传感器网络中基于网格的功率控制算法

针对无线传感器网络中的“热区”问题,将网络监控区域划分成宽度不等的网格,提出一种基于网格的功率控制算法。通过分析节点的能量消耗计算每层网格的宽度和节点的传输半径,以达到网络能耗的均衡分布。仿真实验结果表明,该算法在能耗均衡方面优于同类算法。     

面向WSN的自适应模糊功率控制算法研究

在无线传感器网络环境中存在干扰以及网络的动态变化等原因,传输可靠性问题成为保障网络服务性能的重要挑战之一。现有的研究方法基本没有考虑网络的动态性,节点能耗较高。为此,我们提出了一种面向WSN的自适应模糊功率控制算法DAFPC。该算法采用自适应模糊理论,并基于“输入-输出-反馈”机制,根据接收到的链路质量参数信息自适应地调整控制器,快速地调节发射功率。研究仿真结果表明,DAFPC算法能很好地适应网络的动态变化,有效地提高WSN的抗干扰性和传输可靠性,延长了网络的生存时间。     

OFDM系统中自适应比特和功率分配研究

提出了一种改进的OFDM系统中自适应比特功率分配算法。该算法可适用于多径频率选择性衰落信道,根据信道特征,动态地为OFDM系统的各子信道分配比特和发送功率。该算法在一定的误比特率和信息速率的情况下,使得总发送功率最小化。仿真结果表明,该算法在相同误比特率的情况下比不采用自适应技术的OFDM系统节省了发送功率。     

基于车辆自组网络的按需功率控制算法

针对车辆自组网络在车辆较密集的情况下,安全信息容易发生频繁碰撞以及时延变大等问题,提出一种基于车辆自组网络的按需功率控制算法,发送节点根据背景安全信息需求节点的位置,动态地调节背景安全信息发送功率,通过传递安全信息提高驾驶的安全性。仿真实验结果表明,该算法可以有效减小时延,提升安全信息正确接收率,从而提高车辆自组网络的安全预警功能。     

WSNs中一种基于EIETX的自适应功率控制的机会路由

为了延长无线传感器网络(WSNs)的生存时间,提出了一种基于EIETX的自适应功率控制的机会路由协议APExOR。考虑节点剩余能量,改进了IETX,给出基于EIETX的转发候选集选择策略;分析节点间链路状况,建立起相关的转发能效模型,提出了一种自适应优化转发候选集和发射功率的算法;利用以上策略和算法改进ExOR协议,提出了适合WSNs的APExOR协议。仿真实验表明:与固定功率下的ExOR协议相比,APExOR协议提高了网络吞吐量,降低了网络的能量消耗。     

传感器网络中一种基于分层的功率控制算法

无线传感器网络的能耗决定了网络的生存时间,如何设计有效的算法来延长网络的生存时间是一个重要的研究课题。针对矩形传感器网络,提出一种基于分层的功率控制算法,通过分析节点的能耗来计算层的宽度和节点的通信半径,以达到网络能耗的均衡分布。仿真实验表明,算法能有效延长网络的生存时间。     

基于网络效用最大化的车联网功率控制算法

针对车联网（IoV）中车流密度增加到一定程度时,即使无线信道中只有信标消息,信道拥塞也会发生的问题,提出一种分布式加权公平功率控制（D-WFPC）算法。首先,考虑车联网的实际信道特性,采用Nakagami-m衰落信道模型建立随机信道模型;然后,考虑车联网中节点的移动性,基于网络效用最大化（NUM）模型建立功率控制优化问题,控制本地信道负载在阈值之下,从而避免拥塞;最后,通过对偶分解和迭代法解决该问题,设计分布式算法,每辆车根据周围环境的邻居车辆的信标消息,动态调整发射功率。仿真实验中,与固定发射功率方案相比,随着车流密度增大,D-WFPC算法能有效降低时延和丢包率,最高降幅分别达到24%和44%;与公平分布式发射功率拥塞控制（FCCP）算法相比,D-WFPC算法全程性能占优,时延和丢包率的最高降幅分别达到10%和4%。仿真结果表明,D-WFPC算法能快速收敛,保证车联网中消息的低时延、高可靠传输。     

OFDM系统中自适应比特和功率分配研究

提出了一种改进的OFDM系统中自适应比特功率分配算法.该算法可适用于多径频率选择性衰落信道,根据信道特征,动态地为OFDM系统的各子信道分配比特和发送功率.该算法在一定的误比特率和信息速率的情况下,使得总发送功率最小化.仿真结果表明,算法在相同误比特率的情况下比不采用自适应技术的OFDM系统节省了发送功率.     

功率自适应的传感器网络及其应用

基于IEEE802.15.4协议的无线传感器网络要求其节点间的通讯距离在10m左右.可是,在一些随机组网的应用场合,我们发现,一方面很难确保节点间的分布距离都在所要求的范围内,另一方面又要求每个传感器节点的数据必须被准确获得,这种情况下直接使用基于IEEE802.15.4协议的无线传感器网络存在问题.针时该问题,本文提出了一种功率自适应传感器网络解决方案,包括功率自适应协议、及其软硬件实现方案.基于该方案,本文利用Crossbow公司的MICAz节点构建了一个通信距离自适应、低功耗、高可靠性的传感器网络,并进行了实际测试与验证.     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法.采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应.利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点.生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力.     

