资源约束问题,为了有效地减少无线传感器网络中的数据传输量以降低网络的总能耗,同时确保对感知数据进行融合操作的安全性,提出了一种基于传感器节点信誉度集对分析的安全数据融合方法.在节点分簇阶段,利用基于密度函数的减法聚类方法进行分簇,既获得了较快的分簇速度,又保证了簇头节点地理位置的合理分布,使得分簇规模更加符合节点的实际布设情况.在数据传输阶段,将簇头节点选择下一跳数据转发节点建模为多属性决策过程,综合考虑备选转发节点的信誉度、能量等属性信息,从中选择综合评价最优的簇头节点转发融合数据,不仅使网络中的数据流量分布更加均衡而且保证了数据的安全性.仿真结果表明,提出的数据融合算法在融合精度、安全性及簇头节点能耗方面与同类的LEACH算法和BTSR算法相比具有明显的优势.     

一种无线传感器网络的多优先级数据聚集协议

无线传感器网络当前已成为一种新的分布计算模式，由于大部分无线传感器网络中节点的能源是不可补充的，因此需使用数据聚集协议提高整个网络的生命周期，传统的数据聚集协议不能保证网络中的高实时性数据的延迟较低．文中提出的DAIDA协议根据节点上的流量状况及数据的不同优先级要求自适应地调整数据链路层发送的数据包的大小，模拟结果表明，高实时性数据通过网络的延迟低于低实时性数据的延迟，并且延长了无线传感器网络的生命周期。     

无线传感器网络智能信息处理研究

由大量微小传感器节点组成的无线传感器网络主要用于从目标对象收集信息,但由于节点资源受限,给无线传感器网络的信息处理带来了严峻挑战,为此,必须采取简单、高效的处理策略.本文综述了无线传感器网路环境下智能信息处理的最新研究进展,包括网内聚合、数据压缩和分布式存储和查询等方法,对各种算法的优缺点进行评述,并指出了其关键问题.孙优贤(1940-),男,教授,博士生导师,中国工程院院土,研究方向为复杂系统理论、分布控制系统以及企业综合自动化等.