数据驱动下交互网络群智感知任务分配仿真

采用当前方法在交互网络中分配群智感知任务时,分配任务所用的时间较长,存在用户完成任务的概率较低,分配效率低的问题,提出一种数据驱动下交互网络群智感知任务分配方法.分析群智感知环境,将能耗最小化和时间最小化作为感知任务分配的约束条件,通过信誉模型计算用户在交互网络中的信誉值,将感知任务优先分配给信誉值高的用户,在交互网络...     

基于胶囊网络的群智感知数据分类模型

针对群智感知平台中感知数据分类的准确度问题,提出了一种基于胶囊网络的感知数据分类模型。首先,构建了群智感知系统模型,结合感知数据构建了胶囊网络结构和样本数据,通过胶囊网络实现了样本数据和预测值之间的映射。然后,胶囊网络对样本数据的像素点特征矩阵进行拟合学习,使用动态路由算法更新胶囊网络的耦合系数。最后,结合间隔损失函数和重构损失函数,实现了对基于胶囊网络的感知数据分类模型参数的优化。仿真结果表明相对于残差网络的数据分类模型,所提模型有效提高了数据分类的准确度。     

基于数据驱动的群智感知任务分配算法

摘要：群智感知技术的应用实现了人群感测作用的最大化,作为社会网络研究的核心技术之一,然而对于感知参与者的位置和轨迹不确定性的问题造成群智感知数据实时性较差。为此,本文提出了一种基于空间任务分配的移动群智任务分配算法,该算法采用动态和自适应的数据驱动方案获取最优的模式来解决感知动态化问题;算法基于公开历史轨迹的移动模型（基于马尔科夫模型）,根据初始任务按照贝叶斯推理来估算下一位置,基于该算法的数据采集策略可以实现有本地服务引导未来数据的收集,从而完成整个感知的回路反馈。本文所提出的任务分配被证明基于不确定轨迹的移动群智感知任务分配是有效的。     

基于机会协作传输的群智感知网络激励机制

移动群智感知网络中用户激励机制是研究的重点,而如何有效减少用户在任务中移动设备资源的消耗是激励用户的关键。根据群智感知用户分布密集和相遇频繁的特点,利用其移动设备的短距离无线通信能力(蓝牙、Wi-Fi)进行数据的机会协作传输将极大减少用户消耗,进而激励用户完成任务。通过对机会传输和群智感知激励机制的研究,针对eco Sense机制[9]在补偿方案、预算控制和用户激励方面的不足,提出C-eco Sense机制降低任务总预算,并通过POR和PIM激励机制激励用户上传完成任务。最后采用SWIM仿真数据集进行实验。结果表明与普遍使用的数据收集机制相比,C-eco Sense机制在预算控制和用户激励方面都具有更好的效果。     

群智感知污染数据收集技术综述

传统的污染监测方法主要是通过固定基站进行监测的,但是这种方法缺乏灵活性且成本高昂,已不足以应对日益严重的污染问题。一种新的数据获取模式——移动群智感知为大范围感知数据提供了新思路。为了及时掌握移动群智感知收集污染数据的研究现状,本文对国内外现有研究进行系统全面的综述,并结合现有研究,为群智感知在智能手机上的应用提供可行方案。首先,对污染收集技术不同发展阶段问题进行总结;然后,对比分析不同众包污染收集系统的优缺点,并对所用的关键技术优缺点及适用场景进行说明;最后,对群智感知下收集污染数据存在的问题进行总结,并提出未来的研究重点。     

基于Tangle网络的群智感知用户可信激励方法

随着群智感知技术的广泛应用,用户参与度成为影响群智感知技术发展的关键问题,提出一种基于Tangle网络的群智感知用户可信激励方法.首先,基于Tangle网络构建群智感知网络模型,通过去中心化的Tangle网络来克服群智感知平台面临可信第三方参与的安全隐患,制定Tangle网络的可信度标准.然后,通过可信度来衡量用户权重...     

