基于分布式融合的FDI攻击信号快速检测方法

研究带宽受限下信息物理系统中虚假数据注入(false data injection,FDI)攻击的检测问题.首先,将执行器遭受的FDI攻击信号建模为系统的未知输入信号,基于给定的$H_\infty$性能指标,设计局部残差产生器以实时逼近攻击信号.其次,为提高检测系统预警速度,在分布式融合框架下将所有经对数量化后的残差信号发送至检测中心,并设计优化目标将分布式加权融合准则的求解问题转化为线性矩阵不等式形式下的凸优化问题.与单个传感器情况下的检测方法相比,基于分布式融合方法所确定的检测阈值更加精准,从而可大幅度提高对攻击信号的预警速度.最后,通过移动目标系统的仿真验证所提方法的有效性.     

面向网络生存时间的传感器网络融合延迟分配算法

融合延迟分配策略是影响数据融合效率的重要因素之一,而数据融合的目的是减少数据冗余,降低网络能量消耗,延长网络生存时间.提出了一种面向网络生存时间的延迟分配算法,该算法直接以网络生存时间为优化目标,根据对网络生存时间的贡献分配传输延迟;通过理论推导证明了该算法的有效性;引入动态规划方程,给出了该算法的具体实现;最后通过仿真实验给出了各参数对网络生存时间的影响关系.     

基于数据融合的无线传感器网络延迟感知研究

网络数据融合与聚类是减少无线传感器网络能量消耗的有效技术,但聚类在数据聚集过程中会产生额外的时间延迟。为此,提出一种基于网络数据融合的延迟感知网络结构,该结构组建传感器节点形成不同大小的簇,每个簇可以与融合中心节点进行交错通信。仿真结果表明,与低功耗自适应集簇分层型协议、延迟感知数据收集网络结构相比,该网络结构可以减少在数据融合过程中的延迟,并能保持较低的能量消耗。     

集中式多传感器融合系统中的时间配准研究

建立了集中式多传感器融合系统的时间配准模型.在已有时间配准算法的基础上,提出了配准频率的概念,给出了配准频率的选择方法.将配准频率与拟合计算相结合,提出了单目标条件下和多目标条件下的时间配准算法,并对配准实现中可能出现的问题进行了分析.分别在单目标条件下和多目标条件下对所提算法的应用效果进行了仿真.仿真结果验证了所提算法的有效性.     

抗延迟攻击的WSN时间同步方法

为抵抗延迟攻击,保证时间同步安全正常运行,提出WSN安全时间同步算法。算法采用梯度时间同步,同时修正时间率和本地时间,提高同步精度;采用最小二乘估计计算发送时间、时间率估计值,根据发送时间估计值和实际值偏差、时间率估计值和实际值偏差分别设置阈值检测并排除异常同步信息。仿真结果表明:算法具有同步误差小、异常检测率高的特点,且通过异常检测排除异常同步信息后同步误差降低率高,提高了同步精度和同步安全性。     

多传感器融合的建筑入住率感知模型研究

提出一种多传感器融合的建筑入住率感知模型.通过基于相关性的特征选择方法对建筑内已存在的数据流进行筛选,利用多种监督类机器学习算法建立入住率感知模型.研究发现:多传感器融合能够有效建立入住率感知模型,各算法的准确率均在60％以上,其中支持向量机(包括线性和径向基)和朴素贝叶斯的效果较好,准确率均大于75％,均方差误差均小...     

RSA体制下使用随机算法防御时间攻击的方法

由Kocher提出的对RSA密码体制进行时间攻击的攻击方法是一种实用性很强的密码分析方法。文章在对时间攻击和原有抗击方法进行分析的基础上,提出了两种新的防御方法,将RSA算法由确定算法改造为随机算法,这样不但保证了算法安全性,而且可以大大提高算法的执行效率。     

含时间参量的传感器网络修正感知模型

目标与传感器之间的距离对传感器感知能力具有重要影响,但现有研究仅考虑以距离作为参量建立量化传感器感知能力的模型,而忽略了时间因素的影响。为此,引入时间参量建立修正的传感器感知模型。实验结果表明,与已有的感知模型相比,该模型能更真实地模拟传感器对目标的感知行为,量化传感器对运动目标的感知能力。     

无线传感器网络时间同步算法的安全性研究

时间同步是无线传感器网络的重要支撑技术之一,保证时间同步安全性对无线传感器网络的应用至关重要.根据现有的三类同步机制的典型算法的原理分析其安全性,然后对目前的安全措施进行了分析总结.     

面向结构损伤信号的多传感器感知融合方法

针对结构监测中的结构损伤信号的处理,提出一种基于压缩感知的数据融合方法,实现压 缩采样后的稀疏信号的融合和重构。对航空铝板的损伤信号采用高斯随机矩阵将高维 信号序列投影到低维空间,获得稀疏采样的线性测量值,实现信号的压缩采样;再对多 传感器的线性测量值进行数据融合;最后通过重构算法来实现信号的重构。实验表明,与现 有的方法相比,感知融合的方法具有更好的融合性能和抗噪性,能获得更高的数据压缩效果 ,节省了网络的带宽和能量,更适合于结构损伤信号的处理。     

