一种新型的光纤曲率传感器

开发了一种新型的埋入式光纤曲率传感器 ,以结构的曲率变形对传感器的输出光强实现强度调制 .对传感器的静态和动态特性作了分析 ,提出了该传感器的传感机理 ,对传感器的结构作了改进 .将此传感器埋入树脂基复合材料板内部 ,测量板的弯曲变形 .可利用此曲率传感器组成准分布式传感系统检测智能结构的形状变化 .     

无线可穿戴身体姿态监测系统的研究与实现

为预防由于坐姿不正确而引发的身体疾病, 设计一种无线可穿戴人体身体姿态监测系统。TI CC2540处理器处理由LIS3DH 传感器实时采集人体坐标x 轴、y 轴、z 轴加速度数据, 并通过蓝牙4. 0 协议将其传输到手机客户端APP(Application)上进行数据的处理并显示, 以达到矫正人体姿势的目的。同时该系统又可实现与体感游戏的有机结合, 达到锻炼身体的目的。     

移动社交网络中的无线资源分配算法研究

随着移动用户数量的不断增加以及移动网络规模的发展,移动社交网络越来越受到人们的青睐,在社交网络中,社交网络用户可以使用移动设备相互交换和共享内容,但如何在移动社交数据传输过程中根据用户的需求为其分配最佳的无线资源,并确保资源的安全性和保密性成为了一个新的挑战.研究移动社交网络中的无线资源分配问题,资源分配包含无线资源分配和保密性资源分配,提出一种基于梯度的迭代算法来求解社交用户所需要的最佳无线资源和保密性资源.仿真结果分析表明,根据所提算法可以得出在保密性资源能量效率方面比随机分配方案提高8％左右,同时在无线资源利用率方面也有显著提升.     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.     

基于EBS的无线传感器网络密钥管理方法研究

针对现有无线传感网络(wireless sensor networks, WSN)群组通信中网络环境复杂、资源占用率高以及共谋攻击等问题,提出一种融合三元多项式和EBS(exclusion basis system)管理机制的动态密钥管理方法。通过分析现有方法的不足,从WSN系统模型和EBS密钥管理2个方面对其进行改进,针对WSN系统模型引入层次式拓扑结构,有效解决簇头节点存在的单点失效问题,在此基础上,根据EBS群组密钥管理方法,引入三元多项式算法对EBS管理机制的参数进行优化。仿真结果表明,改进方法与局域化组合密钥管理(localized key management, LOCK)方法相比,改进后的EBS方法可以减少传感器节点的密钥存储量,增加网络共谋链的长度以及提高WSN的网络抗毁性。     

基于动态可调簇的无线传感网络能量感知数据存取算法

针对无线传感网中数据收集、存储和查询的需要,提出了一种基于动态可调簇的能量感知数据存取算法ACEDBA(Adjusted Cluster-based energy-aware Data Brokerage Algorithm).该算法将网络节点分成许多簇结构,簇内节点负责数据采集,簇首节点负责簇内数据的收集、汇聚和转发,数据可以集中存储,也可以分布存储在各簇首节点或本地存储.算法引入能量分级消耗机制,可动态选择和调整簇首节点,保证各簇首节点簇内数据存储和簇间数据转发查询的能量平衡.实验结果表明,与典型数据存取算法相比,该算法的节点能耗均衡、生命周期和查询成功率方面具有优势.     

多分量地震监测系统AETA的感应式磁传感器磁棒研制

根据多分量地震监测系统AETA的技术需求, 完成一种感应式磁传感器的研制和工业化实现。通过分析电磁扰动的监测需求, 确定感应式磁传感器磁棒的各项设计参数, 并提出较优材料选取以及结构设计方案。磁棒的设计指标为0.1 Hz~10 kHz, 工作温度范围为40~130℃, 监测的磁场强度范围为1~1000 nT, 灵敏度大于20 mV/nT@(0.1 Hz~10 kHz)。测试结果表明, 研制的磁传感器满足AETA的性能要求。该传感器已成功地投入应用, 正在大区域规模化布设。     

基于远洋渔船作业场景的机会网络移动模型

在分析现有移动模型性能的基础上,针对远洋渔船机会网络中节点运动作业时的特点,提出了一种符合远洋渔船移动特征的平滑转弯半马尔科夫移动模型(Smooth Turn Semi-Markov Smooth Mobility Model,简称STSMS模型).从节点运动方程和平均稳态速率两方面进行了理论分析,并对节点运动轨迹和平均稳态速率进行了仿真验证.仿真结果表明,构建的STSMS模型能较好地反映节点的运动特点,并具有速率不随时间延长发生衰减的特性,适用于远洋渔船机会网络的模拟仿真.     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。