【摘 要】
：
在无线传感器网络（Wireless Sensor Network,WSN）中,功率控制和覆盖优化问题至关重要,但是传统WSN在根据局部信息对功率和覆盖问题进行优化时无法达到全局最优。软件定义网络（Software Defined Network,SDN）的出现为WSN的发展提供了新思路,目前已有学者将SDN架构引入到WSN中,提出了软件定义无线传感器网络（Software Defined Wire
论文部分内容阅读
在无线传感器网络（Wireless Sensor Network,WSN）中,功率控制和覆盖优化问题至关重要,但是传统WSN在根据局部信息对功率和覆盖问题进行优化时无法达到全局最优。软件定义网络（Software Defined Network,SDN）的出现为WSN的发展提供了新思路,目前已有学者将SDN架构引入到WSN中,提出了软件定义无线传感器网络（Software Defined Wireless Sensor Network,SDWSN）。在SDWSN中,控制层与数据层分离,控制器具有网络的全局视图,能够对全网节点的功率、流量分配等方面进行灵活控制,使网络状态达到全局最优。本文在现有的SDWSN架构下进行了改进,并基于改进后的SDWSN架构对功率控制和覆盖问题进行了研究,打破了传统WSN架构在全局优化方面的局限性,主要内容如下:1、为了调节传感器节点的发射功率,在保证网络连通性和覆盖度的基础上减少数据冗余和通信干扰,降低网络能耗,提出一种SDWSN中基于非合作博弈的功率控制算法（SDWSN-PC）,将整个传感器网络抽象为一个无向图,各节点作为参与者进行博弈,博弈过程在控制器中进行。SDWSN架构下的控制器具有全局视图,能够基于全局信息综合考虑节点的剩余能量、发射功率、路径跳数等,在保证网络连通性和覆盖度的前提下,为每个节点找到最合适的发射功率,从而节省整体网络能耗。仿真结果表明,SDWSN-PC算法与其他基于博弈论功率控制算法相比,各节点能耗更加均衡,延长了网络生命周期。2、针对因节点能量耗尽或外界因素造成节点失效并出现覆盖空洞的问题,提出一种基于SDN的WSN覆盖空洞修复算法（SDWSN-CHR）,能够修复空洞、保证网络的感知性能。首先,在SDWSN架构下,将数据平面每个簇内的监测区域划分为大小相等的单元格,基于二元感知模型来检测单元格的覆盖情况。然后,为提高覆盖空洞修复效率,采用睡眠调度和移动节点修复相结合的方式修复覆盖空洞。先寻找能覆盖到空洞区域的睡眠节点,将其唤醒,然后更新空洞信息,通过移动节点周期性移动的方式,来保证更新后空洞信息的收集。利用线性规划算法规划移动节点的移动路径,在保证覆盖率的前提下使节点移动的距离之和最小。移动节点根据生成的移动路径,按顺序依次访问路径中的目标位置,实现数据收集。仿真结果表明,SDWSN-CHR算法与其它无线传感器网络覆盖空洞修复算法相比,算法复杂度更低,所需时间更短。并且由于软件定义架构的管理灵活性,SDWSN-CHR算法能够适应覆盖空洞的动态变化,实时调整移动节点的移动路线。图[13]表[4]参[25]
其他文献
采煤沉陷水域水资源是研究沉陷水域环境和生态治理的关键要素之一,是矿区水生态治理的重要数据,沉陷水域水资源的快速勘测对水文、水资源经济和生态等领域具有重要意义。传统的船载声呐水资源勘测技术在浅水区域勘测效率低,工作量大,成本高。遥感水资源反演技术具有时效高,成本低等特点,是目前主要的水资源勘测补充技术。本文针对采煤沉陷水域水资源勘测技术展开研究,主要研究遥感水资源反演技术的适用性,利用Sentine
