多接口无线网络信道分配与路由技术研究

由于集成电路以及通信网络等信息技术的迅猛快速发展,基于基站的传统单跳网络在覆盖范围和部署实施方面呈现出很大的局限性;随着无线收发机在小型化、低成本方面的发展,在相同的无线节点上集成多个无线的收发机显然很普遍,所以多个接口多个信道多跳无线网络变成了以后无线通信网络的发展领域之一。多接口多信道多跳无线网络的资源分配问题较传统的单跳无线网络更加复杂,需要考虑到资源有时域、空域、频域等许多方面,原本属于不同网络间的节点也有可能暂时接入到网络中,网络流量的突发性问题显得更加明显,网络节点之间的关系更加复杂。在不同的应用场景下,无线网络资源分配的目的以及问题也有很大差异。在该文中,笔者考虑多跳无线接入网络、多接口无线自组织网络和区域无线共享网络三个具体场景下的多接口多信道多跳无线网络的资源分配问题,并分别进行研究。     

基于CC-RB算法的认知无线网络信道分配研究

针对基于规则的信道分配(RB: Rule Based)算法假设条件过于理想, 实际应用性不强的缺点, 在考虑各节点不同信道的吞吐量不同的基础上, 提出一种改进的基于信道容量的规则信道分配(CC-RB: Channel Capatty-Rule Based)算法。该算法引入信道容量矩阵, 在进行信道分配时为节点分配质量较好的信道。仿真结果表明, CC-RB 算法在复杂度增加不大的情况下, 系统吞吐量和公平性都较RB 算法有较大提高, 在干扰距离为100 m, 认知节点数为80 个时, CC-RB 算法比RB 算法的吞吐量增加了133%, 公平性增加了96%, 能更好满足实际需要。     

一种基于多信息融合的环境探测方法

阐述了一种用于移动机器人导航的采用多信息融合技术进行环境探测的方法,讨论了这种方法的容错能力,并给出了计算机仿真结果．     

多源信息融合故障诊断方法研究进展

简述多源信息融合与故障诊断的关系,指出多源信息融合故障诊断的一般方法。从融合结构和融合算法的角度对多源信息融合故障诊断方法进行了分类阐述,并分别说明其诊断原理与研究现状;指出信息融合故障诊断按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断,按融合算法分为基于贝叶斯理论、DS证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。最后展望了信息融合故障诊断方法的未来发展趋势。     

基于多传感器信息融合的故障诊断方法

为了获得更多的故障信息,全面了解故障特征,采用多个不同的传感器共同监测是一种有效的方法途径.而实际现场工业设备运行环境非常复杂,使得传感器采集到的信息包含很多来自自然环境或人为的干扰噪声,导致采集到的故障信息冲突.针对这一问题,提出了一种基于多传感器信息融合的故障诊断方法.首先求得各证据之间的证据距离,根据证据距离值的大小再修改证据,然后利用D-S证据理论进行信息融合,提高了诊断的可靠性和准确度.实验验证了该方法切实可行.     

基于多传感器信息融合的智能仪表研究

针对智能仪表多传感器系统中存在的信息处理复杂、不可靠等问题,提出了利用智能仪表中的多传感器信息资源,融合多传感器信息,提高智能仪表检测精度和可靠性的方法。结合矿井瓦斯监测、井下煤的自燃监测等实例,介绍了智能仪表中多传感器信息融合的模式,以及智能仪表研究设计中应注意的问题。将多传感器信息融合技术应用于智能仪表之中,可大大提高智能仪器仪表的精度、可靠性和容错能力。     

基于多源信息融合的飞行器高精度定位方法

导弹、卫星等飞行器的高精度定位问题,归结为多平台、多种类信息的融合处理.在多源信息融合处理中,各类信息加权的权值对融合结果的精度有重要影响.本文通过引入加权因子,研究了多源信息融合处理的加权与参数估计精度问题,得到了参数估计均方误差与权值的关系,证明了非线性模型的权值,不仅与测量误差的统计特性有关,还与模型的结构、样本量大小有关.计算结果表明,采用本文的加权方法,可显著提高导弹弹道参数估计精度.     

基于信息博弈的多源信息融合方法

针对多传感器信息融合系统中的信息冲突,结合博弈论的原理,在考虑信息冲突环境下局中人最优策略和最优支付的情况下,提出了求解信息冲突环境的信息博弈融合方法.首先通过信息熵的形式将多信息器表示成多源信息,并将多源信息的信息冲突过程抽象成为信息博弈过程,多传感器系统通过信息博弈的过程实现整个系统的信息收益最大化.通过对空调机调速器运行工况评价的实验分析,证实该方法在保持调节性能的同时,能从冗余的多源信息角度对系统的被控参数做出调整,各种动态品质特性优于传统的方法.     

建设多信道水情信息传输网是山西防汛之必需

山西地形复杂，暴雨洪水源短流急。建设多信道水情信息传输网是提高水情传输实时性、可靠性的有效措施。     

基于区间卡尔曼滤波的多传感器信息融合

目标运行建模过程中,存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参数确定的情形推广至参数不确定的情形,给出了基于区间卡尔曼滤波的多传感器信息融合算法,解决了系统参数不确定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计,而是目标状态的区间估计．     

多通道信息融合技术的研究

在数字信号处理的过程中 ,利用信息科学原理建立了多通道信息融合的数学模型 并采集了车辆变速箱的多通道振动信号 ,计算其Shannon熵、信息含量效率和信息冗余 ,并对信号进行剔除 ,再对其进行多通道的信息融合 ,以获得比单一通道精度更高的信号特征 ,大大提高了识别被测物体的特征的能力     

基于多源多层次信息融合的网络安全态势感知方法

针对网络安全态势感知范围局限、信息来源单一及准确性偏差较大的问题,提出了一个全方位整体上感知网络安全态势框架.充分考虑多信息源和多层次信息融合,从3个维度上动态生成网络当前安全状况,准确地反映网络当前安全态势,易于逆向查找异常组件.提出"3σ法则"离散化连续型随机变量方法,对建立适合处理非确定性信息融合的贝叶斯网模型有重要的理论与实践指导意义.最后,利用网络实例数据,对该模型和算法进行了验证,结果表明了该方法的正确性.     

