基于高阶时空模型的视觉传感网络数据关联方法

数据关联是视觉传感网络联合监控系统的基本问题之一. 本文针对存在漏检条件下视觉传感网络的数据关联问题, 提出高阶时空观测模型并在此基础上建立了数据关联问题的动态贝叶斯网络描述. 给出了数据关联精确推理算法并分析了其计算复杂性, 接着根据不同的独立性假设提出两种近似推理算法以降低算法运算量, 并将提出的推理算法嵌入到EM算法框架中,使该算法能够应用于目标外观模型未知的情况. 仿真和实验结果表明了所提方法的有效性.     

无线通信链路数据的分布式融合存储系统设计

为解决现有数据存储系统存在速度较低、容量较小且运行不稳定的问题,设计了无线通信链路数据的分布式融合存储系统,分析了无线通信链路数据特征,并构建了系统硬件与软件框架.系统硬件方面优化设计了电子硬盘、多路选通开关、控制电路和桥接电路;系统软件为设计的核心部分,使用最小二乘法配准无线链路数据的时间参数,校准链路数据的坐标系空...     

分布式传感网络的自适应一致性算法

为了提高分布式传感网络的估计精度,提出了一种新的自适应一致性算法。该算法在每次迭代时只需部分节点工作,即进行目标状态的监测。通过节点之间二进制信息的交换来调整每次迭代时的一致性权值,使得每次迭代时工作节点所占的权值更大,进而将该一致性算法与卡尔曼滤波相结合对目标状态进行估计。对该算法进行数值仿真,并与其他一致性加权算法进行比较,验证了该算法的有效性。     

数据推断辅助的无线传感网分布式定位算法*

通过建立误差模型,分析了测距信息缺失对于定位误差影响的定量关系,提出了一种基于数据推断辅助的分布式定位方法。该方法利用统计推论,得到由于信道限制而缺失的距离信息,以提高定位精度。仿真实验表明,在室内环境下,新的定位方法在精度上和一致性上均优于传统的定位方式。     

移动无线传感网络的分布式协作定位的研究

针对移动无线传感网络,并基于到达时间TOA(Time-of-Arrival)的测距模型,分析利用传感节点的移动信息进行定位问题,提出基于二阶锥规划的分布式定位算法。推导最大似然ML(Maximum Likelihood)定位估计表达式;考虑到基于ML的协作定位的非凸性,选用二阶锥规划SOCP(Second-order Cone Programming)松驰技术求解。为了降低计算成本,采用分布式策略实施SOCP算法。实验数据表明,该算法减少了均方根误差,提高了定位精度。     

一种新的分布式无线传感网络估计算法

笔者在各传感器之间有一个衰落的无线通道和融合中心(Fusion Center,FC)的前提下,提出了一种基于泊松点过程的无线传感网络分布估计方法。首先描述了空间上随机的无线传感网络统计特性,推断出在不同信道状态信息的情况下,优化融合中心所产生的中断性能。其次,结合路径损耗分析了无线传感网络的性能。最后,扩展分析了传感器噪声测量情况。仿真结果验证了提出的分析法的可行性和可靠性。     

基于随机网络集成模型的广义网络社区挖掘算法

根据结点的属性和链接关系,现实世界中的复杂网络大多可分为同配网络和异配网络,社区结构在这两类网络中均普遍存在. 准确地挖掘出两种不同类型网络的社区结构具有重要的理论意义和广泛的应用领域.由于待处理的网络类型通常未知, 因而难以事先确定应当选择何种类型的网络社区挖掘算法才能获得有意义的社区结构. 针对该问题, 本文提出了广义网络社区概念,力图将同配和异配网络社区结构统一起来. 本文提出了随机网络集成模型, 进而提出了广义网络社区挖掘算法G-NCMA. 实验结果表明: 该算法能够在网络类型未知的前提下准确地挖掘出有意义的社区结构, 并能分析出所得社区的类型特征.     