无线传感器网络中受时间窗限制的移动充电调度算法

对于能量受限的无线传感器网络而言,移动充电是一个迫切需要解决的关键问题。针对已有工作认为节点一旦有能量消耗就需要进行充电这一不合理的假设,提出了一种受时间窗限制的移动充电调度算法ScheduleAlgorithm。该算法将移动充电问题转化为受时间窗约束的车辆多路径问题,同时通过增加虚拟点的方式将多路径转化为单路径问题,从而选择适当的时间来为每个传感器节点进行充电。仿真结果表明,ScheduleAlgorithm算法比HηClusterCharging(β)算法表现出了明显的优势。     

基于多传感器融合的健美操上肢运动轨迹感知识别研究

健美操动作标准程度影响健美操上肢运动轨迹感知识别准确性,为此提出基于多传感器融合的健美操上肢运动轨迹感知识别方法.利用多传感器采集健美操上肢运动轨迹数据并构建特征分析模型,将健美操上肢运动轨迹数据进行分类检测.利用健美操上肢运动轨迹数据的关联分布规则集进行自适应学习,通过多传感器融合方法,实现对健美操上肢运动轨迹感知和...     

受攻击信息物理系统的分布式安全状态估计与控制—一种有限时间方法

研究具有非线性耦合特性信息物理系统（Cyber physical systems,CPS）在被攻击情况下的分布式有限时间状态安全估计和控制问题.首先,提出一种由分布式安全测量预选器和有限时间观测器组成的分布式有限时间状态安全估计策略,可确保系统的状态在预设的有限时间之内被准确估计出来.然后,利用获得的安全状态估计,借助反步设计方法,建立一套分布式有限时间安全控制算法.理论分析表明,该方法可以保证系统能在有限时间内实现对给定信号的跟踪.最后,通过微电网系统仿真验证了所提方法的有效性.     

融合多模信息感知的低功耗行为识别

行为识别在普适计算领域有着极大的应用前景,可广泛应用于医疗监护、智能家居/办公、商业服务等方面.其中基于传感器的行为识别因其分布范围广、不具侵扰性等优点,已成为目前的研究热点之一.采用机器学习理论和方法,提出了一种基于多模传感信息感知和融合的行为识别层次框架.该框架综合加速度和无线网络信号两种传感器信息、利用多种基于融合的识别方法,能同时解决“用户在哪里”、“用户在做什么”、“用户将要去做什么”等行为相关问题.采用智能手机作为实验平台,利用其内置的多种传感器收集用户的行为信息,更符合普适计算的发展趋势.最后通过实际采集的数据和大量的实验说明了各种方法的有效性.     

基于感知概率的无线传感器网络节点部署算法

研究无线传感器网络节点部署优化问题,传感器节点的部署在一定程度上决定了无线传感器网络的性能和使用寿命;针对随机部署的无线传感器节点,提出一种基于感知概率模型的节点部署方案;使用证据理论通过计算对节点周围区域的综合感知概率,将虚拟力算法进行改造,使传感器节点向感知概率低的区域移动,实现对监测区域的最大覆盖;仿真结果表明,该部署算法实现节点合理分布,提高网络的覆盖率,减少节点的移动距离,达到延长网络使用寿命的目的。     

一种基于改进的概率图像融合方法

图像融合技术是近几年来研究的一个新领域,针对不同传感器生成图像的物理特性,提出了一种使用改进的概率方法对图像进行融合。该方法能有效地降低传感器噪声在图像融合过程中的干扰程度,最大程度地提供融合过程中更丰富、更精确、更可靠的信息,以便于图像的进一步分析、处理与理解。     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

无线传感器网络时间同步概率误差研究*

研究WSNTS(无线传感器网络时间同步)误差,旨在分析影响WSNTS误差的因素,揭示WSNTS误差的分布规律。在分析了传统的NTP时间同步策略的基础上建立了WSNTS误差的数学模型,给出了单跳WSNTS误差分布规律（正态分布）,同时还给出了多跳WSNTS误差的随机过程模型及其均值和方差,并给出了多跳WSNTS误差的上、下限曲线。仿真实验证明这些结果是正确的。     

求解带软时间窗车辆路径问题的融合算法

设计了遗传算法与变异蚂蚁算法的一个融合算法,该算法采用优良基因保护策略,引入蚂蚁寻径变异机制,并改进了信息素的更新方式,提高了寻径速度以及寻径的全局性。经过对比实验,验证了本融合算法可以有效而快速地获得问题模型的最优解或近似最优解。     

基于辅助信息补偿和控制信号编码的重放攻击检测方法

向最优控制信号中加入编码信号是实现信息物理系统(Cyber physical system, CPS)重放攻击检测的有效方法, 但会造成系统控制性能的损失. 如何在保证重放攻击检测率条件下降低系统的控制性能损失是一个值得研究的问题. 为此, 提出一种基于辅助信息补偿的控制信号编码检测方法, 通过向测量值添加辅助信号补偿控制编码信号对最优状态估计的影响. 首先, 证明了此方案下重放攻击的可检测性, 导出检测率的上界与检测函数阈值间的定量关系. 其次, 证明了加入辅助信号后系统控制信号与未添加编码信息时相同, 之前时刻的控制编码信号不会造成累积效应. 因此, 系统当前时刻的控制性能损失仅与当前时刻编码信号的大小有关. 最后, 将编码信号的协方差矩阵、检测率和检测阈值之间的关系表示成一个最优化问题, 给出了编码信号方差的计算方法. 仿真结果表明, 本文方法能有效地检测重放攻击的发生, 且系统控制性能的损失较小.