【摘 要】
：
无线传感器网络是由一组传感器节点在自组织的组网方式下构成的无线网络,是多种学科领域交叉融合的一项崭新技术。它涉及现代化军事、医疗健康、森林火灾监测和精细农业等诸多领域,具有极其广阔的应用前景。节点定位技术为实现这些应用发挥着重要作用。其中,距离矢量跳（Distance Vector-Hop,DV-Hop）算法作为一种分布式非测距定位算法,为传感器节点基于位置的服务,提供了一种简单、可行且低成本的解
论文部分内容阅读
无线传感器网络是由一组传感器节点在自组织的组网方式下构成的无线网络,是多种学科领域交叉融合的一项崭新技术。它涉及现代化军事、医疗健康、森林火灾监测和精细农业等诸多领域,具有极其广阔的应用前景。节点定位技术为实现这些应用发挥着重要作用。其中,距离矢量跳（Distance Vector-Hop,DV-Hop）算法作为一种分布式非测距定位算法,为传感器节点基于位置的服务,提供了一种简单、可行且低成本的解决方案,引起了各界广泛的关注。本文主要针对DV-Hop定位算法在复杂的网络模型下定位效果较差的问题,提出了相关的改进方案。主要研究内容和工作如下:（1）深度剖析了无线传感器网络及其相关定位技术。首先介绍了无线感器网络的体系结构、关键技术、热门应用及其相关的定位算法。其次,着重研究了DV-Hop定位算法的基本实现原理、误差产生的原因以及现有改进方案。（2）针对DV-Hop定位算法在不规则网络拓扑环境下定位精度较差的问题,本文通过融合最优锚节点和几何约束修正策略,提出了一种改进的最优加权DV-Hop定位算法（Improved Optimal Weighted DV-Hop Localization Algorithm,IOWDV-Hop）。该算法将未知节点到锚节点跳数倒数的四次方作为最优权重函数,加权最小二乘计算未知节点的坐标;同时使用最小误差判别机制,选出最佳锚节点参与定位的计算结果;最后,针对不规则区域边界位置节点定位效果较差的问题,使用几何约束算法矫正异常定位的节点位置。实验结果证明,在C、F、L、H四种不规则网络场景中,本文改进算法较其它现有算法,具有更高的定位精度。（3）针对DV-Hop定位算法测距误差较大,以及标准粒子群优化算法在节点位置估计时容易陷入局部最优的问题。本文提出了一种改进的区域限定混合萤火虫粒子群优化的DV-Hop定位算法（Improved DV-Hop Localization Algorithm for Region-Limited Hybrid Firefly Particle Swarm Optimization,IRHFPSODV-Hop）。该算法在平均跳距测距阶段,采用最小均方加权和误差因子修正的思想优化锚节点间的平均跳距,并使用Min-Max定位算法限制未知节点所在的初始区域。最后,使用混合萤火虫粒子群算法优化未知节点的位置。实验结果证明,在正方形规则区域和O型不规则区域中,本文改进算法环境适用性强,具有较佳的定位效果。
其他文献
理解图像中人-物的语义是人工智能领域的难点,主要任务运用深度学习、强化学习等算法整合序列化的图像特征信息来确定人、物在图像的区域。近年来传统机器学习语义分割技术的发展已能基本满足定位图像中人群,但基于深度学习的语义分割还有待研究。本学位论文以识别图像中各个语义为研究目标,首先设计一种基于注意力机制的语义特征提取方法抽取图像主要内容的多维融合特征,再设计一种边缘信息增强算法减少网络训练时边界信息的丢
全球20%的能源消耗源自建筑能耗,而暖通空调系统产生的能耗占据建筑能耗的50%。由于无法实时准确感知室内人员热感,过冷或过热供给带来大量的能源浪费。基于视觉感知的非接触式人体热不舒适检测,是缓解该问题的方法之一,近年来已成为国内外研究热点。由于个性差异性,现有视觉检测方法的精确度亟待提高。本文从人体姿态检测的角度,对人体热不舒适展开研究,主要工作如下:（1）构建人体热不舒适姿态数据集（PORT:P
