基于最优节点通信半径的改进DV-Hop定位算法

针对DV-Hop定位算法在节点随机分布的无线传感器网络中定位误差大,以及现有改进算法需要增加通信开销的问题,提出一种基于最优节点通信半径的改进DV-Hop定位算法.该算法在传统DV-Hop算法的基础上,通过分析网络节点分布特性得到最优节点通信半径,同时利用误差分析获得受扰动影响最小的锚节点优化分布方案,然后使用最小二乘法校正锚节点的平均跳距,最后采用加权方法修正未知节点位置.仿真结果表明,在不增加网络通信量的情况下,文中算法的定位精度高于现有算法.     

无线传感网络中节点边缘分布方法的探讨

节点分布及定位技术是无线传感网络中的关键技术之一,目前关于无线传感网络节点分布及定位的探讨很多,但大多局限于监控区域内的节点定位。通过阐述无线传感网络技术及传感器节点定位的一些算法,进一步探讨无线传感网络中节点边缘分布的方法。     

一种高效覆盖的节点放置算法

提出了一种新的高效覆盖的节点放置方法．该算法的目的是使传感器的数目最优化，并确定能支持分布式传感器网络的传感器的配置，其基本思路是剔除局部冗余，提升整体性能．最后通过仿真与已有的算法进行比较，展示了其性能的优越性．     

基于连接信息的无线传感器网络边界节点识别算法

无线传感器网络边界节点检测是识别网络覆盖空洞和提高数据路由效率的关键。为提高边界节点识别的精度,降低识别过程中对节点位置信息的依赖和能量消耗,提出了一种分布式边界节点识别算法(distributed boundary node identification,DBNI),该方法无需节点位置信息,仅依靠节点间的连接信息即能够有效识别网络中的边界节点。基于MATLAB的仿真实验和Zig Bee节点的实验结果都表明,同其他算法相比,该算法识别精度高,能量消耗低。     

基于节点划分的无线传感器网络自适应分簇算法

为延长网络的生命周期,针对随机部署的无线传感器网络节点均匀分布和能量有限的特点,提出了一种基于节点划分的分布式自适应分簇算法.通过节点的划分均衡簇内负载,利用节点的剩余能量与通信距离信息的自适应加权来优化调整节点竞选簇头的概率.模拟实验结果表明,该算法可有效延长网络的稳定周期和生存时间,数据传输量比LEACH-E算法增加了近20%.     

无线传感器网络中一种基于节点序列的覆盖算法

针对覆盖问题是无线传感器网络中的一个基本问题.不同的应用场景对网络的覆盖度有不同的要求,提出一种基于节点序列的覆盖算法(CNS)来判断网络的覆盖情况、消除覆盖漏洞.算法首先讨论如何判断网络1度覆盖情况,然后通过调整距离覆盖漏洞最近的传感器节点的感应半径来动态提高网络的1度覆盖率.同时,还对CNS算法进行扩展,用来解决多度覆盖问题.模拟结果表明:CNS算法在性能上要比现有覆盖算法优越.     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。     

基于能量预测的无线传感器网络节点覆盖调度算法

针对无线传感器网络中存在的热区问题,采用非均匀部署方案,并在此基础上提出基于能量预测的无线传感嚣网络节点覆盖调度算法.并对算法进行了仿真实验和性能分析.结果表明该算法可以延长的网络生命周期并在较长的时间里保持较高的网络覆盖率,能够达到网络内大多数节点能耗均衡的设计目标.     

基于k-覆盖保证的异构传感器网络节点调度策略

在分析已有传感器网络覆盖控制协议的基础上,提出了一种分布式覆盖控制算法.针对节点随机部署的异构网络,通过研究网络中节点交点的必要性,得出必要节点交点的最低覆盖度即为区域覆盖度的结论,由此可将区域覆盖度的计算转化为特殊点的覆盖度计算,从而解决了覆盖算法计算复杂度高和不精确等问题.在此基础上,又提出了一种以保证k-覆盖为目标的节点调度策略(SEC),该策略按照时间轮次,根据精确覆盖度算法可分布式地确定节点的状态.仿真结果表明,SEC能够减少节点的通信量,使工作节点数摆脱总节点数的影响,从而延长了网络的生命周期.与经典覆盖控制算法相比,所提算法在保证网络覆盖度的前提下可有效降低工作节点的数量,提高大规模传感器网络的可扩展性.     

