自适应无线传感器网络室内RSSI估计

针对接收信号强度指示(RSSI)在无线传感器网络室内应用中,难以随环境变化实现自适应准确估计的问题.首先结合无线传感器节点处理能力较低的特点,对卡尔曼滤波算法进行简化,降低算法复杂度;然后设计出适用于室内环境变化特点的环境自适应算法;最后通过2种算法的融合,提出了自适应室内RSSI估计算法(AIRE).仿真和实验结果均表明,与典型的估计算法相比,AIRE在环境变化时可自适应地实现更快、更准确的RSSI估计.AIRE算法复杂度低,能在室内环境中准确估计RSSI值,并可实现环境变化的自适应估计,满足无线传感器网络在室内应用时对RSSI估计的需求.     

基于深度森林算法的分布式WSN入侵检测模型

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合.     

一种基于多维标度的分布式传感器定位算法

基于多维标度算法思想并进行扩展,提出了一种无线传感器网络中的分布式传感器定位算法.具体做法如下:预先定义一种网络拓扑,首先得到成对传感器之间的距离所构成的距离矩阵,然后根据多维标度算法思想来估计传感器的相对位置,最后对相对位置进行坐标平移、旋转和反射,从而得到准确的位置估计.仿真实验表明,提出的该算法不受网络拓扑和复杂地形的限制,需要非常少的锚节点就可以准确地估计无线传感器网络中传感器的位置,并可减小测量误差累积.     

基于高斯混合模型的无线传感器网络定位算法

针对距离误差对定位结果的影响, 提出一种基于高斯混合模型的无线传感器网络定位算法. 该算法将高斯混合模型方法引入到无线传感器网络的定位问题中, 通过高斯混合模型分析找出误差较大的距离信息并将其剔除, 对剩余距离信息使用三边测量定位法进行定位求解, 同时结合加权定位算法进行位置估计. 仿真实验结果表明, 改进算法能提高定位精度, 且定位结果更稳定.     

基于网格的无线传感网传输延迟预测方法研究

针对无线传感器网络传输信道受到介质的多途效应影响而易出现传输时延的问题,提出一种基于网格的无线传感网传输延迟预测方法。构建无线传感网络的信道传输模型,进行无线传感器网络传输信号分析,结合传感器节点的优化部署方法进行节点网格路由设计,根据无线传感器网络信号传输的多径特征进行网格区域部署,实现无线传感网络的信道均衡控制,结合相关性检测方法进行无线传感网传输延迟参量估计,采用最大似然估计方法实现对无线传感网传输延迟的准确估计和预测。仿真结果表明,采用该方法进行无线传感网传输延迟预测的准确性较高,降低了传输延迟失真和误码。     

利用能效和延时的无线传感器网络性能评估方法

为提高无线传感器网络的性能,提出一种基于能效和延时的无线传感器网络性能评估方法.在收集无线传感器网络数据样本基础上采用网络能效和网络延时作网络性能评估指标,并进行归化一化处理,并采用神经网络对数据进行学习,建立无线传感器综合性能评估模型,进行了仿真实验.结果表明:相对于其它评估算法,该方法综合考虑了多个影响无线传感器网络性能的因素,评估结果更加可靠、科学.     

基于传感器信息融合技术的森林火灾报警系统

设计了基于ARM(高级精简指令集机器)嵌入式多传感器信息融合的森林火灾报警系统,该系统主要分为传感器节点、信号传输、总控系统和融合算法4个部分.传感器节点主要由LM-PT100温度、M397666空气湿度和MQ-2烟雾传感器组成;信号传输部分以CC2430为控制芯片,采用ZigBee技术实现无线传感器网络自组网和数据传输;总控系统以嵌入式微处理器2410为硬件平台,结合Linux操作系统和ADS1.2集成开发环境.设计了基于粗糙集、BP神经网络和D-S证据理论相结合的融合算法:粗糙集对数据进行约简,神经网络对约简后的子集进行分类识别,证据理论对每个子集的分类识别结果进行融合决策.运行结果显示:该系统与常规的“望台观测”、“地面巡护”等森林监控方法相比,能以更快的速度和效率预防并扑灭森林火灾.     

