面向数据收集的水声传感网络媒体接入控制技术

来源 :浙江大学 | 被引量 : 0次 | 上传用户:zx2353
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
水声传感网络(Underwater Acoustic Sensor Networks,UWASNs)是探索、观测及利用海洋的重要基础设施,媒体接入控制(Medium Access Control,MAC)协议是其中的关键技术之一。MAC协议负责分配信道资源,保证网络节点尽可能合理地共享信道。论文以数据收集为应用场景,研究水声传感网络的MAC协议。针对现有协议存在多应用适应或分区域服务质量(Quality of Service,QoS)要求支持不足与协议自适应调整方法单一的问题,论文提出了一种基于估计与侦听机制的自适应混合MAC协议,通过节点运行不同类型协议满足分区域QoS要求,并利用协议自适应方法提升性能。论文针对不同类型协议的特点,在调度协议中利用时延估计与协议调整机制,自适应地根据信道与负载的变化改变协议参数与交互过程,提高信道利用率与能效;在预约协议中利用被动侦听与拆分传输机制,减少与其它协议的冲突,并充分利用信道空闲时间,降低端到端时延;还设计了一种公平性策略保证不同节点的公平性。仿真结果表明,所提出的MAC协议能够较好地支持多应用适应或分区域QoS要求,具有更好的传输性能。为了进一步提升能效与解决部分协议参数设置问题,论文设计了一种MAC协议跨层设计与通信决策的方法。在所设计MAC协议中,通过跨层设计,协议获取信道状况等信息用于控制物理层发送功率,并采用规则与案例结合的通信决策方法,追踪外部环境变化,减少决策误差,提升能效。仿真结果表明,论文设计的决策系统能够以较低的复杂度实现较高的决策准确度,通信消耗也较低。通过实验室试验与海上试验,进一步验证论文提出的MAC协议与决策系统的性能。在实验室试验中,通过在资源受限的嵌入式系统上实现MAC协议与决策系统,比较验证了论文设计与实现的可部署性、有效性。在海上试验中,通过在实际环境中部署论文所设计MAC协议的调度协议,验证了所设计的调度协议部分有较好的传输性能,验证了设计机制的有效性,符合设计预期。论文研究水声传感网络的MAC协议,取得的技术研究与工程实现成果,对面向数据收集的水声传感网络任务具有重要的应用价值。
其他文献
随着移动设备应用程序的日益复杂和处理器功耗密度的不断增加,功耗和热问题已经成为了智能移动端的处理器设计中的主要问题。动态调频调压技术(Dynamic Voltage and Frequency scaling,以下简称DVFS)是现代处理器中最常用最有效的系统级电源管理方法之一。但目前智能移动设备操作系统中的DVFS策略考虑的因素较为单一,大部分只考虑处理器当前的负载,这很难实现高效全面的电源管理
随着5G技术的逐步普及以及6G技术的深入研究,越来越多的高速移动场景开始对移动网络提出了更高的要求,即通信链路既需要满足低误码的高通信质量,又需要满足高速率的高通信效率。对此,自适应链路相关的技术逐渐成为研究者们日益关注的研究热点。然而,高速移动场景下的信道与低速信道有着很大的不同,信道各项参数在短时间内快速变化,传统的信道估计难以以低代价实现对快变信道的准确跟踪。而自适应链路技术的重要基础之一就
人脸关键点检测是计算机视觉领域一个很重要的课题,诸多人脸分析任务都依赖于精确的人脸关键点定位,比如表情识别、头部姿态估计、人脸合成等。随着近年来深度学习的发展,人脸关键点检测已经取得了极大的进展,但是在无约束环境下,由于姿态、遮挡等挑战的存在,人脸关键点检测依旧是个难题。目前基于深度学习的人脸关键点检测算法可以进一步细分为两类:一类基于坐标回归,由神经网络实现从图像到数值坐标的直接映射;一类是基于
[db:内容简介]
[db:内容简介]
[db:内容简介]
近年来,人工智能特别是深度学习技术在模式识别、场景感知和任务决策等方面取得了突出的效果和成绩。与此同时,边缘计算和设备如嵌入式终端等的发展也带来了更高的数据处理和计算需求。深度神经网络出色的数据特征提取和分析能力在边缘计算场景有着广泛的应用前景。然而,深度神经网络的复杂度严重限制了其在资源有限的边缘计算场景下的部署和应用。因此,如何有效地降低深度神经网络的复杂度是本研究的重点问题。首先,本研究从深
随着我国技术的发展以及医疗保障体系的完善,基于人工智能和大数据的临床决策支持系统逐渐成为满足人民健康需求的重要工具。本文基于合作单位浙江省立同德医院的实际需求,围绕慢性肾脏病的预测和药物不良反应识别展开研究。第一项研究从浙江省立同德医院收集了2213名病人的电子医疗记录,其中639名病人发展为慢性肾脏病。然后,本研究提出MD-BERT-LGBM方法建立预测模型,并与现有的其它机器学习方法进行比较。
智能卡设备作为一种保障用户信息安全的产品,其内部实现的密码算法都是满足理论安全要求的商用密码算法,如DES,AES,RSA等,以确保恶意攻击者无法获取内部的关键信息。这些密码算法都是经过了一系列理论验证和筛选,以及传统密码分析方法实际攻击后被证明安全的算法。但是,这些密码算法实现在具体的物理设备上时,设备运行过程中的泄漏信息提供了关于设备中关键信息的先验知识,使得攻击者能够通过旁路攻击这种手段恢复
电弧故障已逐渐成为住宅建筑电气火灾事故的主要成因之一。由于电弧故障拥有因其复杂、随机和不确定等特性,传统的空气开关断路器无法及时响应切断电源并因此失效。针对这种情况,本文对电弧故障特征进行了初步分析。提出了基于时间片的电弧故障特征检测算法,结合该算法和离散小波变换(Mallat算法),实现了一个数字硬件检测电路。该电路与高速ADC一起协同工作,对电弧故障信号进行分析和计算,克服了传统MCU软件实现