基于粒子收敛机制的WSN覆盖算法

来源 :宁夏师范学院学报 | 被引量 : 0次 | 上传用户:cbl1212
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
为解决无线传感网运行过程中存在的覆盖冗余和覆盖空洞等问题,提出了一种基于粒子收敛机制的无线传感网技术覆盖算法.首先,采用预设机制,在网络中预部署若干具有覆盖能力的动态锚节点,设计了基于均衡锚预设机制的收敛覆盖方法,以提高锚节点的覆盖精度和布撒均衡性,根据锚节点定位偏移构建收敛覆盖函数,将聚集的锚节点予以位移处理,以增强锚节点的覆盖效果,提高网络初始化过程中的覆盖能力.然后,结合锚节点坐标及通信距离等参数,设计了基于惯性权重调节机制的节点乖离方法,利用惯性权重对锚节点进行乖离处理,并使用遍历方案对锚节点逐个进行校正处理,从而提高了节点的乖离程度,覆盖均衡效果优越.仿真实验表明,与当前常用的基于拓扑优化覆盖策略的无线传感网技术覆盖算法和基于能量平衡和参数受控机制的WSN覆盖算法相比,所提算法具有网络覆盖率较高及网络生存时间较长的特点.
其他文献
在Hessian矩阵正定的情况下,利用线性插值方法构造一条多割线折线,证明了多割线折线路径的合理性,并提出了一种求解信赖域子问题的多割线折线算法.通过与切线单折线和分段切线算法的数值实验做比较,表明新算法是有效且可行的.
引入了Hilbert K_模上酉群的同态映射、换位、广义完全游荡向量和广义(正规紧)框架向量等概念,研究了其性质,得到了广义框架变换、正交投影和换位之间的关系.
为了寻找适合一株高大环柄菇菌丝生长的营养因子和环境因子,采用单因素分析不同碳源、氮源、无机盐、生长因子、pH值和温度对该菌株生长的影响,通过四因素三水平正交试验分析最佳培养组合.单因素分析表明该菌株的最适碳源为蔗糖、氮源为酵母浸粉、无机盐为碳酸钙、生长因子为维生素B2、p H值为6.5、温度为25℃.正交试验表明4个因素对高大环柄菇菌丝影响的大小顺序为氮源>pH>无机盐>碳源,综合考虑,确定了4因素的最佳培养组合为蔗糖,酵母浸粉,磷酸二氢钾,pH 6.5.试验结果将为该菌株的驯化和开发提供理论依据.
针对大自由光谱范围的滤波需求,在全通型微环滤波器的基础上耦合三个微环谐振器,设计出一种自由光谱范围加倍的微环滤波器.根据光波导理论,信号流程图理论和梅森公式推导出滤波器输出端的传递函数,在Matlab环境下对滤波器输出光谱进行仿真分析.仿真结果表明,当母子微环滤波器周长成整数倍时,随着比值的增大,自由光谱范围也逐渐增大,当母微环周长为92.4μm,母子微环周长比为L1:L2=6:1时,滤波器输出光谱达到95 nm.
以核桃壳为原料,采用马弗炉热解-H2O2耦合改性方法制备核桃壳活性炭,运用SEM、XRD和FT-IR等技术对活性炭进行表征.考察了改性核桃壳活性炭吸附模拟废水中Pb(Ⅱ)的效果.表征结果显示,热解-H2 O2耦合改性核桃壳活性炭表面形成了丰富的微米级孔隙结构,为无定型碳,含氧基团的种类有所减少.对于pH值为4.5,初始浓度为100 mg/L含Pb(Ⅱ)模拟废水,当吸附剂用量为20.0 g/L,在30℃下吸附80 min,核桃壳活性炭对Pb(Ⅱ)的吸附量达到3.22 mg/g,去除率达64.45%.
凌泰封是清代安徽定远人,为嘉庆二十二年丁丑科(1817)一甲第二名进士,其人颇具文才、著作甚丰,现有《东园诗钞》十二卷留世,其诗歌所含意象丰富,具有较高的研究价值.凌泰封诗歌中的飞鸟意象,对探求凌泰封在不同人生阶段和不同心境下特定的情感和心意,具有重要的意义.
通过壳聚糖和羧甲基纤维素负载苯扎氯铵制备了一种液体创可贴,研究了此液体创可贴的成膜性能、安全性、防水性能和止血性能,结果表明,这种液体创可贴使用方便、易于贴服、价格便宜,透气性、防水性和止血性能都较好,可替代胶布型创可贴为液体创可贴的开发和研究提出了一种新方法.
为了提高无线多跳网络的转发性能及传输稳定性,提出了基于改进人工神经网络的无线多跳网络空洞修复方法.首先采用自适应路由探测协议实现对无线多跳网络传输链路的均衡控制,在构建传输节点分布模型的基础上,分析节点能量开销和传输比特率,从而均衡控制节点能耗.然后根据空洞节点累计分布函数构建链路传输数学模型,在求出最短传输路径的基础上,对空洞数据集实施聚类,从而得到待修复的节点,再根据能量均衡控制实现空洞修复.由仿真结果可知,无线多跳网络的丢包率最低仅为0.76%、覆盖率最高可达到0.8.
为了研究指数灰色模型GM(1,N)和BP神经网络模型预测生猪价格指数,提出了一种基于L2范数的GOWA算子的中国生猪价格GM-BP组合预测模型.通过理论分析和数值实验表明,该组合预测模型是有效的,并且可以提高生猪价格指数的预测精度.
为了提高在线学习资源的压缩存储效率,减少占用云端存储空间,提出基于边缘计算的在线学习资源压缩存储方法.该方法以分布式压缩感知为边缘计算方法,通过构建第一联合稀疏模型JSM-1压缩采集在线学习资源,结合同步正交匹配追踪算法与字典学习算法组成的联合重构算法重构资源,获取稀疏字典原子和测量值,并将其传送至云端服务器,建立云端完备稀疏字典,实现在线学习资源的压缩存储.实验表明,稀疏字典越大且训练学习样本数量越多的资源压缩存储的信噪比越高,资源处理性能越好.用该方法进行压缩在线学习资源后的图片清晰度较高,压缩时间较