基于移动Agent的无线传感器网络数据收集方法

在无线传感器网络中,灵活的数据采集是一个很大的研究挑战,因为要在网络本身受到很多限制的条件下支持采集任务的动态重新分配。在此提出将移动Agent应用于无线传感器网络的数据收集任务,并采用蚁群算法计算移动Agent的迁移路径,对于无线传感器网络的数据采集问题,它是一个灵活、健壮、分布式的解决方案。     

具有误差修正和智能接口的DSP测试系统研究

为了解决在测试系统申由于传感器动态特性引起测试数据失真的问题,提出了一种集数据采集、误差修正、数据存储于一体的智能测试方案。介绍了基于白适应神经网络的传感器动态补偿算法。阐述了测试系统的软、硬件实现方案,即以TMS320砣812DDSP为核心控制单元,采用高速模数转换器采集数据,通过动态补偿算法处理数据,采用外扩存储器技术存储数据,通过USB接口读取数据。为验证测试系统的实时修正能力研制了传感器模拟器并运用本系统对其输出的数据进行了采集,调试结果表明,本系统能够准确地采集存储数据同时还能够修正由传感器模拟器引起的动态误差。     

机械手的神经网络直接离散时间自适应控制算法

提出了一种机械手的神经网络直接离散时间自适应控制算法。该算法是神经网络方法和自适应动态滑动模控制方法的集成。自适应动态滑动模控制的作用有两个：其一是在神经网络控制失灵的情形下提供控制系统的全局稳定性；其二是改善系统的跟随性能。整个系统的全局稳定性和跟随误差的收敛性采用李雅普诺夫稳定性理论进行了证明，并得到了一种新颖的神经网络权值调整算法。     

基于PTR8000的无线数据采集系统

介绍了一种以EZ—USBFX2单片机为主控单元,使用PTR8000作为无线数据收发模块的点对多点无线数据采集传输系统的设计与实现。系统中作为主控单元的EZ—USBFX2单片机负责启动,停止远端模块数据采集动作,以及按照点名方式命令远端模块传回数据。该系统是针对桥梁振动测试而设计的,按照后期数据分析需要,要求各远端模块实时采集的数据相位一致。文章重点讨论了一种实际可用的满足以上要求的非高速数据传输点对多点无线动态数据采集传输协议,给出了实现方法。     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。     

串联集装箱动态单箱称重系统研究

提出了一种基于串联式集装箱的动态单箱称重系统的设计方法.首先,介绍了该系统的硬件组成结构,构建了动态称重系统的模型;其次,采用RBF神经网络对系统模型进行了仿真,并建立了重心偏移自适应修正算法;最后,以Visual Studio 2010为开发环境研发了一套动态单箱称重软件,该软件操作简单、实用性强,提高了集装箱动态称重效率.整个系统实现了模型构建、数据采集、算法仿真、数据存储、查询和打印等功能,并且称重误差率控制在3％以内,有较好的商业应用前景.     

无线设备状态监测系统在钢铁厂的应用

设计了一种无线传输的工业设备状态监测预警系统,该系统采用低功耗ATMEGE88单片机和CYRF6936无线数据收发模块实现设备点检、数据采集和远距离无线传输;应用无线设备标识牌实现设备编码与测试点编号灵活配置,以实现设备运行状态实时在线/离线监控.     

一种基于粗糙集和遗传神经网络的数据分类器模型

为了实现对无线传感器网络监测得到的高维冗余且不确定的数据进行分类识别,提出一种由遗传算法和粗糙集进行优化的BP神经网络数据分类器模型,并形成了数据挖掘分类算法。该模型通过粗糙集理论的属性约简算法删除训练样本的冗余属性,利用遗传算法对神经网络的权值和阈值进行优化,并进行神经网络学习。数据挖掘分类算法学习速度快,能够有效提高无线传感器网络中数据的分类效率。     

基于神经网络集成的P2P流量识别研究

提出一种新的基于神经网络集成的P2P流量识别方法,利用CFS特征选择算法提取P2P流量特征,使用动态加权集成方法将6个神经网络集成应用于P2P流量识别.通过在实际网络流数据集上与单一BP神经网络、决策树、朴素贝叶斯和支持向量机算法的对比实验,结果表明该方法具有较高的P2P流量识别准确率和稳定性.     

