利用多粒度粗糙集属性约简和TOPSIS的IPv6负载均衡机制

针对代理移动IPv6(PMIPv6)协议领域研究中,移动节点(MN)与PMIPv6网络内的特定移动接入网关(MAG)相关联会增加MAG负载概率的问题,基于集群的代理移动IPv6(CSPMIPv6)协议,提出利用多粒度粗糙集属性约简的负载均衡方法。首先,基于多粒度粗糙集属性约简的方法,在考虑不同属性子序列对划分结果影响的情况下,更改其连接的切换移动节点(handover mobile node,HMN)选择MAG。然后,改进了理想解相似程度排序方法(TOPSIS),以确定目标MAG。最后,通过实验验证了CSPMIPv6中的信令已得到增强,从而验证了所提出的负载平衡机制。所提出的机制与基于组的PMIPv6切换控制方案(GB-PMIPv6)和基于票证的绑定更新(TBU)协议相比,能够更好地适应内部切换以及负载率增加时的信号变化情况,减小故障率。对比表现较好的GB-PMIPv6机制,新机制的平均排队延迟、切换延迟、端到端延迟和数据包丢失分别可减少9.09%、19.78%、10.20%、6.43%,传输速率可提高8.89%,显著提高了系统性能。     

WSN中利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法

针对传统无线传感器网络(Wireless Sensor Network,WSN)对运动目标的定位和跟踪容易产生明显误差的问题,提出利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法.基于改进FOA-GRNN法,利用从锚点接收到的运动目标的模拟(RSSI)值和相应的实际目标二维位置对GRNN进行训练,从而获得单个目标在二维运动时的准确初始位置;利用迭代Cubature卡尔曼滤波法对实时目标进行精准定位和测距,获得实时目标的准确定位和跟踪信息;将改进的FOA-GRNN法和迭代Cubature卡尔曼滤波法相结合用于WSN中实时目标跟踪和定位,在提高初始位置精度的同时,还提高了实时目标定位和跟踪信息的准确度.实验结果表明,相比其他几种较新的方法,该方法改善了WSN中实时目标的跟踪性能,降低了误差,提高了跟踪精度.