WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

基于时空相关性的分布式压缩感知多假设预测重构算法

综合考虑到视频序列本身的不同特性以及时空相关性, 将传统视频编码中的多假设预测运动估计思想引入到分布式压缩感知视频编码系统中, 提出一种新的基于时空相关性的分布式压缩感知多假设预测重构算法。在编码端增加CS帧的块模式判别, 在解码端CS帧根据模式判别进行相应的基于块的多假设预测估计和残差稀疏重构。仿真实验表明, 与传统的分布式压缩感知多假设预测重构算法相比, 所提出的算法能够较好地改善视频序列的重建质量。     

基于压缩感知的无线传感器网络动态采样方法

基于固定采样率的无线传感网（WSN）压缩感知（CS）在收集随时间变化的数据时难以获得满意的数据恢复精度。针对该问题,提出了一种基于数据预测和采样率反馈控制的动态采样方法。首先,汇聚节点通过分析当前采样时段与上一采样时段获取数据的线性度量指标,预测数据的变化趋势;然后,根据预测结果计算感知节点未来的采样率,并通过反馈控制机制对感知节点的采样过程进行动态调节。实验结果表明,相比基于目前广泛采用的基于固定采样率的无线传感网压缩感知数据收集方法,该方法能够有效提高压缩数据的恢复精度。     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

基于Jacobi ADMM的传感网分布式压缩感知数据重构算法

针对无线传感网中分布式数据收集及应用,采用分布式压缩感知理论中的JSM-1 (joint sparse model-1)模型,提出了一种基于Jacobi ADMM (alternating direction method of multipliers)的分布式压缩感知数据重构算法.该算法通过在簇头节点间交换公共信息以挖掘关联数据集的公共部分,并在各个簇头节点内部更新各自的独立部分,从而实现无线传感网中相关感知数据的分布式压缩重构.首先,将无线传感网中的数据收集问题抽象为一个分布式优化问题.然后,为了能够有效地解决分布式计算过程中产生的不收敛问题,在优化目标函数中引入了近似项,从而使得子优化问题具有严格凸性,并利用交替方向乘子法求解压缩感知数据的重构问题.最后,分别利用合成数据集和真实数据集进行验证.实验结果表明：与现有其他数据重构算法相比,基于Jacobi ADMM的分布式压缩感知数据重构算法具有更高的数据重构精度.     

UWSNs中基于压缩感知的移动数据收集方案

由于水下无线传感器网络(UWSNs)工作环境的特殊性,降低节点能耗和保证数据收集的实时性是至关重要的问题.提出一种基于压缩感知(CS)的移动数据收集方案.以DEBUC协议和CS理论为基础,簇内节点依据设计的稀疏测量矩阵决定是否参与压缩采样,并将获得的测量值传输至簇头.通过AUV的移动来收集各个簇头上的数据到数据中心,该问题被建模为带有邻域的旅行商问题,并提出了近似算法进行求解.在数据中心处利用CS重构算法进行数据重构.仿真实验结果表明:相比于已有的水下移动数据收集算法,该方案在保证数据收集可靠性的同时,降低了数据收集延时,延长了网络寿命.     

基于遗传压缩感知的无线传感器网络数据压缩方法

考虑到无线传感器网络WSNs能量、通信带宽、计算能力及成本有限,不适合大规模数据传输,同时存在数据冗余,需要进行数据压缩处理,提出一种新的基于遗传算法的压缩感知CS(Compressive Sensing)重构方法,应用于无线传感器网络数据压缩中。详细阐述分布式WSNs数据压缩特点,压缩感知基本理论,基于遗传算法的CS重构新方法以及在WSNs数据压缩中的应用。通过实验仿真证明,从压缩比、节点平均能耗、网络生存时间和网络时延四个方面,与DCCM算法及CCS算法的WSNs数据压缩算法进行比较,提出的算法具有较高的压缩比,提高了采集数据的重构精度,降低了数据冗余度和网络通信量,提高了网络效率。     

考虑链路重传的工业无线网络确定性调度算法

作为工业网络的关键技术, 确定性调度通过合理安排网络传输资源, 满足工业数据在规定时间内到达目标设备的实时性要求. 工业网络往往部署在环境恶劣、电磁情况复杂的工业现场, 与有线网络相比, 工业无线网络还面临着严重的丢包问题. 考虑到重传是克服链路丢包的简便高效方法, 本文提出了支持持续重传和区间重传两种策略的确定性调度算法. 基于链路时槽松弛度和动态优先级, 调度算法在每个时槽按照调度规则为重传链路配置通信资源, 缓解丢包对数据传输的影响, 并围绕对应重传策略进行相应的时槽、频点优化分配, 保障数据端到端按时到达. 仿真结果表明, 所提调度算法在满足传输确定性的前提下, 有效提升了数据传输的可靠性.     

