32位和8位单片机的无线传感器网络系统

采用STM32F10X系列的芯片为主芯片、SH79F32为辅芯片,温度传感器DS18B20做采集工具,PTR8000无线模块做通信工具,实现无线传感器网络功能。通过Altium Designer Release 10进行原理图设计及PCB板的绘制,并制作电路板、焊接电路板,之后利用Keil软件设计程序,实现不同单片机之间的无线传感器网络通信,并完成了无线通信平台的设计与制作。     

基于信誉值的ad hoc网络节点自私类型检测

在ad hoc网络中,节点间的合作是一个重要的问题,不相邻节点的信息传递只能依靠中间节点的转发来完成,若中间节点存在自私行为则会较大地影响网络的性能。节点自私类型有不同,对网络功能造成的影响也各不一样,有些自私节点在一定数量上对网络整体性能影响不大,可以容忍;而有些自私节点则必须得采取强硬的惩戒措施,将其驱逐出网络或降低它的信誉值并公布。该文采用基于信誉值的算法检测出ad hoc网络中的问题节点,并对其进行类型定义,仿真查看其对网络性能的影响,方便下一步根据不同自私节点进行机制设计。     

节点数固定的ER网络演化模型拓扑性质的研究

复杂网络模型的研究主要集中在ER网络模型、小世界网络模型和无标度网络模型,其中ER网络模型是最经典的复杂网络模型之一。文章研究了节点数固定情况下的ER网络模型,根据网络内部边的动态演化特点,将节点数固定的网络模型进行了细分,给出了模型的生成算法,并模拟了算法生成的随机网络的平均路径长度和聚类系数。仿真结果表明,节点数固定的ER网络具有小世界特性,出现这种小世界特性的主要原因是由于网络内部边的异质性,而与网络的节点数变化没有必然联系。     

LCN总线技术及在楼宇防盗系统中的应用

文章对LCN总线进行了介绍,讨论了在智能楼宇中,由LCN总线实现楼宇防盗系统的设计方法,包括系统的网络结构、LCN智能节点、可视对讲系统结构、家庭控制器以及系统软件流程的设计等。由LCN总线实现的楼宇防盗系统结构简单、可靠性高和可扩展性强,说明LCN总线在智能建筑领域的应用前景非常广阔。     

基于K-shell位置和两阶邻居的复杂网络节点重要性评估方法

K-shell分解法能快速识别复杂网络中的关键节点,但是无法辨别同壳层内节点重要性的差异,并且低估了处于网络边缘位置的高度值节点的重要性。针对这两个问题,提出一种基于K-shell位置和两阶邻居的节点重要性评估方法。该方法根据K-shell分解过程中节点移除的顺序细化节点的全局位置信息,然后综合考虑节点的局部拓扑结构信息和全局位置信息,利用两步长内邻居节点的K-shell位置信息度量节点的重要性。在八个真实网络上用传染病模型进行仿真实验,结果表明,所提方法与其他五种相关方法相比能更准确有效地评估并区分节点的重要性。     

无线传感器网络中移动节点辅助的数据采集效率优化研究

为了提高无线传感器网络中数据采集效率,提出了一种基于节点分级的混合多跳数据采集（hybrid multi-hop data collection,HMDC） 算法。该算法首先基于数据量将所有节点均匀划分成簇,然后在簇内采用节点分级的思想进行数据的多跳传输,最后使用移动采集器沿着最短路径访问簇头节点,对指定节点进行数据集采集。仿真结果表明,HMDC算法有效地提高了数据采集效率,均衡了能量消耗,延长了网络的生命周期,且更加适用于较大规模的数据采集。     

隐层神经元数对基于神经网络的自相关过程控制的影响

将传统修哈特控制图应用于自动化连续生产过程,经常会引发大量虚发报警。使用神经网络方法对存在相关性的连续生产过程进行研究时,取得了良好效果。本文在使用BP神经网络对自相关过程进行监控的基础之上,对隐层神经元数对于神经网络训练收敛性及识别率的影响进行分析研究。针对一定的输入层神经元数,选择合适的隐层神经元数将极大的改善网络的训练效果并提高网络的识别率。     

基于节点选择优化的DAG-SVM多类别分类

有向无环图支持向量机( DAG-SVM)对于N类别分类问题,会构造N ×( N-1)/2个支持向量机分类器(为每2个类构造一个支持向量机),DAG-SVM可能出现由于节点选择不佳而导致整个分类器分类结果较差的情况。为此,提出一种改进的DAG-SVM。通过为每一层建立备选节点集合进行节点选择,选取下层备选节点集合中训练分类精度最高的一个节点组合作为当前层节点的下层节点,从而优化DAG-SVM的拓扑结构。实验结果表明,与已有的DAG-SVM,1-vs-1 SVM,1-vs-a SVM方法相比,该方法的分类精度较高。     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

分布式网络测量中测量节点的智能选择算法

大规模网络结构复杂,需要有针对性的网络监测方法。测量节点的自动选择必须在测量代价和覆盖范围之间进行权衡。合理地测量节点选择,能在获取全网性能状况的同时,有效减少测量给待测网络带来的带宽占用和软硬件资源消耗的影响。以最小化测量节点数量为目标,选择蚁群算法作为测量节点自动选择的基本算法,并通过对基本算法进行改进和创新,可形成一种针对分布式网络测量的测量节点智能选择算法。