一种改进的布谷鸟搜索移动信标节点定位方法

针对未知节点静止,信标节点移动方式下的无线传感器网络定位问题进行了研究。为进一步提高无线传感器网络节点的定位覆盖率,提出了一种基于改进布谷鸟搜索算法(AF-CS)的多移动信标节点定位算法。通过RSSI定位和DV-Hop算法获取未知节点坐标的粗略值,采用改进布谷鸟搜索算法迭代求解信标节点移动的目标位置,最后对未知节点进行重新定位。仿真结果表明:多移动信标节点定位算法可有效提高对未知节点的定位覆盖率;AF-CS算法对比原始布谷鸟搜索算法(CS)提高了目标函数定位覆盖率,加快了算法收敛速度。在网络拓扑结构变化时,该算法可通过信标节点移动保持对未知节点较高的定位覆盖率。     

基于改进高斯滤波与加权环境参数自适应估计的定位方法

基于接收信号强度指示(received signal strength indication, RSSI)测距的定位技术是一种成本比较低廉的定位技术.为了能够有效降低RSSI值因环境因素的影响而产生的误差,提出了一种改进的加权高斯滤波算法对RSSI值进行处理;并建立了一种加权环境参数自适应估计算法对当前待定位的移动节点所处位置的环境参数进行估计;然后根据估计所得的环境参数确定移动节点所在位置的路径损耗模型;最后根据该模型估计移动节点的位置.实验结果表明,该方法能够有效提高系统的定位精度.     

无线传感器网络中基于RSSI差值的改进定位算法

无线传感器网络(WSN)的许多应用都需要知道节点的位置,在某些环境下还需要获得节点的相对位置.本文以WSN的特点为基础,首先介绍了接收信号强度的理论知识,进而提出一种优化的基于测距的定位算法:在应用中的多用户情况下,节点采用多跳方式进行通信,在信标节点冗余的情况下,针对不同信标节点位置范围,建立定位误差最小的相应信标节点库,继而对不同位置范围的待测节点优化选取其定位采用的信标节点,最后将由未知节点接收到的信号强度得到的多用户间的距离进行差值,优化求解非线性方程组,提高算法性能.仿真结果表明,本文中的RSSI WSN差值定位算法比传统的RSSI定位算法拥有更好的定位性能.     

传感器网络中一种基于RSSI的圆环重叠定位机制

针对传感器网络的节点定位问题提出一种使用3个普通信标节点定位全网的基于RSSI的圆环重叠(ROBRSSI)定位机制.通过误差转换、未知节点与其二跳邻居间协作设计,有效抑制已有研究中RSSI测量误差的影响,降低未知节点与信标节点间相对位置要求,实现未知节点的有效定位.基于ROBRSSI定位机制,研究了传感器网络中新加入节点的定位.仿真实验验证了算法的有效性.     

基于RSSI的加权质心定位算法的实现

提出了一种基于RSSI的加权质心定位算法,即将RSSI方法和质心定位算法相结合,用信标节点对未知节点不同的RSSI值来确定加权因子,以提高质心算法的定位精度.加权质心定位算法计算简单,只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的.     

基于跳数阈值和节点分类的DV-Hop改进算法

为提高DV-Hop(Distance Vector-Hop)算法在随机传感器网络(WSN: Wireless Sensor Networks)中的定位性能, 提出一种基于跳数阈值和节点分类的改进算法。该算法信标设定跳数阈值选择较远的信标估计平均每跳距离, 未知节点根据跳数信息对信标进行分类, 并计算与信标的加权修正距离。同时仿真研究了节点密度、 信标比例、 节点通信半径对算法性能的影响。仿真结果表明, 在随机网络中改进算法能更好地估计跳距信息, 并有效提高定位精度和降低最大定位误差。     

一种基于RSSI校正的加权质心定位算法

节点自定位技术一直是无线传感器网络中的关键技术,而基于接收信号强度指示(RSSI)的定位技术则是目前的研究热点。在对传统的加权三角形质心定位算法分析的基础上,提出了一种改进的定位算法。在测距阶段,将信标节点之间的距离和信号强度同时作为参考来校正RSSI值;在定位阶段,对传统加权三角形质心定位算法的权值进行修正。通过仿真证明改进算法比传统算法的定位精度有明显提高。     

基于簇内RSSI测距改进的DV-Hop算法

针对DV-Hop定位算法在实际环境中的定位精度较低、通信量较大等问题,在DV-Hop定位算法的基础上提出了一种基于簇内RSSI测距改进的DV-Hop定位算法.该算法利用以信标节点为簇头的分簇策略后,信标节点只发送校正值给其邻居节点,无需泛洪广播,且未知节点只需被动接收,无需交互通信,从而降低网络通信总量;簇内节点利用RSSI测距方案计算其与最近信标节点的距离,相比DV-Hop定位算法以校正值代替一跳通信范围内的所有节点距离更加精确,从而提高节点定位精度.     

