在强电磁干扰环境中实现可靠的无线数据传输

来源 :计算机测量与控制 | 被引量 : 0次 | 上传用户:afanti76
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
无线数据传输已经广泛应用于各类数据采集和监控系统中,在实际应用中最常见的问题是如何实现可靠的数据传输,尤其是在恶劣的现场环境中;铝电解车间有很强的电磁干扰,对数据传输影响很大;在多次反复现场试验的基础上,系统采用数字滤波消除干扰信号、增加硬件看门狗恢复单片机运行、对需要发送的数据打包传输、在数据包中增加数据校验、采用冗余数据传输等方法,在有强电磁干扰的铝电解车间中实现了无线数据的可靠传输;在实际应用中取得了很好的效果。
其他文献
为了降低传统协同过滤算法的推荐成本,并解决该算法评分信息单一的问题,提出了一种基于协同过滤的三支粒推荐算法。该算法在传统协同过滤的基础上,考虑项目特征对用户评分的
为提高城市道路建设时序决策的鲁棒性,提出了城市道路建设时序决策优化的双层规划模型。模型假定出行需求在一定范围内扰动,上层规划是在有限资金的约束下寻求各建设阶段的系
为了加快蝙蝠算法的收敛速度并提高寻优精度,提出一种基于动态自适应权重和柯西变异的蝙蝠优化算法。该算法在速度公式中加入了动态自适应权重,以动态地调整自适应权重的大小
基于压缩感知的K-means Singular Value Decomposition(K-SVD)图像去噪算法具有良好的自适应性和细节恢复能力,但需事先给定稀疏度K。该方法的去噪效果会受到图像稀疏度的影响。另外,训练初始系数时用到的追踪类算法中通过向量内积值的大小评定图像分量间相关度的方法,因存在大值噪声点,容易造成假相关,从而影响去噪效果。提出基于差异系数的稀疏度自适应K-SVD去噪算法,通过
点排序识别聚类结构(Ordering Points to Identify the Clustering Structure,OPTICS)的密度聚类算法能以可视化的方式导出数据集的内在聚类结构,并且可以通过簇排序提取基本的
计算量较大的应用程序由于需要大量的能耗,因此在电池容量有限的移动设备上运行时十分受限。云计算迁移技术是保证此类应用程序在资源有限的设备上运行的主流方法。针对无线
针对模式匹配的准确性和灵活性问题,提出了一种基于弱通配符的匹配算法,以快速定位重要的时间点,辅助用户决策。首先通过数据预处理得到编码字符串序列,然后定义具有特殊语义
车辆导航系统正由静态导航向动态导航过渡;通过分析静态导航系统存在的不足和动态路径导航系统的发展特点,针对大城市复杂交通状况,设计了基于FM通信的动态车辆导航系统框架;确定
针对某多型导弹测试设备计量检定工作的急需和现场开展计量工作的困难,开发了一套自动化测试程度高、可携行机动的综合计量系统;该系统采用虚拟仪器设计思想,在IEEE488.2标准的基
传统的机器学习方法通过构造特征来学习分类器,面对嵌入大量反检测功能的恶意软件不具有鲁棒性。攻击者通过打乱恶意软件代码或插入无关代码来逃避检测。针对互联网环境下恶