基于信息融合的分布式多维自适应蚁群优化算法研究

通过参数优化、与其他优化算法融合等手段对蚁群算法进行改进,能有效地提高蚁群算法的全局寻优能力,改善其收敛性能。随着搜索路径多维,以及复杂分布式系统蚂蚁迭代次数的增加,蚁群动态多样性逐渐消失,容易陷入局部最优。通过对蚁群算法存在的问题进行分析,设计了多维系统各子蚁群时间同步方案以及信息融合时间窗口开启策略;针对影响蚁群算法的主要参数,提出动态认知的参数自适应调整改进算法,实现算法初期路径选择的多样性、成熟后可提高算法的寻优效率。以解决TSP问题为例,对启发式因子、信息素挥发因子等主要参数对蚁群最优路径影响进行仿真分析。     

DMTS与TPSN时间同步算法的融合设计

简要阐述了传感器网络节点的基本体系结构和影响无线传感网络时间同步的因素,重点介绍了DMTS与TPSN两种时间同步算法,分析了两者的优缺点,充分利用两者的优点使两种算法得到了融合运用。     

基于WBSNs时间同步算法的研究

基于ZigBee通信协议而日渐成熟的WSN技术已经越来越广泛的得到应用,时间同步技术是实现WSN网络正常应用的重要基础保障,但目前存在的时间同步算法在投入WSN系统中部署时,现有的时间同步算法不能够有效的降低系统功耗,数据精度也无法满足要求,针对这些问题本文提出了TPSN的改进算法,综合验证得改进的TPSN算法能够更好的支撑无线传感器技术平台。     

基于分量解耦融合的无线传感网时钟同步算法

无线传感器网络(WSN)时间同步精度的提高通常以增加额外同步能耗为代价,针对时间同步的高精度与低能耗的权衡问题,提出一种基于分量解耦融合的时钟同步算法。该算法结合双向广播同步机制和节点间时钟的相关性,利用分量解耦融合思想计算被同步节点与基准节点间的时钟偏差,同时根据线性无偏最小方差准则估计各个分量加权参数的取值。仿真结果表明,该算法能够在不增加额外同步能耗的条件下,相比PBS、TPSN和RBS算法,20轮同步后同步精度分别提高4.52μs、13.8μs以及25.48μs。     

煤矿井下时间敏感网络分布式精确时间同步算法

为满足煤矿井下网络海量节点间时间同步高精度、低能耗需求,基于多Sink节点非均匀分簇结构的煤矿井下时间敏感网络(TSN),提出了一种分布式精确时间同步算法。煤矿井下TSN分为3层:包含所有Sink节点的TSN汇聚层;Sink节点与各自通信半径内所有簇首节点组成的主网络;簇首节点与簇中普通节点组成的次网络。TSN汇聚层应用gPTP算法实现Sink节点间纳秒级时间同步;主网络中采用基于卡尔曼滤波的优化算法预测并补偿频偏、相偏和噪声误差,提高网络时间同步精度;次网络利用基于广播的单双向混合同步算法减少同步消息包数。仿真结果表明,该算法能有效提高网络时间同步精度与稳定性,减少网络时间同步能耗。     

基于分量解耦融合的无线传感网时钟同步算法

无线传感器网络(WSN)时间同步精度的提高通常以增加额外同步能耗为代价,针对时间同步的高精度与低能耗的权衡问题,提出一种基于分量解耦融合的时钟同步算法。该算法结合双向广播同步机制和节点间时钟的相关性,利用分量解耦融合思想计算被同步节点与基准节点间的时钟偏差,同时根据线性无偏最小方差准则估计各个分量加权参数的取值。仿真结果表明,该算法能够在不增加额外同步能耗的条件下,相比PBS、TPSN和RBS算法,20轮同步后同步精度分别提高4.52μs、13.8μs以及25.48μs。     

多传感器信息融合中时间同步方法的研究

多传感器信息融合技术日前广泛应用于自主车辆导航等信息技术领域,而时间同步技术是多传感器信息融合中的一项关键技术,是实现多传感器信息融合的必备条件之一.为了提高多传感器系统中时间同步的精度,提出了一种局域网内的时间同步方法,方法实现简便且可以提供很好的时间同步精度.通过仿真实验证明了所提出的方法不但在网络延时较小的情况下可以满足多传感器信息融合对时间同步精度的要求,而且在网络延时明显增大的情况下也可达到毫秒级以内的时间同步精度.     

基于卡尔曼滤波的精密时间同步算法

针对TDMA通信系统的时间同步和单向测距需求,本文给出了一个基于卡尔曼滤波的时间同步算法,详细描述了卡尔曼滤波器的设计过程,并对算法进行了实验验证。     

基于惯性网络的分布式信息融合算法

分布式导航系统是飞机多传感器导航系统设计的新概念,可以大幅提高系统导航性能和容错水平,并能动态配置传感器功能,但是目前并无完善的信息融合算法与之对应;文章在构建惯性传感器网络的基础上,将多个低成本惯性传感器系统配置在飞机的多个位置以作为网络节点,设计了分阶段处理的分布式信息融合算法,综合利用各节点所测量的惯性信息,最后得到本节点的局部状态估计;通过仿真实验表明,采用此方法,有效降低了导航滤波估计误差,因此,系统导航性能及容错能力得到大幅提高。     