一种基于网格服务的信息系统框架

提出了基于网格服务的信息系统框架,探讨了框架的形成和发展,指出基于网格服务信息 系统的特点和实现的关键技术。此框架使传统的信息系统开发过程分化为应用服务开发和集成过程,简 化并优化了系统的实施,使系统具有更强的易维护性、稳定性、可靠性和适应性。此框架使应用服务提 供商和集成商分化出来,分工更细,专业化和社会化程度更高,符合社会发展的总趋势。框架实现了多 个网格的集成,提出了多种相关技术在网格计算中的研究需求和方向。     

无线传感器网络中基于贝叶斯准则融合的协作频谱感知算法

文中将认知无线电应用于无线传感器网络中,考虑了传感器节点的能量有限、传输数据量较多、频谱资源受限、次用户如何避免占用主用户信道等情况下,构建一种认知无线传感器系统模型.该系统在对授权用户不造成干扰的前提下提高频谱利用率,解决频谱资源受限的问题,并在此基础上提出了基于贝叶斯准则融合的协作频谱感知方案,同时定量的分析了虚警代价与漏验代价对系统的影响.仿真结果表明,相比传统的或融合、与融合协作频谱感知方案而言,该方案较好的提高了无线传感器网络频谱感知的可靠性和准确性,同时更明确地指出虚警代价相比于漏验代价大时,可有效地使系统平均总代价降低.     

网格移动的无线移动传感器网络部署算法

针对目前无线移动传感器网络中部署算法过于复杂的问题,提出了一种新的基于网格移动的无线移动传感器网络部署算法.降低了常见无线移动传感器网络部署算法的时间复杂度,提高了任务区域的节点覆盖度,减少了覆盖漏洞,适用于无线移动传感器网络的应用.文中论述了该算法的构架,执行过程,并对该算法进行了仿真分析.仿真结果表明,该算法在有效降低算法复杂度的情况下满足了网络部署中关于覆盖率的要求.     

融合双频段信息的林业无线传感网节点测距算法

无线传感网节点测距技术是基于测距法节点定位的基础,针对林区中单一频段节点测距存在误差大、精确度低的问题,基于接收信号强度(received signal strength indication, RSSI),提出一种融合433 MHz和2.4 GHz双频段信息的节点测距方法。建立引入环境参数预测的林区信号衰减模型,利用高斯滤波修正偶然误差,选择合适的融合参数γ对双频段测距信息进行融合,通过在平均胸径接近、林分密度不同的场地中实验归纳γ的取值规律。实验结果表明,在林分密度600株/hm~2以下的林场中,γ=0.4最优;在林分密度600～1 000株/hm~2之间的林场中,γ=0.5最优,在林分密度1 000株/hm~2以上的林场中,γ=0.6最优。在γ取最优值的情况下,实验表明本文提出的方法测距结果的均方根误差值为1.74,较单一频段的测距误差减小了31.3%,提高了基于RSSI节点测距的精度。     

基于分簇的动态协同算法在无线传感器网络中的应用

为降低无线传感器网络中的能量开销,减少存储和网络资源,采用了一种新的信息融合机制。根据目标的当前地理位置,将无线传感器网络中的节点动态分簇,建立分布式的跟踪机制。利用一种基于信息矩阵加权的卡尔曼算法在该机制下进行目标跟踪,与无分簇机制下的信息矩阵融合算法进行性能比较,仿真实验结果表明该方法具有较高的有效性和可靠性。同时,在网络存在丢包情况下,基于Grubbs准则进行改进,能有效地提高精度。     

基于模糊神经元网络的信息融合模型

神经元网络应用于一般工业过程建模比较有效,但对于对象是庞大数据的复杂的工业生产过程就明显力不从心,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,以获得精确的聚类个数和隶属度,基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。     

多传感器分布式协方差信息融合Kalman滤波理论

对于带多传感器和带相关噪声的线性离散时变随机控制系统,基于按矩阵加权、按对角阵加权和按标量加权的三种最优信息融合规则,提出了相应的三种分布式最优信息融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为了计算最优加权,提出了计算局部估计误差协方差公式。作为特殊情形,还提出了定常系统的稳态最优信息融合Kalman估值器,其中用解Lyapunov方程计算局部估计误差协方差。同集中融合Kalman估值器相比,可减小计算负担。同单传感器Kalman估值器相比,可提高精度。它们构成了统一和通用的分布式协方差信息融合Kalman滤波理论。     

基于阈交方法的无线网络业务分析

由于无线网络的有限带宽和可变信道，使得无线网络业务的服务质量保证比有线网络更加困难．通过对无线网络业务超阈值数据采用方差分析法构造阈值v的偏差函数，为阈值选取提供一定的依据；通过对无线网络业务到达数据对阈值穿越强度的计算，验证了该方法在阈值选取方面的有效性．可以根据该阈值实现对无线网络业务的控制，提供更好的服务质量保证．