无线充电传感器网络能量效率优化研究

本文将SWIPT技术应用到无线充电传感器网络中,提出了一种基于SWIPT的协作传输协议（简称CTS）,利用无线信息和能量的协作传输来提高无线能量传输的效率。在此基础上,设计了一个以最大化网络效用为目的的资源分配策略优化问题,并提出RAPOA算法来求解问题。仿真实验表明CTS最大化了网络效用,提高了无线充电传感器网络的能量传输效率。     

无线传感器网络数据的零范数最小化重构

利用压缩感知理论重构网络数据可有效减少无线传感器网络数据传输能耗。已有重构算法复杂度高,难以满足无线传感器网络的高实时性要求。为提高基于压缩感知理论的网络数据重构的实时性,提出一种零范数最小化重构方法。首先构造连续函数对离散的零范数函数进行逼近,然后通过求解连续函数的最优化问题得到零范数最小化的近似解。与以往的压缩感知重构方法相比,零范数最小化重构在保证重构准确度的前提下有效减小了算法复杂度。仿真实验验证了所提算法的正确性和有效性。     

秦岭北麓森林火灾监测系统及节能算法

针对秦岭北麓浅山区森林火灾监测的需要,设计一种基于无线传感器网络的森林火灾实时监测系统,该系统给出监测实施的网络体系结构、无线传感器网络节点的硬件设计和软件实现。同时,针对无线传感器网络的能量约束问题,提出基于网格理论的节能算法,该算法以中心点的计算代替原有四周节点的计算,降低了计算复杂度。仿真结果表明,计算覆盖度与实际覆盖度的误差小于11%,验证了算法的有效性。     

基于ANN的能量采集无线传感器网络中继选择策略

能量采集无线传感器网络(EH-WSN)中继节点的能量补给来源与选择算法是制约网络生命周期的关键因素。为提升EH-WSN可再生能源利用率与中继选择效率,引入配有太阳能电池板与电网供能的能量节点(EN),采用解码转发中继协议与改进的功率分割接收机传输模型,构建多中继EH-WSN协同通信模型。基于二维线性相控阵天线实现EN对中继节点的定向无线能量补给,根据EN能量的不同来源动态调整充能策略,提出最大化网络生命周期下的优化中继选择算法。建立基于人工神经网络(ANN)的中继选择模型,结合反向传播算法与交叉熵函数对模型结果进行修正。仿真结果表明：采用EH-WSN优化中继选择算法的网络生命周期相比于无线携能传输(SWIPT)的WSN增长62%,可再生能源利用率单天最高可达21%;基于ANN模型的中继选择结果准确率可达90%、选择效率提高92%,相比于具有遍历性的EH-WSN优化中继选择算法计算复杂度更低、实时性更高。     

双IRS辅助的NOMA无线携能通信网络优化

无线携能传输（simultaneous wireless information and power transfer,SWIPT）能够有效解决通信终端的能源受限问题,而智能反射面（intelligent reflecting surface,IRS）能够辅助增强SWIPT的效率。为了克服单个IRS覆盖范围有限的缺点,以及进一步提高SWIPT的时间和频谱资源利用率,考虑了一个双IRS辅助基于非正交多址接入技术（non-orthogonal multiple access,NOMA）的无线携能通信系统,其中发送端的波束成形矢量、每个IRS的相移以及接收端的功率分割系数将进行联合优化以最大化系统的最小用户速率。为解决上述有着高度耦合优化变量的非凸优化问题,提出一个基于半正定松弛技术（semidefinite relaxation,SDR）和连续凸逼近技术（successive convex approximation,SCA）的交替优化（alternative optimization,AO）算法来高效求解该问题。仿真结果表明,双IRS辅助的系统比传统的单IRS辅助的系统能够实现更高的最小速率,揭示了部署双IRS的优异性、所提算法的有效性以及联合优化IRS相移及功率分割系数在提升用户速率性能方面的重要性。     

面向无线传感器网络的无线携能通信研究

能量受限是无线传感器网络应用的瓶颈问题,为了使无线传感器网络获得稳定持续的能量来源,提出将无线携能通信（ SWIPT）技术应用到无线传感器网络中。基于时分多址（ TDMA）的通信方式建立了适应于无线传感器网络的无线携能通信系统新优化模型。通过凸优化问题的求解得到该优化模型的最优分配策略。利用仿真实验对无线携能通信在无线传感器网络中应用的可行性进行了分析,对方法的有效性进行了验证。     

基于深度学习的ARM平台实时人脸识别

针对ARM平台上人脸识别实时性不强和识别率低的问题，提出一种基于深度学习的实时人脸识别方法。首先基于MTCNN人脸检测算法设计了一种实时检测并追踪人脸的算法；然后在ARM平台上基于深度残差网络（ResNet）设计人脸特征提取网络；最后针对ARM平台的特点，使用Mali-GPU加速人脸特征提取网络的运算，分担CPU负荷，提高系统整体运行效率。算法部署在基于ARM的瑞芯微RK3399开发板上，运行速度达到22 帧/s。实验结果表明，与MobileFaceNet相比，该方法在MegaFace上的识别率提升了11个百分点。     

