ZigBee中C1uster-Tree路由算法改进研究

针对ZigBee网络中Cluster-Tree只按父子关系选择路由可能会带来额外路由开销,高层节点可能会因为业务量过大而过早耗尽电池能量形成死点,造成网络分割等问题。本文研究出一种改进的Cluster-Tree路由算法。改进算法中通过引入邻居表,当目的节点为发送节点的邻居节点时,则直接发送给目的节点;当目的节点为邻居节点的子节点时,则下一跳为邻居节点;否则按照Cluster-Tree算法选择下一跳的节点。利用OMNET++4.1仿真结果表明,改进的Cluster-Tree路由算法能有效的减少路由开销,同时节约了网络的整体能量消耗,提高了网络的传输效率,延长了网络的存活时间。     

新型无线传感器网络启发式拓扑控制算法研究

提出了一种基于RNG图的启发式无线传感器网络拓扑控制算法HLRNG(Heuristic Local RelativeNeighbor Graph),采用RNG图和节点状态转化模型,建立从感应事件节点到sink节点间的局部多路径,以减少冗余路径并降低空闲节点的能耗。NS2仿真测试表明,HLRNG算法有效的延长了网络生命周期。     

模仿者

安姬热爱服装,她有自己的特殊风格。今天,她穿了一件漂亮的洋装、一双可爱的鞋子,还喷了花香味道的香水。安姬即将和她的新邻居见面,那个人刚搬到她家隔壁。她的邻居人好吗?安姬希望如此!她走出A己的公寓,来到邻居门前一名女子打开了门,她叫辛席亚她们互相打招呼,然后交谈了起来。     

一种NDP中间人攻击及对策

邻居发现协议（Neighbor Discovery Protoc01,NDP）作为IPv6协议的重要组成部分,取代了IPv4中的ARP协议、ICMP路由发现和ICMP重定向功能。文章主要分析了在使用CGA（cryptographically Generated Addresses）保护NDP安全情况下存在的一种新的中间人攻击,并在此基础上利用改进的CGA来防御这种中间人攻击,同时分析了这种改进的可行性及优点。     

基于梯度化邻居节点信息的传感器网络节点距离测量

针对无线传感器网络中节点间接距离测量精度问题,提出一种改进的节点距离测量算法DV-GNN,分析了算法的理论基础,给出了算法的实现步骤.DV-GNN算法以节点的梯度化邻居节点信息作为彼此识别的依据以提高距离测量的分辨率,将分辨率从节点有效通信半径提高到节点间距.与DV-hop算法相比,保留了其低成本、低开销的优点,却极大地提高了节点距离测量精度.理论分析及仿真结果表明,该算法在节点密集分布的无线传感器网络中具有很好的效果.     

多波束电台关键技术研究

针对HNR(高频段网络化电台)采用多波束定向天线的特殊性,对基于生日协议、谣言传播算法的邻居发现算法进行性能比较,表明基于谣言传播的邻居发现算法搜索速度快且性能稳定;提出同步信息与反馈信息同传的网络时间同步算法,将网络归一化最大时隙偏差降低至10~(-12)量级;最后基于空分复用TDMA(时分多址)接入与泛洪抑制路由技术构建立体化自组织网络,有效提升组网效率。     

基于H运算的动态网络重要节点识别方法

传统K-shell网络重要节点识别方法迭代时需网络全局拓扑信息,而且难以应用于动态网络。为解决该问题,提出基于邻域优先异步H运算的动态网络重要节点识别方法。首先,证明该算法收敛于Ks值,其次以各节点的度作为h指数初始值;然后,通过节点h指数排序和邻居节点h指数变化选择更新节点,同时针对动态网络节点的增减数目和最大度,修改h指数适应拓扑变化,直至算法收敛并找到重要节点。仿真实验结果表明,该方法通过邻居节点局部信息且以更高效率找到动态网络的重要节点,收敛时间在静态网络中较随机选择更新节点法与变化邻居选点法分别下降77.4%和28.3%,在网络拓扑变化后分别下降84.3%和38.8%。     

基于Triplet注意力的循环卷积神经网络模型

现有的融合文本或邻居信息的知识补全模型忽略文本和邻居之间的相互作用,难以捕获与实体具有较强语义相关性的信息,加上基于卷积神经网络的模型未考虑实体中的关系相关信息,导致预测性能不佳.因此,文中结合文本信息和拓扑邻居信息,提出基于Triplet注意力的循环卷积神经网络模型.首先,通过语义匹配的方式,选取文本描述中与实体具有较强语义相关性的单词.再与拓扑邻居复合作为实体邻居,增强实体表示.然后,重塑实体的融合表示和关系表示.最后,利用Triplet注意力优化卷积输入,使卷积操作能提取实体中与关系相关的特征,提升模型性能.在多个公开数据集上的链路预测实验表明,文中模型性能较优.     

基于Bayes-MeTiS网格划分的3D几何重构

为提升 3D模型几何重构过程的压缩效率,提出一种基于MeTiS网格划分的贝叶斯3D模型几何重构算法。首先,在编码端 采用MeTiS方法 对原始3D网格进行子网划分,采用随机线性矩阵对子网几何形状进行编码,并对边界节点的邻居节点使用伪随机数生成器进行数据序列构建;然后,利用贝叶斯算法进行几何模型重构算法的设计,在理论上给出了均值、方差矩阵以及模型参数学习规则,实现了3D模型的几何重构;最后,将其与图傅里叶光谱压缩(GFT)、最小二乘压缩(LMS)和基于压缩感知的图傅里叶光谱压缩(CSGFT)等算法进行仿真对比。结果表明,所提方法具有较高的比特率压缩指标以及较低的重构误差,计算效率明显提高。