群智感知网络中基于隐私保护的数据融合方法

为解决多源数据的融合问题,保证融合数据的隐私安全,提出一种群智感知网络中基于隐私保护的数据融合方法。用户使用密钥签署其感知数据,通过差分隐私为数据添加噪声,云服务器采用BGN加密系统和Shamir秘密共享相结合的方式,将加密受干扰的数据进行融合发送给感知平台。安全与隐私分析结果表明,该方法能够抵抗来自云服务器和恶意用户的差分攻击,保证用户和云服务器的茫然性安全;性能评估表明,该方法能够高效计算、通信和存储开销。     

机会移动传感网中基于感知方向的数据收集

机会移动传感网中数据收集策略既要保证传输成功率、减小网络开销,也要尽量降低传感器的能量消耗,从而延长网络生命期。遵循简单实用的原则,提出了基于方向感知的数据收集策略(Data Gathering based on Perceptive Direction,DGPD)。当两个传感器相遇时,以距离它们最近的Sink节点为参照点,分别计算各自的感知方向。把感知方向作为一个重要参数来确定两个相遇传感器的消息转发路由,把消息转发给更有利于接近Sink节点的传感器,从而提高数据收集成功率,减少过多的消息转发。模拟实验结果表明,这种策略可以有效地完成数据收集,并获得较高的网络性能。     

传感器网络中具有负载平衡的移动协助数据收集模式

数据收集是无线传感器网络的一个基本功能.然而,现有的数据收集模式大都是基于静止基站的网络结构,导致基站周围的节点由于担负着网络内的所有负载而快速死亡,成为网络性能的瓶颈.研究如何利用移动基站收集数据来达到负载平衡.提出了一个利用移动基站协助数据收集的模式(movement-assisted data gathering,简称MADG),它将基站移动区域设置为缓冲区,首先将数据沿最短路径传输到缓冲区内,然后在基站移动的过程中进行数据收集.证明了缓冲区位置设置在距离中心时数据传输总能耗最少,并证明了存在一个缓冲区位置使得最大节点负载最小化,进而确定了同时考虑到能源消耗和负载平衡的基站移动区域.理论分析和实验结果表明,提出的数据收集模式在很大程度上降低了网络节点的最大负载,并且减少了数据传输能源中的消耗,分别比固定基站和同类工作的最大网络负载降低95%和80%以上.     

VSR: 多sink机会移动传感器网络的数据收集

机会移动传感器网络可应用在野生动物监控,或利用手持设备嵌入的传感器收集城市信息等场景,往往需要将数据从源节点传输到多个基站中的任一个.提出了一个基于虚拟空间的路由机制VSR(virtual space-based routing),采用“存储-携带-转发”的传输模式实现数据收集.每个传感器节点根据与多个sink节点的期望传输延迟映射成高维空间中的一个坐标点,消息传输对应于从源节点移动到空间原点的过程.细粒度的转发决策特性,使VSR自适应于网络的动态变化,具有很好的鲁棒性.此外,VSR机制具有很低的计算和存储开销,非常适合资源受限的传感器节点.两种不同随机特性场景下的模拟实验验证了VSR机制比ZebraNet的基于历史的转发机制和随机转发机制的性能更好.     

WSN中基于压缩感知的数据收集方案

提出一种基于压缩感知的数据收集方案.依据感知数据的空间相关性分析,计算出事件发生的区域范围.基于剩余能量的成簇算法对区域范围内的节点进行分簇.各个节点将感知到的原始数据,基于压缩感知理论,进行数据的稀疏表示并采用随机高斯矩阵进行观测,将其观测值发送和存储在簇头节点上,当有移动收集者进入簇头的通信范围后,进行数据收集.理论分析和仿真实验结果表明,该方案能有效延长网络生命周期.     

