一种基于测量数据相似性的WSN分簇路由方法

针对无线传感器网络(Wireless Sensor Network, WSN)中节点能量有限、节点能耗不均衡导致网络生命周期较短的问题,提出一种基于测量数据相似性的分簇路由算法CRMDS(A WSN Clustering Routing Method based on Measured Data Similarity)。在分簇阶段,设计自适应聚类算法,将测量值相似性高的节点分为一簇,在每个簇中选择一个节点传送数据,簇内其他节点进入睡眠模式以节省网络能量。在数据传输阶段,根据节点的剩余能量和传送能耗动态地更替簇头节点,并设计传送次数因子和相对距离因子生成簇头节点之间的路由路径,平衡节点能耗。仿真结果表明,CRMDS算法相较于现有算法能够有效节省网络能量,延长网络生命周期。     

基于观测器的网络切换模糊时滞系统鲁棒控制

针对带有随机时变时滞的非线性网络切换系统稳定控制问题进行研究,在系统状态不可测且存在不确定性的情况下,采用T-S模型将非线性网络切换系统建模为网络切换模糊系统。然后,采用平均驻留时间法（ADT）,设计出基于观测器的控制器及系统切换律,并给出网络切换模糊系统指数稳定的平均驻留时间条件。结合李雅普诺夫（LKF）方法给出时滞相关的网络切换模糊系统指数稳定的矩阵不等式条件。最后通过MATLAB数值仿真验证了该设计方法的有效性和优越性。     

网络环境下切换模糊时滞系统的非脆弱控制

针对一类控制器增益存在摄动的非线性网络切换系统,在系统同时存在随机时变时滞和不确定性的情况下,采用T-S模型建模,研究系统的稳定控制问题。利用平均驻留时间(ADT)法设计系统的切换律及非脆弱状态反馈控制器,并给出网络切换模糊时滞系统指数稳定的平均驻留时间条件。结合李雅普诺夫函数(LKF)法,推导时滞相关的网络切换模糊系统指数稳定的矩阵不等式条件,并将此条件转化为线性矩阵不等式形式。通过数值仿真对比系统在采用ADT法与传统LKF法下的状态曲线,结果表明,ADT法可以使系统收敛速度更快,性能指标更好。     

基于T-S模糊模型的多时滞非线性网络切换控制系统非脆弱H∞控制

针对一类控制器增益存在摄动的不确定非线性网络切换系统,在系统同时存在随机时变时滞和数据包丢失的情况下,研究系统的非脆弱H_∞控制问题.首先,利用T-S模型,将非线性网络切换系统建模为网络切换模糊系统;其次,将数据包丢失作为时滞处理,并采用Bernoulli分布的随机序列描述该时滞;再次,采用平均驻留时间的方法(ADT)设计系统的切换律及非脆弱状态反馈控制器,并给出网络切换模糊时滞系统指数稳定的平均驻留时间条件;最后,结合李雅普诺夫(LKF)方法给出系统均方指数稳定且满足H_∞性能指标的充分条件.仿真结果验证了所提出设计方法的有效性.     

基于虚拟仪器和单片机的实时温度采集与控制系统

设计开发了基于单片机技术、传感技术、虚拟仪器和无线传输的温度采集和控制系统。以Pt100作为温度传感器,STC89C52单片机作为硬件控制芯片,通过数据采集卡USB-6251将采集的温度数据上传至上位机,上位机以LabVIEW软件作为开发平台,对采集的数据进行存储、显示、报警及分析处理。该系统实现了对温度的采集和控制,所需硬件少、可扩展性强、开发与维护费用低,能基本满足目前生产领域的温度测控需求,具有较大的应用前景和市场潜力。     

UAST-RCNN:遮挡行人的目标检测算法

为解决行人检测中对遮挡行人的检测度低,漏检率较高的问题,提出一种基于注意力机制的 UAST-RCNN 网络,其在 Faster-RCNN 网络的基础上进行改进。 首先,选用 Swin-Transformer 作为骨干网络,通过采用一种窗口多头自注意力机制提升全 局感受野;然后,通过层级重采样模块,改进特征金字塔提升特征样本的质量,并且引入渐进式焦点损失函数平衡正负样本;最 后,在实验预处理阶段采用改进的数据预处理扩充 City Persons 数据集进行多尺度训练。 实验结果表明该算法对比原模型在遮 挡行人检测上有了明显提升,其中在检测精度(AP)提升了 6. 3%,漏检率(MR)下降了 4. 1%。 验证了所提算法在行人检测的 可行性,可满足遮挡行人场景的检测要求。     

基于SDN的动态负载均衡策略

针对SDN中静态网络结构不能适应动态流量变化所引起的控制器负载不均衡问题,提出一种阶段式动态负载均衡策略。阶段一以控制器负载均值化为目标,确定迁入控制器候选集,且综合考虑时延、负载,设计指标函数,选取待迁移交换机;阶段二考虑网络节点间的连通性,以最小迁移代价为目标,提出改进的EMD模型,并用线性逼近算法快速求解,实现了交换机的快速并行迁移。实验结果表明,与现有的负载均衡策略相比,其改善了迁入控制器和交换机的选取过程,优化了网络性能,控制器的负载均衡度提升了约31.4%。     

改进TD3的SDN车联网边缘计算卸载策略

针对车联网场景下计算任务卸载至远端云中造成的延迟波动和能耗增加问题，搭建了融合软件定义网络和移动边缘计算的车联网系统模型。为了最小化车联网中计算卸载的时延和能耗，设计了一种基于深度强化学习的动态计算卸载策略。该策略从计算任务的能耗和时延这两个维度进行建模，并提出在传统的双延迟深度确定性策略梯度的基础上加入Softmax和优先经验回放的改进算法(SP-TD3)。仿真实验结果表明，设计的计算卸载策略在不同车辆数下对于能耗和时延有较为优越的性能。