【摘 要】
：
随着物联网产业的蓬勃发展,无线传感器网络为其提供了区域感知、数据采集等多方面的应用支撑,而信息路由协议是影响是影响传感网性能的重要研究领域。各传感器节点一旦被放置则难以改变位置更换电池,节点间一般采用单跳或多跳的形式实现自组织通信,单一的随意路由选择极易造成网络资源浪费,形成“能量空洞”等现象。因此,应对不同应用场景,链路的不同需求,应设计具有针对性的网络路由算法。论文针对层次型路由算法在节点异构
论文部分内容阅读
随着物联网产业的蓬勃发展,无线传感器网络为其提供了区域感知、数据采集等多方面的应用支撑,而信息路由协议是影响是影响传感网性能的重要研究领域。各传感器节点一旦被放置则难以改变位置更换电池,节点间一般采用单跳或多跳的形式实现自组织通信,单一的随意路由选择极易造成网络资源浪费,形成“能量空洞”等现象。因此,应对不同应用场景,链路的不同需求,应设计具有针对性的网络路由算法。论文针对层次型路由算法在节点异构网络环境下开展研究。从提高系统鲁棒性入手,在满足基本网络通信的基础上,结合现有的无线传感器网络模型,搭建高效稳定的路由链路。从而解决网络“热区”、生命周期较短及节点能耗不均匀等问题,主要完成创新工作包括:（1）提出了一种以扇区均衡为目标,逐层引导的路由算法（Even Sector Hierarchical Routing algorithm,ESHR）。改变单一物理空间的均匀切分,建立热区层、层内、层间多角度下的约束,设计出以参考节点负荷和通信能力为依据的可扩展扇形划分方案,确定扇区各指标的量化表达,从网络系统级上避免了单簇跨度过大的能耗隐患。除侧重能量考量外,引入平均邻居跨度、基站跨度、扇区信息作为簇首和候选路由的依据,构建了具有网络普适性的定向层次路由,改善通信效率和避免能量塌陷的同时,以稳定的节点单体能耗实现了整体网络的寿命延长。（2）设计了一种可移动Sink模式下基于虚拟力引导的异构网络高效数据采集算法（Virtual Force-Based Routing algorithm for Moblie-Sink Netoworks,VFMS）。以异构节点最小通信半径为参考,网络虚拟划分成簇,避免节点因距簇首过远被孤立的问题;引入移动Sink,搭建以虚拟力指导的Sink节点移动方向,保证全局信息高效汇总;利用停留时间作为考量,为控制数据时延问题提供了良好的解决方案。VFMS增强了动态Sink模式下的链路质量,有效的避免了静态单汇聚情况下过度复杂路由拓扑的构建,延长了网络的运转周期。（3）针对网络规模的不断扩大,提出了一种在多移动Sink参与下的大规模传感网络中,具备自适应性高效组网算法（Adaptive and Efficient networking algorithm for large sensor network with Multiple Mobile-Sink,AEMM）。各移动汇聚节点在初始部署的条件下,结合“分而治之”的思想,分管各网络子域,避免了各Sink节点路径重叠及路由数据冗余的情况,同时规避了由于Sink节点移动速度及普通节点数据时延所造成的信息缺失问题;各个子区域中,Sink在初始轨迹的基础上,依据网络剩余节点状况自适应做出路径变更,提高采集效率;簇首节点综合多方因素形成动态簇半径,搭建簇内及簇间优质通信链路,有效提高了节点的能量利用率。
其他文献
切换正系统由有限个正的子系统以及一组切换信号组成。切换正系统既有切换系统复杂的动力学行为特性又具有正系统独特的状态非负特性,因此针对此类系统相关控制问题的研究也相对棘手。切换正系统在控制领域应用广泛,并与经济、生物、通信等众多实际生活领域密切相关,因而引起了学者们的极大关注。实际工程应用中,系统短时间内的动态行为变化至关重要,很多系统满足无限时间区间的稳定性能却不能满足短时间区间内的性能指标。典型