WSN中基于压缩感知的高能效数据收集方案

可靠高效的数据收集是无线传感器网络（Wireless sensor networks,WSN）应用中的关键问题.然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求.为此,本文提出了一种基于压缩感知的高能效数据收集方案.该方案主要分为节点上的数据处理和数据收集路径优化两个步骤.首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验（Low density parity check,LDPC）码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质（Restricted isometry property,RIP）.最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解.仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优.     

数据收集传感器网络的负载平衡网络构建方法

传感器网络所具有的集中式数据收集、多跳数据传输、多对一流量模式这3种特征会造成漏斗效应的出现,这会导致严重的包碰撞、网络拥塞、包丢失,甚至拥塞崩溃,还会导致能量消耗的热点的出现,使某些节点甚至整个网络过早死亡.负载平衡技术能够有效缓解漏斗效应的产生.针对静态数据收集传感器网络,基于供求网络的思想,提出了一种分布式算法,将传感器节点组织成交易平衡网络,用于平衡传感器节点的负载.利用这种方法组织而成的网络结构不是一棵负载平衡树,而是一个负载平衡网络.实验结果验证了这种方法的有效性.     

WSN中一种基于最优投影的数据收集方案

针对目前基于密集投影数据收集方法的能量浪费问题,根据压缩感知理论提出一种基于最优投影的数据收集方法。该方法在获取各个节点的投影值时考虑了节点的传输开销来设计最优投影矩阵,避免不必要的投影操作,并证明其满足RIP性质,设计一棵具有最小传输代价增加值的数据收集树来实现投影值的收集。仿真实验结果表明,该方法在数据重构精度以及能量开销等方面优于传统的MWSF等方法。     

一种传感器网络最大化生命周期数据收集算法

从理论上分析了最大化网络生命周期的数据收集问题.主要做了以下4项工作:(1)分析了简化的静态路由模式,其中只有一棵路由树用于收集数据.(2)分析了真实的动态路由模式,其中有一系列的路由树用于收集数据.(3)提出了一种近似最优的最大化网络生命周期的数据收集和聚集算法MLDGA,MLDGA一方面试图最小化每轮数据收集中所消耗的总能量,另一方面试图最大化每轮数据收集中所使用的路由树的生命周期.(4)用Java语言实验模拟了MLDGA算法,并与现有的算法进行比较.实验结果表明,无论基站的位置还是传感器的初始能量发生变化,MLDGA都取得良好的性能,而现有的数据收集算法只适应于特定的变化.     

一种输出功率分级的无线传感网络数据收集机制

The data gathering manner of wireless sensor networks, in which data is forwarded towards the sink node, would cause the nodes near the sink node to transmit more data than those far from it. Most data gathering mechanisms now do not do well in balancing the energy consumption among nodes with different distances to the sink, thus they can hardly avoid the problem that nodes near the sink consume energy more quickly, which may cause the network rupture from the sink node. This paper presents a data gathering mechanism called PODA, which grades the output power of nodes according to their distances from the sink node. PODA balances energy consumption by setting the nodes near the sink with lower output power and the nodes far from the sink with higher output power. Simulation results show that the PODA mechanism can achieve even energy consumption in the entire network, improve energy efficiency and prolong the network lifetime.     

无线传感器网络中一种新型的混合型数据收集协议

无线传感器网络节点数量庞大,单个节点资源极其有限,其数据收集协议设计的首要目标是有效节约能源、延长网络生命周期.分析和比较了现有几种典型的数据收集协议,立足于实际应用需求,设计出一种基于分簇结构的混合型数据收集协议(MDGP). MDGP是一种具备区分服务机制和网内数据融合的数据收集协议,适合于矿井安全监测等大规模检测应用.提出了一个能平衡负载、减少簇头节点的簇头产生算法.采用反向汇聚树结构传输处理数据流,同时对一些紧急数据的处理也进行了详细的讨论.仿真实验表明,MDGP比传统的数据收集协议能获得更长的生命期,达到了较好的预期效果.