基于Zigbee的煤矿无线数据采集系统设计与实现

根据煤矿环境的特点,提出了一种基于Zigbee技术的适用于煤矿巷道多参数采集的无线传感器网络检测系统。该系统利用多种传感器,通过无线传感器网络实现对井下环境及生产参数的实时监测和智能预警。采用RS-485通讯协议及硬件模块化,实现了传感器的灵活添加与监测计算机软件稳定性的增强。通过实验证明了该系统设计的可行性和良好的稳定性。     

新通信协议使传感网更省电

viterbi学院的信息科学研究所（ISI）新近发布了一种新的无线传感器网通信协议，这项新的协议较以前发布的协议在通信效率方面提高了10倍以上。     

一种多跳无线传感器网络中基于SMAC协议的性能分析模型

本文针对基于SMAC协议的多跳无线传感器网络,将节点建模为一个带关闭机制的有限队列单服务台系统,并考虑节点睡眠机制和竞争退避机制建立了二维Markov节点状态模型.基于该模型可准确推导出网络平均丢包率、网络吞吐量、数据包平均延时以及网络平均功率消耗等网络性能的表达式.通过与仿真实验给出的网络性能结果进行对比,发现模型给出的网络性能表达式有效逼近了仿真结果曲线,从而验证了模型的准确性.同时,运用该模型能准确分析多跳无线传感器网络在能量效率和QoS性能的折中关系,并为占空比、缓存队列容量等网络协议参数的优化提供理论指导.     

具有小世界特性的低能耗无线传感器网络簇级拓扑研究

本文提出了一种具有小世界特性的无线传感器网络簇级拓扑算法,引入Temple University吴杰教授提出的UCR(unequal cluster-based routing)机制,靠近基站簇尺寸变小,解决基站附近网络耗能过多的热点问题.通过OPNET对构造的簇级拓扑结构进行仿真,当超级节点数目增加到6～18时,平均路径长度降低,路径长度变化率降低,节能曲线变化率升高,能耗降低效果显著.仿真实验还表明,本文提出的具有小世界特性的无线传感器网络簇级拓扑结构对随机攻击具有很强的鲁棒性,具有很好的生存性能.复杂网络理论中的小世界网络具有较大的聚集系数和较小的平均路径长度,通过在原有网络中添加超级节点,形成能与sink节点直接通信的捷径,可以降低网络平均路径长度和能量消耗.目前小世界特性用于WSN的研究中,尚未考虑到sink节点附近的热点问题.     

基于薄膜拍打型摩擦纳米发电机的风能收集研究

大量无线传感器网络节点的能量供给是目前限制物联网技术发展的一个瓶颈.作为新型能量收集技术,摩擦纳米发电机在环境能量收集方面有着显著优势,为解决无线传感节点供电问题提供了技术思路.本文基于摩擦纳米发电机和风致振动原理,提出并系统研究了一种薄膜拍打型摩擦纳米发电机(FF-TENG),实现了风能高效收集.本文采用仿真软件分析...     

基于OPNET仿真平台的DSR协议性能研究

Ad Hoc网络的路由算法是在网络拓扑高度变化的情况下,无线自组网能否实现网络自组的关技术.本文介绍了AdHoc网络的基于源驱动的按需路由选择协议DSR,重点分析了基于OPNET的DSR模型的节点及其所支持的特性,并基于OPNET对全部采用固定节点的Ad Hoc网络,利用DSR作为其路由协议,分设场景进行仿真,对DSR协议随着节点数增多所表现出来的性能进行了比较和分析,最后总结了目前DSR协议存在的问题并提出了适当的改进建议.     

无线传感器网络分布式定位算法研究与仿真

无线传感器网络是一种全新的信息获取和处理技术,能够实时监测、感知和采集各种环境或监测对象的信息.传感器多节点协调的自身定位是各种应用的基础,论文深入分析并比较了在无线传感器网络领域中有代表性的三种分布式定位算法(Bounding box、Euclidean和Robust position),并在OMNET++平台上做了性能的仿真检验;实际仿真结果上,对各定位算法的性能作了分析,并对各算法的应用环境给出了建议;对Robust position算法的改进提出了建议,并对无线传感器网络定位算法的未来研究做了展望.     