无线传感器网络时间同步算法研究

时间同步技术是无线传感器网络中非常重要的协议之一,是保证传感器网络中各个节点协同工作的核心机制。根据有无参考节点将时间同步算法分为双向消息交换时间同步算法和分布式一致时间同步算法,其中双向消息同步机制广播消息交换算法和基于ACK帧的时间同步算法。这三类双向消息时间同步算法的时间同步消息发送数目逐级递减,能耗相对应降低;而分布式一致时间同步算法摒弃了参考节点的选择,同时同步所有的传感器节点,避免了参考节点失效而无法进行时钟同步的情况。基于现有研究的分析及归纳,最后给出了时间同步算法未来可能的研究方向。     

无线传感器网络节点分布式信息融合算法研究

节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一,国内外在节点放置、路由策略方面有大量研究,通过密度控制、分级簇等路由算法减少数据冗余。通过信息融合算法减少有效数据传输量是延长网络节点寿命的有效途径,并就此进行具体研究,提出了三种典型的分布式信息融合算法,即系数加权融合、无反馈的Kalman融合滤波及有反馈的Kalman融合滤波,并对其在805.12.4/ZigBee温度测量网络应用层协议中进行实现,最后通过运算数据结果对三种算法进行了比较分析及有效性、局限性总结。     

基于频率调节的分布式系统时间同步算法设计与实现

为了降低Internet上对NTP时间服务器的访问频率,有效缓解时间服务器资源负担过重的状况,提出了一套适用于分布式系统的基于频率调节的时间同步算法。实验表明,该算法在保障同步精度的前提下,相对于传统的建立在相位调节方式上的时间同步算法,有较好的效果。     

基于分段过滤时间同步算法研究

随着通信及计算机网络的发展,越来越多的网络设备和网络应用对同步时间提出了越来越高的要求。但迄今为止端系统间的时间同步并没有得到很好的解决。首先系统描述了端系统时钟动态性的数学模型,然后提出了一种基于分段过滤的时间同步算法（SFTS算法）。该算法包含服务器主动式时钟同步算法,基于分段估算的频率差补偿算法,排队与频率跳变过滤算法三个部分。最后在实验网上对该算法进行了验证,并与NTP协议进行了对比。实验结果表明该算法确实能够实现大规模计算机间的高精度时间同步。     

基于控制角度的无线传感器网络时钟同步优化算法

针对无线传感器网络(WSN)时间同步过程中易受干扰,易发生通信延迟所造成的同步精度不高、收敛速度不快的问题,从控制的角度提出一种时钟同步优化算法。该算法首先建立时钟同步状态模型,然后通过现代控制理论的思想,引入中心控制策略,建立基于控制的时间同步状态模型。该控制策略是通过全局的时钟状态信息进行设计,在卡尔曼滤波最优估计前提下,使控制满足使性能指标函数最小的条件下,得到最优控制。仿真结果表明,所提出的时钟同步优化算法和无线传感器时钟同步协议(TPSN)相比,从第6步时钟同步开始,前者的同步误差逐渐比后者的同步误差小;在实现同一较高精度的同步需求时,前者需要的同步次数是后者所用的同步次数的20%左右;由时钟同步误差收敛均值的方差对比值显示,前者比后者的同步误差均方差小了两个数量级,因此所提出的时钟同步优化算法比时钟同步协议同步精度高、收敛速度快、网络通信负荷低。     

一种应用于煤矿井下线型WSN的时间同步算法

针对煤矿井下线型网络结构的特殊性及传统TPSN算法存在线型网络末端节点同步误差比较大的问题,提出了基于分簇结构的线型WSN时间同步算法。该算法以传统分簇算法为基础,运用时钟漂移补偿、异常数据过滤技术,降低了网络的时间同步误差,同时平衡了整个网络的能量损耗。仿真结果证明了该算法的正确性。     

基于簇的能量均衡无线传感器网络时间同步算法

针对现有时间同步算法应用于多跳无线传感器网络时存在的误差累计和能耗不均衡问题,提出一种基于簇的能量均衡时间同步算法。该算法基于簇状分层的网络拓扑,簇首之间采用双向监听机制代替双向交换机制,以减小通信开销和发送时延带来的同步误差;簇成员节点利用双向交换和单向广播相结合的机制与簇首同步,并通过最优剩余能量选取回应节点,均衡簇内节点能耗。对提出的新方法和传统的同步算法在精度和能耗方面进行理论分析和仿真验证,结果表明,该算法在保证较高同步精度的前提下可以减小通信开销,均衡网内节点能量消耗,延长网络生命周期。     

基于时间对抗的网络报警深度信息融合方法

针对目前网络报警信息融合方法仅以单时间点为处理单元,无法适应网络攻击逐渐呈现出的隐蔽性强、持续时间长等特点,提出一种基于时间对抗的网络报警深度信息融合方法。面对多源异构报警数据流,首先采集并保存当前一个较长时间窗口内的报警信息,然后利用基于滑动窗口的流聚类算法对报警信息进行聚类,最后引入窗口衰减因子对聚类后的报警进行深度融合。真实数据的实验结果显示,与基本DS证据理论(Basic-DS)和指数加权DS证据理论(EWDS)融合方法方法相比,该方法有较高的检测率和较低的误检率,但因为采用了更长的时间窗口,精简率上略低;实际测试与性能分析也表明,该算法的时延较小,能更加有效地检测网络攻击,且能完成实时处理。