改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。     

基于无线传感器网络虚拟MIMO系统盲均衡

无线传感器网络（ Wireless Sensor Network,WSN）是近年来人们研究的热点。针对无线传感器网络高密度分布的特点,在无线传感器网络进行分簇处理的基础上,文中构造了一种新的虚拟MIMO系统模型,并且针对传统的盲均衡算法进行改进,提出一种新的适用于无线传感网的TXK_Z盲均衡算法,最后对该虚拟MIMO系统利用文中提出的TXK_Z算法进行盲均衡的仿真实验。实验表明,跟传统的盲均衡算法相比,在低信噪比、短数据的环境下,改进后算法的误码率明显降低,性能显著提高。     

基于自调节粒子群算法的盲检测

以往基于粒子群优化的盲算法能成功实现信号盲检测,但具有算法收敛速度慢、容易陷入局部最小的缺点。文中通过分析粒子群算法的机能及参数的设置,提出一种改进的基于自调节粒子群优化的盲检测算法。算法构成思想是:基于MIMO系统的盲检测系统模型将盲检测问题转化为二次优化问题,利用改进的自调节粒子群优化算法对此优化问题进行寻优。仿真表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够更好地解决盲检测问题。     

基于自调节粒子群算法的盲检测

以往基于粒子群优化的盲算法能成功实现信号盲检测,但具有算法收敛速度慢、容易陷入局部最小的缺点。文中通过分析粒子群算法的机能及参数的设置,提出一种改进的基于自调节粒子群优化的盲检测算法。算法构成思想是：基于MIMO系统的盲检测系统模型将盲检测问题转化为二次优化问题,利用改进的自调节粒子群优化算法对此优化问题进行寻优。仿真表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够更好地解决盲检测问题。     

一种能量高效的无线传感网分簇路由算法

针对无线传感网节点能耗不均造成的生命周期短的问题,提出一种能量高效的无线传感网分簇路由算法（NUC&GDF）。该算法从三个方面对无线传感网的路由进行优化;a）改进簇首选举机制,选择合适的簇首;b）改进簇首节点成簇半径规则,形成合理的簇规模大小;c）在簇首与基站的稳定数据传输过程中,引入改进的梯度下降法强化学习来计算权值最小的自适应无线簇间路由。实验结果分析表明,提出的算法性能比LEACH算法、LEACH-C算法以及DEBUC算法更优;在网络规模为100 m×100 m时,网络生命周期分别提高约50.3%、21.5%、16.4%,能更有效地延长网络生命周期。     

一种改进的簇链结合分层路由算法

针对大规模带状无线传感器网络数据采集这一应用模型存在的传送实时数据延时长、传送大量密集数据能耗大的问题,在LEACH算法和PEGASIS算法的基础上,提出了一种分层链式路由算法(HCRP).该算法针对带状传感网络的特点,在聚簇的同时利用PEGASIS算法建立簇内链和簇外链,把并行数据传输融合和串行数据传输融合结合起来.仿真结果表明:HCRP算法较PEAGSIS算法有效减少了传输实时数据的延时,增加了数据传输能耗的均衡性,较LEACH算法有效改善了数据传输能耗有效性,更适合于大规模密集部署的带状无线传感网     

一种新型的认知无线电协作检测算法研究

依据无线传感网络分簇协议,提出了一种算法。簇内采用能量自适应双门限检测,簇间通过Beta模型来并自动更新动态分配每一个簇头在数据融合中的权重因子,从而有效减小信任度较低的簇头对判决结果的影响,增强信任度较高的簇头参与度。理论分析和仿真结果表明,算法的复杂度和检测性能均优于传统的协作检测算法和分簇算法。     

强信号覆盖约束下移动无线传感网频谱微弱信号检测

移动无线传感网中的微弱信号在强信号的覆盖下,基础检测特征消失,形成检测难点,不利于信号传输。提出了一种移动无线传感网频谱微弱信号检测方法。明确移动无线传感网频谱监测原理,获取与弱信号属性相反的强信号,并利用空间谱估计消除强信号,使移动无线传感网频谱监测过程仅剩目标检测对象。利用信号幅值波动装置检测快拍间起伏特性明显的弱信号,实现移动无线传感网频谱监测微弱信号的检测。仿真分析表明,这种方法的检测结果与实际结果吻合,噪声环境中受噪声的干扰影响为0.012dB,实现了较高质量的移动无线传感网传输。     

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.     

矿用软件定义簇形无线传感网络架构

针对传统煤矿无线传感网络因采用固定路由协议、不能根据网络状况改变路由而无法保证突发事故情况下通信可靠性的问题,基于软件定义网络体系及煤矿无线传感网络簇形拓扑结构特点,通过在煤矿无线传感网络簇内增加网关节点,设计了一种矿用软件定义簇形无线传感网络架构。在该网络架构中,每一个域内的网关节点采集传感节点数据并进行域内或域间通信,控制器管理域内的流量、路由和安全,可根据网络状况改变路由,适用于煤矿安全监测领域。     

MC-CDMA系统的神经鱼群算法检测器

为使人工鱼群算法在最短的时间内取得多用户检测问题的最优解,在MC-CDMA系统基础上设计一种神经网络人工鱼群算法。人工鱼的3种神经网络行为使神经网络人工鱼群算法在解决多用户检测该类组合优化问题时,减少搜索的随机性和任意性,加快原鱼群算法的收敛速度。仿真结果证明,该算法能够快速收敛,且其抗多址干扰能力和抗远近效应能力优于已有应用智能算法的多用户检测器。     