WMN路由协议的改进与应用研究

提出了一种适用于无线Mesh网络的AODV协议的改进方案,即在相对静止的节点内构造一个基于DSDV路由的驱动表。NS-2仿真表明,改进后的AODV—D协议更适应于拓扑变化快的环境。在复杂度没有明显增加的前提下,AODV—D协议降低了平均端到端时延和丢包率,大大提高了网络性能。     

基于随机时间自动机和统计模型检验技术的无线传感网络协议建模与分析

近年来,传感器技术得到了长足而有效的提升,无线传感网络（WSN）以其开放、动态的特征获得了极大的关注,并成为了互联网计算的一个重要组成．WSN系统行为复杂,经常面临信息丢失、节点动态变化等不确定因素,且网络中的节点一旦部署将很难更改、维护．因此,为了保证相关应用的正常工作,在系统设计阶段对WSN中的底层协议进行质量保障就成为了一项非常重要的研究问题．系统设计人员不仅需要保证协议功能上的正确性,还应该评估协议在目标工作环境下的性能,以保证其可以胜任相应的工作需求．针对以上问题,本文提出了一种基于随机时间自动机和统计模型检验技术的WSN协议建模、分析和评估途径．在建模阶段,首先将采用时间自动机对协议在理想环境下的基本业务流程进行建模．考虑到WSN系统实际工作中会遇到的各种不确定性因素,将用带权分枝来对模型进行扩展,生成协议的随机时间自动机．在验证阶段,首先采用经典模型检验技术,在理想时间自动机上检验相关功能性质,保证协议工作逻辑的正确性．为评估协议在不同条件下的具体性能,则在随机时间自动机上用统计模型检验技术对其进行数值分析,以进行参数配置、性能预测、协议比较等工作．为展示该途径的可用性及其技术细节,本文对两种著名的WSN时间同步协议,TPSN和FTSP分别进行了完整的建模与评估．     

面向三峡库区水环境监测的分区多跳LEACH算法

针对无线传感器网络节点能量受限的问题,结合三峡库区水环境的具体应用环境,提出一种基于LEACH算法的改进型无线传感器网络节能路由算法——LEACH—PM。该算法将整个网络划分为若干个区域,各个分区内按轮进行建立分簇和传输数据。在簇建立阶段,考虑了节点的剩余能量;在数据传输阶段,采用单跳与多跳相结合的方式以降低网络的能耗。应用MATLAB对LEACH-PM算法与已有的LEACH算法进行仿真比较。实验结果显示,LEACH—M算法能更好平衡网络节点能耗,降低簇头节点能耗,延长整个网络的生存期。     

一种面向下垫面不均一的森林碳通量监测方法

特定时刻内通量塔观测结果只能代表其上风向下垫面贡献区域的CO2通量值,当下垫面不均一时,通量塔观测结果是不能真实反映观测区域实际碳通量的.如何将通量观测塔的空间代表性进行有效的由点到面的扩展,亟需一种能够对观测区域采取多点同步精确观测的可行方法.完全的利用现有的无线传感器网络(WSN)技术虽然具有实时多点同步观测的优势,但精度不能满足通量观测的要求.本研究将利用通量塔观测数据对无线传感器接收数据进行校正,通过校正后数据计算观测区域内的通量值,力求解决下垫面不均一时通量塔观测结果不具代表性的问题.根据涡度相关技术和FSAM模型(fux-source area model),采用仿真数据分析方法,研究结果表明通过通量塔观测数据对WSN进行校正能够提高WSN观测精度;利用WSN多点同步监测的优势能够很好地解决下垫面不均一情景下通量塔观测结果不具代表性的问题.WSN结合通量塔进行陆地生态系统碳通量观测上具有很大的应用前景.     

面向三峡库区水环境监测的混合网络构建

针对三峡库区分布广,面积大的特殊应用背景,提出了一种新的适合三峡库区水环境监测网络构建的组网策略——"一网多PAN(Personal Area Network),一PAN多簇",构建了一个包含WSN、GPRS和Internet的三层混合网络模型,并采用"告警上报,点播访问"的数据访问流程实现了监测网络数据传输。实验表明:该混合网络可以满足三峡库区水环境监测的应用需求;同时,"告警上报,点播访问"的数据传输流程可以有效降低节点能量消耗,延长网络生存周期。     