网络编码技术可显著提高网络的数据吞吐量,受到了众多学者的广泛重视。但当前网络编码技术将所有数据包看作相等的重要性,并没有考虑数据包的重要性差异,而在一些实际的通信环境中,不同的数据包重要性并不一致,如车联网中安全信息数据包相对于娱乐信息数据包具有更高的重要性等级,视频流中分为基础层和增强层为不同信道传输条件的用户发送不同的数据层。因此,本论文将基于数据包的重要性差异对网络编码技术展开研究,主要工作
随着5G的快速发展和移动设备的激增,传统的移动云计算（Mobile Cloud Computing,MCC）已经无法满足计算密集型任务低时延服务要求,同时移动设备受限于计算能力、电池量而无法带给用户满意的体验感。为了解决上述问题,移动边缘计算（Mobile Edge Computing,MEC）通过将高性能服务器部署在移动用户的附近,将强大的云计算能力转移到网络边缘,用户可就近卸载任务,从而能显著
随着通信技术的不断发展,人机交互,万物互联成为新时代的主题,如何在有限的频谱资源中提供低延迟,低功耗,高频带利用率的技术手段,成为通信研究人员不懈的追求。终端直连技术（Device-to-Device,D2D）运用在蜂窝网中,可以有效降低基站侧流量负载,提高网络容量和频谱利用率;同时,非正交多址（Non-orthogonal Multiple Access,NOMA）在提高频谱利用率的同时,还可以
基于生成对抗网络（Generative Adversarial Network,GAN）的潜在空间语义表达算法研究是当前隐式图像表示的研究热点之一,在数字内容生成方面有着广泛的应用。针对目前图像在潜在空间的逆向映射的准确性不够,使得重构图像和输入图像存在明显特征差异的问题,通过优化潜码的编码器结构、生成器的嵌入优化、以及损失函数的选择等方法,实现了对真实图像的在潜在空间的准确逆映射和基于潜在空间的
随着5G的商用化,物联网也迎来了又一个迅猛发展期。同时物联网不同的应用场景也对网络提出了更高的需求,各种异构设备要求网络承载更多样的协议、更多的业务类型。比如工业物联网中要求更低的时延、更低的丢包、更低的包错误率,同时也要求网络有更大的承载能力,以容纳更多的设备接入。物联网边缘网络异构,终端复杂,接入协议不同,接入网络异构,单一网络链路提供的网络带宽有限,现有网络路由数据转发对数据包内容不敏感,导
当今信息时代,网络信息安全受到世界各国的关注。数字签名作为电子消息的一种签名方法,可以用来鉴别数字信息的完整性和正确性,已经广泛应用于电子商务、电子政务等各类通信场景。经典数字签名中的加密算法一般是基于计算复杂度来实现的,随着计算机科学和量子计算的高速发展,经典数字签名的安全性日益受到威胁。而另一方面,量子数字签名（Quantum Digital Signature,QDS）的安全性建立在量子力学
目前室内监控领域受到了越来越多的关注,身份识别和位置估计技术已经广泛应用于各个领域。但是由于环境复杂性导致现有技术难以得到精确的识别和估计。为解决上述问题,本文开展了基于信道状态信息（CSI）和深度图像的位置估计和身份识别研究,主要工作包括:（1）研究身份识别和位置估计的相关理论和方法。首先介绍了数据测量与预处理方法,然后分别搭建采集CSI数据和深度图像的软硬件平台,为算法性能分析提供坚实理论基础
作为常见的恶性肿瘤之一,前列腺癌（prostate adenocarcinoma,PRAD）已经成为全球范围内日益严重的健康问题,也是癌症相关死亡的主要原因。PRAD的分子异质性导致病人在临床表现、治疗反应和复发情况等方面不尽相同,在临床上难以为病人提供精准的治疗方案。筛选与PRAD预后相关的关键RNA,提供可靠的预后风险评估策略和新的分子分型方法是癌症治疗的重要环节,将有助于识别新的预后生物标志