水声异构传感器网络混合MAC协议的研究

来源 :沈阳理工大学 | 被引量 : 0次 | 上传用户:xuezhiyong2003
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
水下传感器网络(Underwater sensor networks,UWSNs)被广泛应用在监测海洋环境、探测海底目标及收集海洋数据等方面,引起了军民两领域的密切关注。UWSNs的特点是采用声波通信,由于水声信道具有低带宽、长传播时延和高误码率等特点,因此,构建高效的通信网络非常重要。要实现数据的高效传输,关键之一是根据水声信道特点设计MAC协议。本文针对大规模水声异构传感器网络的特点和水声信道独特的性质,提出一种分簇网络模型,并分别针对簇内小规模密集型传感器网络负载动态变化的问题,簇首节点在数据传输时产生的漏斗效应和协议中存在的暴露终端问题,提出了簇内通信混合MAC协议和簇间通信MAC协议。对于簇内通信,针对动态变化的网络负载,设计了一种负载自适应混合MAC协议LSHP(Load Self-adaptive Hybrid Protocol)。LSHP将TDMA和CSMA/CA协议融合在一起,根据网络负载情况选择最优的协议进行数据传输,解决了单一协议不能高效利用水声信道的问题;通过设计最优退避算法,得出竞争节点的最优退避次数,从而降低了网络时延。对于簇间通信,提出了一种簇间通信MAC协议MC-SFAMA(Slotted FAMA based on Multi-data packet sequential acceptance mechanism),解决了簇首节点在给基站传输数据时存在的漏斗效应问题。MC-SFAMA是一种基于Slotted-FAMA的多接收机制的MAC协议,针对SlottedFAMA协议中存在的暴露终端问题,通过规定ACK控制报文发送的时间来解决;通过设计多接收机制,允许一个接收节点在完成一次RTS/CTS握手周期后,接收来自多个发送节点的DATA,缓解了漏斗效应带来的不利影响。根据仿真结果表明,LSHP协议与同类混合MAC协议相比较,增加了时隙保护时间的设计,从而降低了网络时延,提高了信道利用率,能较好地适应网络负载的动态变化。MC-SFAMA协议与同等类型的多接收机制协议相比,增加了DATA发送时机的设计,从而降低了能量开销,提高了网络吞吐量。
其他文献
随着人们生活质量的不断提高,近视眼的患病率也在逐年增加,其严重影响着人们的日常生活。目前对近视性相关疾病包括病理性近视的自动诊断以及屈光不正预测(验光)都需要医生人工完成,这无疑会给医生带来巨大的工作量,从而造成误诊、漏诊等事故发生。同时,在国内贫困地区,资深眼科医生缺乏,大型医疗器械不足的情况下,患者将很难被及时的诊断与预测,从而导致病情恶化最终失明。因此很有必要提出相关的自动诊断与预测方法,在
叶轮是压缩机的零部件,叶轮上叶片较大且两叶片之间距离较窄,磨抛时容易发生干涉。目前叶片型面大部分还处于人工磨抛阶段,人工磨抛会使表面精度不均匀、次品率增多。针对磨抛的难点,本文运用机器人自动磨抛叶轮叶片来代替人工磨抛,提出基于最小曲率法来规划磨抛轨迹,保证了机器人在磨抛运动过程中振动较小;提出选取多个磨抛点的方式证明了机器人磨抛的可达性;提出了对磨抛刀具建立包络模型的方式解决了磨抛干涉问题,从而实
