无线传感器网络基于连通性的平面化算法

构建平面拓扑结构是无线传感器网络中一个重要的问题,它是设计许多高效网络协议的基础。传感器网络中许多重要的协议和应用都依赖于平面拓扑结构,比如著名的地理路由协议GPSR、GOAFR等。目前的平面化技术往往都需要网络中节点具有精确的位置测量信息。精确的位置或测距信息在资源受限的传感器网络中往往很难得到,因此基于位置的平面化技术的可应用性受到了很大的限制。设计有效的位置无关的平面化算法成为目前平面化技术研究面临的重要问题。本文提出了一种新的位置无关的分布式平面化算法。该方法仅基于网络的通讯连接关系信息,且运行复杂度低,便于分布式执行。本文通过证明确保所构建拓扑的平面性,并通过仿真实验验证了算法在随机生成网络中的有效性。     

基于连通度的Ad hoc网络路由协议研究与仿真*

对Ad hoc网络各种路由协议进行仿真评估,分析它们在不同约束条件下不同度量的相对性能,是了解与学习路由协议性能的重要手段.目前的度量标准主要集中在吞吐量、延时、抖动、丢包率等QoS因子或路由负载、寻路时间等外部特性上,还没有以Ad hoc网络系统本身的连通度作为度量标准进行仿真,评价各种路由协议在不同试验条件下对于同一网络系统连通度的影响的相关研究.基于能量模型、节点密度、停留时间及移动速率四种约束条件对MANET提出的四种路由协议进行了关于网络连通度的仿真与评估,给出了这方面的初步结论.     

无线传感器网络连通恢复综述

针对无线传感器网络中连通恢复问题,分析和总结了近年来相关的主要方向和研究成果,同时对无线传感器网络连通恢复解决方法进行了分类和总结,并指出了其中的不足与未来的研究方向。     

基于最优连通功率控制的WSNs跨层路由优化算法

针对非连通区域节点空洞效应和热点区域节点间通信干扰导致的路由服务质量（QoS）下降问题,提出了一种基于最优连通功率控制的无线传感器网络（WSNs）跨层路由优化算法。算法采用自适应最优连通功率控制策略,在避免路由空洞产生和保证网络连通性条件下,降低热点区域节点数据转发竞争干扰;通过位置信息、剩余能量和干扰等级的跨层信息交互,动态选取最优转发节点,提高网络整体性能。仿真实验表明：算法能够提高路由（QoS）、优化网络生命周期和降低热点区域通信干扰。     

用分子连接性指数法和高效液相色谱法预测巴比妥酸类衍生物的正辛醇-水分配系数

研究了巴比妥酸类衍生物的分子连接性指数(MCI)和外推至纯水作流动相时的高效液相色谱容量因子(k0)与正辛醇 水分配系数(Kow)的关系。通过13种已知lgKow文献值的巴比妥酸类衍生物的lgKow值分别对MCI计算值和lgk0实验值进行多元线性回归分析,建立了估算巴比妥酸类衍生物的Kow的两种定量模型。用此模型预测了8种巴比妥酸类衍生物的Kow。结果表明两种方法都能较好地预测巴比妥酸类衍生物的Kow。     

关于三鞍座卧式容器设计和计算规范的探讨

针对三鞍座卧式容器的设计和计算 ,讨论了支承面的差异对筒体轴向弯矩和支座反力分布的影响 ,提出了支承面许用水平误差的概念 ,有助于三鞍座和其他多支座卧式容器的设计、安装方式的评价和安装基础的检验。计算实例的分析表明 ,对常压、大直径和薄壁三支座卧式容器 ,支承面的差异对筒体的影响不能忽略 ,有必要引入支承面的许用水平误差     

无线传感器网络的双矩阵密钥预分配方案

为提高无线传感器网络存储资源的利用率,同时增强网络的安全性和连通率,提出一种双矩阵密钥预分配管理方案。该方案在Blom密钥分配方案基础上,采用双矩阵对节点逐次进行密钥分配,并在节点对密钥建立后,采用双矩阵信息删除方案减少矩阵信息。分析表明：该方案具有高效率、高连接、低储存成本等特性。     

一种评估LEO卫星通信网络抗毁性的新方法研究

抗毁性是低轨卫星通信网络的重要属性,评估卫星网络抗毁性对卫星网络结构设计具有重要意义.针对低轨卫星网络的特点,在对复杂网络抗毁性的研究基础上,建立以自然连通度为基础的卫星网络抗毁性测度指标,利用STK/Matlab仿真工具分析卫星网络的抗毁性.实验分析表明,仿真结果可以有效评估卫星网络抗毁性大小.     

受限波兹曼机联合稀疏近似的脑功能检测模型

人脑功能连通性检测是神经科学研究的重要技术．使用受限制波兹曼机（RestrictedBoltzmannMachine,RBM）对大量多被试功能磁共振（functionalMagneticResonanceImaging,fMRI）数据进行建模可以检测人脑功能连接,但是不能有效检测单被试数据的功能连接．本文研究一种新颖的融合了稀疏近似与RBM技术的脑功能连通性检测模型,该模型充分利用fMRI数据的稀疏性,采用稀疏近似理论对fMRI数据进行空间域稀疏近似压缩,然后使用RBM建立模型,以检测脑功能连通性．实验结果表明,该融合模型可以有效地提取单被试数据的脑功能时间域混合模型及其相应的脑功能图谱,解决了RBM在单被试数据分析上的瓶颈．