【摘 要】
:
无线传感器网络作为一种新兴的移动通信技术,为无线通信和物联网行业的发展带来了广阔的前景。然而网络覆盖的优劣程度将直接影响网络的性能,有效的网络覆盖不仅能够提高网络的监控能力,而且能够改善网络的性能,延长网络的生命周期。本文在现有虚拟力覆盖算法的基础上,利用接受信号强度指示(Received Signal Strength Indicator,RSSI)构造新的虚拟力模型,分别对信号规则传输和信号不
论文部分内容阅读
无线传感器网络作为一种新兴的移动通信技术,为无线通信和物联网行业的发展带来了广阔的前景。然而网络覆盖的优劣程度将直接影响网络的性能,有效的网络覆盖不仅能够提高网络的监控能力,而且能够改善网络的性能,延长网络的生命周期。本文在现有虚拟力覆盖算法的基础上,利用接受信号强度指示(Received Signal Strength Indicator,RSSI)构造新的虚拟力模型,分别对信号规则传输和信号不规则传输两种场景进行研究。同时对于监测区域覆盖后的节能问题进行优化以延长网络的生命周期。本文主要完成以下几个方面的工作:(1)针对原有虚拟力覆盖算法中由于节点的移动性及相互作用引起的节点连续震荡问题,提出了一种基于RSSI的覆盖优化算法。该算法采用不需要额外配置就能获得的RSSI值构造新的虚拟力覆盖模型,减少节点的计算量。同时引入矩形寻优方式的鲸鱼群算法,扩大节点连续震荡时的寻优范围,加快节点的寻优速度。仿真结果表明该算法能够有效地减少节点的震荡次数和移动距离,提高算法的收敛速度和稳定性,且网络覆盖率达到95%以上。(2)针对网络环境导致传感器节点的信号传输范围不规则的问题,提出了一种基于信号不规则模型的覆盖优化算法。该算法在基于RSSI的覆盖优化算法的基础上,考虑到无线信号在传输过程中的各向异性、连续变化性和不均匀性等传输特性,因此引入信号不规则模型模拟实际环境中无线信号的传输特性。该覆盖模型只利用传感器节点接收到的信号强度值构建虚拟力覆盖模型,因此对于所有频段均适用。本文选取工作频率为2.4GHz和6GHz两种信号衰减模型为例构建虚拟力覆盖模型以验证覆盖算法的可行性。同时在无障碍物、存在普通墙体、存在障碍区域三种场景中进一步验证了信号不规则模型下该覆盖算法的可行性和适用性。(3)针对网络节点通信冗余量高导致网络能耗大的问题,提出了基于精简连通支配集的覆盖优化算法。在监测区域完成覆盖的基础上,通过构建连通支配集来组建网络虚拟骨干网,降低网络能耗,提高网络的生命周期。由于原有连通支配集生成算法中节点编号的随意性以及缩减规则的不完善导致连通支配集中存在过多的冗余节点,因此利用与网络拓扑信息相关的特征矢量中心性值作为节点唯一的id编号,同时添加并完善了原有算法中的缩减规则,从而减少连通支配集中的节点数量,简化虚拟骨干网的结构。仿真结果表明该算法能够在保持网络连通性的同时有效地减少支配节点的数量,进而减少网络能耗,延长网络的使用寿命。
其他文献
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术通过在基站端布置大量天线,利用信道之间的渐近正交性,可以有效消除用户间干扰,同时给通信系统带来巨大的性能提升,而成为5G的关键技术并被广泛使用。在大规模多用户MIMO(Multi-User MIMO,MU-MIMO)系统中,不正确的用户分组会引起严重的用户间干扰,因此多用户选择对大规模MIMO系统性能至
水是人类生产活动和社会发展中不可缺少的重要资源。但近年来随着城市化和工业化步伐的加快,导致水污染问题日益突出,水质监测已经成为水资源保护和利用的关键问题。我国是传统的农业大国,农业生态环境的优劣与我国的可持续发展战略息息相关,这其中农业生产灌溉用水的安全性更是直接影响农作物品质。我国以全球8%的耕地面积养活全球20%的人口,创造“中国粮奇迹”根本原因之一是我国有40%的耕地类型为灌溉农田和建立在水
