基于改进蚁群算法的无线传感器网络路由

为了降低节点能量消耗,延长网络生存的时间,提出了一种改进蚁群算法的无线传感器网络路由机制。首先将无线传感器网络服务质量分为3类,然后利用蚁群算法可以自适应网络状况动态性的优势,构建传感器节点转移函数和信息素更新规则,自适应构建数据路由,最后采用仿真模拟实验对算法性能进行检验。实验结果表明,相对于与现有无线传感器路由算法,本文通过引入蚁群优化机理挖掘传感器节点之间的关联性,数据传输延迟、可靠性和能量开销上具有更好的性能,使整个网络性能保持最优。     

无线传感器网络数据自适应稀疏变换

针对无线传感器网络节点位置移动及传输干扰等因素可导致数据稀疏结构改变的问题,提出一种基于字典学习的无线传感器网络自适应稀疏变换方法。根据网络数据稀疏结构变化,自适应构建最优稀疏变换基,同时在字典学习问题中引入无线传感器网络数据稀疏基的可压缩约束,以满足无线传感器网络中大规模数据处理特点及稀疏变换的高实时性要求。理论分析和仿真结果表明,所提算法可有效提高无线传感器网络数据稀疏变换算法的顽健性,同时具有良好的实时性。     

基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。     

基于改进PSO的无线传感器网络数据自适应聚类算法

为解决无线传感器网络数据类项过于繁杂的问题，将相似信息参量整合成独立的簇类对象集合，提出基于改进PSO的无线传感器网络数据自适应聚类算法。按照改进PSO算法的作用机制，确定欧氏距离指标的计算数值，实现对网络数据的处理。在无线传感器网络体系中定义聚类排序原则，结合相关数据样本求解自适应期望熵，完成无线传感器网络数据自适应聚类算法研究。实验结果表明，在改进PSO算法作用下，无线传感器网络数据经过整合后的簇类对象集合数量由20个减少到6个，能够解决无线传感器网络数据类项过于繁杂的问题，满足按需整合相似信息参量的实际应用需求。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

自适应逃逸粒子群算法的网络节点覆盖优化仿真

研究无线传感器节点优化选择。传统LEACH分簇算法中,节点选择的随机性很大,没有很好地参考节点中的多个属性,通信的簇头分布也无规律,算法把能量消耗分摊到所有的节点上,一旦选择边沿节点作为簇头,一些节点必须经过长距离的路由转发才能到达簇头,造成通信效率较低。为了避免上述缺陷,提出了一种基于自适应逃逸粒子群算法的网络节点覆盖优化方法。建立自适应逃逸粒子群算法的数学模型,准确描述网络节点覆盖问题。利用自适应逃逸粒子群方法,计算无线传感网络节点最优位置,从而实现网络节点覆盖优化。实验结果表明,这种算法能够实现网络节点覆盖优化处理,从而提高无线传感网络数据传递的效率。     

基于时空多样性编码的低轮值无线传感器网络可靠传输算法

提出了适用于低轮值无线传感器网络的可靠传输算法,主要特点是发掘并利用低轮值无线传感器网络特有的时空相关性,结合编码机制以获得较高的能量效率和较低的传输时延。针对编码块在多条路径上的最优分配问题进行了建模。由于求解最优策略是NP难题,给出了近似算法,并通过仿真分析了不同参数对近似算法的影响。仿真结果表明,基于时空多样性编码的分配算法能够在较低的能量开销条件下,实现低时延的可靠传输。     

移动无线传感器网络自适应信标交换算法思路探讨

针对移动无线传感器网络中周期性信标交换引起的通信暂忙现象,提出一种自适应信标交换算法。从现阶段的发展来看,移动无线传感器的应用范围非常广泛,对日常的工作具有非常重要的积极意义。移动无线传感器网络自适应信标交换算法是对原有算法的一种革新,原有的算法虽然能够应对较多的工作,但是在目前的发展当中,已经表现出了一定的不足,并且在精度方面有所下降,所以,要积极探究新的算法。     

基于自适应采样的移动WSN定位算法

节点自定位是无线传感器网络的关键技术之一。当前对无线传感器网络定位的研究主要集中静态节点定位,移动无线传感器网络定位研究相对较少。研究了基于序列蒙特卡罗方法的移动无线传感器网络定位。针对蒙特卡罗定位采用固定样本数,计算量大的缺点,根据蒙特卡罗定位盒（MCB）算法的锚盒子大小动态设置样本数,提出一种自适应采样蒙特卡罗盒定位算法。仿真表明,该算法在保持定位精度的同时有效地减小了采样次数,节约了计算量。     