在项目建设前，相关人员需要根据《环境影响评价分类管理名录》，做好环境影响评价报告编制的相关工作；项目建设后，需根据环评批复进行环保工程建设，并使各项工作满足相关要求。各项环境项目都需要得到批准并满足所有环境指标的要求。基于此，本文对环境影响评价与环境工程的实践研究进行深入地分析与探究。
图像去噪是图像处理的一个关键步骤,一直是学者们研究的重点。图像去噪解决的问题是如何在保留图像真实信号的情况下更好的消除图像中的噪声信息。近些年,小波阈值和非局部均值去噪算法因其优异的去噪性能吸引了许多关注。因此以这两种方法为研究对象,本文的研究包含以下内容:（1）提出一种CALE阈值函数的小波去噪算法。首先提出了一种新阈值,新阈值会随着分解层数的变化选取更符合噪声系数的阈值,接着提出了一个连续型低
事件是人类存储记忆和进行逻辑思维活动的基本知识单元,其相关研究在哲学、语言学、人工智能等相关学术领域愈发受到重视。面向事件研究可以为知识图谱、事件分析、搜索引擎、推荐系统等专业研究和具体应用提供支撑和服务。本文对面向事件研究中事件要素识别和事件关系分类两个方向进行了研究,并针对以往研究存在和研究过程发现的一些问题,提出了解决方法,具体包括:（1）基于双维注意力和动态目标模型的事件要素识别研究。针对
业务流程预测是业务流程管理中对记录流程的事件日志进行分析并预测正在执行的业务流程,近年来深度学习在业务流程预测中越来越多的被应用,主流的方法是将流程看作自然语言处理中的序列,利用循环神经网络RNN和LSTM学习类似单词序列的语义,从而获取流程的语义。这些方法受限于RNN类神经网络的缺点且未能很好的利用流程中活动与活动之间的行为关系以及流程的图特征,所以本文提出基于深度学习的流程感知业务流程预测方法
现如今,信息技术的发展日新月异,海量的数据不断涌现在模式识别、机器学习等领域。这些原始数据由于更新速度快,维数高、结构复杂以及冗余信息多等特性,导致其存储困难、数据计算量大等一系列问题。目前,维数约简是解决这些问题的有效方法之一。维数约简不仅能够降低原始高维数据的维数,使数据易于存储,还能够发现隐藏在高维数据中的内在规律与联系。局部保持投影是维数约简方法中的典型代表,在降维的过程中能够很好地保留原
土壤是由气候、母质、生物、地形、时间等自然因素共同作用的产物,是人类生活和动植物生长的重要基础资源,对人们的生产生活至关重要。而随着自然因素与人为活动的影响,土壤属性具有复杂的空间异质性和非平稳性。土壤p H是土壤质量的重要指标之一,研究土壤p H的时空分布特征及其影响因素,对于土壤质量管理、土壤养分持续利用具有重要意义。本文以安徽省为研究对象,利用全国第二次土壤普查数据（1980s）和《中国土系
推荐算法是利用用户的一系列行为,并通过相关算法,推荐出用户可能喜欢的产品。它已逐渐深入到社会生活的潮流中,人们熟悉的抖音、淘宝、豆瓣、网易云,美团等应用软件就是基于推荐算法开发的。实际上,传统的推荐算法难以满足日益增加数据和用户需求,且存在着数据稀疏、冷启动、兴趣偏移、特征工程等问题,导致推荐的效果不佳,具有很大的局限性。本文主要针对传统算法中的数据稀疏和兴趣偏移问题提出解决方法,并利用深度学习技
区块链技术是近年来最具变革性的技术,其去中心化、不可篡改和可追溯的特性引起许多国家和企业的关注。共识算法是区块链技术的核心,它决定着区块链系统的账本一致性和系统性能。实用拜占庭容错（PBFT）算法是当前联盟链中应用最广泛的共识算法。然而,目前无论是PBFT算法还是基于PBFT改进的其他共识算法,都只能串行的共识区块,共识效率低下。针对上述问题,本文研究基于并行出块的拜占庭容错共识算法,主要工作如下