无线传感网络节点非视距定位方法的改进

在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析基于位置残差检测的非视距误差抑制技术的基础上,提出了基于近似最大似然估计技术和残差检测技术的非视距定位算法。算法通过逐步减少视距信号个数的组合方式,在每一步选取残差最小的组合,利用改进的距离残差定位方法进行节点定位。通过理论分析与仿真比较,均表明改进算法的性能接近于PRT算法的性能,但能大大降低PRT算法的计算复杂度,验证了改进方法的优越性。     

基于数据的分布式网络视觉监控系统设计与实现

数据的组成结构和存储管理方法是影响软件的运行效率和安全性、维护和扩展性以及通用性优劣的关键因素。本文介绍的分布式网络视觉监控系统是在分析归纳视觉监控系统数据的种类和操作处理特点的前提下,确定了分布式存储和管理数据的基础上所开发的软件。该系统在确保运行安全性的前提下较好地解决了监控系统处理数据量大、实时性要求高和网络运行效率的矛盾,同时软件的三层结构保证了系统组成配置的灵活性和通用性。     

贝叶斯网络的动态知识获取与修正

对贝叶斯网络的在线参数学习进行了研究.分析了ML和VotingEM算法的特点.发现它们在快速适应样本特征变化、预测与确定算法参数方面存在的不足,并提出基于上述两种方法的混合在线学习算法.改进算法根据修正参数误差以及调节数据量权重动态获取与确定贝叶斯网络.研究结果表明,改进算法在快速获取知识参数与知识检验正确率方面,比Voting EM方法具有更好的特点.     

无线传感网络一种能量有效的分布式数据交换协议

随着微处理技术与无线通讯技术的不断发展,无线传感网络的应用逐渐趋于多元化,新的需求不断涌现.例如,单兵作战系统中要求每个士兵都实时掌握其他士兵的位置信息,这称为数据交换问题,即All-to-all通讯模式.已有的研究主要考虑数据收集(All-to-One)和数据分发(One-to-All)这两个方面,这些协议直接用于面向多源多目的的数据交换问题则难以取得较理想的性能.因此,本文提出能量有效的分布式数据交换协议DDET,用于解决传感节点数据请求率不一致的数据交换问题.协议首先收集网络中传感节点的信息,对所有传感节点的本地数据请求率进行排序;其次,在每一轮中,选择数据请求率最大的节点加入到生成树中,使得网络的总能耗最小;最终,利用虚拟减枝法来确定深度最小生成树的树根,以减少网络能耗.实验结果表明,与性能较好的DEIST协议相比,DDRT至少将系统生命期延长了100%,并且节省了3%的系统总能耗.     

传感器网络中基于分布式压缩的数据聚合方法

针对基于压缩数据采集的数据聚合需要高效的路由转发树协议,以便更好地采集到从传感器节点到sink节点的编码数据,提出了一种新型高效节能的分布式压缩数据收集方法。该方法中每个传感器节点均可独自寻找父节点,并构建一部分路由树,无需利用中心节点来构建所有转发树,从而允许每个传感器节点对转发树的构建和维护做出局部决策。仿真实验结果表明,相比传统的压缩数据收集方法,新方法的复杂性较低并且开销降低近50%。     

无线传感器网络中的节点关联规则挖掘

信息处理是无线传感器网络的核心技术,必须采取简单、高效的处理策略.本文通过对传统Apriori算法的改进,提出了一种节点关联规则挖掘方法来发现大量节点之间的有用关联或相关联系,以此消除节点之间信息的冗余.这种方法可以帮助用户对数据进行有效的融合、分类、查询、分析、理解和决策.仿真结果表明该方法能够有效减少信息处理中通信和计算所消耗的能量,缩短数据查询响应的时间,从而延长整个网络的寿命.     

