【摘 要】
：
为降低移动物联网部署过程中存在的数据融合性能不强、网络能耗难以控制的不足,提出了一种基于凝聚机制的移动物联网数据融合算法。首先,针对移动物联网路由抖动现象,设计了基于凝聚机制的数据融合爬取方法,将具有相似特性的数据进行融合传输,从而提高数据融合质量。其次,针对路径转折所导致的传输波动问题,设计了基于偏转方法的骨干传输路径修正机制,通过动态调整下一跳节点来增强网络对链路抖动的适应,强化动态链路对传输
【基金项目】
：
荆门市科技局科研项目(2019YDKY078)资助。
论文部分内容阅读
为降低移动物联网部署过程中存在的数据融合性能不强、网络能耗难以控制的不足,提出了一种基于凝聚机制的移动物联网数据融合算法。首先,针对移动物联网路由抖动现象,设计了基于凝聚机制的数据融合爬取方法,将具有相似特性的数据进行融合传输,从而提高数据融合质量。其次,针对路径转折所导致的传输波动问题,设计了基于偏转方法的骨干传输路径修正机制,通过动态调整下一跳节点来增强网络对链路抖动的适应,强化动态链路对传输数据的控制强度。随后,算法依据路径筛选凝聚因子,选取具有较高凝聚因子的节点作为下一跳节点,从而提高网络对
其他文献
分布式光伏发电自发自用可避免谐波逆向馈入电网造成供电质量下降及其带来的监管困难。设计了光伏逆变器通过交流单向隔离电路与市电联合对负载供电的并线不并网防逆流方案。光伏直流输入经市电正弦波包进行SPWM同步调制及DC-AC同步逆变,既防止了逆变输出逆流进入电网产生干扰的可能性,也避免了并网对技术要求苛刻带来的系统复杂性以及入网监控的管理成本。实验测试结果表明,系统运行稳定,峰值效率为91.2%,是一种既节能又经济的光伏应用方案。
以福建平潭综合实验区龙兴岭隧道为工程背景,在FLAC3D数值平台上采用全断面法、上下台阶法及单侧壁导坑法对大断面隧道的开挖与支护全过程展开精细化数值模拟,重点关注隧道拱顶与拱肩在不同开挖工法下的位移释放演变规律。数值模拟结果表明,分部开挖工况下,开挖区域的位移释放受到未开挖区域约束;对于隧道拱顶测点,单侧壁导坑开挖引起的位移释放率最大,而上下台阶开挖引起的位移释放率较小。针对不同分部位移释放相互受限的现象,以全断面开挖法的位移释放率为基准,定义位移“欠释放/过释放”,指出位移释放演化规律与监测点所在位置及
智能设备安全功能的减弱或缺失导致用户信息容易被攻击者非法窃取。针对传统的集中式IT安全措施在可扩展性和成本方面存在的局限性问题,设计了一种基于网络功能虚拟化(NFV)的边缘流量分析方法,该方法引入一种新的基于Docker的轻量级架构用于网络功能虚拟化,每一个网络功能都可以从云中获取并立即部署在IoT网关上。并通过特征提取、多数投票类型检测的方法,对3种模型中给定的数据点进行异常检测。实验结果表明基
针对超宽带(UWB)技术在AGV室内定位方面数据传输受多径效应干扰大且非视距影响严重、传统测距算法测量得出的结果无法避免算法运行和硬件响应时间带来的误差等问题,提出一种基于神经网络预测的双边定位算法。首先在单边双向测距模型的基础上引入双边双向测距模型,其次采集非视距条件下的测距误差序列,并输入反向传输神经网络预测模型中,得到定位标签的误差改正值,最后引入回归方程系数和中位值滤波算法对改正值进行修正
针对传统桥梁结构损伤诊断方法在时间联合序列信号特征提取及损伤识别方面不理想的问题,提出一种基于联合卷积神经网络(convolutional neural network, CNN)和长短时记忆神经网络(long short-term memory, LSTM)模型的桥梁结构损伤诊断方法,通过CNN对动挠度、动应变进行传感器拓扑相关特征提取后,再利用LSTM网络进一步提取时间维度相关性特征,实现了健康、损伤预警、一级损伤和二级损伤4种特定工况下桥梁损伤的识别。实验结果表明,该方法对桥梁结构损伤的诊断准确率高
为了改善传统的波纹补偿器故障诊断方式,实现远程且实时监测波纹补偿器的故障情况,设计了一种基于移动终端的波纹补偿器故障诊断系统.系统选用传感器、采集卡等硬件完成对温度、振动信号的采集以及模拟信号到数字信号的转变,使用工控机内的LabVIEW软件完成数据的分析与处理,存储数据并提取故障特征参数;等待系统平稳运行后,通过上传程序将数据上传至服务器,然后移动终端接入服务器下载数据并显示故障特征参数.实验结果表明,系统能够对波纹补偿器的工作状况实现远程且实时的故障诊断,有效避免由于波纹补偿器损坏造成的安全事故,极大
某异形拱桥在服役期间拱肋、吊杆、桥台及桥墩等部位出现不同程度病害,对结构安全造成一定影响。文中对这些病害进行分析说明,同时借助空间有限元软件建模分析评价其承载能力,证明该桥在该阶段达到公路-Ⅱ级荷载的要求,但安全储备不足;通过对比分析多种吊杆更换方法选出最合适的方法,并阐述吊杆更换方案和监控方案。
针对DeeplabV3+网络模型在服饰图像分割研究中存在上下文信息利用不充分、目标边界处理粗糙,难以满足生产生活中的真实需求等问题,提出并实现了一种融合多注意力机制的DeeplabV3+服饰分割的算法。该方法以DeeplabV3+网络为基础,使用特征金字塔替代空间金字塔,结合注意机制融合图像相邻尺度下的上下文信息,为服饰图像分割提供更多的空间注意力信息。为验证本算法的效果,在Human Parsi
针对传统卡尔曼滤波算法难以解决非线性非高斯系统目标跟踪的问题,采用重要性重采样方法对粒子滤波算法进行改进,给出了从高维概率密度函数中抽取粒子的详细方案,建立了一维强非线性UNGM模型以及非高斯机动目标模型,使用改进的滤波算法在非线性以及非高斯模型下进行了仿真研究,并与4种非线性滤波算法的性能进行了比较分析。实验结果表明,改进的粒子滤波算法在估计度和滤波稳定性方面具有明显优势,并且可以很好地处理非高斯条件下机动目标的跟踪问题。
针对非正交多址接入(non-orthogonal multiple access, NOMA)协作的全双工-设备间(full-duplex-device to device, FD-D2D)通信系统,提出基于信干比的最佳转发节点的选举算法(SBFS)。先计算D2D数据源端(D2D-S)的信干比(SINR),再从可用的FD-D2D通信对中选择具有最大SINR的D2D-S节点分享蜂窝频谱,作为蜂窝用户与基站间的转发节点,进而提高蜂窝传输效率。同时,D2D-S端采用自干扰抑制技术消除自干扰,并采用功率分割策略分