一种动态传感器网络中的功率控制方法

已经提出的传感器网络中的功率控制方法大多针对静态的传感器网络,不一定适用于动态的传感器网络.为保证传感器动态加入或者退出时网络中所有传感器仍然能同时发送数据,以所有传感器端的信干比高于某个阈值为目标,提出一种动态传感器网络中的功率控制方法.考虑了传感器依次加入、同时加入、依次退出和同时退出4种情况.仿真结果和理论结果相符,证明了提出的功率控制方法的有效性.     

自适应虚拟队列算法AVQ的公平性研究

从理论上对自适应虚拟队列(AVQ)算法的拥塞控制机制和TCP的吞吐量模型进行了分析,在不同网络配置条件下使用NS2网络仿真器对其进行了仿真,考察公平性和网络中长期TCP流的数量、路由器缓冲区大小、AVQ算法中的平滑因子α、期望链路利用率γ等之间的关系.结果表明,AVQ算法在长期TCP流数量较多和各种缓冲区容量条件下均表现出良好且稳定的公平性,α对公平性影响不大,但γ的取值对公平性有很大影响,当该参数取值较大时,算法的公平性明显下降.     

无线传感器网络中覆盖问题的典型理论与算法

覆盖控制作为无线传感器网络中的一个基本问题,反映了网络所能提供的"感知"服务质量,可以使无线传感器网络的空间资源得到优化分配,进而更好地完成环境感知、信息获取和有效传输的任务。立足于无线传感器网络的覆盖控制问题,本文着重讨论了一些典型的无线传感器网络覆盖控制算法与协议,最后进行了各种算法的比较性总结,深入分析了目前无线传感器网络覆盖控制亟待解决的问题,并展望了其未来的发展方向。     

全向传感器网络中基于虚拟力的三维覆盖增强算法

针对全向传感器网络中的三维覆盖增强问题,简单的把二维覆盖增强算法扩展到三维空间,会存在覆盖性能不稳定、能耗大等缺陷,提出了一种基于虚拟力的三维覆盖增强算法.该算法通过传感器之间的节点斥力和节点引力以及传感器与目标区域边界之间的边界斥力来确保传感器的均匀分布,并使用覆盖因子来消除传感器的无效移动.仿真结果表明,所提算法不仅具有较好的收敛性,还能够显著地提高无线传感器网络的覆盖率.     

RPR网络的公平性问题

本文主要讲述了弹性分组环(RPR)技术中的公平性问题.分析了公平性在RPR网络中的重要性,介绍了实现公平性的技术原理和具体实施方案,并对IEEE 802.17标准中所采用的公平性算法做了具体描述和性能分析比较.     

三维异质无线网络中的最小虚拟骨干网

在无线传感器网络中,连接控制集(CDS)作为无线传感器网络的虚拟骨干,在支持数据通信、降低路由开销、提高网络可扩展性等方面发挥着重要作用。均质无线网络一般被模型化为单位圆盘图(UDG)和单位球图(UBG)。本文将三维异质无线传感器网络建模为具有双向链路的球图(BGB),并结合无线传感器网络的可调半径特性,提出了如何在异质无线传感器网络中构建一个基于能量选择的连通控制集近似算法(ESA)。理论分析表明:算法ESA的性能比为(K+1+ln(K-1)),K=0.779 63(2k+1)~2,k=r_(max)/r_(min)表示最大传输半径和最小传输半径之比。     

移动网络中的自适应业务带宽调整研究

详细介绍了移动通信网络中的业务带宽调整问题,着重介绍了其中的公平性和开销问题;并介绍和分析了现有的3种带宽调整方案,比较了他们各自的优缺点,提出了一种新的带宽调整方案.该方案采用固定的带宽升降级比率和循环升降级的方法,既保证了带宽升降级时的公平性,又有效地控制了网络开销.计算机仿真结果表明了新的方案具有良好的性能.     