基于DCS的WMSN多视角视频编解码

为了有效解决无线多媒体传感器网络中多视角视频监控传输数据量大以及网络能量、资源受限的问题,提出了一种基于分布式压缩感知的高压缩率多视角视频编解码方法.对多视角视频序列进行分组处理,并将图像组分为关键帧和非关键帧;对关键帧采用基于压缩感知(compressed sensing,CS)的编解码方法进行处理;而在非关键帧的编码端采用联合稀疏表示方法对残差图像稀疏表示,解码端利用帧间时间相关性和多视角空间相关性预测生成当前视频帧,并借助差异补偿方法进一步提高预测准确性,同时提高了重构效果.实验结果表明,该方法取得较高的压缩率,重构出的图像质量比参考方法更高,且PSNR值得到了较大的提高.     

联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络（Wireless Sensor Networks,WSNs）数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用StOMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷,将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm,IAIO）算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。     

WSN中基于压缩感知的高能效数据收集方案

可靠高效的数据收集是无线传感器网络（Wireless sensor networks,WSN）应用中的关键问题.然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求.为此,本文提出了一种基于压缩感知的高能效数据收集方案.该方案主要分为节点上的数据处理和数据收集路径优化两个步骤.首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验（Low density parity check,LDPC）码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质（Restricted isometry property,RIP）.最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解.仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优.     

改进的无线Mesh网路由判据算法及其路由协议

为了改善802.11s无线Mesh网传输过程中因重传次数过大而造成的丢包问题,根据实际无线传输中的网络重传次数特性,提出一种基于最大重传次数的空中传播时间改进路由判据算法.同时为了缓解因单根节点造成的网络拥塞,提高实际场景中边缘节点的传输性能,并保证网络中所有节点使用无线信道资源的公平性,基于树的寻径机制从拓扑结构的角度,提出一种改进的多根节点的混合无线Mesh网路由协议(M-HWMP).理论及仿真结果表明,改进的路由判据算法及路由协议优化了无线Mesh网传输不同数据流时的吞吐量、时延特性,并在一定程度上避免了网络拥塞.     

MANET中基于信号强度的TCP拥塞控制算法研究

针对MANET中较高比特误码率、路由故障等因素引起的大量数据丢包和重传提出跨层设计的TCP拥塞控制算法.算法根据接收到的信号强度预测路由断点并提前建立备份路由,拯救传输中的数据包,解决传统TCP的拥塞控制算法在MANET中存在的问题.实验结果表明,优化算法极大地提高了TCP流的平均吞吐量.     

Loss-resilient window-based congestion control

This paper addresses the problem of fair allocation of bandwidth resources on lossy channels in hybrid heterogeneous networks. It discusses more particularly the ability of window-based congestion control to support non-congestion related losses. We investigate methods for efficient packet loss recovery by retransmission, and build on explicit congestion control mechanisms to decouple the packet loss detection from the congestion feedback signals. For different retransmission strategies that respectively rely on conventional cumulative acknowledgments or accurate loss monitoring, we show how the principles underlying the TCP retransmission mechanisms have to be adapted in order to take advantage of an explicit congestion feedback. A novel retransmission timer is proposed in order to deal with multiple losses of data segments and, in consequence, to allow for aggressive reset of the connection recovery timer. It ensures significant benefit from temporary inflation of the send-out window, and hence the fair share of bottleneck bandwidth between loss-prone and lossy connections. Extensive simulations analyze the performance of the new loss monitoring and recovery strategies, when used with two distinct explicit congestion control mechanisms. The first one relies on a coarse binary congestion notification from the routers. The second one, introduced in [D. Katabi, M. Handley, C. Rohrs, Internet congestion control for high bandwidth-delay product environments, ACM SIGCOMM (2002) 89–102], exploits accurate and finely-tuned router feedbacks to compute a precise congestion window adjustment. For both congestion control mechanisms, we observe that retransmissions triggered based on a precise monitoring of losses lead to efficient utilization of lossy links, and provide a fair share of the bottleneck bandwidth between heterogeneous connections, even for high loss ratios and bursty loss processes. Explicit window-based congestion control, combined with appropriate error control strategies, can therefore provide a valid solution to reliable and controlled connections over lossy network infrastructures.     

