基于鱼群算法的无线传感网簇内信号盲检测

本文在无线传感网传输模型分簇的基础上,针对簇内信号盲检测降低误码率和提高收敛性问题,提出了一种基于人工鱼群算法的信号盲检测算法,所述算法采用自下而上的设计,构造了人工鱼的基本模型以及其各行为的模型,不需要了解问题的特殊信息,只需要对问题解的优劣进行比较,用此模型解决无线传感网簇内盲信号检测的二次规划性能函数。仿真表明,算法具有全局收敛性好、收敛速度快、误码率低的优点,从而成功实现簇内簇首传感器信号盲检测。     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入,利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时,通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息,再利用嵌水印图像和联想出的宿主图像提取出水印,实现了水印的盲检测。     

高效容错的无线传感网事件及其边界检测算法

事件检测与事件边界检测是无线传感器网络的重要应用之一,节点故障的准确检测是提高事件与事件边界检测效率的前提.然而,目前的故障检测机制对节点故障类型分析不够明晰,导致系统可能将事件边界节点误判为故障节点,且常需要传感器节点间进行频繁通信,导致网络系统容错性能和节点利用率低下,并带来额外的能耗开销.为了达到较高的检测精度与能源利用率,提出了一种新的高效容错的无线传感网事件及其边界检测算法：利用时间相关性实现无线传感器网络事件检测,利用空间相关性实现故障检测与事件边界检测;提出了节点的信息可靠度恢复机制,使得节点能够根据网络环境的变化,自动调整节点的信息可靠度.实验结果表明,即使在故障概率较高的情况下,该策略仍然具有良好的性能表现.     

无线传感网概述

无线传感网作为多学科交叉的一个研究方向,已获得了国内外众多学者的关注。随着研究的深入和相关技术的发展,无线传感器网络被广泛地应用到各个领域,并表现出巨大的潜力。本文从无线传感网的结构、应用和研究现状三方面总结了无线传感网的发展。     

模拟退火混沌粒子群算法的盲检测

考虑到基本粒子群算法在初始化时具有盲目性,收敛速度慢,在进化过程中会出现早熟现象.文中给出了MIMO系统的盲均衡模型,在对基本粒子群优化算法的MIMO系统盲检测研究基础上.分别引入了模拟退火机制和混沌机制,据此基础上提出一种改进的算法:基于模拟退火混沌粒子群优化的盲检测算法,并对这几种算法和改进算法的性能进行仿真.仿真结果表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够很好地解决盲检测盲均衡问题.     

无线传感网在嵌入式数字视频检测监控系统中的应用研究

以无线传感器网络技术和数字视频检测监控技术为核心,初步研究了一种新型的、实时性强的、基于嵌入式的森林旅游资源火情检测监控系统。系统将传感节点遍撒指定区域,再将传感节点采集的视频信号数据传送至监控中心,为快速发现森林火情提供智能保障。     

基于服务拓扑切分机制的无线传感网虚拟映射算法

为解决无线传感网部署过程中存在资源调度困难、映射成功率较低及传输性能不佳等问题,提出了一种基于服务拓扑切分机制的无线传感网虚拟映射算法。首先,基于图论思想,构建了物理网络与虚拟网络的映射关系,将网络按能耗、带宽、时延等指标进行切分,再构建多约束评估机制,达到整合优化评估网络映射的效果。随后,将业务请求拆分为若干个拓扑服务片,对传输链路进行逐项映射,并结合时延最小化原则对链路匹配排序,将业务进行精准匹配并优化传输质量。依据节点能耗及节点剩余能量最优匹配原则,选取服务能力最佳的节点。最后,构建多参数评估机制,将带宽较高且时延较低的链路置于较高优先级别并进行匹配带宽映射,进而提高网络传输及服务承载性能。仿真实验表明,与常用的网络虚拟映射算法相比,所提算法具有更高的节点链路映射成功率和网络传输带宽,以及更低的节点能耗。     

