灾异条件下结构健康监测传输系统的资源分配研究

来源 :重庆交通大学 | 被引量 : 0次 | 上传用户:renx2000
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
现有的结构健康监测系统的特点是低功耗、低速率和不考虑数据传输的实时性。在各种灾异条件(比如海啸、飓风、地震、剧烈撞击等)下,结构设施会在短时间内发生巨大的变化,这时会产生海量的监测数据。现有的结构健康检测系统难以满足灾异条件下海量监测数据的实时传输要求。因此论文设计了适合灾异条件下结构健康监测数据传输系统,该系统具有实时性强、可靠性高和大容量数据通信等特点。无线传感器网络具有很高的鲁棒性、准确性、灵活性等特点,所以本文采用基于分簇的多信道无线传感器网络作为灾异条件下海量结构监测的数据传输系统。针对灾异条件下结构健康监测海量数据实时传输的要求,本文对多信道无线传感器网络传输系统进行的研究工作如下:(1)文章讨论了基于分簇的多信道无线传感器网络结构健康监测系统模型。概述了系统模型中使用的无线技术、以及需要研究的问题。(2)结构健康监测系统部署的大量感器节点在灾异情况下会产生不同类型的海量数据,它们对结构评估有不同的作用和目的,因此系统中数据调度必须满足优先级和公平性。本文提出了一种基于优先级和公平性的数据调度算法,根据各种数据的重要程度、已调度的数据量、等待调度的数据量,计算出各类数据的调度优先级,然后选择调度优先级最大的数据进行调度,每轮调度完成后,再重新计算各类数据调度的优先级。为保证数据的公平性,调度优先级与调度的数据量呈反比,即该类数据量转发的越多,则其优先级越低。论文通过理论分析和仿真实验,证明了该算法适用于灾异条件下结构健康监测系统的海量数据的调度要求。(3)为了能够实时传输海量监测数据,论文提出了一种基于系统吞吐量最大化的联合功率分配和子信道分配算法。该算法首先对数据分配不同的发射功率,然后根据数据的误比特门限值计算数据在不同子信道上每符号比特数,最后选择使得各个数据的每符号比特数之和达到最大的功率和子信道分配组合作为系统吞吐量最大化的功率分配和子信道分配方式,并且根据分配的功率、子信道状态和误比特率门限值计算出数据最大调制进制数。因为最优化方式的求解复杂度太高,所以论文设计了基于数据待发送量和优先级权重的发射功率和子信道分配方法,简化了算法复杂度,实现了算法的局部最优。仿真证明了算法通过对发射功率和子信道分配,提高了系统吞吐量和数据传输效率。
其他文献
在现代生活中,每天都有大量的视频数据不断涌现,人们怎样才能从数量众多、类型多样的视频数据中找出自己所需的视频片段已经成为一个新的问题。但是由于视频数据信息量大,内容复
无线传感器网络是当今物联网的关键技术之一,是一种多跳无线自组织网络,由大量的微型传感器节点所构成。它的主要特点是低功耗、低成本、分布式和自组织,但是网络中的每一个
EDF是1973年由海外学者提出的一个实时调度算法,作为一个经典算法,它出现在很多的实时系统教材中,至今尽管己跨越了数十年的历史,但关于EDF的动态性能方面,仍有许多问题有待
IB方法(InformationBottleneck)通过对数据的压缩来分析其中所蕴含的内在模式,在机器学习、模式识别等众多领域中取得了成功的应用。多变量IB方法(MultivariateInformationBot
随着信息技术的飞速发展,人们对客观事物的认知不断增强,无线传感器网络(Wireless Sensor Network,WSN)作为反映客观世界的媒介逐渐被重视起来。通常,无线传感器网络中节点是大规
随着计算机技术的发展,软件系统的复杂性越来越高,为了能够适应开放动态的网络环境,融合异构的硬件资源以及满足不断变化的用户需求,要求软件系统能够在运行时自主地感知自身
无线传感器网络(Wireless Sensor Network)即由部署在监测区域内的大量传感器节点利用自组织能力构建而成的通信网络。随着信息社会的发展,数据的获取能力在相关领域中的作用
在这个科技高度发达的现代社会,我们每天都会与很多数据打交道,有些我们可以很容易从中获取信息,但是有些大规模的复杂数据,我们很难直观的获取到数据背后影藏的有效信息。于
随着三维模型精度的不断提高,三维模型的数据量在飞速的增长,这无疑对计算机处理与传输三维模型带来了很大的压力。三维模型的简化和多分辨率建模是处理以上问题的一个有效的途
聚类分析在数据挖掘领域中占有重要的一席之地,主要是用来发现数据对象在空间中的分布结构。根据数据对象间的相似度量,聚类算法将数据对象集合分割成若干个簇,在同一个簇中