基于改进的果蝇优化算法的WSN节点部署设计

针对非均匀监测点的节点部署问题,设计并实现了一种简单、实用的果蝇优化算法(WSN-IFOA),构造了适用于节点部署的味道浓度函数。利用果蝇群体的随机寻优性,能够保证部署尽可能少的传感器节点使网络覆盖和连通。实验结果表明该算法在部署效果上优于基本蚁群算法,并证明了算法的可行性和有效性。     

一种提升Canny算子的自适应边缘检测方法

基于Canny算子的图像边缘检测方法,提出了一种改进的Canny边缘检测算法.首先提出一种自适应滤波器对图像进行滤波,其次结合迭代阈值法自适应产生高低阈值,避免了人为阈值的设定,提高了算法处理速度.此方法在保持了原有Canny算子边缘检测的定位准确,单边响应和信噪比高等优点的基础上,减少了假边缘点的产生,提高了边缘检测定位精度,保证了边缘检测的可靠性和完整性.最后通过实验仿真证明了该方法的有效性.     

基于半邻域法的自适应图像边缘提取方法

图像边缘对图像识别和计算机分析十分重要,至今已经提出了大量的各种类型边缘提取算法.该文在半邻域法的基础上提出了一种基于自适应阈值选择的图像边缘提取算法,在判断某一像素点是否在边缘上时,以该像素点为中心,选取3×3的区域为研究对象,求出该区域的最大、最小、均值像素值及标准差,在选用标准差为其阈值的同时,还考虑人的视觉对于灰度分辨能力的限制.最后,对多幅灰色图像进行了边缘提取,结果证实了该文方法的有效性.     

一种新的边缘保持自适应平滑算法

在图像去噪时,存在着一个如何兼顾降低噪声和保留细节的难题,为此本文提出边缘保持自适应平滑算法——灰度最小方差区域的均值去噪.该算法提高了图像平滑过程中边缘检测的方向性,在9个方向上对边缘细节进行检测类聚,具有较强的方向性和自适应性.利用该算法进行仿真试验,结果表明,与已有的去噪算法相比较,该算法较好地解决了边缘信息保持和去噪的矛盾,去噪效果也明显增强.     

自适应Retinex与Canny的炉膛火焰边缘检测算法

对炉膛火焰图像的增强与检测是获得炉膛内部燃烧情况的重要手段.首先,提出了一种自适应多尺度Retinex算法,提高了火焰清晰度和炉膛火焰与炉膛的对比度.其次,提出了识别火焰边缘改进的Canny算法,提高了火焰边缘清晰度.仿真结果表明,炉膛火焰与环境对比度得到提高,改善了图像的视觉效果,火焰边界连续且轮廓清晰.     

基于图像增强的边缘检测方法

在对传统边缘检测算法分析的基础上,文章提出了基于图像的自适应增强的边缘检测算法,首先分别对图像的目标和背景物体进行灰度增强,然后对增强后的图像进行边缘提取,并对提取后的边缘图像进行融合。试验结果表明,该方法能有效的提取图像边缘细节,取得良好的边缘检测效果。     

结合边缘纹理和抽样推断的自适应阴影检测算法

为改进阴影检测的准确度和场景自适应能力,提高运动目标检测精度,设计了一种自适应的阴影检测算法。该算法利用候选前景与原始背景的Y、U、V分量变化比率来检测阴影像素,并结合全局边缘纹理特征及抽样推断方法来估计检测阈值。算法能自动完成阈值估计及阴影判别过程而无需人工干预,并可自动适应各种光线条件,具有较强的鲁棒性。对不同光线环境的标准视频检测实验表明,该算法在精度和实时性上均有所提升,阴影检测综合性能指标达到了94%以上。     

基于自适应调整权重和搜索策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA).设计一种随着鲸鱼种群变化情况而自适应调整权重的方法,提高了算法的收敛速度; 设计一种自适应调整搜索策略,提高了算法跳出局部最优的能力.利用23个标准测试函数,分别针对高维和低维问题进行测试,仿真结果表明,AWOA在收敛精度和收敛速度方面总体上明显优于其他多种改进的鲸鱼优化算法.     

基于二维伽马函数的光照不均匀图像自适应校正算法

提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法. 利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高光照过暗区域图像的亮度值,最终实现对光照不均匀图像的自适应的校正处理. 通过与经典算法对比表明,本文算法可以更好地降低光照不均匀对图像的影响,提高图像的质量.