移动低占空比传感网中基于分段拟合压缩的数据容灾存储算法

数据存储是无线传感器网络中数据管理的基础操作.在移动低占空比传感网中,由于节点的移动性,每个节点需要频繁更新邻居节点集合,使得节点能量消耗过大;同时,节点大部分时间处于睡眠状态,仅在少部分时间内苏醒工作,造成数据备份的通信延迟过大.提出一种快速的低能耗数据保存机制.首先,源节点基于连续时间序列对感知数据进行分段线性拟合压缩;接着,节点根据预估故障概率和存储空间大小,计算出合理的压缩数据备份数量.在此基础上,设计一种动态自适应传输协议.实验仿真表明,与已有存储算法比较,该机制具有更低的传输能耗和通信延迟.     

低占空比传感网中分布式的环状流水线工作调度研究

低占空比传感网中节点的长时间睡眠会导致数据查询延迟的增加.如何调度节点唤醒时间从而最小化延迟,是一个难解的组合优化问题.提出一个分布式的环状流水线调度算法,不用长时间等待即可进行数据传输.分析表明,算法可获得较低的延迟和更长的网络生命周期.     

传感网中基于压缩感知的丢包匹配数据收集算法

为了提高传感网中数据重构精度以及降低不可靠链路丢包对压缩感知(Compressive Sensing,CS)数据收集的影响,本文提出了一种基于压缩感知丢包匹配数据收集算法(Packet Loss Matching Data Gathering Algorithm Based on Compressive Sensing...     

无线传感网中基于卡尔曼预测的自适应压缩感知

针对无线传感网中节点间相关性较弱但节点内相关性较强的情况,本文提出了基于卡尔曼预测的自适应压缩感知算法。在中继传输模型下,通过卡尔曼预测来决定观测节点是否发送数据,减少发送节点来构建空间稀疏性,同时在融合中心采用自适应选择中继数量的序贯重构算法,降低中继节点的传输能耗。仿真结果表明,和其他基于预测的压缩感知算法相比,本算法观测节点的计算复杂度和中继节点的传输能耗大大降低而不会带来误差的增加。      

基于网格的移动无线传感网生存时间优化算法

为克服陆地静态无线传感网和水下无线传感网因节点能耗分布不均衡而出现的能量空穴问题,和具有单一移动Sink节点的无线传感网数据收集时延过长问题,该文提出基于网格的移动无线传感网生存时间优化算法(Grid-based Lifetime Optimization Algorithm,GLOA)。GLOA算法考虑多个Sink节点的移动,将监测区域分成多个大小相同的网格。根据网格潜能值确定Sink节点移动的锚点,将锚点分配给不同的Sink节点,建立路径选择优化模型并获得Sink节点的最短移动路径,采用移动收集方法或静态收集方法循环收集数据。仿真结果表明:与Ratio_w或TPGF算法相比,GLOA算法能延长网络生存时间,降低和均衡节点能耗。与LOA_SMSN算法相比,GLOA算法能降低数据收集时延。在一定的条件下,比Ratio_w,TPGF和LOA_SMSN算法更优。     

基于存储过程的分段数据存储方式设计

随着社会对信息化重视程度的不断提高,存储在数据库中的数据规模正在不断的成倍增长,如何以一种有效的方式对数据进行存储,以便高效的对数据进行处理,分析就成为横亘在人们面前的一道难题.基于oracle11g数据库,设计了一种基于存储过程的分段式数据存储方式,有效解决了对于数据量随时间线性增长业务系统数据的存储问题,极大的提高了数据处理的效率.     

无线传感网中数据融合算法的研究

无线传感网中如何降低节点能耗和提高节点传输数据的准确性是急需解决的问题。在研究无线传感网分簇路由的基础上,针对无线传感网分簇路由的源节点提出了一种双层滤波机制,仿真结果表明该数据融合方法能够提高融合数据的准确性,降低数据冗余度,具有较高的执行效率。     