叶片作为航空发动机、蒸汽轮机等大型动力设备的重要核心组件,其制造加工后的几何精度以及表面质量对整机的工作性能有很大的影响。由于人工磨抛加工,材料去除的稳定性较差、效率很低,难以保证叶片加工质量的要求。为获得高的加工质量和生产效率并代替人工操作,使用工业机器人系统对叶片磨抛是解决叶片加工问题的有效方法之一。本课题针对机器人的自动加工应用,以航空发动机叶片砂带磨抛加工工艺为主要研究对象,建立了基于柔顺
动物检测识别是计算机视觉,深度学习的主要研究方向之一,广泛的应用在动物管理部门,生态保护部门当中。本文以北方湿地鸟类为研究对象,重点研究了数据集的处理,卷积神经网络的改进,提出了改进YOLOv3网络模型的北方湿地鸟类网络算法YOLOv3-Bird。为了加强数据集的准确度和容量,本文利用了数据集的扩充方法,利用非平衡数据集SVM分类算法进行数据分类,利用SMOTE算法进行数据集扩充并成功的将数据集扩
装配工作一直在制造业中占据着主导地位,装配质量决定着生产速度的快慢。随着科技的发展,产品向着高精尖的方向不断进步,装配工作对生产效率的影响也越来越大,精准的装配可以有效提高生产效率,降低产品的生产成本。本文以制导炸弹控制尾舱为例,对装配序列的优化方法和装配仿真展开了研究。首先考察实际的装配环境,总结相关装配知识,对装配知识进行梳理分析,根据知识属性建立材料库、设备库、技术文件库等七个装配资源知识库
在全球的老龄人口不断增加的背景下,人们的家庭护理产生了很严重的负担。由于老年人的身体状况不断老化再加上自己本身有可能存在一些身体疾病,在单独在家的时候很可能因为动作不慎或者身体疾病而产生异常行为。因此,本文以家庭生活为测试场景,对拍摄到的视频中的老人进行检测并跟踪,随后对获取到的老年人行为信息进行分类,最终判定老人究竟是正常活动还是行为异常,为之后的预警等安防措施建立基础,对于家庭生活的安全保障也
随着工业智能化的兴起,工业机器人越来越多的出现在人们的视野中,各大企业对机器人的研究也更加深入、更加全面,机器视觉是机器人研究的重要组成部分。机器视觉是实现工业机器人的精度定位与识别的主要方式之一。本课题主要研究气阀装配机器人视觉定位技术,依托实验室现有设备2D-90往复式压缩机和埃斯顿ER-30六自由度工业机器人,对压缩机气阀进行识别定位技术研究,以协助实现气阀自动装配的功能需求。首先,进行了机
随着人口老龄化的日益加剧,在我国出现了越来越多的独居老人,这些独居老人由于独自在家无人照顾的缘故,一旦出现室内跌倒的情况就会十分危险。为了及时发现这些室内跌倒行为,一个可以在室内环境下实时检测跌倒行为的系统就显得格外重要了。而随着计算机视觉和深度学习近几年的飞速发展,二者的结合解决了很多实际问题,从最初的图像识别、物体识别已经发展到现在的行为识别和姿态估计。本文利用了深度学习中的代表算法——卷积神
本文针对基于深度学习的三维物体建模方法开展研究,从多模态特征融合和基于多网络协同学习的角度探索提高三维模型生成精度的方法。研究了基于多视角和单视角的三维模型生成方法并提出改进措施。本课题的主要成果包括以下几个方面:针对三维模型特征提取的问题,本文提出一种基于自编码网络的改进网络,从原始的三维物体模型中重构出该目标物体的三维模型,并得到输入原始三维模型的鲁棒性特征表示。实验表明,该自编码网络取得了比
在21世纪,随着我国科技发展的不断进步,汽车已经成为人们出行的主要交通工具,也成为了每家每户必不可少的日常用具之一,随着汽车行业发展的不断推进和汽车数量的逐渐扩增,城市的交通拥堵也日益增大,同时道路交通的管制也变得越发困难。道路拥堵、事故多发等因素,不仅对交通管制形成了严峻挑战,也同时对驾驶员增加了巨大的压力。道路交通标志物可以起到对驾驶员传递指路、警示、限制等重要信息,可以引导驾驶员安全驾驶,保