WSN中基于网络编码的最小广播重传算法

为了减少在无线传感网络中数据的重传次数,提高无线传感网的数据传输效率,提高服务质量,文中提出了一种网络编码的广播算法（WMBR）。在该算法中,依据网络接收节点的丢包情况,创建生成丢包的哈希表,选择并生成高效的重传数据包,然后对数据包再进行二次编码,通过这种方法有效地提高了重传效率。经过软件的仿真,结果表明：相比于普通重传方法及现有的算法而言,这种方法能够有效地降低数据包的重传次数,提高了无线传感网中数据通信的效率。     

基于深度卷积神经网络的图像重建算法

视频或者图像在传输过程中,可能出现随机性的误码、突发性的误码、传输中的丢包等等,对解码出的图像数据也会有严重的影响.本文提出了基于深度学习的图像重建算法：一种基于图像背景预测生成模糊区域内容的无监督图像重建神经网络模型.为了重建出逼真的图像,神经网络模型需要既理解整个图像的内容,又为缺失的部分重构出一个合理的假设.损失函数包含标准像素级重建损失和对抗损失,在训练卷积神经网络模型时,能够更好地处理图像中的结构细节产生更清晰的结果.通过实验可以发现本文设计的深度卷积神经网络模型与基于样本插值的算法相比在图像重建中有着较好的效果.     

移动场景下的节点高效寻路RPL路由算法优化

在低功耗有损网络(low power and lossy networks)中,现有的移动性支持路由算法存在控制消息冗余,应用场景不具有普适应,网络丢包率和移动节点能耗较高等问题.针对这些问题,提出一种移动场景下的节点高效寻路RPL路由算法(efficient pathfinding RPL routing algorithm for nodes in mobile scenarios,MSE-RPL).该算法提出的优化思路如下:首先,精简了移动节点的控制消息,并采用自适应黑名单机制建立备选父节点集,从而降低了移动节点的能耗;其次,基于移动节点的移动速度和方向,从备选父节点集中选择移出通信范围预估时间最短的节点作为最优父节点,不但适用于随机移动场景,还降低了平均端到端时延;最后,在链路中断前,利用DIS计时器及时通告DIS消息以快速重构拓扑,降低了丢包率.仿真结果表明,MSE-RPL算法在平均端到端时延、移动节点能耗、丢包率等性能指标方面均有明显改善.     

面向可靠性和能耗优化的可压缩数据收集方案

现有的无线传感器网络（ WSNs）数据收集方法无法在耗费较低开销的同时保证数据收集的可靠性。基于压缩感知（ CS）理论,设计了基于指数核函数的稀疏矩阵和基于准循环低密度奇偶校验（ LDPC）码的测量矩阵来用于节点的数据采集,以最大化网络生命周期为目标,将测量值传输问题建模为汉密尔顿回路问题,并提出了一种基于树分解的数据收集路径优化算法。仿真实验结果表明：所提方案在数据重构误差和能耗方面的性能要优于目前典型的数据收集方法。     

V2G网络中基于带宽自适应的拥塞控制协议优化

V2G网络下PLC链路带宽受限、高误码率等特点导致现有的TCP NewReno拥塞控制机制缺乏对丢包类型的有效判断,将链路上由噪声干扰的随机错误丢包与网络拥塞丢包统一当做拥塞事件处理,从而造成不必要的拥塞避免,导致了低吞吐量问题.根据此问题,提出了一种基于带宽自适应的拥塞控制算法.该算法通过分组预测拥塞等级感知网络状态,由此估计可用带宽来判断丢包类型,实现了拥塞窗口自适应调节.仿真结果表明该算法在拥塞窗口的增长、吞吐量、公平性、收敛性和友好性等方面都优于现有算法,V2 G网络的吞吐量得到明显提升.