传感器网络中分布式最优小波压缩算法

研究传感器网络中的小波变换问题,提出了一种基于最优小波变换的分布式数据压缩算法。主要工作有：（1）提出基于混合分解的分布式小波变换,利用节点的计算能力减少节点间交换数据产生小波系数的通信开销;（2）提出自适应小波变换,最优变换级根据小波变换的压缩增益和由此产生的网络开销自适应确定。仿真实验表明,和现有的小波数据压缩算法以及非分布式方式相比,提出的算法具有更优的网络性能。     

基于移动WSN目标追踪算法

水下移动无线传感器网络是追踪水下目标的重要手段,由于水下环境复杂,传感器节点会因为损坏或能量耗尽等问题脱离WSN网络,造成目标追踪困难。针对该问题,在拓扑熵理论基础上建立移动WSN目标追踪算法模型,利用拓扑熵对空间中点集拓扑关系描述移动WSN节点的部署情况。当有节点脱网后,通过不断计算拓扑熵值的变化合理调度节点移动,实现节点移动过程中的分布式自适应部署。仿真结果表明,在传感器节点损耗的情况下,提出算法和现有WSN目标追踪方法相比,在优化移动传感器网络的部署和目标追踪方面,具有更高的算法性能和效率。     

一种事件驱动型无线传感器网络目标追踪算法的研究

无线传感器网络节点无论在军用还是民用领域都非常适合进行活动目标的追踪任务。基于现有的常用定位算法的分析与研究,针对所提出方法在实际应用中存在如何提高定位精度与减少网络计算开销的难题,提出一种基于最小二乘二步优化目标定位算法;采用分段低阶曲线拟合法计算目标轨迹并预测目标路径,一种路径模型选择机制保障低阶曲线轨迹的拟合精度并降低计算开销,以及目标意外丢失后的恢复策略。仿真结果表明,改进后的目标跟踪算法改善了目标定位和目标位置预测效果,获得跟踪精度较高、网络计算开销较低的效果。     

无线传感器网络移动代理路由算法的仿真研究

路由选择问题是无线传感器网络中的核心问题.针对无线传感器网络节点能景、计算能力和通信能力有限等特点,为了降低能量开销和延长网络的生命周期,将蚁群算法和移动代理技术结合.提出一种新的无线传感器路由算法.考虑节点之间距离、路径能量消耗和节点剩余能量情况,使网络中的能量消耗更加均衡,同时对蚁群信息素更新规则进行了改进,加快了蚁群算法收敛到最优解的速度.仿真结果表明,与其它移动代理路由算法相比,算法在全局性和收敛速度方面都有所提高,有效地减少冗余数据传输,降低通信消耗,延长网络的生存周期,为路由传感器设计提供了参考.     

基于代理按需生成机制的Buddy优化算法

针对移动自组网中Buddy算法的通信节点开销过大问题,设计代理按需生成机制优化Buddy算法。该机制将网络节点分为代理节点和普通客户节点,根据性能参数CV值选择性能较优的节点作为代理节点。NS2仿真结果表明,优化后的算法在保证地址快速配置的前提下能优化代理节点数、位置和性能,减少网络中节点同步的通信开销与提高代理节点的通信能力,从而提高整个网络的效率和健壮性。     

无线传感网络中基于误差椭圆的自适应节点 选择目标跟踪算法

追踪精度与传感器节点能耗是无线传感网络WSN(Wireless Sensor Network)中主要考虑的两个性能指标,现有的许多目标追踪算法在提高追踪精度、降低传感器节点能耗的同时缺乏对传感器节点位置与数目的考虑.因此,提出一种基于误差椭圆的自适应节点选择目标追踪算法,以误差椭圆为基准计算目标最可能出现的区域,然后根据误差判决调整区域内所需激活的传感器节点数量,完成对目标的跟踪.仿真结果表明,该算法可以在保证追踪精度的同时有效降低激活传感器节点数量.     

