Ad Hoc网络中的动态反馈功率控制方法

受移动节点能量的限制,传统Ad Hoc网络使用最大的固定功率传送数据,从而严重影响节点及网络的生存时间。针对该问题,通过观测接收节点信干比的线性变化情况,计算发送节点所需的发送功率,发送节点以此为依据动态地调整传输功率。仿真结果表明,该方法能减少节点的能量损失,延长网络生存时间。     

一种基于WiFi的室内重点区域监测方法

针对无设备的室内重点区域监测问题,本文提出一种Wi-KAM方法,通过获取室内人员的实时位置信息,判断重点区域内部的人员存在情况和区域边界的入侵情况.本方法使用高斯低通滤波算法和主成分分析(PCA)法对提取出的信道状态信息(CSI)进行预处理,并提取位置特征信息.结合最小二乘支持向量机(LSSVM),对样本集进行离线训练和在线分类,获取人员实时位置,实现对重点区域内部及周边人员位置情况的监测.实验表明,本方法可以更精确地进行重点区域内人员入侵检测和位置判别,并提高了室内人员定位的准确性.     

基于信道状态信息的被动式目标轨迹跟踪方法

针对目前的被动式目标人员轨迹跟踪方法计算开销大,算法复杂度高等问题,提出了一种基于信道状态信息CSI(Channel State Information)的被动式目标人员跟踪方法。该方法在离线阶段采集细粒度的CSI数据,建立离线指纹数据库;在线阶段,将实时数据与离线数据库中的数据利用融合了卡尔曼滤波的KNN位置指纹算法进行匹配,实现目标人员轨迹跟踪。实验结果表明该方法可以更精确的跟踪目标人员的轨迹,跟踪可靠性更高。     

基于多路移动Agent的WSN能量管理模型

提出了一种基于多路移动Agent的无线传感器网络能量管理模型,并在模型中引入了多路移动Agent协同的分布式任务处理算法,能有效地减少网络延时,节约节点能量,延长网络寿命。仿真实验结果表明所提出的模型是有效的。     

1种基于SNMP的分布式网络故障管理模型

网络技术与应用的飞速发展对网络管理形成了挑战.有效可行的网络管理系统将是确保网络正常运行的很重要的方法.通过对SNMP与网络故障管理的分析,设计了基于SNMP的分布式网络故障管理系统模型.     

WSN中基于虚拟力的移动覆盖算法

以往移动覆盖算法的主流思想通常为：根据特定算法移动部署好传感节点后,转为静态无线传感器网络进行工作,即网络只在节点部署阶段处于移动状态。针对稀疏无线传感器网络按此思想覆盖率极低,并且通常网络也只需对目标区域实现动态覆盖的问题,提出了基于虚拟力的移动覆盖算法。算法采用虚拟力思想部署节点,划分出节点工作区,并依据等周定理规划出移动轨道,以最小化节点移动距离,并减少重叠覆盖面积,降低感知能耗。仿真实验结果表明,该算法实现了对目标区域的高覆盖率,并有效提高了网络的能量利用率,具有较强实用性。     

季节周期性Elman网络的网络流量分析与应用

针对静态前馈网络和Elman网络在网络流量预测中的不足,建立了一个基于改进Elman神经网络的流量模型,并提出了一种基于季节周期性学习方法,根据实际网络中测量得到的网络流量数据,对网络流量进行预测。实验结果表明,该模型具有良好的预测效果,相对于传统线性模型、BP神经网络模型及标准Elman神经网络模型具有更高的预测精度和更好的自适应性,应用于网络流量预测是可行、有效的。     

无线传感器网络节点定位加权校正模型

为了降低定位算法本身和接收信号强度指示(RSSI)所产生的误差对定位精度的影响,在以往的定位算法(如利用高斯—马尔可夫模型定位)中加入校正机制,并将移动锚节点和固定锚节点定位技术相结合,提出了一种基于加权的校正模型和算法。仿真结果表明,采用加权校正模型有效地提高了节点定位精度,与采用高斯—马尔可夫模型定位相比较,定位精度提高了36.2%。     

基于Java技术的在线考试系统的设计与实现

简述了在线考试系统的主要功能,提出Jsp Servlet JavaBean三层系统架构实现在线考试系统,并讨论了开发过程中遇到的几个关键问题及采取的相应措施。     

复杂环境下一种多移动节点的WSN三维覆盖算法

依据现实环境中对于复杂的山丘、沟壑等空间立体目标进行监测的需要,提出一种多移动节点的无线传感器网络三维覆盖算法。通过在三维空间中选取目标监测点,采用基于误警率的节点感知模型感知目标监测点,计算目标监测点的三维联合探测概率进行覆盖空洞分析,找出移动节点最优移动路径,调整移动节点移动位置实现对目标监测点的全覆盖,解决三维环境中恶劣复杂情况下的监测问题。仿真结果表明,该算法可有效探测覆盖空洞,并能够利用移动节点对其进行修复,在满足目标监测节点全覆盖的同时使移动节点的移动距离最优,降低网络能耗。