基于集员滤波的双归一化数据重用盲均衡算法

数据重用可以有效地加快盲均衡算法的收敛速度,但会带来噪声放大的问题。针对这种情况,该文将数据重用方法应用到基于实虚部分开处理的改进常模盲均衡算法中,采用集员滤波克服应用数据重用时引起的噪声放大问题,推导出一种收敛速度较快的盲均衡算法。实验仿真表明,该算法具有较快的收敛速度,适用于短时信号处理。     

基于改进人工鱼群算法在无线传感网络覆盖优化中的研究

针对无线传感网中的节点存在冗余以及网络成本增加等问题,本文提出了一种改进的人工鱼群算法的覆盖优化.本文首先建立以节点的利用率和覆盖率的数学模型,其次对人工鱼群算法进行改进,一是在初始化阶段使用概率密度函数来对鱼群个体的初始位置进行分布,有效的避免鱼群个体初始无序的状态;二是在觅食阶段中使用混沌算法对鱼群位置个体进行干扰,有效的减少鱼群个体向局部最优解的靠近的时间;三是在聚群行为中使用高斯变异,从而减少全局最优解的产生的时间.改进后的人工鱼群算法对模型求解,得到最优的覆盖方案,仿真实验表明能够有效的提高网络覆盖效果,以及节点的利用率,降低网络成本消耗.     

模拟退火与人工鱼群变异优化的小波盲均衡算法

针对人工鱼群算法(AFSA)搜索效率低、易陷入早熟现象等问题,在人工鱼群算法中嵌入变异算子以保持种群多样性,抑制早熟现象,同时引入模拟退火思想增强局部搜索能力,改进算法后期收敛速度减慢的缺点,获得了模拟退火与人工鱼群变异算法;用该算法初始化小波分数间隔盲均衡器的权向量,提出了模拟退火与人工鱼群变异优化的小波分数间隔盲均衡算法(SAFSA-FSE-WTCMA)。水声信道仿真结果表明,新算法具有更快的收敛速度和更小的稳态误差。     

一种鲁棒的无线传感器网络覆盖空洞修补方法

在静态节点和少量移动节点构成的无线传感器混合网络中,针对部分静态节点失效会导致形成若干覆盖空洞的问题,提出了一种鲁棒的空洞修复算法。受鱼群运动模式的启发,该算法以网络覆盖率为目标函数,将移动节点的位置迁移过程抽象为人工鱼的生物行为,在传统鱼群觅食、追尾、聚群运动模式的基础上又定义鱼跃、优胜劣汰重生两个新的运动行为以提高寻优的收敛性;在人工鱼状态更新的过程中,采用自适应的视野和步长;最后以实际随机部署的移动节点距离目标点最近为原则,通过鱼群寻优完成空洞目标位置的修补。模拟实验结果表明,该算法无需修补前的地理位置信息和空洞探测,鲁棒性强,能够在使用较少移动节点的情况下快速完成空洞修复,显著地提高了网络覆盖率。     

无线传感器网络KIPSO欺骗攻击检测模型

针对无线传感器网络通常处于开放性环境中,极易遭受外界欺骗攻击这一问题,设计了一种基于改进粒子群优化算法的K均值欺骗攻击检测模型。该模型将欺骗攻击检测描述为一个统计假设检验,基于接收信号强度空间与物理位置的相关性,利用不同位置节点接收信号强度的差异进行攻击检测;对接收信号强度进行聚类分析,计算类中心之间的距离,通过阈值检测判断节点是否受到欺骗攻击。仿真结果表明,KIPSO欺骗攻击检测模型能在提高检出率、增强报警可信度的同时,有效解决传统聚类算法陷入局部极值的问题。     

基于鱼群算法的独立成分分析算法研究

独立成分分析（ICA）只需要知道源信号较少的先验知识（如统计独立性等）,仅由观测信号便能恢复出源信号的特性,因而得到了广泛应用。ICA的目的是寻找变换矩阵,使输出信号经变换后各成分之间尽可能的统计独立,其关键是建立一个目标函数,使得最大化（或最小化）目标函数的解便是所要找的变换矩阵。首次将人工鱼群算法（AFSA）与ICA相结合,提出了基于AFSA的独立成分分析算法。以负熵极大化作为目标函数,通过人工鱼的觅食,聚群和追尾行为,更新人工鱼的位置,得到全局最优解,从而得到分离矩阵。与自然梯度法相比,鱼群算法精度更高,收敛速度更快,仿真实验表明了将鱼群算法应用于独立成分分析的可行性和有效性。     

对精英加速的改进人工鱼群算法*

人工鱼群算法是一种群智能全局随机优化算法,存在算法收敛精度低和效率差的缺点。为克服这一缺点,利用最速下降法具有运算简单、运算速度较快的特点,提出了对精英加速的改进人工鱼群算法。该算法利用最速下降法对适应度值最好的人工鱼更新,通过人工鱼之间信息交换指导其他人工鱼,提高鱼群整体水平,加快人工鱼群算法收敛速度。数值试验结果表明,所得改进人工鱼群算法不仅运算量减少,而且具有更快的收敛速度和更高的收敛精度。改进算法提高收敛精度和运算效率,相较其他算法具有一定优势。     

基于人工免疫网络的盲均衡算法

针对传统常模盲均衡算法存在的收敛到局部极小值点问题,提出一种基于人工免疫网络的盲均衡算法,把均衡器系数向量作为抗体,经过一系列抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数。仿真实验结果表明,该算法是有效的。