一种基于云计算的无线传感网体系结构

提出了一种基于云计算的无线传感网体系结构。整个传感网被划分为若干个分区; 云作为虚拟汇聚节点, 有多个汇聚触点, 每个触点负责一个分区中传感器的数据收集; 每个分区中的传感器组成本地传感网, 所有本地传感网通过云连接成一个整体; 数据在云中分布存储、并行处理。模拟实验表明, 新结构传感网的数据传输性能明显提升。该结构适用于以数据为中心的无线传感网。     

自适应扰动暂态混沌神经网络MPSK盲检测

为提高MPSK信号盲检测算法的性能,针对CHNN_APHM算法易陷入局部最优的缺点,本文引入暂态混沌神经网络模型,使用新的模拟退火策略,加入扰动因子和混沌,提出带扰动的幅值相位型离散幅值多电平暂态混沌神经网络算法。算法使用暂态混沌神经网络提高抗噪性能,并在起始时刻使用混沌初始化获得原始信号,选取与发送信号相关性高的微小扰动因子使算法跳出局部最优解。实验仿真结果证明,带扰动的幅值相位型离散幅值多电平暂态混沌神经网络MPSK信号盲检测算法需要较少的起点个数,能在更小的信噪比和更短的数据长度下收敛,有效提高了抗干扰性能。     

MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测

提出了一种适用于无线传感器网络WSN的故障检测方法,该方法运用改进的递归神经网络MRNN为WSN的节点、节点的动态特性以及节点间的关系建立相关模型,对WSN节点进行识别和故障检测。MRNN的输入选择建模节点的先前输出值及其邻居节点的当前及先前输出值,模型基于一种新的改进的反向传播型神经网络,该神经网络的输入以及传感器网络的拓扑结构基于通用的非线性传感器模型。仿真实验将MRNN方法与卡尔曼滤波法进行了全面的比较。实验表明,MRNN在置信因子较小的情况下与卡尔曼滤波方法相比有较高的故障检测精度。     

一种无线传感器网络的盲源分离算法

无线网络协议的校验纠错机制繁重复杂,加重了通信带宽的负担.盲源分离无需任何先验知识就可重构出源信号,成为无线传感器领域的研究热点.但网络部署中,传感器信号的量化位数和Modem个数难以确定.针对上述问题,提出一种基于平方根容积卡尔曼滤波(SRCKF)的盲源分离算法.算法根据空间状态方程和测量方程,用平方根容积卡尔曼估计分离向量.实验结果表明:SRCKF算法在保持极高分离精度的情况下,能有效计算出量化位数和Modem个数的最优值,SRCKF算法效率是同类无先导卡尔曼滤波(UKF)算法效率的1.3578倍.     

A destination-based approach for cut detection in wireless sensor networks

Wireless sensor networks often suffer from disrupted connectivity caused by its numerous aspects such as limited battery power of a node and unattended operation vulnerable to hostile tampering. The disruption of connectivity, often referred to as network cut, leads to ill-informed routing decisions, data loss and waste of energy. A number of protocols have been proposed to efficiently detect network cuts; they focus solely on a cut that disconnects nodes from the base station. However, a cut detection scheme is truly useful when a cut is defined with respect to multiple destinations (i.e. target nodes), rather than a single base station. Thus, we extend the existing notion of cut detection, and propose an algorithm that enables sensor nodes to autonomously monitor the connectivity to multiple target nodes. We introduce a novel reactive cut detection solution, the point-to-point cut detection, where given any pair of source and destination, a source is able to locally determine whether the destination is reachable or not. Furthermore, we propose a lightweight proactive cut detection algorithm specifically designed for a network scenario with a small set of target destinations. We prove the effectiveness of the proposed algorithms through extensive simulations; specifically, in our network configurations, proposed cut detection algorithms achieve more than an order of magnitude improvement in energy consumption, when coupled with an underlying routing protocol.     