节能型无线传感器网络在森林环境监测中的应用

根据森林环境监测数据变化率相对较慢、数据冗余度较高,监测期间突发事件(如降雨、火灾)又有快速突变等特点,结合无线传感器网络在森林环境监测中的试验,从系统架设、传感器采样周期、基于系统休眠的自适应网络路由算法等方面分析了长期有效采集环境数据的系统结构,实时捕捉环境因子变化的方法;研究了网络节能、延长系统生命周期的方法;提出了采用变周期自适应采样法解决长期休眠丢失有效信息的方法,设计出一种结合系统休眠和分簇算法的自适应动态路由(SDRP)。系统实测结果表明,与常规森林资源与环境监测技术相比,节能型无线传感器网络不仅在时间和空间上提高了环境数据采集深度,同时提升了系统对环境因子变化的响应速度。此外,采用结合系统休眠的变周期采样技术以及针对系统节能的自适应动态路由都可有效降低系统能耗,维持系统工作的稳定性与数据的可靠性,适合森林环境监测。     

基于ARM工控主板的环境数据采集及无线传输系统

在传统的数据采集装置中,单片机加采集卡方式存在采集通道少、单任务及实时性差等不足;工控机加装采集卡的方式费用较高且不宜维护。由于ARM芯片体积小、价格低、可靠性高,成为当前嵌入式数据采集装置的首选。选用ARM8006工控主板,设计开发了多通道实时数据采集监控系统,开发的设备能够保证采集过程中数据的可靠性及实时性,并可将现场采集数据通过无线网络传输到上位机,整个系统实现了数据采集、显示、存储及无线传输等功能。     

基于Zigbee的数话同传技术研究

设计实现基于JN5139模块的全双工VoIP语音与数据同传终端,解决了缓冲区不足造成的声音断续问题.将其应用于多媒体无线传感器网络中,在Cluster+AODVjr的路由算法基础上,提出基于数据类型的路由策略,避免RREQ分组大量洪泛,并均衡节点能量消耗.借助E-model方法对语音质量进行评价,最远语音传输距离达150m,最高数据丢包率在8%以下.     

无线传感网络模糊冗余度混合通信算法研究

混合通信算法在无线传感网络的信息传输中能有效的提高能量的利用率.针对传感器节点采集和融合数据时具有较高的冗余度,提出模糊冗余度的混合通信算法.在数据采集与数据融合阶段,冗余的传感器节点向隶属簇头进行信息交互,避免重复进行同样数据的操作,簇头之间采取混合通信的方法将信号传送到基站.通过matlab仿真实验表明,改进后的算法能有效减少网络的总能耗,延长网络的生命周期.     

基于整体加权的多源数据融合研究

针对无线传感器网络中数据融合问题,分析了基于融合算法下数据压缩和节能的关系,在归纳和研究现行的融合算法后,对独立于应用的数据融合,提出了先单个传感器加权再整体加全权的融合算法,通过两次加权,使算法性能达到最优。通过软件层面设置加权参数实现数据压缩和传输,有效地提高决策准确性和节约能量。同时,根据无线传感器的数据冗余方式,结合路由传输机制,可以实现在传输层的数据整合,减少数据无效发送,延长无线传感器网络的周期。     

基于nRF2401的刺激器系统的设计

设计了一种基于无线数字传输芯片和单片机构成的刺激器系统的设计,阐述了利用单片机和无线模块nRF2401实现无线通信以控制刺激电流的解决方案,并介绍了nRF2401在突发模式下的应用。在该系统中,单片机对刺激电流和数据传输进行控制,借用串行通信完成人机交互。运行表明,该系统控制方便,运行可靠,能实现有效的数据传输。     

基于卷积神经网络的粗粒度数据分布式算法

针对特定运行模式下粗粒度数据存在计算效率较低的问题, 提出一种基于卷积神经网络的数据分布式算法. 首先构建用于粗粒度数据处理的卷积神经网络模型, 给出模型基础连接层神经元网络的连接结构和权重比例, 并训练和池化粗粒度数据； 然后利用训练池化结果求解模型的最小损失函数, 提升模型针对粗粒度数据的分布式计算能力. 实验结果表明, 在单机和集群模式下, 卷积神经网络模型具有更好的计算效率和数据泛化能力.     

基于聚类的超闭球CMAC神经网络改进算法

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。     

基于数据挖掘的自动化推荐系统算法

结合人工神经网络中的自适应共振理论(ART)及数据挖掘(Data Mining)技术来建构一个可自动聚类族群特征且能挖掘出关联特质的自动化在线推荐系统。探讨如何有效地运用数据挖掘技术从大量的数据库中挖掘出完整知识,以推荐适当的信息给使用者,帮助他们在浩大的信息流中找到真正需要、有用的文件或信息。整合ART及数据挖掘技术,并针对推荐系统的特性提出一种改进的ART算法(MART算法)。实例验证了算法的有效性。     

一种WSN中能量有效的分布式检测和功率分配算法

针对并行估计结构的无线传感器网络,讨论了无线传感器网络中的分布式估计问题,提出了一种能量有效的分布式估计算法,并对相应的功率分配问题进行了阐述。系统对于同一观测目标采用多发送单接收模式,由汇聚中心依据观测区域内的所有传感器节点发送的信息对观测对象做出估计,该算法基于LMMSE准则,考虑总能量受限和各支路信道状态信息两方面的因素,在满足一定系统性能要求的前提下,选定部分节点作为活动节点传输数据,并参与相应的功率分配,关闭未被选中的节点电源,从而实现有效的节能,进而延长无线传感器网络的生命周期。实验结果表明,该分布式估计的功率分配算法下的系统性能以及估计值的均方误差性能明显优于基于平均功率分配算法。