MoNoC: A monitored network on chip with path adaptation mechanism

Complex systems on chip containing dozens of processing resources with critical communication requirements usually rely on the use of networks on chip (NoCs) as communication infrastructure. NoCs provide significant advantages over simpler infrastructures such as shared busses or point to point communication, including higher scalability, more efficient energy management, higher bandwidth and lower average latency. Applications running on NoCs with more than 10% of bandwidth usage attest that the most significant portion of message latencies refers to buffered packets waiting to enter the NoC, whereas the latency portion that depends on the packet traversing the NoC is sometimes negligible. This work presents an adaptive routing architecture, named Monitored NoC (MoNoC), which is based on a traffic monitoring mechanism and the exchange of high priority control packets. This method enables to adapt paths by choosing less congested routes. Practical experiments show that the proposed path adaptation is a fast process, enabling to transmit packets with smaller latencies, up to 9 times smaller, by using non-congested NoC regions.     

Nonlinear Consensus Algorithms with Uncertain Couplings

Distributed algorithms for synchronization and consensus in multi‐agent networks are considered. The agents are assumed to be linear of arbitrary order, the interaction topology may switch, and the couplings are uncertain, assumed only to satisfy certain quadratic constraints. Using the Kalman‐Yakubovich‐Popov lemma and absolute stability theory techniques, consensus criteria for the networks of this type are obtained. These criteria extend a number of known results for agents with special dynamics and are close in spirit to the celebrated circle criterion for the stability of Lurie systems.     

基于贪婪路由协议的动态单/多链路故障恢复策略

针对现有的贪婪方法不能有效处理拓扑结构中链路故障的问题,提出单链路故障和多链路故障本地化恢复策略。首先,通过利用克莱因伯格的贪婪嵌入给出单链路故障恢复策略;然后,将其扩展到多链路故障的情况;最后,在基于Python/C++的仿真环境下对提出的技术进行评估。实验结果表明,该技术仅需要非常有限的资源,且造成的路由质量损耗也有限,可以实现快速切换,可依网络生成树中链路数目扩展。该技术的可扩展性、简单性和低开销使其适合于大型网络。     

无线传感器网络中的改进数据聚集调度算法

针对现有聚集数据调度近似算法具有较高延时上界的问题,提出一种改进的聚集数据调度近似算法。建立一棵根在中心结点的广度优先搜索树,分层构造一个最大独立集(MIS),使MIS中相邻的2个结点相距两跳。将MIS中的结点连接起来,形成一棵根在中心结点的数据聚集调度树,使结点按数据聚集调度树进行分层数据调度。在数据聚集调度树的构造过程中,对于任意支配点,以最小的结点连接其相距两跳的支配点。对于2个相邻支配点的公共邻居支配点,通过在距中心点最近的支配点加入数据聚集树,使其在数据调度过程中将数据发送给距中心点最近的支配点,从而降低数据的聚集延时。实验结果表明,与SAS算法、Guo’s算法和IAS算法相比,该算法的数据聚集延时更低,其延时上界为14R+△?10。     

WSN中基于线性规划的多类别目标覆盖算法

多类别目标覆盖问题是目前无线传感器网络中的研究热点。针对现有目标覆盖算法在时间效率、网络生命周期等方面的不足,将多类别目标覆盖问题建模为基于线性规划的网络生命周期最大化问题,提出一种基于分簇的目标覆盖算法。该算法依据节点的剩余能量和感应能力,在每个簇结构内求解最优覆盖集的基础上得到接近于最优解的全局覆盖集,进而调度节点相应的感应模块去覆盖其感知范围内同属性的目标。实验结果表明,该算法是有效的,在网络生命周期和时间效率等方面均优于CWGC方案,接近于线性规划最优值。     

视觉传感网中基于二次规划的图像压缩感知

为降低视觉传感网络中图像压缩感知算法的计算复杂度,提出一种基于二次规划的网络图像恢复算法。该算法将压缩感知重构中的欠定线性方程组求解问题,转化为有界约束二次规划问题,在此基础上结合阿米霍步长准则,设计一种压缩感知图像恢复算法,通过求解二次规划问题对网络图像数据进行恢复。理论分析和仿真结果表明,与传统图像压缩感知算法相比,该算法可减少约1/3的图像数据恢复运算时间,且图像重构质量提高3 dB~6 dB,有效提高了视觉传感器网络图像恢复算法的实时性。     

污水处理中BP神经网络与Elman神经网络的预测比较

以活性污泥污水处理过程为背景,介绍并比较了BP神经网络与Elman神经网络对于污水处理输出化学需氧量(COD)的预测.实验结果表明,Elman神经网络训练时间要比BP神经网络训练时间长,但是Elman神经网络预测的精确度要比BP神经网络预测的精确度高,Elman神经网络能够更好的预测污水处理的进程.     

基于SVM和RBFN的汽车主动降噪系统传感器故障诊断

汽车主动降噪系统的工作依赖于多个噪声传感器,一旦传感器发生故障,将严重影响降噪效果。为保证汽车主动降噪系统的性能,提出了由支持向量机(SVM)预测模型和径向基神经网络(RBFN)预测模型构成的传感器故障诊断系统,SVM模型判断是否发生传感器故障,RBFN模型则利用各传感器间的信息冗余关系定位故障传感器并对其信号进行重构。仿真结果表明,该诊断系统可有效实现汽车主动降噪系统中的传感器故障诊断及信号重构。与传统的汽车主动降噪系统相比,引入传感器故障诊断系统可保证更稳定的降噪性能。     

一类新的分布式随机验证无线传感网络节点克隆攻击检测

由于无线传感器网络节点的无人值守性,攻击者很容易捕获并复制节点,利用节点的安全证书把复制节点发布到无线传感器网络的各个角落,进而秘密发动各种攻击。提出一类新的分布式节点复制攻击检测协议,协议采用随机区域单元映射和域内随机线选验证相结合的方法进行攻击检测。仿真结果显示,协议的随机验证特性使网络能量消耗均匀,延长网络的生存周期。域内线选验证使协议的通信开销和储存开销较低并具有较高的检测率。     

基于超声波六元阵列测距的WSN节点定位技术研究

基于超声波测距的定位技术以其精度高、范围广和性能稳定等优点,在无线传感器网络中广泛应用。为了实现较大范围的高精度定位,利用自主实现的超声波六元传感器阵列进行TDOA测距,并进行测距误差分析,然后采用基于测地距离的多维定标算法(Geodesic Distance MDS)进行无线传感器网络节点定位。在MATLAB平台下与Cricket采用的迭代式三边定位和AHLoS采用的多点定位算法进行对比仿真实验,结果表明Geodesic Distance MDS算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。