一种混沌萤火虫算法的WSN节点分布优化研究

针对无线传感器网络节点分布优化问题,提出了一种有效的混沌萤火虫优化算法。在保证节点相互连通的前提下,建立了无线传感器网络对目标区域覆盖的数学模型,并将节点分布优化问题转换为求解函数最大值问题;利用萤火虫算法优越的寻优能力来实现最优的网络节点分布,并引入立方映射混沌算子来提高算法的局部搜索能力和保持种群的多样性。通过标准函数测试与无线网络覆盖优化仿真对所提算法进行了验证,结果表明:与其他算法相比,所提算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,能够满足无线传感器网络节点分布优化的要求。     

Systematic energy-balanced cooperative transmission scheme in wireless sensor networks

Energy efficiency is a critical issue in wireless sensor networks(WSNs).In order to minimize energy consumption and balance energy dissipation throughout the whole network,a systematic energy-balanced cooperative transmission scheme in WSNs is proposed in this paper.This scheme studies energy efficiency in systematic view.For three main steps,namely nodes clustering,data aggregation and cooperative transmission,corresponding measures are put forward to save energy.These measures are well designed and tightly coupled to achieve optimal performance.A half-controlled dynamic clustering method is proposed to avoid concentrated distribution of cluster heads caused by selecting cluster heads randomly and to get high spatial correlation between cluster nodes.Based on clusters built,data aggregation,with the adoption of dynamic data compression,is performed by cluster heads to get better use of data correlation.Cooperative multiple input multiple output(CMIMO) with an energy-balanced cooperative cluster heads selection method is proposed to transmit data to sink node.System model of this scheme is also given in this paper.And simulation results show that,compared with other traditional schemes,the proposed scheme can efficiently distribute the energy dissipation evenly throughout the network and achieve higher energy efficiency,which leads to longer network lifetime span.By adopting orthogonal space time block code(STBC),the optimal number of the cooperative transmission nodes varying with the percentage of cluster heads is also concluded,which can help to improve energy efficiency by choosing the optimal number of cooperative nodes and making the most use of CMIMO.     

网络安全监控数据流的查询优化方法

本文针对网络安全监控数据流中的查询机制进行了研究,采用了一种以流数据方作为物化共享中间结果的方法,研究流数据方在内存中的压缩存储。实验通过两种流数据方存储结构StreamQCTree-D和QC-Tree。验证了采用动态物化方案的StreamQCTree相时QC-Tree在降低部分查询性能获得较高的数据压缩率,进一步验证了数据压缩对多查询优化的有效性。     

An amoeboid approach for identifying optimal citation flow in big scholarly data network

Scholarly big data network is a complex network of citations from research community across the globe. An effective scholar assessment structure is essential for scholars, researchers, and universities. The research publications are an important factor in the university rankings. The fast growth of digital publishing and scholarly data is progressively challenging every day. These days, the scholarly data can be accessed effortlessly through various data analysis techniques. In this paper, a new framework is designed for big scholarly data, and an amoeboid approach article‐optimal citation flow (A‐OCF) is used to find the optimal flow of citations in the big scholarly data network. A novel modern metrics for article quality (MMAQ) metric is proposed to identify the quality of articles. The performance analysis uses different bibliometric measures, including the impact factor citations, conference proceedings citations, and other citations with the purpose of measuring the quality of cited articles. The scholar analytic results are equated with existing techniques. We have also analyzed central articles in a research area through the MMAQ metrics and tested it with benchmark data sets.     

一种基于内容分块的层次化去冗优化策略

在过去的数十年中,信息数据量呈现指数级增长,如何存储和保护这些大量信息数据成为一个难题.云存储和冗余去重技术成为解决上述难题的主要技术.去冗技术在云存储系统中得到广泛应用,但主流的云存储系统存在索引信息的膨胀以及数据分块的不确定性等不足,而这些弊端会导致内存空间的浪费和数据分块的不可预知性.针对这些问题,提出了一种基于内容分块的层次化去冗优化策略,并构建了对应的算法,解决了云存储系统中索引信息表过大和数据分块过大或过小的问题.并且选取CNN新闻的页面内容作为测试集进行实际测试,通过比较去冗比和去冗时间可以看出,相比于目前主流的去冗策略,本文提出的基于内容分块的层次化去冗优化策略能够提升3%左右的去冗比,同时降低2%左右的去冗时间.     