基于移动锚节点的无线传感网RSSI定位改进算法

文章针对三维空间下固定锚节点在定位精度、成功率不高的问题,研究分析了基于RSSI算法的ERSS算法,提出了一种新的改进方法:利用移动锚节点采用特定移动轨迹并结合ERSS定位方法,修正了选取RSSI值时的合理性。针对边缘地区锚节点数量较少的情况,利用单一移动锚节点在空间内为圆柱体式旋转上升,平面上为以恒定角速度,自内而外逆时针旋转,周期性广播其坐标信息,从而确定未知锚节点的位置信息,同时利用ERSS算法,从而实现较为准确的定位。仿真结果表明,定位精度比未使用此方法的有了一定的提高。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

一种无限长时间序列的分段线性拟合算法

时间序列的分段线性拟合（Piecewise Linear Fitting,简称PLF ）是指用K条首尾相邻的线段近似表示长度为L的时间序列。传统的PLF算法依赖于L及领域知识,当L为无穷大时不再适用。本文提出了一种无限长时间序列的分段线性拟合（Infinite Time eries_Piecewice Linear Fitting,简称ITS_PLF）算法,该算法根据关键点保持时间段的统计特性,确定选择关键点的区间范围;若某点的保持时间段不在区间范围,则根据连续三个时间数据之间的夹角与筛选角度之间的关系判断其成为关键点的可能性。实验表明, ITS_PLF算法的执行不依赖于L及领域知识,可以有效识别关键点,并可根据数据压缩率的变化实现自适应拟合。     

A fast piecewise linear approximation algorithm

A piecewise linear approximation algorithm is suggested in this paper. The algorithm is fast since it works in one pass through the given data and it does not require much memory space. Moreover the peak points are preserved and become corners of the resulting piecewise linear curve. Hence the algorithm is suitable for real time applications in which the peak points are carrying important information and therefore should be calculated accurately.     

Optimal polygonal approximation of digital curves

An algorithm is described in this paper which finds the optimal polygonal approximation of a digital curve i.e. an approximation with the minimum possible number of line segments. The algorithm can be used either for digital curves in 2-space or 1-space, i.e. in waveforms.     

无线传感器网络中基于小波的自适应多模数据压缩算法

基于数据的多模性,设计了一个基于小波的自适应多模数据压缩算法.在给定的相关度阈值的条件下,算法能自适应地对数据调整分类,对相关数据采用最小二乘估计进行拟合,把特征数据抽象成一个矩阵,利用小波变换去除数据的空间和时间相关性.理论分析和仿真实验表明,新算法能够有效地去除数据之间的多模相关性和同种数据的空间和时间相关性,新算法有效地提高了压缩比,降低了网络的能耗.     

局域网环境下的数据综合安全分析

文章首先针对当前我国企业环境中的局域网数据安全问题进行了简单的剖析,而后从两个主要的方面,即存储安全和传输安全两个角度,就如何搭建起更为完备的局域网数据安全体系展开了讨论。     

计算机数据存储备份的分类与对比分析

当前计算机数据存储备份面临着较大压力,加强存储备份技术研究可有效防止数据的破坏与丢失。对计算机数据存储系统进行了分类和技术对比,并对数据备份技术做了分类与介绍,明确了各种技术的优缺点与应用范围,为计算机数据的存储灾备提供帮助与参考。     

移动无线传感网能量时延约束的自适应路由及性能评估

针对间歇性连通的移动无线传感网提出一种能量时延约束的自适应路由协议(EDCA),EDCA由初始化阶段、转发决策阶段、转发阶段和等待阶段组成,传感器节点根据目标时延实时判断是否转发副本,并选择剩余能量多的节点进行副本转发.EDCA对平均时延和网络负载具有控制力,对网络环境变化具有自适应能力,能够有效延长网络生命周期.     

延迟容忍传感器网络中基于移动协助的数据传输

提出了基于移动协助的动态数据传输算法(MAD, movement-assisted adaptive data delivery)。在缓冲区域内设置数据缓存节点,让基站在缓冲区内周期性地移动,数据动态地复制给更有可能到达缓冲区并且剩余能量较高的节点,然后基站在移动中将缓存节点中的数据进行收集。MAD是由数据传输和队列管理2部分组成。前者根据节点的运动趋势和剩余能量计算节点的转发概率,后者通过消息的生存时间和消息的最大复制数确定队列中消息发送的优先级及丢弃方法。仿真结果表明,与其他策略相比,MAD在传输成功率和网络寿命方面具有更好的性能。