传感器网络中的分布式滚动时域状态估计

利用分布式滚动时域方法对无线传感器网络的状态估计问题进行研究,给出了基于量化测量值的滚动时域估计算法。在无线传感器网络的环境下处理分布式状态估计问题时,减少通信的成本是非常重要的一个环节,需要将观测值量化后再传送。以往的滚动时域估计方法无法处理量化观测值的状态估计问题,而本文的方法考虑了最严格的观测值量化情况即传感器只发送一个比特至融合中心的状态估计问题。与其它传感器网络中的状态估计方法相比,该方法减少了每一步的计算量。仿真结果验证了该算法的有效性。     

无线传感器网络中基于Top-|K|查询分布式数据重构方法

针对分簇结构或多Sink节点的无线传感器网络应用场景,提出了一种基于Top-|K|查询的分布式数据重构方法.该方法包括分布式迭代硬阈值算法和基于双阈值的分布式Top-|K|查询算法两个部分.其中,管理节点和成员节点同时运行分布式迭代硬阈值算法,以分布式方式实现迭代硬阈值计算.同时,管理节点和成员节点运行基于双阈值的分布式Top-|K|查询算法,以分布式方式实现前一算法中查询绝对值最大的前K项元素和操作.实验结果表明,该方法的数据重构性能与现有方法无明显差异,同时能够有效地减少管理节点和成员节点之间的交互次数,并且降低网络中传输的数据量.     

基于Jacobi ADMM的传感网分布式压缩感知数据重构算法

针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1 (joint sparse model-1)模型,提出了一种基于Jacobi ADMM (alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间交换公共信息以挖掘关联数据集的公共部分,并在各个簇头节点内部更新各自的独立部分,从而实现无线传感网中相关感知数据的分布式压缩重构.首先,将无线传感网中的数据收集问题抽象为一个分布式优化问题.然后,为了能够有效地解决分布式计算过程中产生的不收敛问题,在优化目标函数中引入了近似项,从而使得子优化问题具有严格凸性,并利用交替方向乘子法求解压缩感知数据的重构问题.最后,分别利用合成数据集和真实数据集进行验证.实验结果表明：与现有其他数据重构算法相比,基于Jacobi ADMM的分布式压缩感知数据重构算法具有更高的数据重构精度.     

无线传感器网络中基于小波的分布式存储

无线传感器网络主要用于从目标对象收集信息,由于其能源极其有限,分布式数据存储和查询得到越来越多人的注意.本文提出了一种基于小波构架的新型分布式存储方式,它使所有信息经小波压缩后平均分布于各个节点之中,构成小波系数空间存储结构树.通过仿真实验,表明这种算法在无线传感器网络的数据管理中获得了良好的效果:(1)通过简化小波变换消除了额外的计算和通信量,大大节省了数据管理所需的能耗;(2)利用传感器节点内和节点间的信息关联,有效提高了存储效率;(3)利用小波多分辨率的编码技术和小波系数空间结构树的自相似性,支持时空两个方向的快速查询.     

一种基于多路径的传感器网络安全数据传输机制

本文针对传感器网络提出了一种基于多路径的安全数据传输方案,通过在多条路径上分发数据,达到增强机密性和鲁棒性的目的。针对数据机密性,设计基于异或计算的编码方式,使得攻击者解析任何数据片段的难度等同于攻占所有的K条路径。针对传输的鲁棒性,设计了数据分发算法以及备份与校验相结合的容错模式,实现了容忍多条路径失效的数据传输,并且具有适度的数据冗余、理想的路径利用率以及快速的数据恢复能力。     

传感器网络中一种分布式无锚点定位算法

确定节点的自身位置对自组织传感器网络具有重要价值.前人在假定网络具有若干锚点的前提下计算其他节点坐标,如果传感器网络没有配置锚点,则通常的定位算法难以执行.借助节点之间的测距值,引入虚拟锚点和定位可信度的概念,提出一种在节点处实现分布式无锚点定位的算法.针对定位期间的节点位置估算数值,结合邻接信息设计了一种位置变异策略,避免全网定位计算陷入局部最优解.实验结果表明,算法能有效解决无锚点网络的定位问题,在精度和全局能量比率等指标方面达到满意效果.