无线传感器网络动态电压调度算法

针对无线传感器网络的节点在运行状态提出了动态电压调度(DVS)算法。DVS是通过改变处理器的工作电压和工作频率来减少处理器的消耗能量。该方法首先必须对节点各部分发出的信号进行分析和预测,并根据预测后的信号对处理器设定处理速率,最后,设定合适的工作电压和工作频率。     

基于EWS的DVS在无线传感器网络中的应用

动态电压调度(DVS)通过使用EW S算法对任务量预测,并根据预测结果判断处理器该进入何种操作频率等级,使较小任务量使用较小的操作频率,从而减少了节点的能量消耗。仿真实验结果表明:该方法是有效的。     

无线传感器网络的簇头功率控制技术

在军事侦察与环境监测中,无线传感器网络一般部署在无人区域或危险区域,不能依靠人对系统进行配置与管理.网络节点通过撒播造成分簇后密度不均,影响了网络性能.由于同簇节点通信使用同一信道,簇的大小直接关系到每个节点的通信能力.当簇内节点个数处于一个合适的范围时,网络才能发挥最好的性能.因此需要对簇头进行功率控制来优化网络结构.针对这一缺乏准确数学模型的过程,提出一种基于PID的模糊自适应的变步长簇头功率控制方案,把簇内节点数目控制在一个合理的范围内.其特点是概念简单、易于理解和提高系统的鲁棒性,仿真结果从理论上证明了通过控制分簇大小以后,网络的寿命和通信能力都有所增加.     

柱前衍生-超高效液相色谱荧光法同时测定啤酒中黄曲霉毒素B1、B2、G1、G2

目的建立柱前衍生-UPLC-FLD法测定啤酒中黄曲霉毒素B1、B2、G1、G2的方法。方法样品直接经过乙腈稀释提取,提取液经过离心后,取上清液用多功能柱净化,净化液经氮气吹干、用三氟乙酸衍生后,经定容、微孔滤膜过滤、进液相色谱分析,以ACQUITY UPLC HSS T3柱(2.1 mm×100 mm,1.8μm)分离,荧光检测器检测,外标法定量。结果 4种黄曲霉毒素线性范围较宽,相关系数r在0.999 2~0.999 6之间,黄曲霉毒素B1、B2、G1、G2检出限分别为0.05、0.02、0.08、0.02μg/kg。加标回收率90.47%~108.17%之间,回收率的RSD在0.97%~8.13%之间。结论本法操作简便、准确度好、精密度高,干扰性小,能满足啤酒中黄曲霉毒素B1、B2、G1、G2的同时测定。     

基于小波的DVS在无线传感器网络中的应用*

为了最大限度节约能源的使用,使无线传感器网络使用寿命延长,针对无线传感器网络的节点在运行状态提出了基于小波的动态电压调度(DVS)算法.该方法首先通过使用小波、Kalman和AR三种算法相结合对下一任务量进行预测,并根据预测结果判断处理器(使用SA-1100处理器)进入何种操作频率等级(处理器的工作电压与操作频率一一对应),使较小任务量进入较小操作频率等级的状态,从而减少了节点在周期内的能量消耗.仿真实验结果表明,该方法是有效的.     

固相萃取-超高效液相色谱法快速检测辣椒面中刚果红

目的：建立测定辣椒面中刚果红染料含量的超高效液相色谱方法。方法：采用氨水-乙醇（30∶70,V/V）提取剂,超声加热辅助提取3 次,合并提取液、浓缩后过HLB固相萃取小柱,以5 mL 1%甲酸-甲醇溶液淋洗、5 mL10%氨水-甲醇溶液洗脱,收集洗脱液、氮吹浓缩后定容测定。使用BEH C18色谱柱（50 mm×2.1 mm,1.7 μm）;流动相：A为乙腈,B为10 mmol/L乙酸铵溶液,梯度洗脱;流速0.4 mL/min;检测波长498 nm;柱温40 ℃。结果：回收率为72%～96%,方法检出限为0.029 0 mg/kg,相对标准偏差为2.16%～5.97%（n=6）,线性方程相关系数达到0.999 9。结论：本方法简便、快速、准确、灵敏,适用辣椒面中刚果红染料含量的测定。     

无线传感器网络能量最优的QoS路由发现方法

针对无线传感器网络的动态网络环境和节点能源受限,且通常无法补充的能源特性等不利因素,提出了一种可以实现能量最优的QoS路由发现方法。该方法利用节点选择机制和节点邻居表来建立满足QoS带宽需求的可供选择的节点集合,从而减少路由发现过程中的所要监测的节点数量。所提方法还构建了无线传感器网络的能量评价模型和节点能耗权重模型,使用遗传算法从可供选择的节点集合中构建可实现能量最优的QoS路由,自适应的实现对节点调度,从而延长无线传感器网络的寿命。通过实验仿真与分析,给出了实现无线传感器网络能量最优的遗传算法控制参数的选择区间。实验结果显示:该方法对无线传感器网络具有更好的适应性,且能保证其有更长的寿命。