一种基于软件再生的无线传感器网络簇头节点管理策略

本文构建了一种软件再生模型,采用主动再生与自我修复方法,研究WSN中簇头的有用性与生存性。实验表明：该方法能有效提高簇头的有用性和生存性。     

无线传感器网络中OOFSK和FSK能耗性能

无线传感器网络（WSNs）节点通常使用电池来供电,这成为限制其广泛应用的瓶颈．所以低功耗WSNs的设计成为人们研究的重点．WSNs的传输体制很大程度上决定了整个网络的能耗性能．本文中将频移键控调制（FSK）和开关频移键控调制（OOFSK）两种高效的传输方式引入WSNs,通过建立基本通信模型,推导他们的能耗性能指标及变化趋势．通过数值分析结果可知,在低信噪比、低OOFSK调制占空比等条件下,OOFSK传输具有明显的能耗优势．同时进一步分析得到OOFSK和FSK调制在WSNs中的应用场景,对低功耗WSNs的调制模式设计具有积极作用．     

Spatiotemporal positioning of multipotent modules in diverse biological networks

A biological network exhibits a modular organization. The modular structure dependent on functional module is of great significance in understanding the organization and dynamics of network functions. A huge variety of module identification methods as well as approaches to analyze modularity and dynamics of the inter- and intra-module interactions have emerged recently, but they are facing unexpected challenges in further practical applications. Here, we discuss recent progress in understanding how such a modular network can be deconstructed spatiotemporally. We focus particularly on elucidating how various deciphering mechanisms operate to ensure precise module identification and assembly. In this case, a system-level understanding of the entire mechanism of module construction is within reach, with important implications for reasonable perspectives in both constructing a modular analysis framework and deconstructing different modular hierarchical structures.     

凝聚度——描述与测度社会生态系统抗干扰能力的一种新特性

研究一个网络系统抵抗干扰的能力,系统科学里有＂鲁棒性＂的概念,社会—生态系统里用＂脆弱性＂、＂恢复性＂和＂适应性＂等概念.这些已有的概念是否已经全面地描述了系统抵抗干扰的能力呢？在综合灾害风险管理的实践中,整个社会凝心聚力,行动协调一致,往往发挥着至关重要的决定性作用.然而,现有学术研究中所用到的各种系统属性,都不能很好表述一个系统凝心聚力的能力或水平.鉴于此,本文提出一种全新的网络系统属性：网络凝聚度（consilience degree）,专门用以度量一个如社会—生态系统一样行为的网络系统凝心聚力,行动协调一致,以抵抗干扰的能力.网络凝聚度实际上是一种更具普遍意义的＂联结度＂.它可以象联结度一样,派生发展出一系列的系统新属性和网络新模型,从而形成一个研究复杂系统的新的理论体系.本文将重点阐述这个体系的雏型.理论分析和仿真研究都证明：本文所提出的网络凝聚度是现有各种系统属性所无法涵盖或替代的,是研究现实复杂系统所必需的新理论工具.     

Performance evaluation of neural network architectures: the case of predicting foreign exchange correlations

In the last decade, neural networks have emerged from an esoteric instrument in academic research to a rather common tool assisting auditors, investors, portfolio managers and investment advisors in making critical financial decisions. It is apparent that a better understanding of the network's performance and limitations would help both researchers and practitioners in analysing real‐world problems. Unlike many existing studies which focus on a single type of network architecture, this study evaluates and compares the performance of models based on two competing neural network architectures, the multi‐layered feedforward neural network (MLFN) and general regression neural network (GRNN). Our empirical evaluation measures the network models' strength on the prediction of currency exchange correlation with respect to a variety of statistical tests including RMSE, MAE, U statistic, Theil's decomposition test, Henriksson–Merton market timing test and Fair–Shiller informational content test. Results of experiments suggest that the selection of proper architectural design may contribute directly to the success in neural network forecasting. In addition, market timing tests indicate that both MLFN and GRNN models have economically significant values in predicting the exchange rate correlation. On the other hand, informational content tests discover that the neural network models based on different architectures capture useful information not found in each other and the information sets captured by the two network designs are independent of one another. An auxiliary experiment is developed and confirms the possible synergetic effect from combining forecasts made by the two different network architectures and from incorporating information from an implied correlation model into the neural network forecasts. Implied correlation and random walk models are also included in our empirical experiment for benchmark comparison. Copyright © 2005 John Wiley & Sons, Ltd.