优化认知SWIPT网络的时间分配和功率控制

无线网络中出现的频谱稀缺、能源受限和干扰等各种问题,已成为国内外研究学者的研究热点。为此,提出一种基于能量收集衬底式的认知无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)网络,称为认知SWIPT或二级SWIPT网络。该通信网络采用认知无线电技术,允许无线能量传输和无线信息传输与现有的主系统共享相同的频谱,能将主用户对二级用户的干扰转化为有效能量。在温度干扰约束条件下,通过联合优化时间分配和功率控制,最大限度地提高认知SWIPT网络的加权吞吐量,同时保证主系统的通信质量。利用MATLAB软件进行仿真,分析和比较所提联合优化方案与等时间分配方案,仿真结果表明,前者显著提高了频谱效率和能量利用率,明显优于后者。     

一种分布式无线传感器网络节点定位新算法

针对无线传感器网络节点自身定位问题，提出一种新的节点定位算法，介绍算法的基本原理和实现方法。算法假设网络中有一定比例的锚节点（位置已知的节点）。通过未知节点和其无线射程范围内的锚节点之阃的通信约束和几何关系，得出该未知节点所处的圆弧区域，将该圆弧区域的质心作为未知节点的估计位置。该算法是一种完全基于网络连通性的无需测距技术的分布式算法，算法设计简单，计算量小。节点间通信开销少。仿真结果显示，该算法适合于各种规模的无线传感器网络的节点定位。     

WSN中一种目标追踪在线节点调度算法

针对目标追踪无线传感器网络节点能量有限、感知信息存在不确定性等问题,提出一种基于部分可观察马尔可夫决策过程的在线节点调度算法。通过状态转移函数和观察函数描述移动目标的不确定性,根据奖赏函数平衡追踪性能和节点能量消耗,并构造有限深度的可达信念与或树降低运算复杂度,实现调度策略在线求解。实验结果表明,该算法能平衡目标追踪质量与节点能量消耗,且满足实时性 要求。     

基于二次规划的无线传感器网络数据恢复算法

为提高无线传感器网络数据压缩感知中恢复算法的实时性,提出一种基于二次规划的无线传感器网络数据恢复算法。该算法将压缩感知重构中的欠定线性方程组求解转化为有界约束二次规划问题,在此基础上结合阿米霍步长准则对二次规划进行求解,从而对网络数据进行恢复。理论分析和仿真结果表明,所提算法可准确恢复网络数据,并且相比传统压缩感知恢复算法,可明显降低数据恢复的计算复杂度,有效提高网络数据恢复算法的实时性。     

无线移动自组网络节点优化定位算法

针对MDS-MAP算法计算复杂度高的问题,提出一种改进的MDS-MAP定位算法。给出节点相对坐标的计算与优化以及局部网络融合的方法,分析算法的计算复杂度并进行定位精度仿真,结果表明,该算法的计算复杂度低、定位精度高、可扩展性好,能够较好地完成无线移动自组网络节点的定位。     

基于深度强化学习的雷达智能抗干扰决策FPGA加速器设计

针对高动态环境下的雷达连续智能抗干扰决策和高实时性需求问题,本文构建了一种适用于雷达智能抗干扰决策的深度Q网络（Deep Q network,DQN）模型,并在此基础上提出了一种基于现场可编程门阵列（Field programmable gate array,FPGA）的硬件决策加速架构。在该架构中,本文设计了一种雷达智能决策环境交互片上访问方式,通过片上环境量化存储和状态迭代计算简化了DQN智能体连续决策时的迭代过程,在实现智能体深度神经网络的并行计算与流水控制加速的同时,进一步提升了决策实时性。仿真和实验结果表明,在保证决策正确率的前提下,所设计的智能抗干扰决策加速器相比已有的基于CPU平台的决策系统,在单次决策中实现了约46倍的速度提升,在连续决策中实现了约84倍的速度提升。     

移动边缘计算环境下体域网高效任务卸载方案

移动边缘计算（mobile edge computing,MEC）近年来成为解决无线体域网（wireless body area network,WBAN）计算资源匮乏的热门方法之一，但在现有的研究工作中，并没有将患者身边的计算资源充分利用起来，容易造成网络的拥堵。针对这种情况，提出了一种联合蜂窝、WiFi网络与设备到设备（device to device,D2D）通信的高效任务卸载方案，充分利用了WBAN应用场景中的多种计算资源，有效减少了蜂窝网络的负载，提高了系统的可靠性。设计了一种低复杂度的遗传算法，在同时考虑患者时延、能耗以及经济开销条件下，得到系统的最小卸载总成本。实验仿真结果表明，相比于随机卸载、蜂窝卸载、无WiFi卸载、无D2D卸载，该方案可以更有效降低系统总成本，为患者提供更高的服务质量。     