基于RSSI均值的等边三角形定位算法

为了提高无线传感网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI均值的等边三角形定位算法.该算法引入信号强度指示(RSSI)敏感区和非敏感区概念,采用高斯模型对非敏感区的RSSI数据进行处理,解决了RSSI易受干扰的问题.采用等边三角形分布模型处理信标节点的分布,保证未知节点运动轨迹始终在信标节点的非敏感区内,从而在定位算法上使测量精度得到提高.研究表明,高斯模型可以很好地筛选出RSSI较优值;等边三角形分布模型可以提高RSSI的采集优度.这种定位算法计算简单,定位过程中节点间无通讯开销,无需硬件扩展.     

基于测距和自学习粒子群算法的WSN节点定位

针对WSN中现有节点定位方法具有的定位精度不高的缺点,提出了一种基于RSSI测距和改进量子粒子群算法的节点定位方法。首先,描述了基于RSSI接收信号强度指示的节点定位原理,在此基础上,采用最小二乘法估算节点位置进行节点粗定位。然后,定义了一种基于改进量子粒子群算法的节点定位算法进行节点终定位,为了提高算法的全局收敛能力,在每个粒子中放置学习自动机,使得粒子具有自学习能力,在量子可行空间中自适应地选择对应的动作。最后,通过仿真实验对所提方法进行验证。实验结果表明:文中方法能较为精确地进行节点定位,与其他方法相比,具有测距误差和定位误差小的优点,具有一定的优越性。
     

SoC的可测试性设计技术

基于可复用的嵌入式IP（intellectual property)模块的系统级芯片（SoC)设计方法使测试面临新的挑战，需要研究开发新的测试方法和策略，结合系统级芯片的可测试性设计技术所面临的技术难点。详细介绍了当前系统级芯片的可测试性设计技术，分析了各种系统级芯片的可测试性设计技术的特点及其优缺点，着重讨论了国际工业界内针对系统级芯片测试的方案；IEEEP1500和虚拟插座接口联盟（VSIA）测试访问结构。     

The Right for Women--After Professions for women

［1］A Chinese-English Dictionary 《汉英词典》 Foreign Language Teaching and Research Press外语教学与研究出版社 ［2］徐齐平编Readings in Modern English Prose 《现代英关教文选》 Xu Qiping Edit Nankai University Press南开大学出版社 ［3］Longman Dictionary of American English 《朗文英汉双解词典》 Foreign Language Teaching and Research Press 外研社     

分布式存储中的再生码综述

分布式存储系统中通过引入冗余提高系统的可靠性,纠删码作为重要的冗余策略在分布式存储中得到越来越多的重视.分布式存储系统中,当某个存储节点失效后,需要引入新的节点来修复失效节点的数据.传统纠删码冗余策略在修复失效节点时需要传输的数据量较大近年来出现的再生码对传统纠删码进行改进以减少修复失效节点的带宽消耗.再生码引入网络编码的思想,在修复失效节点时,参与修复过程的节点首先将本节点内的数据作线性组合后再上传,最终修复带宽消耗最小 介绍了再生码的基本概念,然后介绍单节点修复再生码和合作修复再生码的编码策略,最后总结再生码的发展和研究方向     

浅议企业专利申请中的几个问题

知识经济时代的来临引爆了企业中的创新热潮。对于企业中大量的技术创新成果，及时进行专利申请是极为必要的。本文将从专利申请的可行性分析、专利申请中的事务管理及常用策略等几方面来进行相关阐述。     

基于动态注入率的片上网络拥塞避免方法

片上网络的拥塞现象极大地限制了路由器的有效性能,拥塞问题将直接影响到整个处理器芯片的性能.本文首先分析了片上网络中虚通道路由器通信流量的特性．提出设定不同的阈值将网络拥塞状态进行划分,将拥塞避免问题划分为拥塞预防和拥塞解除两个阶段．提出使用一种动态注入率策略,根据实时检测网络的拥塞状态,动态调整网络报文的注入率,将网络中的通信流量控制在一个合理水平内,减轻网络的负载压力,避免NoC完全陷入拥塞而出现瘫痪状态．仿真模拟结果表明,拥塞预防时NoC性能约在“最大负载点”,拥塞解除时性能约在“膝点”,注入率可以达到0.05,在避免拥塞的同时有效兼顾了网络性能.     

未知函数的尾部概率的鞍点逼近

鞍点逼近是一种对随机变量的密度或者分布进行逼近的方法,可将复杂密度函数或者分布化成一个简单,实用的形式,而且其误差较其他传统方法,比如正态逼近法及泰勒逼近法小得多,特别是在尾部概率的逼近方面优势明显.对已知函数进行逼近是简单的,但是实际试验中,试验数据的分布是未知的,本文对一组未知数据的尾部概率用两种不同的形式去进行近似.     

未知函数的尾部概率的鞍点逼近

鞍点逼近是一种对随机变量的密度或者分布进行逼近的方法，可将复杂密度函数或者分布化成一个简单，实用的形式，而且其误差较其他传统方法，比如正态逼近法及泰勒逼近法小得多，特别是在尾部概率的逼近方面优势明显。对已知函数进行逼近是简单的，但是实际试验中，试验数据的分布是未知的，本文对一组未知数据的尾部概率用两种不同的形式去进行近似。