基于ATM的拥塞控制机制研究

宽带通信网的拥塞控制是流量控制（称为业务量管理）的一个重要组成部分,拥塞控制既要保证网络不发生拥塞,又要提高带宽的利用率.通过对宽带网络中各种拥塞控制功能和实现策略的研究,指出了网络流量的高突发性以及不可预测的网络时延,应是控制算法设计中的难点,而提高网络利用率,综合、公平性是研究的最终目的.     

基于比例区分服务的端到端传输控制

随着网络技术的不断发展,许多新的网络应用需要端到端的服务质量保证。为了解决端到端的服务质量保证和系统公平性等问题,该文提出了一种基于比例区分服务的网络比例公平调度策略——nPFS策略。该调度策略综合考虑了网络效率、用户服务质量要求和系统公平性等多个性能目标,使用比例公平性原则,有效地实现了多性能目标的端到端传输控制,同时保证系统的公平性。实验结果表明:该文提出的网络比例公平调度策略,可以有效保证多服务类间的比例公平,特别是端到端的服务质量比例公平性。     

三维环境下无线传感器网络的部署覆盖方法

针对三维传感器网络中节点的最优部署问题, 提出一种三维曲面上目标点的部署策略, 通过引用差分进化(DE)算法优化传感器节点的位置坐标, 提高了网络节点的部署效率, 并用最少的传感器节点实现对曲面上目标点的全覆盖, 解决了三维空间中传感器节点在监测目标过程中存在的三维感知盲区问题. 仿真实验验证了DE算法在解决三维空间覆盖问题的可行性, 表明DE算法具有一定的容错性, 并可有效提高网络节点的部署效率.     

基于收敛值动态混沌自旋机制的WSN网络安全收敛算法

针对当前WSN网络安全算法普遍存在收敛度分散,抗攻击能力较差,实现机理复杂等问题,提出了一种基于收敛值动态混沌自旋机制的的WSN网络安全收敛算法。首先,通过WSN网络指纹因子投影迁移的方式,引入模拟评估度量,实现对不同时间段内WSN网络安全收敛状态的精确评估,提高网络收敛值混沌度水平;随后,根据网络收敛状态,通过微分傅里叶准则,构建收益评估因子,实现了网络攻击指标的混沌自旋,有效加快WSN网络安全收敛速率。实验结果显示:与当前常用的超高频混沌安全收敛算法(Ultra High Frequency Chaotic Security Convergence Algorithm,UHFC-SC算法)、傅里叶混沌安全收敛算法(Fourier Chaotic Security Convergence Algorithm,FC-SC算法)等相比,所提算法具有更高的收敛速度,以及更高的网络冗余带宽剩余足与网络传输带宽,具有良好的实际部署价值。     

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题。重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力; 天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力。RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能。实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题; 而且可以有效提高WSN网络覆盖率,延长网络生命周期。     

基于遗传算法的无线传感器网络最小覆盖集算法

降低能耗以延长网络生存时间是无线传感器网络设计中的一个研究热点.提出一种利用遗传算法实现的"密度控制"策略.该策略利用无线传感器工作节点的最小节点子集(最小覆盖集),达到覆盖整个传感器网络区域的目的.所提出的算法能够较好地调和无线传感器网络寿命和网络覆盖率之间的矛盾,仿真实验证明了算法的有效性.     

