目前几种无线传感器网络节点定位技术分析

在无线传感器网络中,位置信息是监测事件不可缺少的信息,为了准确地确定事件发生的位置,传感器节点必须首先确定自身的位置。节点定位技术是无线传感器网络最重要的技术之一。该文将节点定位技术分为基于测距的和无需测距的两类,介绍和分析了几种典型的定位技术。     

基于结点等效变化的缓冲区生成算法

目标缓冲区生成的算法一般都要经过两个阶段，即单个目标缓冲区多边形的独立生成过程和多个目标缓冲区多边形间的重叠合并过程。本文将要生成的缓冲区边界凹侧结点做等效变化成两个相等的点，且定义其连接关系为圆弧，从而取得了边连接的循环运算，便于处理和计算，消除了凸凹两侧缓冲边界数据链不一致性的表达，只寥寥几行代码实现了折线单目标缓冲区的生成，并且易于缓冲边界拓扑关系的建立。     

一种基于IEEE1451的嵌入式网络化智能前端的设计与实现

本文基于智能化、网络化的设计思想,借助IEEE1451智能变送器接口标准和网络技术,搭建了一个嵌入式、开放的设备网络化智能维护系统。基于敏捷制造对制造过程管理与控制的需求,研究并建立了制造系统智能前端的原型。基于IEEE1451标准的设计思想和DSP及ARM和HPI技术,介绍了智能前端的软硬件构成与网络接口设计。并针对该系统的高可靠性、网络化和智能化要求,提出了多参数集成智能维护前端的解决方案。实验表明,系统运行稳定,实时性良好。     

基于边缘分析和颜色统计的车牌精确定位新方法*

针对车牌的边界定位不准确和伪车牌较多的问题,提出了一种边缘分析和颜色统计相结合的车牌精确定位的新框架。该框架主要分为预处理、粗定位、精确定位和伪车牌排除四个模块。对图像作边缘检测和二值化等预处理,用投影法粗定位出候选区域,利用候选区域及其周围的边缘和颜色的信息实现车牌的精确定位。对于定位结果有多个候选区域的情况,对候选区域进行排序,再将排序结果按顺序传入字符分割模块,从而有效排除非车牌区域的影响。实验结果表明,该方法精确度和准确率高、实时性强,适用于不同的应用场合。     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法.该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波(Kalman)算法对原始数据进行滤波.再对...     

基于蜂窝网络拓扑的无线传感网定位算法

针对无线传感网中DV-Hop定位算法过于依赖信标节点数量以及定位精度低的问题,提出基于蜂窝网络拓扑的定位算法(LABCNT).通过对网络中节点的有向筛选,选取满足特定条件的节点,构造一个蜂窝的网络拓扑结构,得到网络上节点的相对位置;根据拓扑结构中的第二个信标节点确定网络上节点的绝对位置;将已定位的节点升级为协作节点,采...     

准周期量子动力系统的数值求解

本文提出了研究准周期量子动力系统的计算方法.传统计算方法通常使用大的周期系统来近似计算准周期系统,这会产生丢番图逼近误差.我们的方法将准周期系统在高维周期结构中表示和计算,这样不仅可以避免丢番图逼近误差,而且可以将周期系统的高效算法,比如快速Fourier变换直接运用到新的算法中.我们将算法用于计算具有准周期势的线性薛定谔方程和准周期初值的非线性薛定谔方程.数值结果表明了算法的可靠性和高效性,并可以用于研究包含Anderson局域化、非线性光子准晶在内的准周期量子行为.     

生成de Bruijn序列的加元算法

提出一种加元算法,通过对给定的一个m+1元的de Buijn序列添加一元来产生m+2元de Bruijn序列。实现的方法是通过由一个m+1元de Bruijn序列找出它的Look-up表标签,并由该Look-up表标签产生多个m+1元Look-up表标签,然后合成这些Look-up表标签产生一个m+2元Look-up表标签,再由它产生m+2元de Bruijn序列。     

Efficient Learning of Relational Object Class Models

We present an efficient method for learning part-based object class models from unsegmented images represented as sets of salient features. A model includes parts’ appearance, as well as location and scale relations between parts. The object class is generatively modeled using a simple Bayesian network with a central hidden node containing location and scale information, and nodes describing object parts. The model’s parameters, however, are optimized to reduce a loss function of the training error, as in discriminative methods. We show how boosting techniques can be extended to optimize the relational model proposed, with complexity linear in the number of parts and the number of features per image. This efficiency allows our method to learn relational models with many parts and features. The method has an advantage over purely generative and purely discriminative approaches for learning from sets of salient features, since generative method often use a small number of parts and features, while discriminative methods tend to ignore geometrical relations between parts. Experimental results are described, using some bench-mark data sets and three sets of newly collected data, showing the relative merits of our method in recognition and localization tasks.     

一种结合功率控制的无线传感器网络区域定位算法

在无线传感器网络中,获取传感器节点的位置信息对于许多相关的应用十分重要.首先分析了现有的无线传感器网络定位算法,然后提出了一种结合功率控制的区域定位算法(ALPC),该算法将传感器节点的位置估计在一个小区域中,而不是寻找它的精确坐标,由sink节点完成复杂的计算,传感器节点无需进行大量的通信和计算,节省了能量并延长了网络的寿命;根据实测数据讨论了时空域对信号传播模型的影响,以及这种影响如何改变定位粒度;利用区域命名机制减小了网络流量负载提高了网络的可靠性;最后,通过仿真验证了算法的有效性.