一种基于BP神经网络模型的自适应PID控制算法

本文应用神经网络建寺了系统参数模型,将线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[4]已知模型FPID控制参数的计算,推导出一种更具有应用性的白适应PID控制算法。通过在计算机上对非线性系统仿真,结果表明了这种白适应PID控制算法的有效性。     

一种基于递归神经网络的自适应控制方法研究

本文针对快速、多变量、强非线性的复杂系统的控制问题,在强化学习方式的基础上,提出一种新的自适应控制方法。该方法在没有先验知识的条件下,基于递归神经网络并结合强化学习的自调节能力,通过自身神经网络的在线学习,有效控制不稳定的非线性系统。本文以一级倒立摆系统为实验对象,仿真实验结果表明:所提出的控制方法具有非常好的控制效果和稳定精度,抗干扰能力强。     

一种基于递归神经网络的自适应控制方法研究

本文针对快速、多变量、强非线性的复杂系统的控制问题,在强化学习方式的基础上,提出一种新的自适应控制方法.该方法在没有先验知识的条件下,基于递归神经网络并结合强化学习的自调节能力,通过自身神经网络的在线学习,有效控制不稳定的非线性系统.本文以一级倒立摆系统为实验对象,仿真实验结果表明所提出的控制方法具有非常好的控制效果和稳定精度,抗干扰能力强.     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。     

基于PID神经网络的无线体域网功率控制算法研究

无线体域网络(WBSN,Wireless Body Sensor Networks)在远程医疗保健、特殊人群监护等领域的应用已引起广泛关注。能量严格受限的场景使WBSN对节点的能耗要求非常高,因此能量消耗问题已经成为了对于无线体域网发展的主要挑战,而功率控制可以有效的节省能量的消耗。本文设计了一种基于比例,积分,微分的神经网络SPIDNN（Single-out PID Proportion Integral Differential Neural Network）自适应网络功率机制来动态调整无线体域网中传感器节点的发射功率控制方法,是一种利用具有自学习的PID控制算法来动态的调整发射功率的大小。通过实验将所提算法与体域网中网内经典功率控制算法乘增加减（MIAD Multiplicative Increase Additive Decrease)算法以及传统基于偏差的比例,积分,微分(PID Proportion Integral Differential)控制算法进行了对比,实验结果证明,该算法不仅提高了收包率,保证了链路的质量,而且在相同的实验环境下,发送2000个数据包的总耗能分别降低了20%以及16.6%,该算法在性能上优于MIAD和PID控制算法,为无线体域网中传感器的控制节能问题提供了一个较好的解决方案。     

基于功率控制的传感器网络寿命延长算法

目前无线传感器网络中节点多采用同样的发射功率,由于其多跳中继通信和多对一的流量特点,使得整网流量分布严重不均。靠近接收站的节点因承担流量过大而首先耗尽能量,造成网络分区并破坏网络的连通性,使得网络使用寿命严重下降。结合传感器网络在环境监测中的应用,利用环带模型对网络流量进行了量化分析,并提出了基于二分法的功率控制技术以降低网络流量的不均匀度,试验结果表明可大幅度提高网络的使用寿命。     

一种基于链路级功率控制的分簇路由算法

针对非均匀网络环境下链路层的能耗控制问题,提出了一种基于链路级功率控制的分簇路由算法(CLPC算法)。CLPC算法基于最优连通功率成簇,并利用双信道机制和干扰反制策略在网络层解决链路层的冲突重传及信道访问公平性等问题,以期达到提高网络整体性能的目的。最优连通功率机制可以减少网络中节点间的冲突域,降低节点间的竞争强度;双信道机制则通过控制信道和数据信道分别对数据分组和控制分组进行收发,来降低数据传输的冲突概率,提高信道的空间复用率;干扰反制策略通过对具有高发射功率的干扰节点进行反制,来保障低发射功率的节点在共享信道上的公平性。实验仿真结果表明,CLPC算法进一步提高了网络的能量有效性和网络有效吞吐量。     

基于中断概率的星地网络鲁棒功率控制算法

相较于传统的地面认知网络,星地认知网络链路传输时延较长,因此基于实时信道感知的认知用户中断概率较高。以离散时间马尔科夫链描述授权用户的动态及衰落信道,同时考虑信道转移概率的不确定性,建立基于似然不确定性模型的信道状态马尔科夫链,利用鲁棒的向后递归方法得到离线存储的功率分配矩阵,并对网络中多个用户采用博弈论的方法,进而提出基于中断概率的功率控制算法。仿真结果表明,与RRAP和TS-RS-PA算法相比,该算法在网络延迟存在的情况下能够更有效地降低中断概率并节约能耗。