无线传感器网络中事件驱动数据收集研究进展

无线传感器网络是目前研究的热点,事件驱动数据收集是无线传感器网络中一种重要的信息采集方式。由于节点普遍具有能量水平低、通信能力弱、易损坏等特点,而用户普遍需要网络能长时间稳定工作或尽快获得数据,因此,如何以低能耗、低延迟、高可靠的方式完成事件驱动数据收集是研究的难点。介绍了事件驱动数据收集的概念和特点,对已有的典型事件驱动数据收集协议进行了系统的分析和对比。通过探讨存在的挑战和亟待解决的关键性问题,为下一步更深入的研究指明了方向。     

基于混合并行遗传算法的网格资源分配策略

网格是利用互联网或专用网络将地理上广泛分布的、异构的、动态的资源互联起来实现资源高度共享与集成，为用户提供高性能的计算、管理和服务等功能的一项新技术。但如何将网格这个复杂环境中的资源有效进行管理和调度，是一个NP难问题，同时也是网格技术发展的关键。启发式算法被证明是解决这类问题的有效算法，将两个启发式算法结合起来，充分发挥各自的优势，就能有效解决网格资源分配的问题。因此，利用混合并行遗传算法来解决网格资源分配是可行的。     

TMWSNs中一种确保数据完整性的高能效时空Top-k查询协议

时空Top-k查询是TMWSNs（双层移动无线传感网）中的一类重要查询.在敌对环境中,攻击者易通过捕获TMWSNs中的关键节点来破坏时空Top-k查询的数据完整性.提出一种确保数据完整性的时空Top-k查询处理协议VIP-TQ.该协议利用虚拟化节点技术与绑定加密技术通过构建传感器节点的数据预处理方法、数据存储节点的时空Top-k查询处理方法以及Sink端的数据完整性验证方法来实现TMWSNs中时空Top-k查询的数据完整性保护.理论分析和实验结果显示,VIP-TQ能够以100%的概率侦测出不完整的时空Top-k查询结果,并具有相对已有方案更高的能效性.     

基于访问网格的沉浸式可视化协同设计系统的设计实现

为了处理协同设计中多个分布、异构的组织和个人的复杂数据交互,利用沉浸式可视化技术提供高质量的无间距协作。通过对访问网格进行分析,提出基于访问网格的沉浸式可视化协同设计系统框架,研究系统实现及通过网格服务进行任务智能分解的关键技术。系统实现表明,比传统基于Internet的协同设计系统具有更高的设计效率和更好的设计效果。     

基于DSP的车型检测器设计及其算法的研究

车型分类是高速公路自动收费和交通流量统计的重要依据,它是智能交通(ITS)的一个重要组成部分。本文针对车型检测器硬件结构和处理算法两方面提出一些具有创新性的设计方案,介绍了由LC振荡电路和TMS320F2812处理芯片构成的车型检测器的硬件结构,为克服LC振荡电路频率不稳定的固有缺陷提出了基频更新算法。并提出了利用一维数学形态滤波方法过滤实际应用中的噪声信号的方法,最后简单介绍了基于粗糙集BP神经网络车型分类算法。     

开发基于Web Services的多层分布式数据库

Web Services是新一代Internet分布式应用框架,代表了下一代网络计算和企业应用的必然趋势,它将业务处理与客户交互分离,有着巨大的应用需求和市场潜力.多层分布式数据库克服了传统应用系统诸多弊端,是目前企业应用的主流模式.将多层分布式数据库建立在Web Services之上,可以充分发挥两者的优势,满足开放、通用和安全的要求.因此基于Web Services的多层分布式数据库是适应企业网络应用的需求而出现的必然结果,代表了目前和未来网络和数据库相关技术研究和发展的必然趋势.     

多分支BP网络模型及其在车型分类中的应用

通过分析一般的BP网络在解决多模式识别问题时的缺陷,本文根据分而治之和模块化的思想提出了多分支BP网络的模型。多分支BP网络可将N种模式的识别问题转换为N个并行的两种模式识别问题。文章还研究了多分支BP网络模型在车型分类中的应用,并利用G107上的实测数据进行仿真,仿真结果表明,与一般的BP网络相比,多分支BP网络具有更好的分类性能,且显著地减少了训练时间。     