一种基于模糊逻辑的自适应信标交换算法

针对移动无线传感器网络中贪婪地理路由协议采用固定信标周期导致通信暂盲的问题,提出了一种基于模糊逻辑的自适应信标交换算法。该算法以节点移动速度、节点剩余能量和邻居节点的数量作为评价因素,利用模糊逻辑控制机制确定自适应的信标周期,提高了邻居表构建与维护的准确性与实时性,为贪婪地理转发提供了可靠依据。仿真结果表明：该算法有效减少了通信暂盲现象,降低了控制开销和平均端到端时延,提高了分组交付率,适用于对传输可靠性要求高的大规模移动无线传感器网络。     

Ad hoc网络邻居节点表自适应构建与维护算法*

在Ad hoc网络贪婪地理路由协议中,传统的邻居节点表自适应构建与维护采用周期性信标交换算法,在移动环境下会导致通信暂盲现象。在分析节点移动对网络连通性影响的基础上,提出一种基于链路断开概率的自适应信标交换算法来实现邻居节点表自适应构建与维护。仿真结果表明,该算法不但提高了数据分组传送成功率,而且还降低了控制开销,因此该算法适用于移动Ad hoc 网络。     

无线传感器网络中一种新的基于神经网络的自适应路由算法

为了在无线传感器网络中建立合理有效的分簇结构,提高网络性能,最大限度地延长整个网络的寿命,提出了一种基于神经网络的自适应路由算法.提出的路由算法是在基站上采用神经网络的自适应学习来选择簇头,并根据最优权函数值来选择最短路径中的下一跳,同时添加一个新因子来选择网关节点进行簇头间的通信.实验结果表明提出协议的性能是EMHR的180%.该算法在节点中使用更少的计算和通信开销来构造和维护整个无线传感器网络,更加均衡网络负载,大大减少簇头节点成为网络瓶颈的概率,具有更强的网络生存能力和更长的生命周期.     

一种低开销的无线传感器网络时间同步算法

低开销是无线传感器网络时间同步算法的重要技术要求之一.为了降低同步过程中的通信开销,提出了一种基于部分广播的低开销无线传感器网络时间同步算法.算法基于TPSN算法的分层思想,利用节点的距离信息,选撵当层节点的部分相邻节点进行下一层的等级广播,从而有效地降低同步过程中的通信开销.分析了在不同的网络节点密度下广播信息包数与等级广播距离的关系,得到了不同网络节点密度下的最优等级广播距离.仿真结果表明,与TPSN算法相比,在相同的同步精度下,算法能显著地降低高密度无线传感器网络时间同步的开销.     

结合启发式算子的单变量边缘分布算法求解SAT问题

单变量边缘分布算法(UMDA)是一种新的进化算法,是求解复杂问题的一种有效算法.根据SAT问题的特点,本文提出了一种求解SAT问题的改进单变量边缘分布算法(HeUMDASAT),该算法结合SAT问题本身固有的结构信息与当前群体的优秀解所提供的全局信息,构造了一个新的启发算子,并将此算子结合到单变量边缘分布算法中.此算子不同于随机搜索算子,由其产生的个体可以使得算法跳出局部最优并探索新的潜在区域,并且加快算法的收敛速度.用SATLIB库中的标准SAT问题对HeUMDASAT算法进行测试,实验结果表明该算法在求解速度和成功率方面都有明显的改善.     

基于稀疏表达的多示例学习目标追踪算法

追踪目标在经历较大姿势变化时,会导致追踪目标偏移甚至丢失。为此,提出一种基于稀疏表达的多示例学习目标追踪算法。联合多示例学习与稀疏表达方法,将目标物体的局部稀疏编码作为多示例学习的训练数据,通过学习正负样本的局部稀疏编码获得一个多示例学习的分类器,分类的结果与粒子滤波框架相结合,估计目标在整个视频序列中的运动状态。实验结果表明,该算法稳定性较好,与增量学习追踪算法、范式学习追踪算法和多示例学习追踪算法相比,其中心位置误差率减少30%以上。     

并行计算：提高SAT问题求解效率的有效方法

基于拟物拟人思想的Solar算法是一个求解SAT问题的快速算法.实验和理论分析表明,Solar算法具有易并行化的特性.将Solar算法并行化可大幅度地提高求解SAT问题的效率.     

