WSN中基于多分辨率和压缩感知的数据融合方案

当前基于压缩感知的传感器网络数据融合方案中,不论数据字段有何特征,均假设网络具有固定而均匀的压缩阈值,从而导致数据通信量过高,能耗浪费较大。提出一种基于多分辨率和压缩感知的数据融合方案。首先,对传感器网络进行配置,以生成多个层次类型不同的簇结构,用于过渡式数据收集,在该结构上,最低层的叶节点只传输原始数据,其他层的数据收集簇进行压缩采样;然后将其测量值向上发送,当母数据收集簇收到测量值时,利用基于反向DCT和DCT模型的CoSaMP算法恢复原始数据;最后,在SIDnet-SWANS平台上部署了该方案,并在不同的二维随机部署传感器网络规模下进行了测试。实验结果表明,随着分层位置的变化,大部分节点的能耗均显著降低,与NCS方案相比,能耗下降50%~77%,与HCS方案相比,能耗下降37%~70%。     

GWO‐C: Grey wolf optimizer‐based clustering scheme for WSNs

A wireless sensor network (WSN) is a prominent technology that could assist in the fourth industrial revolution. Sensor nodes present in the WSNs are functioned by a battery. It is impossible to recharge or replace the battery, hence energy is the most important resource of WSNs. Many techniques have been devised and used over the years to conserve this scarce resource of WSNs. Clustering has turned out to be one of the most efficient methods for this purpose. This paper intends to propose an efficient technique for election of cluster heads in WSNs to increase the network lifespan. For the achievement of this task, grey wolf optimizer (GWO) has been employed. In this paper, the general GWO has been modified to cater to the specific purpose of cluster head selection in WSNs. The objective function for the proposed formulation considers average intra‐cluster distance, sink distance, residual energy, and CH balancing factor. The simulations are carried out in diverse conditions. On comparison of the proposed protocol, ie, GWO‐C protocol with some well‐known clustering protocols, the obtained results prove that the proposed protocol outperforms with respect to the consumption of the energy, throughput, and the lifespan of the network. The proposed protocol forms energy‐efficient and scalable clusters.     

一种新的图像超像素分割方法

针对现有超像素分割方法无法自动确定合适的超像素数目,以及难以有效贴合图像目标边界等问题,该文提出一种新的利用局部信息进行多层级简单线性迭代聚类的图像超像素分割方法。首先,运用基于局部信息的简单线性迭代聚类(LI-SLIC)对原始图像进行超像素初分割,然后,根据超像素的色彩标准差对其进行自适应多层级迭代分割,直至每个超像素块的色彩标准差小于预设阈值,最后,利用相邻超像素间的色彩差异对过分割的超像素进行合并。为验证方法的有效性,该文采用Berkeley, Pascal VOC和3Dircadb公共数据库作为实验数据集,并与其他多种超像素分割方法进行了比较。实验结果表明,该文提出的超像素分割方法能更精确贴合图像目标边界,有效抑制图像过分割和欠分割。

     

基于五粒子团簇态实现四粒子团簇态的概率隐形传态

为实现更经济的四粒子团簇态的概率隐形传输,提出了一种利用五粒子团簇态为量子信道的隐形传态方案.基于解纠缠-隐形传输-重构纠缠方法,发送者在发送信息之前对信息态进行一次控制非门操作和投影测量,将解纠缠的信息发送给接收者.在这个过程中发送者需要进行2次Bell基联合测量和1次单粒子测量,接收者根据发送者的测量结果进行相应操作,得出解纠缠的信息态.引入辅助粒子重构原始的未知信息态,信息传输成功的概率为4|a|2,提出的方案可以很好地应对一般窃听方式.     

一种改进的Linux集群系统负载均衡算法

提出一种基于改进的Linux集群系统负载均衡算法.首先通过修改负载权值计算指标,然后通过动态反馈机制收集各个各服务器的实时负载,负载均衡器根据收集的负载信息动态调整服务器权值,最后根据权值选择最优服务器去处理新的任务.仿真测试结果表明,改进负载均衡算法提高了整个系统的响应能力和吞吐量,较大幅度地提高系统的综合性能.     

基于分簇结构无线传感器网络的高效无源定位方法

针对基于节点通信能力和能量受限的无线传感器网络实现高精度无源定位的问题,首先,在分簇结构网络中,通过折中单个簇的TDOA定位精度和运算复杂度,确定了簇规模;其次,基于直达波环境中TDOA定位误差是按布站GDOP对测量误差放大的原理,提出第一轮定位先使用网内所有节点以RSSI定位方法粗估计目标辐射源位置,并根据各簇在该粗估计位置处的布站GDOP和测量误差估算TDOA定位标准差,第二轮定位选择具有较低TDOA定位估计标准差的部分簇参与TDOA定位,最后将这些簇的TDOA定位结果按估算的定位估计标准差加权平均,求得最终定位解。仿真结果证明该方法有效的去除了冗余节点,实现以半数节点接近使用全部节点的定位精度。      

基于OMNET++的leach协议的仿真与改进

由于无线传感网络是一种能量和资源都有限的网络,为了更好的延长无线传感网络的生命周期,本文对无线传感网络路由协议中的leach协议进行了深入的分析,探讨和仿真。并在这个协议的基础上,对簇头的选择提出了改进。在OMENT++平台上进行了多次的仿真测试,对不同的基站位置这个参数进行了仿真且对比。通过仿真对比发现,新改进的LEACH协议能够很好降低功耗,延长网络寿命,达到了设计的要求。     

基于无线传感网络的煤矿综合监测系统

从人员安全的角度出发,通过使用传感器对矿井温湿度、瓦斯气体浓度以及矿工位置的实时监测,并利用成熟的无线传感网络通信技术和工业无线通信设备,构成煤矿综合监测系统,实现对煤矿井下作业的安全保证。     

基于四粒子团簇态的可控量子隐形传态

提出利用四粒子团簇态传送一个未知单粒子态从而实现可控量子隐形传态的方案,发送者对她自己拥有的两个粒子做一次Bell基联合测量,两控制者合作对其两粒子进行Bell基联合测量,接收者在两个控制者的帮助下对其自己的粒子做相应的幺正变换,即可得到要传送的单粒子态,完成可控量子隐形传态.     

变径组合提升管内团聚物持续时间的分析

在固气比［Gs/（ρg?Ug）］为2.13～47.95的范围内,对循环流化床变径组合提升管内团聚物持续时间进行了测量与分析,结果表明：单个团聚物持续时间为0.001 28～0.601 60 s,局部位置团聚物平均持续时间为0.014 32～0.160 64 s;在数量上,持续时间小于0.064 00 s的低浓度团聚物占87.69%,持续时间大于0.064 00 s 的高浓度团聚物占12.31%;在固气比较低时,主要由低浓度团聚物主导平均持续时间;在固气比较高时,临近边壁区域主要由高浓度团聚物主导平均持续时间。时间多尺度分析结果表明：低浓度团聚物中,在数量上主要以持续时间为0.001 28～0.038 40 s 的团聚物为主,在对平均持续时间的影响上主要以持续时间为0.012 80～0.038 40 s 的团聚物为主;高浓度团聚物中,在数量和对平均持续时间的影响上,均主要以持续时间为0.064 00～0.128 00 s 的团聚物为主。