基于矩阵补全的无线传感器网络收集数据重建方法

许多自然科学研究都利用无线传感器网络收集环境数据。收集数据的完整性和准确性决定科研结果的可靠性。然而,由于无线传感器网络的固有特性,数据收集过程中通常会出现数据丢失和数据错误等问题。为提升收集数据可用性,需要从含有错误元素的不完整数据集中恢复缺失的数据。利用环境数据的低秩特性,提出一种基于弹性网正则化的结构化噪声矩阵补全算法（EnRMC）,实现对缺失数据有效恢复,同时能精确判断收集到错误数据的传感器节点。利用真实数据进行仿真,实验结果表明本文算法性能优于现有算法,能以较高的精度重建环境数据。     

两层WSN安全范围查询技术综述

随着无线传感器网络（WSN）的广泛应用,对于具备安全保护能力的数据查询技术的需求日益迫切,安全范围查询就是其中一种重要的数据查询方式。在两层WSN中,现有的安全范围查询技术主要以保护网络采集数据的私密性和查询结果一致性为研究重点,较少关注共谋攻击问题。介绍了两层WSN的网络模型和查询模型,给出了在该模型架构下的关于安全范围查询的隐私性和一致性的问题描述,并分别从这两个角度对现有的两层WSN安全范围查询方法进行综述;分析现有方法的核心技术及协议,对比各自的优缺点,并讨论未来的研究方向。     

基于结构化噪声矩阵补全的WSNs收集数据重建方法

许多科学研究都需要对环境数据进行分析,这些环境数据通常是通过部署在研究区域内的无线传感器网络(Wireless sensor networks, WSNs)来收集的。收集数据的完整性和准确性决定了科研结果的可靠性。然而,在数据收集过程中普遍存在的数据丢失和错误影响了收集数据的可用性,为此需要利用收集到的数据重建完整的环境数据。基于环境数据低秩特性,将数据重建问题建模为L2,1范数正则化矩阵补全模型,提出一种基于结构化噪声矩阵补全的WSNs收集数据重建方法(Data reconstruction approach via matrix completion with structural noise, DRMCSN)。真实数据集上的实验结果表明,该方法性能优于现有算法,不仅能以较高的精度恢复缺失的环境数据,而且能辨识出收集到错误数据的传感器节点。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂,机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则,实际应用中"所见即所得"的应用需求对点云的高效自动化分类带来挑战.将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究,分析样本加权对不同密度点云数据分类精度的影响,利用两组实验数据验证算法的精度和效率...     

基于压缩感知的WSNs长生命周期数据收集方法

该文针对基于事件驱动的无线传感器网络(WSNs)数据收集查询的长期应用需求,基于压缩感知理论将混合压缩感知的数据收集技术与数据收集树的构建过程相结合,设计出一种长生命周期数据收集方法。该方法在数据收集查询到达时,构造一棵数据收集树。建树过程中,利用混合压缩感知思想,在分析转发节点和融合节点能耗的基础上,以收集查询后节点最小剩余能量最大化为目标,构造最大数据收集树集合。仿真实验表明,该方法能够充分利用节点能量资源,显著提高网络能量效率,达到延长网络生命周期的目标。     

高速发展的中国半导体市场带来的机会与挑战

近年来，中国半导体工业的成长，无论在公司数量、经营规模与产业规模、产品深度与广度，还是在技术进步上都取得了令人瞩目的成就。全球半导体工业，从市场到技术及经营模式都在发生着深刻的变革。在这样的市场环境下，中国半导体工业的机会与挑战并存。只有跟随与驾驭这种变革，才能立于不败之地。     

一起电容器组熔断器群爆事故原因分析

分析电容器组熔断器一次群爆事故发生的过程及其原因,提出一些有效的防范措施,以确保电力设备及系统的安全运行。     

基于岭估计的GPS水准多项式拟合方法研究

在利用多项式进行GPS水准拟合时,若转换点位于控制点外部,则由于法方程系数矩阵病态而导致结果不可信。使用岭估计可有效改善法方程的病态性,保证解的稳定性。以不同的岭估计方法对实例进行估计,证实L-曲线法在点位分布不合理时该估计方法较最小二乘法、岭迹法以及经验公式法更有效,精度更高。