杂波背景下的时距联合检测前聚焦方法研究

传统相干雷达信号处理流程对跨距离单元走动的目标一般采用脉冲压缩与Radon傅里叶变换(RFT)先后级联的处理方法,但级联方法存在以下问题:一是对高速目标能量积累的过程中目标峰值位置偏移甚至主瓣展宽、增益下降、旁瓣增高;二是缺少有效杂波抑制,影响弱目标检测。为此,该文借鉴多维信号联合以及杂波抑制的思想,提出一种杂波背景条件下将脉冲压缩、RFT与自适应杂波抑制联合的时距联合检测前聚焦方法(A-PCRFT)。该方法首先将脉内时间(快时间)与脉间时间(慢时间)两个雷达信号处理维度相联合,引入与高速目标相对应的二维导向矢量,补偿脉内和脉间的多普勒频移;然后根据辅助数据估计脉冲压缩前的杂波协方差矩阵;最后根据杂波协方差矩阵和导向矢量确定最优滤波器权矢量。在距离-速度二维空间中,该方法能有效地抑制杂波,同时对目标能量进行最佳聚焦。仿真结果表明,该方法与先脉冲压缩后自适应Radon傅里叶变换(ARFT)的级联方法相比性能更优。      

一种新的人工免疫网络算法及其在复杂数据分类中的应用

作为一种新的智能计算方法,人工免疫网络已被广泛的应用到模式识别以及数据分类中。现有的人工免疫网络分类算法大都存在两个缺陷:一是网络规模庞大、计算复杂;二是对抗原的一次递呈并不能保证获得全局最优分类器。该文提出了一种新的人工免疫网络分类算法,该算法利用每个类别对应单个B细胞的策略,简化网络规模并减少了同类别B细胞之间的抑制操作,同时引入了新的基于对训练样本正确识别率的亲合度评价函数,实现了基于抗原的优先级的选择策略。采用5组UCI的线性数据和4组混合特征数据以及1幅SAR图像对算法的性能进行了全面测试,结果表明,与模糊C均值算法,多值免疫(MVIN)算法和基于分类问题的克隆选择算法(CSA)相比,新算法在分类精度上具有一定的优势,鲁棒性更好。     

机载DEM特征点提取及压缩方法研究

为了在机载数字高程(Digital Elevation Model,DEM)数据压缩时充分利用地貌特征,进一步提高压缩效率,提出通过提取DEM特征点并使用径向基函数(Radial Basis Function,RBF)神经网络进行数据压缩的方法。首先对原始DEM数据进行去噪预处理,避免噪点成为特征点,给出了提取特征点及山脊线和山谷线具体算法;进而以地形特征点作为学习样本点采用RBF神经网络完成数据压缩任务。仿真结果表明,所提方法极大提高了DEM压缩效率,压缩效果满足机载要求。     

DORS: A data overhead reduction scheme for hybrid networks in smart cities

Today, smart cities represent an effective digital platform for facilitating our lives by shifting all stakeholders toward more sustainable behavior. Consequently, the field of smart cities has become an increasingly important research area. The smart city comprises a huge number of hybrid networks, with each network containing an enormous number of nodes that transmit massive amounts of data, thus giving rise to many network problems, such as delay and loss of connectivity. Decreasing the amount of such transmitted data is a great challenge. This paper presents a data overhead reduction scheme (DORS) for heterogeneous networks in smart city environments that comprise five different methods: median, nonlinear least squares, compression, data merging, and prioritization. Each method is applied according to the current status of quality of service. To measure the performance of the proposed model, a simulation environment is constructed for a smart city using network simulation package, NS2. The obtained results indicate that DORS has the capability to decrease the size of transmitted data in the simulated smart city environment while attaining a notable performance enhancement in terms of data reduction rate, end‐to‐end delay, packet loss ratio, throughput, and energy consumption ratio.     

基于嵌入式系统的广播电视数据采集回传技术

提出了一种新的广播电视数据采集回传技术。硬件实现是基于嵌入式系统的电视信号抽帧器设备,该设备能够对目标频道循环抽取图像并采用高性能压缩算法进行图像压缩,最终输出静止图像序列存储于硬盘,或经网络回传给监控中心。该方法能明显降低设备费用、网络带宽和存储空间,可广泛应用于电视节目内容监控和电视安全播出系统,应用于电视剧版权保护、广告播出秩序保障、上星电视落地情况监控等领域。     

小波域BP网络图像压缩及Matlab实现

BP网络是一种非线性映射网络,三层BP网络可以很好地逼近任一连续函数.BP网络用于图像压缩是一个很好的创意.但因其训练时间过长,而没有得到应有的重视.人的视觉特性对图像的低频部分及图像的边缘部分比较敏感.经小波分解后图像的大部分能量集中在低频和图像的边缘部分,即这部分小波系数比较大,其余部分小波系数很小,接近于零.因此提出了小波域BP网络图像压缩方法.该方法是根据小波变换后小波区域重要性的不同而采用不同的压缩比.即不重要的小波系数采用大压缩比的BP网络(隐节点少),重要的系数采用小压缩比网络(隐节点多)或不进行BP压缩而直接编码.并给出Matlab仿真程序.