贝叶斯预测蜂群算法在无线传感器网络优化中的应用

针对无线传感器网络(WSN,wireless sensor network)节点分布不合理,存在较多的监测盲区等不足,提出了利用贝叶斯预测人工蜂群算法(BPABC,Bayesian predictive artificial bee colony algorithm)制定节点分布方案。BPABC算法借鉴贝叶斯预测算法的思想对蜂群算法中各蜜源存在最优解的概率进行预测,并以此为依据指导跟随蜂寻优工作。采用BPABC算法对WSN中的节点分布进行优化,与人工蜂群算法、全局人工蜂群算法制定的优化方案进行比较。结果表明,BPABC在平均覆盖率、最差覆盖率等方面均优于其他两种算法,并且BPABC算法在迭代收敛速度方面也有明显的优势。为了进一步验证改进算法的实用性,采用BPABC制定不同监测区域的WSN节点分布方案。WSN的覆盖率均在97%左右,并且标准差不超过0.005%。由此可见,基于BPABC的WSN节点分布优化方案具有较高的覆盖率、良好的适应性和稳定性。     

基于时空特征融合的端到端无人车控制

基于深度学习的端到端车辆控制器多是由二维卷积神经网络(2D convolutional neural netuark,2D CNN)训练得到的,因未考虑时间维度上的帧间运动信息,使得控制器的可解释性与泛化能力较差,而三维卷积神经网络(3D CNN)可以从连续视频帧中学习时空特征。深度确定性策略梯度强化学习(depth deterministic policy gradient,DDPG)常用于连续动作的控制优化,但DDPG算法仍存在采样方式不合理而导致的样本利用率低的问题。基于此,采用3D CNN与改进DDPG算法相结合的方法对车辆方向盘转角和速度进行预测。通过实车实验实现了车辆在所设置轨道上的自主驾驶,为基于深度学习和强化学习方法解决自动驾驶中的端到端控制问题提供了科学方法。     

基于量子粒子群优化PI模型的主动队列网络拥塞控制

为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量QoS降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.     

基于动态门限的定向扩散算法

通过对无线传感器网络节点传输能耗模型的分析,在研究时间敏感应用的基础上,提出了一种基于动态门限机制的控制方法.利用采样数据内在的相关性、无硬门限特性,并根据采样数据的发送间隔实现了门限的动态调整,以改进基本的定向扩散算法.仿真实验表明,所提算法能减少节点无线传输的次数,可使无线传感器网络节点的生命期延长30%,它随采样数据的变化动态地调整门限值,从而满足了时间敏感应用的要求,适合于一次性查询和持续性查询.     

液位过程控制系统的设计与实现

本文设计了用于多种控制算法研究的液位实验系统,包括液位控制实验装置、通讯硬件和上层控制软件.通过液位控制实验装置回路和阀位的不同组合,能够使被控对象具有多变量、有耦合、有干扰、多种工况等各种情况.通讯硬件完成串口通讯和信号A/D,D/A功能.上层控制软件采用VC+ +编程语言,其中控制算法作为一个独立的模块,易于修改或加入各种控制算法.该系统集成度高、功能完善,界面友好.实验实例结果表明该系统是验证多种控制算法的良好实验平台.     

用于环境监测领域无线传感器网络中的数据压缩编码算法

针对应用于环境监测领域的无线传感器网络(Wireless Sensor Network-WSN)所监测到的数据基本不变或变化很慢的特点,提出了一种差分编码数据压缩算法.该算法的核心思想是根据上一包的内容得到本包信息,适用于没有丢包现象的网络.但是在WSN中由于通信不稳定常存在丢包现象,为此对WSN的路由协议作了改进,使这种数据压缩技术能够被应用.该算法编解码简单,在计算能力有限的传感器节点中能很容易地实现.通过分析和实验,表明该算法可以很好地提高网络寿命.     

基于非规范二维Haar小波变换WSN数据管理

提出基于非规范二维Haar小波变换的无线传感器网络管理结构,以减少传感器节点间的数据传输量.利用小波变换将数据在不同尺度上分解生成小波系数以进行传输,对小波系数进行重构可还原原始数据.基于非规范二维Haar小波分解算法实现了数据汇聚,基于非规范二维Haar小波逆变换算法实现了数据重构.使用MATLAB仿真表明,基于非规范二维小波变换的数据管理结构能够在保持数据原有特征的同时,大大减少网络的数据传输量.