时延加权融合技术的无线传感器网络控制

本文研究了无线传感器网络控制系统的建模、稳定性与控制器设计问题.首先建立一个新的无线传感器网络控制系统模型,然后提出一种用于多个传感器数据融合的时延相关加权均值方法,并通过系统建模及分析,把无线传感器网络控制系统稳定性问题转换成为具有多个传输时延和丢包现象的多传感器单控制器网络控制系统稳定性问题.并利用线性跳变系统理论...     

基于CS和神经网络的传感器网络模式识别研究

当前,传感器网络快速地发展,其节点不断增多,需要传输和储存的数据量也就不断增大,同时现有传感器节点尺寸与复杂度限制了传感器网络的数据存储、数据的计算速度及频宽.针对此类问题,将压缩感知技术应用于传感器网络,对传感器网络中传输的数据进行压缩,降低传输数据量,然后在接收端重构数据,将该数据样本作为BP网络的输入进行识别.实...     

基于量子遗传算法的无线传感器网络路由研究

对于无线传感器网络(WSNs)中的两大关键性问题路由搜寻和能量优化,引入量子遗传算法进行路径的搜寻,并改进算法编解码思路,降低由于网络规模扩大而导致编码长度急速增加,即减少算法的计算复杂度,从而解决传统编码方式下的量子遗传算法难以适用于大规模的WSNs的缺点。通过实验表明:该方法能够得到更加优越和稳定的路径搜索结果,与粒子群优化算法进行1000次重复路径搜寻试验比较,其平均最优解提高了18.9%,稳定性提升了38.9%。     

无线光电定位网络的设计

为满足非接触化、小型化、集成化、数字化、智能化等现代检测技术的发展要求,从成本、工作原理、灵敏度等方面综合考虑,现采用以光电定位模块为核心的光电定位技术,以无线传感器网络作为数据传输与管理的技术手段,构建了无线光电定位网络,并进行了实验分析.可实现多点实时监测、异地显示测量数据、数据网络化管理等特殊需求;涵盖了多学科领...     

水下传感器网络节点定位信号检测的设计

针对水下环境的特殊性和水声定位系统的要求,为降低检测水声定位信号的复杂度和硬件资源消耗,能够准确检测定位基站发射的水声定位信号,为目标基站的定位提供实时、快速的时延信息,根据水声定位信号的特点,采用码元匹配检波和编码定位信号相关的方法,确定水声定位信号的到达时间,并以FPGA为平台利用VHDL语言对水声定位信号的检测设...     

无线传感器网络监测数据的汇报机制研究

无线传感器网络监测数据的汇报机制是目前的研究热点.将目前无线传感器的应用分为非事件类、事件类以及混合类三大类,在设计了监测数据表现形式的基础上,着重对事件判别标准、消息的优先级、数据融合方法以及消息的汇报机制进行了分析和论述.汇报机制采用改进的队列作为缓存空间,以保证级别高的消息能够得到及时有效地的传输.实验结果表明:...     

Faster Deterministic Communication in Radio Networks

We study the communication primitives of broadcasting (one-to-all communication) and gossiping (all-to-all communication) in known topology radio networks, i.e., where for each primitive the schedule of transmissions is precomputed based on full knowledge about the size and the topology of the network. We show that gossiping can be completed in time units in any radio network of size n, diameter D, and maximum degree Δ=Ω(log n). This is an almost optimal schedule in the sense that there exists a radio network topology, specifically a Δ-regular tree, in which the radio gossiping cannot be completed in less than units of time. Moreover, we show a schedule for the broadcast task. Both our transmission schemes significantly improve upon the currently best known schedules by Gąsieniec, Peleg, and Xin (Proceedings of the 24th Annual ACM SIGACT-SIGOPS PODC, pp. 129–137, 2005), i.e., a O(D+Δlog n) time schedule for gossiping and a D+O(log ³ n) time schedule for broadcast. Our broadcasting schedule also improves, for large D, a very recent O(D+log ² n) time broadcasting schedule by Kowalski and Pelc. A preliminary version of this paper appeared in the proceedings of ISAAC’06. F. Cicalese supported by the Sofja Kovalevskaja Award 2004 of the Alexander von Humboldt Stiftung. F. Manne and Q. Xin supported by the Research Council of Norway through the SPECTRUM project.     

移动自组网中非完全信息节点风险评估

移动自组网是一种无中心、自组织以及多跳的无线网络,能否有效可靠地对通信节点进行风险评估是保障节点高质量通信的重要因素.当前基于可信度或是信誉的评估方法对评估样本都有特殊的要求,对评估对象提出种种假设,无法辨别间接样本的恶意推荐问题,在实际移动自组网中各个节点尤其是恶意节点对外暴漏的信息往往偏少,样本数量有限,无法明确判断其状态,大部分是非完全信息,从而导致评估结果缺乏客观性与可靠性.文中提出采用灰色系统理论描述通信节点非完全信息状态,根据灰类白化以及灰色聚类思想进行节点风险评估.方案针对自组网络通信需求对节点行为进行多关键属性划分,采用味集群方法收集原始样本,避免恶意推荐;将难以用数值精确刻画的关键属性以白化权函数量化,引入灰聚类的概念和计算方法,将实体的通信风险水平定义为实体关键属性值序列针对各评估灰类的聚类评估值,从而得到该实体通信风险水平的相对参考值.分析与实际计算表明该方法是一种适合移动自组网中非完全信息节点风险评估的有效方法.     

基于机制设计理论的自组网节点合作协议

在移动自组网中,如何激励自私节点,使之参与网络合作,是当前研究的热点问题.文中提出了LMOCP协议,采用VCG机制计算转发节点的支付.通过引入邻居发现机制,并改进路由发现过程,使网络中控制消息的数量从O(n3)减少到O(n2).对协议的正确性进行了分析,并证明了LMOCP协议是事后纳什可实施的,在所有节点都是理性的这一共同知识的假定下,每个节点的最优策略是诚实地报告自己的转发价格.通过ms-2对协议进行了验证,仿真结果显示,与现有的几种重要协议相比,LMOCP协议具有更低的消息负载和网络延迟.     

Differentiating types of muscle movements using a wavelet based fuzzy clustering neural network

Abstract: The electromyographic signals observed at the surface of the skin are the sum of many small action potentials generated in the muscle fibres. After the signals are processed, they can be used as a control source of multifunction prostheses. The myoelectric signals are represented by wavelet transform model parameters. For this purpose, four different arm movements (elbow extension, elbow flexion, wrist supination and wrist pronation) are considered in studying muscle contraction. Wavelet parameters of myoelectric signals received from the muscles for these different movements were used as features to classify the electromyographic signals in a fuzzy clustering neural network classifier model. After 1000 iterations, the average recognition percentage of the test was found to be 97.67% with clustering into 10 features. The fuzzy clustering neural network programming language was developed using Pascal under Delphi.