基于无线传感器网络的森林防火监测系统设计

介绍了基于无线传感器网络的森林防火监测系统设计方法,包括系统结构,硬件和软件框架.该系统能够实时准确地监测环境温湿度,有效地起到了预防和监测森林火灾的作用.     

基于多目标规划的WSN矩阵乘路由算法

针对无线传感器网络路由中的能量消耗问题,综合考虑节点的能量水平和节点闻传送数据的能耗,建立多目标规划的路由模型,并利用矩阵和向量的乘法运算表示无线传感器网络中的路由问题.应用基于优化满意度的评价方法,将多目标路由问题转换为单目标优化问题,并提出一个适合无线传感器网络的矩阵乘路由算法.仿真结果表明,该算法能台理地利用有限...     

无线传感器网络中基于空间相关性的分布式压缩感知

提出了无线传感器网络中基于空间相关性的分布式压缩感知模型和分布式压缩感知算法,利用无线传感器网络节点间感知数据的空间相关性和联合稀疏模型,结合分布式压缩感知编解码算法,以能量有效的方式对无线传感器网络的感知数据进行压缩、重构.最后,通过仿真分析了分布式压缩感知重构误差和压缩比之间的关系,以及分布式压缩感知在能量有效性方面的性能,仿真结果表明分布式压缩感知以能量有效的方式满足了无线传感器网络中事件估计的精确度要求.     

面向林火监测的无线传感器布局规划模型

针对林火监测无线传感器的特点, 基于遗传算法建立一个传感器规划模型. 该模型在规划过程中通过考虑林区地形、 传感器信号范围和信号穿透力等因素, 根据所使用的传感器个数和覆盖度要求等约束条件终止算法, 其收敛速度和迭代次数可控, 可用于地形变化较大的林区火险监测传感器的布局规划, 用尽可能少的传感器满足对林区的覆盖度要求.     

基于随机森林的城市建筑火灾风险等级评估方法

为实现城市建筑火灾风险智能量化评估,并解决消防资源优化配置问题,本文提出一种基于随机森林算法的城市建筑火灾风险等级评估方法。该方法框架由评估模型构建、火灾风险等级确定、特征重要性分析三部分组成,本文首先基于随机森林算法和城市火灾特征数据建立火灾风险分数评估模型,对火灾风险进行数值化评估;然后结合城市火灾防控实际和风险分数,确定地块建筑的火灾风险等级,并挖掘风险等级与建筑物性质之间的关系;在此基础上通过特征重要性算法FI（Feature Importance）,对火灾风险因子进行分析,挖掘出高影响因子的火灾隐患特征,以指导消防管理人员提高消防检查效率。本文以美国迈尔斯堡的历史火灾数据作为实验数据,建立了该城市的火灾风险评估模型,对城市建筑的火灾风险等级进行了量化分析。在上述成果基础上,本文设计开发了交互式消防热点风险地图,以方便相关人员快速确定地块建筑火灾风险,并据此调整消防检查的策略以及人力物力资源的分配。     

一种基于Unscented卡尔曼滤波的多平台多传感器配准算法

首先给出传感器偏差配准模型，然后将目标的运动模型和传感器偏差组合在同一个状态方程中，利用Unscented卡尔曼滤波（UKF）方法进行状态和偏差联合估计，最后理论分析了配准偏差对状态估计的影响。Monte-Carlo仿真表明，该方法能同时有效地估计目标状态和传感器配准偏差。     