随着社会的快速发展,人们的生活水平逐渐提高。但是与此同时,人们不规律的生活方式也使得更多疾病的发生,肿瘤甚至也变成了一种常见的疾病。脑肿瘤是常见的恶性肿瘤之一,其致死率较高,目前只有通过手术或放疗来治疗。因此,脑肿瘤的早期诊断对于改善患者的病情至关重要。核磁共振成像（Magnetic Resonance Imaging,MRI）可以帮助医生观察到病人大脑内部的情况,迅速地确定病灶区域。但是脑肿瘤具
受传输介质、周围环境以及人为因素的影响,控制信号在传输过程中难免会出现时延.时延的出现严重影响系统的控制品质,甚至稳定性.要对时延系统实行有效控制,就必须获得系统的参数.因此研究时延系统的参数辨识方法具有重要理论意义和应用前景.本文以线性连续时间时延系统为研究对象,基于系统正弦响应的观测数据,研究其参数辨识方法,主要内容如下:1.对于线性系统,其正弦响应是一个与输入同频率的含迟延相位的正弦信号,即
多智能体系统的分布式协同控制近年来逐渐受到众多研究者的关注,在这个研究领域中,多智能体系统的安全性问题也逐渐成为了热门的新兴研究方向之一。在实际应用中,智能体之间的局部信息交换往往受到恶意攻击的影响。重放攻击是计算机黑客常用的攻击方式之一,其隐匿性往往对系统造成巨大的危害。由于无法预料攻击会发生在何时何地,因此必须提供有复原力的解决办法以削弱攻击带来的危害,确保多智能体系统在受到恶意攻击的情况下完
工业无线传感器网络（Industrial Wireless Sensor Networks,IWSN）在工业监控中起着重要作用,但IWSN通常位于人工干预少的环境中,且无线电传播的广播性质导致IWSN比有线传感器网络更容易受到窃听攻击。物理层安全性正在成为一种有希望的安全通信范式,利用无线信道内在的时变性、互易性和差异性等特性,其实质为减少窃听者获得的合法信息同时最大化合法节点之间的安全通信速率,
模型预测控制（Model predictive control,MPC）在处理复杂约束、多变量系统的控制问题时表现出了巨大的潜力,已经在众多工业领域中获得了成功的应用,并逐渐成为现代工业环境中最常见的优化控制策略之一。传统的模型预测控制方法采用周期滚动优化的模式,并且优化控制问题通常较为复杂,使得在线计算量较大,限制了其在实际控制系统里的应用范围。尤其是当需要控制的系统通信和计算资源受限时,更加难
目前,在日益提升的计算力与海量的标注数据的推动下,以深度学习为代表的人工智能实现快速的发展,但在其高准确率的背后也存在着通用智能水平弱,计算力依赖度高等局限性。以第三代人工神经网络-脉冲神经网络（Spike neuron network,SNN）为代表的类脑计算借鉴了大脑的高效率和低能耗的计算特点,被认为是有望解决人工智能问题的重要途径。由于SNN的快速乃至实时的仿真需求以及明显的分布式计算特征,
人类大脑智能水平高、功耗低,其计算模式非常值得借鉴。类脑计算通过模仿生物大脑的运行机制来实现信息处理,它主要以脉冲神经网络（SNN,Spiking Neural Networks）为基础,实现方式主要分为硬件实现和软件实现两种。硬件实现方法普遍采用专用类脑计算芯片与系统来实现脉冲神经网络。该种方法可以提供更佳的能效指标,但代价高、适应性差,当其与应用负载不匹配时,计算能效表现往往会大打折扣。软件实
随着工业设计的不断创新,工业设备与人的数字化进程正在迅速加快。工业信息物理系统（Industrial-Cyber-Physical-System,ICPS）通过无线网络结合信息系统和物理设备,实现工业智能化计算、通信和控制。但是ICPS通信网络的脆弱性使得系统容易受到数据注入攻击的破坏,造成工业设备故障,系统运行性能显著下降,甚至系统崩溃。ICPS在极端工业环境下计算、电池设备等通信资源是有限的,
智能设备的兴起,基于位置的服务的社会和商业需求显著增加。在室外环境中长期以来使用GNSS进行导航或确定准确的位置信息。由于GNSS信号无法穿透建筑物以及复杂的室内环境,GNSS无法在室内环境中提供可靠的基于位置的服务。MEMS传感器在智能手机中的部署为行业和学术界带来了新的机遇和挑战。室内环境中基于位置的服务的需求和潜力迫使研究人员研究更可靠、准确、低成本的室内定位方法。基于智能手机的室内定位技术