验证码的作用是区分人与机器,在互联网时代早期图像验证码具有非常好的效果。近年来,软件技术飞速发展,特别是深度学习方面的技术突破和硬件突破将AI技术引入了全新的时代。AI技术在图像识别和处理的优秀表现,给图像验证码的核心功能带来了严重挑战。相较于传统基于OCR技术的文字识别破解验证码,基于深度学习技术的破解系统破解的准确率更高、效果更好。于是各式新颖的验证码系统层出不穷,但这些新兴验证码操作逻辑不够
随着大数据时代的来临,需要分析处理的数据程指数型增长。降维技术作为数据挖掘预处理技术的重要组成部分,它能有效地减少学习算法的计算复杂度,从而使得传统的学习算法处理大规模数据成为可能。而特征选择作为降维技术的一种,因为其降维后的数据具有可读性高以及不改变数据结构的特点,被广泛应用于各个领域。该方法的步骤主要分为两个部分,生成特征聚类结果和聚类后的特征选择。但是在基于聚类的特征选择算法中依旧存在以下四
随着计算机技术的飞速发展以及人们对智能化设备需求的提高,人体行为识别已经成为计算机视觉领域热门研究方向之一,其广泛应用于公共安防、人机交互、虚拟现实、体育运动和医疗健康等领域,具有极高的理论研究价值。早期的研究工作主要针对于RGB视频图像,由于易受复杂背景、光照强度的影响,很难达到理想效果。但随着深度传感器技术的发展,高精度获取三维骨架关节点信息变得方便可行。对比传统RGB视频图像数据,骨架姿势信
第五代移动通信系统的迅速发展为构建天空、海洋、陆地一体的战略网络蓝图带来了契机与动力,将具备高速率、低延时、大容量等特点的5G技术与卫星移动通信的融合已成为大势所趋。`星座组网中低轨卫星星座以其通信距离短,波束范围广等优势在未来天地一体化通信系统组网蓝图当中占据着至关重要的地位。在5G NR(New Radio)的相关技术中,随机接入技术是实现用户上行初始同步,有效建立星地数据传输链路的关键前提。
深度学习(Deep Learning)技术的快速发展,开启了未知的机器智能时代,也正逐渐并深刻地影响和改变着我们的日常生活。然而,深度学习技术需要依赖大量的带有标签的样本数据才能发挥其巨大的作用。实际应用中,获取大量带有标注的数据需要花费巨大的代价,且某些领域并不存在巨大的数据去适应深度学习模型进行训练。当训练数据量较少时,往往会造成模型过拟合。因此,小样本学习(Few-shot learning
随着数据采集手段的不断增多,真实数据往往由多个模态组成或来自多个来源,这样的数据称为多视图数据。对多视图数据进行机器学习任务称为多视图学习。如今,多视图聚类作为多视图学习的一个热门领域已经引起了研究者广泛的关注,它提供了一种将多视图数据划分成簇的方式。目前,大多数多视图聚类算法都假设所有的视图是完备的。但是,在实际应用中,每个视图数据可能存在样本的缺失,从而导致不完备的多视图数据。现有的多视图聚类
旋转机械是机械设备状态监测与故障诊断工作的重点,而滚动轴承是机械设备常用的部件之一,同时也是易损部件之一。机械设备的故障诊断越来越受到人们的重视,在目前的故障诊断领域,通过实时有效的检测方法采集到足够的信号样本并且客观地分析机械设备运行的状态信息,对判别不同工况下的故障设备状态以及对故障类型实现准确诊断具有重要意义。目前机械设备故障诊断主要有两种思路:一种是对机械设备的振动信号进行时频域分析,这种
视频监控下的人体异常行为检测与识别是公共安全领域的研究热点,但由于现实生活中的视频监控存在人体遮挡和相似异常行为难以区分的缺点,导致人体异常行为检测与识别效果差、实时性低。本文对基于视频监控的人体异常行为检测和识别算法进行研究,将深度学习技术应用于人体异常行为检测与识别任务中,构建了异常行为检测与识别两级级联网络,实现对公共区域的人体异常行为有效检测和识别。本文的主要研究内容如下:1.针对复杂场景