物联网中多设备多服务器的移动边缘计算任务卸载技术综述

随着物联网(Internet of Things,IoT)技术的快速发展,出现了大量具有不同功能的设备(如多种带不同传感器的智能家居设备、移动智能交通设备、智能物流或仓储管理设备等),它们相互连接,被广泛应用于智能城市、智慧工厂等领域。然而,这些物联网设备的处理能力有限,很难满足延迟敏感、计算密集型应用的需求。移动边缘计算(Mobile Edge Computing,MEC)的出现有效解决了这一问题。物联网设备可以将任务卸载到MEC服务器上,借助它们完成相应的计算任务。这些服务器通常由网络运营商部署在网络边缘,即靠近用户端的网络接入层,用于汇聚用户网络的网络层面。某一段时间内,物联网设备可能处于多个MEC服务器的覆盖区域中,多个设备共享服务器有限的计算和通信资源。在这个复杂环境下,制定一个任务卸载和资源分配方案,使得任务完成的时延或物联网设备的能耗达到最优化,是一个NP-难问题。目前,已有许多工作对这一问题进行了研究,并取得了一定的成果,但在实际的应用中仍面临着一些问题。为了更深入地推进该领域的研究,文中对近几年的最新研究成果进行了分析、归纳和总结,对比分析了它们的优缺点,并对未来的工作进行了展望。     

动态无线传感网中低延迟高可靠的数据查询机制

查询处理作为大规模无线传感器网络中智能服务的一个重要操作,可以根据用户需求对网络中的感知数据进行检索和回传.然而,部署在恶劣环境中的无线传感网络,节点容易遭受外力破坏,或者自身资源(能量、存储等)有限,可能会导致节点发生位移和故障,从而造成网络拓扑不断改变以及部分节点的感知数据失效.同时,由于节点感知数据容量大、传输带宽有限以及网络链路不可靠等情况,可能会造成网络通信时延大大增加.这些因素使得快速、可靠的数据查询处理成为无线传感网中一个难题.为了解决这个难题,提出一种动态网络中低延迟高可靠的数据查询机制.该机制是一种非聚合随机查询方式,通过将传感节点划分为源节点和查询节点来实现数据查询.首先,根据监测事件将网络划分为若干个子区域,每个子区域中的源节点相互协作,并按照时间顺序依次轮流监听该区域的事件信息;接着,源节点根据预估的平均节点故障概率,计算出一个合理的备份数量,并将源数据按照该数量存储到邻居节点中,以降低源数据的失效概率;然后,为了加快数据查询速度,源节点定期对源数据块进行编码压缩,并选取剩余能量和存储空间较小的多个邻居节点作为下一跳接收节点.这些接收节点基于局部区域中节点个数大小,决定是否接收存储该报文.重复上述过程,直至压缩数据均匀地分布在网络中.另一方面,查询节点接收到查询请求时,也使用负载均衡多路分发方式将查询请求传输到部分节点上.为了避免目标数据的冗余回传,当查询请求成功查询到目标数据时,目标节点先修改访问位,再选取与查询节点距离最近的邻居节点作为下一跳接收节点,迭代执行上述操作,直到用户获得所需要的事件信息.在以上过程中,为了节省节点能量,在保证高成功查询率的条件下,建立通信能耗最小化的优化模型,计算出最优的压缩数据副本数和查询消息副本数,之后,源节点和查询节点分别按照该数量进行副本数据分发.最后,理论分析和实验结果表明,与其它四种查询算法相比,提出的查询机制具有更高的查询成功率、更低的通信能耗和通信时延.     

传感器网络中基于LT码的提高数据持续性方案

在环境恶劣且无固定Sink的无线传感器网络,节点为了避免意外死亡而丢失数据,需要能量有效地将数据分发到其他一部分节点上存储,以等待移动Sink进行采集.提出了一种新的基于Luby变换码(Luby transform codes)、简称LT码的数据持续性提高方案(LT-codes based scheme for improving data persistence,LTSIDP),其中LT码是一类纠删码.LTSIDP将数据的存储过程分为2个步骤:第1步,节点根据一段时间内接收数据包的情况估计网络中数据包的数量和节点的总数,进而计算出基于LT码存储数据所需要的参数;第2步,节点再根据获得的参数对接收到的数据进行存储.每一轮LTSIDP执行结束后,移动Sink可以在一定时间段内的任意时刻和任意地点进入网络,访问少量仍然存活的节点就能获得所有源数据.理论分析和实验表明,LTSIDP不仅能获得比已有算法更高的数据持续性,而且能量更有效.