均值漂移目标跟踪的两级窗宽更新算法

目标尺度发生较大变化时,固定窗宽的均值漂移(Mean shift)目标跟踪算法不能进行有效跟踪。为此,提出一种两级更新的自适应窗宽计算方法。采用Mean shift跟踪算法对目标中心进行初次定位,并确定窗宽的大小,设置感兴趣区域,结合已建立的背景模型,在感兴趣区域内利用背景减除技术二次确定目标的中心及窗宽大小,通过比较2次目标区域与目标模型之间的Bhattacharyya系数,选择系数较大的区域作为最终跟踪窗口。实验结果表明,该方法能够对尺度变化明显的运动目标自适应确定跟踪窗宽,并减小传统Mean shift跟踪方法背景目标颜色对目标特征提取的影响。     

基于粗糙集和SAT算法的属性约简

粗糙集理论是80年代初由波兰数学家Z.Pawlak首先提出的一个分析数据的数学理论。该理论近几年来日益受到各领域的广泛关注,并已在机器学习、模式识别、决策分析、过程控制、数据库知识发现等广泛领域得到成功应用。论文提出了一种求最小约简的基于命题可满足性(简称SAT)算法的算法,提出一个解决SAT问题的分割和结合的算法。实验结果表明,论文所提算法在高度准确分类的基础上,所得约简中大大减少了规则的数目。     

Propositional Satisfiability Algorithm to Find Minimal Reducts for Data Mining

A fundamental problem in data mining is whether the whole information available is always necessary to represent the information system (IS). Reduct is a rough set approach in data mining that determines the set of important attributes to represent the IS. The search for minimal reduct is based on the assumption that within the dataset in an IS, there are attributes that are more important than the rest. An algorithm in finding minimal reducts based on Propositional Satisfiability (SAT) algorithm is proposed. A branch and bound algorithm is presented to solve the proposed SAT problem. The experimental result shows that the proposed algorithm has significantly reduced the number of rules generated from the obtained reducts with high percentage of classification accuracy.     

复数系统中三、二阶归一化累积量盲均衡算法的研究

采用对称—反对称变换原理,提出了一种基于复数系统三、二阶归一化累积量盲均衡算法,克服了对称信号三阶累积量为零而无法进行信道均衡的缺点。计算机仿真表明,该算法实现简单,收敛效果好,稳态剩余误差小,其性能优于已有的一些同类算法。     

复杂运动状态的视频目标跟踪自适应切换算法

针对实际环境中运动目标的状态转移模型以及随机噪声分布存在的不确定性,提出了一种适用于复杂运动状态的视频目标跟踪算法。该算法同时结合了Kalman滤波(KF)实时性好的优点,以及粒子滤波(PF)能同时处理非线性、非高斯滤波问题的优点,通过对Kalman滤波性能进行分析,定义了评价滤波性能优劣的参数并作为判断条件,实现了不同运动状态下Kalman滤波和粒子滤波自适应切换。通过实验表明该方法在目标运动状态发生显著变化时仍能够实现稳定跟踪,同时具有较高的跟踪精度。     

面向目标跟踪的传感器网络睡眠调度协议

移动目标跟踪是无线传感器网络中的一项重要应用,将睡眠调度机制引入到目标跟踪算法中可以大大降低能耗。针对目标跟踪的实际需求,提出一种面向目标跟踪的传感器网络睡眠调度协议。根据目标跟踪不同阶段,分别设计了目标跟踪前和跟踪过程中传感器节点的睡眠调度机制;另外给出了目标丢失时,如何唤醒节点继续跟踪目标的调度策略。结果表明:该算法能够在保证跟踪质量的同时,降低跟踪能耗。     

基于TLD框架的快速目标跟踪方法

现实中目标在被长期跟踪时容易发生形变、遮挡、光照干扰以及其它问题,现有跟踪算法虽能解决该系列问题但算法计算量巨大导致跟踪系统实时性能较差,很难应用于实际场合。因此准确快速跟踪目标成为近年来非常有挑战的热点课题。以国外学者Zdenek Kalal等人提出的TLD(Tracking-Learning-Detection)框架为基础,提出了三点改进方法。一根据目标所占整幅图像的面积大小动态调整被处理图像的分辨率,从总体上减少样本数量;二在目标邻近区域扫描生成样本,缩小检测器的检测范围;三更换检测部分中分类器模板匹配方法,实现快速匹配,提高算法运行速度。针对与不同的场景,实验表明上述问题在改进后的算法中得到了较大的改善,算法的计算量有效降低,系统运行速度得到提高。且对于实时摄像头监控,改进后算法在保证目标跟踪准确率的同时拥有较好的实时性。