联合无线充电与数据收集的移动充电装置多目标路径规划算法

针对无线传感器网络节点资源有限导致数据收集不完整和时效性差的问题，建立了联合无线充电和数据收集的移动充电装置（MCD）多目标路径规划模型，提出了一种基于贪心策略的联合无线充电和数据收集的MCD路径规划算法(PPGS)。首先，对监测区域采用基于正六边形的无缝划分策略，有效减少了MCD的访问单元数；然后，利用马尔可夫模型预测节点能量和数据采集量等参数，在此基础上预估了MCD锚点最小停留时间和最长等待时间。与现有时延受限移动式能量补充算法(DCMEC)和基于网格的移动装置调度算法(GBA+MDSA)相比，所提算法具有复杂度较低，且无需事先知道节点和锚点实际位置信息的优势。仿真结果表明：PPGS能以较少的MCD保证无线传感器网络数据收集的完整性和时效性。     

面向C-V2X通信的基于深度学习的联合信道估计与均衡算法

为了在不显著提升计算复杂度的情况下,有效提升通信系统的误码率（BER）性能,利用深度学习在数据处理方面的强大能力,提出一种面向基于蜂窝网络的车联网（C-V2X）通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同,V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑,并利用深度学习网络直接对接收数据进行校正和恢复,无须进行显式的信道估计环节即可完成信道均衡。具体而言,首先利用大量的接收数据对网络进行离线训练,使网络学习到叠加在接收数据中的信道特性;然后利用该特性恢复原始的发送数据。仿真实验结果表明,在不同的速度场景下,所提算法可以更加有效地追踪信道特性;同时,相较于传统信道估计算法（最小二乘法（LS）和线性最小均方误差法（LMMSE））配合传统信道均衡算法（迫零（ZF）均衡算法和最小均方误差（MMSE）均衡算法）,所提算法在低速环境下有最高有6 dB的BER增益,在高速环境下最高有9 dB的BER增益。     

无线流媒体应用中的错误隐藏算法

无线流媒体应用对网络信道扰动有着较高的敏感性，错误隐藏是对网络错误所造成的丢失数据进行预测与恢复的重要方法之一。该文介绍了错误隐藏的原理及算法，并根据无线流媒体的特点提出了一种基十模式选择的错误隐藏算法，该算法充分利用视频数据时空域的相关性对受损数据进行恢复和重建，并在基于H．264标准的手机解码器中获得了较好的主观质量效果。同时，该算法有着低计算复杂度和空间消耗的特点，能够适用于手机等资源缺乏的无线流媒体应用环境。     

无线传感器网络加权质心相对定位算法

针对基于接收信号强度指示的无线传感器网络加权质心定位算法在实际应用中计算复杂的缺点,提出一种改进型传感器网络加权质心相对定位算法（WCL-RSSI）。该算法主要采用参考节点精选机制和定位组合精选策略选择定位自评误差小的节点进行三边测距定位,以此重建定位权值函数来减小坐标定位误差,最后采用加权质心法计算坐标,并计算该节点的定位自评估误差。仿真实验表明,在同等计算复杂度下,该算法较传统定位方法的定位精度有了明显的提高。     

基于缓存辅助的全双工无线携能通信系统的中继选择策略

为了提高无线携能通信（SWIPT）系统的性能,构建了一个全新的基于缓存辅助的全双工中继协作系统模型,并在系统中考虑了空闲能量接入点（EAP）作为中继节点的额外能量补充。对于系统吞吐量最优化问题,提出一种基于功率分配协作的SWIPT中继选择策略。首先,基于通信服务质量与源节点发射功率等约束建立问题模型;其次,通过数学变换将原非线性混合整数规划问题转换为一对耦合优化问题;最后,利用KKT条件并借助拉格朗日函数解决内部优化问题,得到了功率分配因子和中继发射功率的闭式解,并在此结果上解决外部优化问题,选择最佳中继进行协作通信。仿真实验结果表明,空闲EAP和中继处高速缓冲存储器的配置具有可行性和有效性,并且,所提系统在吞吐量增益方面明显优于传统的中继协作通信系统。     

基于SPE的无线传感器网络定位算法

通过对无线传感器网络经典定位算法的分析,针对MDS-MAP(P,R)算法的高计算复杂度,提出了一种新的基于SPE(Stochastic Proximity Embedding)技术的无线传感器网络定位算法,该算法因不需要复杂的额外求精过程和地图合并过程而大幅降低了对节点能量的消耗.实验仿真表明,本文算法在低计算复杂度的前提下,有较高的节点定位精度.