移动容迟传感网络拓扑覆盖建模与统计特征*

移动容迟传感网络的拓扑覆盖研究对于相关工程系统设计具有重要意义。针对当前研究没有很好地刻画区域动态覆盖特征的问题,提出基于排队网络的建模方法。进而利用随机几何学和排队论方法,以定理形式提出关于二维平面上区域覆盖的首达时间、覆盖度分布等统计特征的理论结果。结合典型移动场景,仿真验证了上述结果的合理性和应用价值。     

DTN中基于服务等级的Push-Pull拥塞控制研究*

提出了一种基于服务等级的拥塞控制机制,通过为后续高优先级业务预留缓存资源的方法来减小容迟网络(DTN)中由于保管传输协议造成节点缓存资源的耗尽而引起的网络拥塞,从而改善服务质量。仿真结果表明,该拥塞控制方法在缓解网络拥塞的同时可以有效改善高优先级业务的传输性能,但其在一定程度上牺牲了低优先级业务的服务质量。     

简支梁多位置损伤识别研究

曲率模态是结构损伤识别的敏感标示量,采用数值仿真方法,把曲率模态用于桥梁损伤识别.利用简支梁损伤前后一阶曲率变化率作为识别参数,便可明显确定其多处损伤位置.对相关样本参数进行归一化处理并引入噪声干扰,利用BP人工神经网络进行数值仿真计算,也能对其损伤程度进行有效模拟,验证了BP神经网络也有很强的泛化能力及容错能力.     

一种基于Normal矩阵的时间序列聚类方法*

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

线传感器网络中基于距离变换的骨架提取*

在无线传感器网络中,利用骨架信息可以提高路由性能,也可以用于网络定位、导航以及分割等.以往的骨架算法往往假定边界节点被全部识别,但在绝大多数网络中,尤其是低密度网络,边界节点往往很难被全部正确识别.提出了一种基于距离变换的低复杂度、分布式骨架提取算法,该算法不要求所有边界节点被识别.实验结果表明,该算法对于边界不准确时能够得到较好骨架,同时对于边界点缺失具有鲁棒性.     

基于改进蜂群算法无线传感器感知节点部署优化*

提出了一种基于改进蜂群算法的无线传感器感知节点部署优化方法,以网络覆盖率为目标函数,将传感器感知节点部署问题形式化为组合优化问题,并采用分层机制对基本蜂群算法进行改进。仿真实验结果表明,本方法能够以相对较小的代价完成传感器感知节点部署,并能降低网络能耗,提高网络的整体覆盖率。     

无线传感器网络中异常读数检测算法研究*

针对无线传感器网络的离群点检测算法由于没有充分考虑数据的时空关联性和网络的分布特性,导致检测精度低、通信量大和计算复杂度高等局限,提出了基于时空关联的分布计算与过滤的在线离群点检测算法。该算法在各传感器节点上利用传感器读数的时间关联性生成候选离群点,并利用空间关联性对候选离群点进行过滤得到局部离群点,最终将所有传感器节点上的局部离群点集中到sink节点上获得全局离群点。利用时空关联性提高了检测精度,利用分布计算与过滤减少了通信量和计算量,理论分析和实验结果均表明该算法优于现有算法。     

基于最小跳数的WSN非均匀分布的路由算法*

针对无线传感器网络节点能耗分布不均衡的问题,采用非均匀分布策略部署节点,提出一种新的路由算法。该算法通过在网络中建立最小跳数场和路径节点最小能量场,使得信息包沿着能耗最优的路径向sink节点发送。通过仿真实验表明,该算法在能量节省、能耗均衡和提高网络生存期方面具有明显的优势,进而能够缓解能量空洞问题。     

基于边界扫描技术的设计复杂性优化研究

对于边界扫描技术的电路系统,可利用现代优化算法对其进行复杂性和测试性改善度的综合优化。主要以较小的复杂性设计来实现测试性的最大化改善,以提高系统测试性优化和缩短系统的测试时间。应用模拟退火算法和模拟退火遗传算法实现系统的设计复杂性优化,相比于贪婪算法,模拟退火算法和模拟退火遗传算法能得到更好的优化率。