森林火灾多机型救援三维航迹规划

为解决通用航空森林火灾救援时机群调度存在的航迹优化问题，本文提出一种针对多机型的自适应三维改进A*航迹优化算法。目前常用的传统A*算法存在搜索节点多、计算速度慢和受限于二维空间等缺点，本文综合考虑不同救援航空器实际飞行时的性能限制，从三维空间上改进搜索节点；提出考虑救援成本的代价函数，同时采用自适应方法动态调整权重。仿真结果表明，该算法能有效减少航迹规划时间和航迹长度，加快搜寻救援方案的生成速度，有效提高救援机群调度效率，更符合通用航空器实际林火救援飞行。研究成果可为提高通航森林火灾救援效率提供理论依据，具有一定的参考意义。     

可存盲区WSN在森林防火中的覆盖模型研究

无线传感器网络（Wireless Sensor Networks,WSN）在森林防火中的应用已经得到了充分的发展,怎样实现最可靠、最低成本的网络系统是较为关键的问题。文章根据无线传感器网络的完全覆盖模型和森林防火的实际情况,提出了可存盲区的WSN覆盖模型。通过模糊度的设置提高了传感器节点的单位覆盖面积,在相同的监控区域下使用较少的传感器节点覆盖了整个区域,从而大大降低了系统的成本,为系统的可实现性提供了保障。     

基于BP神经网络的森林可燃物负荷量估测

森林可燃物负荷量是决定林火行为的一个重要因子,因此,森林可燃物负荷量估测对于森林防火管理具有重要意义。该文利用BP神经网络方法和多元回归方法对大兴安岭地区落叶松林32块森林样地数据构建森林可燃物负荷量预测模型,用以研究利用林龄、郁闭度、平均高、胸径等林分因子估测该地区森林可燃物负荷量的方法。通过MATLAB软件实现BP神经网络森林可燃物负荷量估测模型;通过SPSS软件建立多元回归森林可燃物负荷量估测模型。BP神经网络森林可燃物负荷量估测模型拟合精度为99.9%、外推精度为65.51%;多元回归可燃物负荷量估测模型拟合精度为68.29%、外推精度为62.1%。通过比较分析,得出结论:利用BP神经网络方法估测森林可燃物负荷量是可行的;BP神经网络模型精度高于多元回归模型;由于训练样本太少,2种模型外推精度低于70%。     

无线传感器网络节点命名算法的研究

针对无线传感器网络节点的命名问题,在分析出现同名现象的数学原理基础上,提出一种以概率理论为基础的命名算法.得出任意两个节点名字相同概率在极小的条件下,网络节点数和名字空间大小两者间的函数关系.并在此基础上,给出当两个无线传感器网络合并时,是否需要对新网络的节点进行重新命名的判别公式.算法的实现满足分布性和高效节能的要求.仿真试验表明,该算法是行之有效的.     

基于WRF模式研究动态风场对林火蔓延预测的影响——以西昌“3·30”森林火灾为例

风场是影响林火蔓延行为最关键的因素之一。许多林火发生在地形复杂多变的山区，会产生复杂的局部风场。为探究动态风场对林火蔓延预测的影响，以“3·30”西昌泸山森林火灾为研究对象，利用WRF(weather research and forecasting)模式模拟动态风场，并与林火蔓延模型耦合。分别将模拟风场和均一风场分别输入林火蔓延模型，基于林火蔓延过程中实际火场范围数据，分析动态风场对林火蔓延模型预测结果的影响。结果表明耦合WRF模式和林火蔓延模型考虑了分辨率更高更高、 且更为准确的局部风场，能够实现对森林火灾蔓延的动态模拟。预测得到的火场范围与均一风场相比与实际范围具有更高的相似度。     

Self-organized criticality of forest fires in China

Self-organized criticality (SOC) of forest fires in China from 1950 to 1989 is studied. The stability, scaleinvariant character of SOC and external effects on SOC of forest fires in China are analyzed in detail. Forest-fire cellular automata model is a typical model for the research of SOC. Based on the traditional forest-fire model, an improved model, in which effects of tree species, meteorological conditions and human efforts on forest fires are considered, is introduced. Actual forest fire data in China are compared with simulation results of the two models. It is shown that forest fire data in China have SOC behavior and simulation results of the improved model accord better with actual forest fire data than those of the traditional model.