基于弧参数约束的无线传感网络定位算法

针对现有的无线传感网络非测距定位算法在提高定位精度时,存在计算量大的问题,提出了一种基于弧参数约束的自适应三边定位算法.该算法首先将与未知节点连通的信标节点所构成平面分割成若干个三角形,采用APIT算法确定未知节点所在的三角形集合,选择周长最大的三角形的顶点作为定位所用信标节点.围绕3个定位圆重叠区域,对以未知节点为圆心的假设圆的弧高和弦长进行了多次估计,估计次数则根据未知节点所在区域大小自动调整.再以每条弦的垂直平分线和未知节点所在区域的交点作为位置估计值之一,最后取全部位置估计的均值作为定位结果.仿真结果表明该算法定位精度优于质心法和Convex-PIT算法.     

一种新的传感器网络混合广播调度方法

由于传感器网络所使用无线信道的共享性和相互干扰, 节点间数据广播会产生资源冲突, 广播调度要解决的即是为每个节点分配到一个无冲突传输时隙, 其目标是找到最优时分复用(TDMA: time division multiple access)调度解, 使得帧长度最短而信道利用率最大. 提出基于神经网络的两阶段混合广播调度算法. 在阶段一, 使用改进的顶点着色算法来获得调度所需最短时隙数目; 在阶段二, 使用模糊Hopfield网络将节点模糊聚类为M类, 同类 节点可以在同一时隙被调度, 不同类节点必须在不同时     

无线传感器网络中的能效优化路由算法*

根据无线传感器网络节点能量消耗和网络生存周期的特点,通过建立动态规划能量优化模型,在路由总能耗满足能量阈值约束条件下,均衡消耗网络中各节点能量,在此基础上提出一种适合无线传感器网络的动态规划路由算法。仿真结果表明,提出的路由算法能充分地利用有限的能量资源,较大地延长网络生存周期并降低节点的平均能耗。     

无线传感器网络入侵检测研究

首先分析了无线传感器网络的主要特点;然后对无线传感器网络中的入侵检测方案进行分类论述,着重阐述了典型的入侵检测算法并作了详细的分析比较;最后对无线传感器网络中的入侵检测技术进行总结,并指出了一些亟待解决的问题。     

分布式无线传感器网络故障检测算法综述

阐述了传感器网络中节点发生故障的原因并建立了故障模型。将当前主要的分布式节点故障检测算法分成了基于多数投票策略、基于中值策略、基于决策扩散策略、基于加权和基于分簇的算法五大类,详细阐述了分布式无线传感器网络故障检测算法的原理和步骤,并指出了各个算法的优势与不足。最后,对各个算法的性能进行了分析与比较,讨论了算法存在的问题,并指出了进一步的研究方向。     

无线传感器网络节点调度优化分簇算法研究*

节点调度优化分族算法根据网络节点部署的特点,在不影响网络服务质量的情况下,通过冗余节点调度优化分族的方法能有效减少网络中工作节点的数量,从而节约网络平均每一轮的网络能耗.仿真结果表明,与未考虑冗余节点状态调度的算法相比,节点调度优化分簇算法有效提高了网络能量利用率,延长了网络寿命.     

A shortest path routing algorithm using Hopfield neural network with an improved energy function

A shortest path routing algorithm using the Hopfield neural network with a modified Lyapunov function is proposed. The modified version of the Lyapunov energy function for an optimal routing problem is proposed for determining routing order for a source and multiple destinations. The proposed energy function mainly prevents the solution path from having loops and partitions. Experiments are performed on 3000 networks of up to 50 nodes with randomly selected link costs. The performance of the proposed algorithm is compared with several conventional algorithms including Ali and Kamoun's, Park and Choi's, and Ahn and Ramakrishna's algorithms in terms of the route optimality and convergence rate. The results show that the proposed algorithm outperforms conventional methods in all cases of experiments. The proposed algorithm particularly shows significant improvements on the route optimality and convergence rate over conventional algorithms when the size of the network approaches 50 nodes.