最小跳数路由无线传感器网络仿真研究

为提高最小跳数路由(MHR)无线传感器网络的综合性能,通过仿真分析,揭示了传统最小跳数路由无线传感器网络存在的缺陷,极低开销地提取了改进传统最小跳数路由网络所需的相关信息,并讨论了可能的改进策略,给出了改进前后的性能比较.理论分析和仿真结果表明,利用廉价提取的网络行为特征信息对传统的最小跳数路由无线传感器网络进行改进,能提高网络的可靠性、能源有效性以及其综合性能.     

最小跳数路由无线传感器网络中的节点距离测量

无线传感器网络中的间接距离测量是一种性价比极高的距离测量方法,但目前测量精度还有待进一步提高。根据最小跳数路由无线传感器网络的行为特征,提出了一种基于最小跳数路由及其路由重复数的节点距离测量算法,与DV-hop算法相比,借助路由重复数较大地提高了距离测量精度。理论分析及仿真结果表明,该算法在节点密集分布的无线传感器网络中具有很好的效果。     

基于梯度化邻居节点信息的传感器网络性能优化*

由于路由控制粒度粗,传统最小跳数路由无线传感器网络模型MHR存在数据汇聚可靠性差和能量有效性低等问题,需进一步完善。为改善传统MHR网络的性能,提出一种高效可靠的最小跳数路由无线传感器网络模型MHR-ER,在MHR网络的基础上,通过提取网络梯度化邻居节点信息作为路由精细化控制的依据,通过限制最小跳数梯度场梯度层次宽度以保证数据汇聚的高可靠性,通过限制数据分组的各跳转发节点数以提高数据汇聚的能量有效性。理论分析和仿真结果表明,与MHR网络相比,MHR-ER网络具有极高的数据汇聚可靠性和较好的能量有效性,有利于推动最小跳数路由无线传感器网络的实际应用。     

泛在互联车辆传感器网络体系结构研究

针对车辆传感器网络的特点,提出一种基于分簇定向扩散与智能路由的泛在互联车辆传感器网络体系结构。该体系结构充分利用车辆传感器网络节点的多途径联网功能以及自组网能力．利用分簇定向扩散机制形成无线自组网与传统网络相结合的混合逻辑拓扑结构HLT—C＆DD,通过节点的智能路由功能为网络中的数据汇聚提供智能分流途径。理论分析和仿真结果表明,该体系结构能提高泛在互联车辆传感器网络的综合性能。     

基于神经网络的传感器网络数据汇聚模型研究

由于定向扩散路由无线传感器网络中的数据重复传送,导致数据融合困难,制约实际应用。针对定向扩散路由传感器网络特点,提出基于定向扩散和神经网络的无线传感器网络数据汇聚模型DAM-DD&NN。借助有导师学习的BP神经网络提高感知数据的精确性、降低感知数据的时间空间冗余度;借助无导师学习的神经网络降低数据传送过程中的冗余度。理论分析和仿真结果表明, DAM-DD&NN模型能提高网络的综合性能。     

最小跳数路由无线传感器网络中的路由数估计

分析了最小跳数路由无线传感器网络的运行特点,对重复路由数进行了估算,找出了影响重复路由数的因素,给出了控制策略。理论分析及仿真结果进一步揭示了基于最小跳数路由无线传感器网络的行为特征,对自适应控制网络中的重复路由数具有很好的指导意义。     

基于定向扩散的车辆传感器网络连通性研究*

为改善车辆传感器网络的实时连通性问题,提出一种路边节点梯度值可滑动的定向扩散梯度场DDGF-SRG,并给出了梯度场的实时动态调整规则。通过给路边节点分配固定梯度值,将规模巨大车辆传感器网络划分成若干以路边节点为核心的局部区域,以使梯度场的建立和动态更新可在各局部区域内分布式进行,提高梯度场建立和更新的实时性。通过给车辆节点分配一个可变的数据汇聚梯度值,建立车辆节点到路边节点的定向扩散梯度;通过给路边节点分配一个可变的数据汇聚梯度值,建立路边节点到低梯度层次的定向扩散梯度,并将各局部区域梯度场链接成一个全局的定向扩散梯度场。理论分析和仿真结果表明,DDGF-SRG梯度场在进行动态调整和利用车辆传感器网络的延迟容忍运载能力后,车辆传感器网络的实时连通性得到了极大改善。     

最小跳数路由无线传感器网络行为特征研究

在无线传感器网络（WSN）中，一般借助消息的重复传送来提高网络的可靠性，但消息的重复传送会劣化网络的其他性能，为解决这一矛盾，有必要弄清具体网络运行时的特点。通过理论分析及仿真验证，揭示了最小跳数路由无线传感器网络的行为特征，找出了影响网络中消息重复传送程度的因素及其影响规律，为最小跳数路由无线传感器网络中消息重复传送程度的保证与控制提供了理论指导。     

砌块劈裂机链轮推杆结构的设计分析

论述了链轮推杆机构在砌块劈裂机中的重要作用，对链轮推杆机构的组成及其工作方式作了重点论述；对其主要零部件链轮的设计做了详细计算；对动力轴进行了选型和有限元分析，对其总变形和等效应力进行了校核。     

传感器网络中高精度距离测量的轻量化计算

无线传感器网络资源严格受限的特性要求网络内的信息处理不宜过于复杂。为了以较低代价测得较高精度的传感器网络节点间距离,提出DV-HOPF距离测量算法,该算法基于最小跳数梯度场及邻居节点信息进行高精度节点距离测量,借助分段线性化处理简化距离测量时的计算。为减小线性化处理时引入的误差,借助单段线性化处理时最大误差点的位置特征估计多段线性化处理时的分段点,实现每梯度层次分两段的线性化廉价处理。与DV-hop距离测量算法相比,以较小的通信开销、计算开销和存储开销为代价,极大地提高了距离测量精度,保证了节点间距级的距离测量分辨率;与严格按理论关系式精确计算相比,极大地降低了计算复杂度,降低了对传感器网络节点的要求。