分布式传感器网络论文-刘康丽,朱元元,吴晓晔,毕硕,谷静

分布式传感器网络论文-刘康丽,朱元元,吴晓晔,毕硕,谷静

导读:本文包含了分布式传感器网络论文开题报告文献综述及选题提纲参考文献,主要关键词:IEEE1451,异构分簇,网络构建

分布式传感器网络论文文献综述

刘康丽,朱元元,吴晓晔,毕硕,谷静[1](2019)在《基于IEEE1451的靶场分布式无线传感器网络构建方案》一文中研究指出为了解决兵器试验靶场"异常弹"和散布大的弹箭的弹着点定位问题,提出了基于IEEE1451标准和ZigBee、WiFi通信协议构建一种异构分簇网络的方案;论文首先介绍了IEEE 1451协议族,阐述了系统总体结构,对比了叁中无线通讯协议,优选出ZigBee、WiFi通信协议构建无线传感器网络;针对靶场分布式测试结构,给出了簇头资源分配方案和簇头节点、网关节点硬件设计方案及结构设计方案;最后,分析了IEEE1451协议的实现形式,并详细讨论了服务器端的软件设计、功能模块划分;实验结果表明:该方案实现了靶场上多节点多通信方式的无线传感器网络构建,网络具有良好的稳定性、扩展性及远程控制能力,为其他无线传感器网络构建提供了很好的应用案例。(本文来源于《计算机测量与控制》期刊2019年11期)

胡品端,熊庆国[2](2019)在《基于估值修正的分布式传感器网络最小均方算法》一文中研究指出为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。(本文来源于《火力与指挥控制》期刊2019年10期)

庄旭菲,高睿鹏,刘志强[3](2019)在《基于元胞自动机的分布式软件定义无线传感器网络路由节能技术研究》一文中研究指出针对软件定义的无线传感器网络的节能问题,文章提出一种将元胞自动机用于分布式SD-WSN路由设计的节能机制。该机制在分布式控制器中设置CA处理模块,节点自组织形成以分布式控制器为中心的二维元胞自动机区域。控制器采用节点的智能邻居列表计算节点的CA状态,节点根据控制器发布的CA指令匹配自身流表,切换工作状态进行休眠/唤醒以实现节能。仿真实验结果验证了该机制能降低网络能耗,延长网络生存周期。(本文来源于《无线互联科技》期刊2019年19期)

蔡文波,张亚[4](2019)在《带虚假数据注入攻击识别和通信触发机制的传感器网络分布式估计》一文中研究指出为了改善注入式攻击下传感器网络的分布式滤波性能,并且解决网络通信传输过程存在的能量受限问题,设计了一种带有通信触发机制和攻击检测的分布式滤波算法.通过对传感器节点先验估计数据与实际测量数据之间测量残差的研究,得出传感器节点在遭受注入式攻击时的检测条件,从而去除遭受攻击的数据,保证系统正常运行.传感器节点通过比较最近一次发送的数据与最新测量数据建立事件触发通信机制,决定是否向邻居节点发送数据.仿真结果表明,该算法的攻击识别率高达90%,在降低通信率的同时,仍能够改善系统运行的性能.带有通信触发机制和攻击检测的分布式滤波算法可用于解决存在能量受限和注入式攻击的分布式滤波问题.(本文来源于《东南大学学报(自然科学版)》期刊2019年05期)

马玉清,李琳[5](2019)在《传感器网络中的时变信号跟踪分布式估计器》一文中研究指出针对传感器网络中时变信号的跟踪估计及其他估计器存在的不足,提出了新的分布式估计器。首先,该估计器的每个节点测量一个时变带噪信号,并计算出其局部估计值作为其自身和它的邻居的测量值和估计值的加权和;其次,通过一个合适的帕累托优化问题来估计和更新它的权值,以使估计误差的方差和均值最小化;还对分布式估计器在估计偏差和估计误差性能方面进行了研究,给出了偏差的上限;估计器不依赖于中心协调,且参数优化和估计都分布在节点上。仿真结果表明,提出的分布式估计器相比于现有的分布式跟踪估计器,能更好地跟踪传感器网络中由噪声所损坏的未知时变信号,并能得到更好的估值结果。(本文来源于《探测与控制学报》期刊2019年04期)

代宝[6](2019)在《无线传感器网络中的分布式协作定位与跟踪方法研究》一文中研究指出无线传感器网络已经成为现代科技中最重要的研究领域,位置感知作为无线传感器网络中的重要技术之一,在军事防御、无人驾驶导航、移动机器人定位等众多领域中得到广泛应用。在协作定位过程中,传统集中式定位技术存在较高的通信开销和计算复杂度,并且对代理节点故障不具有鲁棒性等问题;而新型协作定位技术通过充分利用代理节点潜力具有较好的扩展性和定位精度,在无线定位中具有更好的应用前景。本文对无线传感器网络中分布式协作定位与跟踪方法展开了研究。首先研究了非线性高斯系统下分布式移动代理协作定位技术,然后讨论了非线性非高斯系统下分布式代理协作定位和目标定位技术,最后将上述研究推广到分布式代理协作定位与目标跟踪。本文主要贡献如下:针对非线性高斯系统下传统协作定位算法存在定位精度低和计算复杂度较高问题,提出了一种基于置信度传递的分布式容积卡尔曼滤波协作定位算法。根据网络中所有节点的联合后验概率密度函数建立因子图模型,基于该模型通过置信度传递算法计算节点边缘后验分布。由于节点位置满足高斯分布和量测模型非线性,导致上述边缘后验分布无法得到闭式解,因此利用容积卡尔曼滤波算法,采用高斯参数化置信度传递与重构策略,推导得到了因子图中每个置信度和每个节点后验分布的多维高斯模型。由于该算法中相邻代理节点只需传递均值向量和协方差矩阵,较低的通信开销和计算复杂度在实际应用更具有可行性。针对非线性非高斯系统下传统协作定位技术使用非参数置信度传递方法导致较高的通信开销和计算复杂度问题,提出了一种基于参数化置信度传递的分布式协作定位算法。利用参考节点量测能力,引入双曲线渐进线模型估计待定位节点位置分布。根据网络中所有节点位置变量的联合后验概率密度函数,建立双层因子图置信度传递模型。在第一层因子图中传递置信位置,完成待定位节点位置分布估计,并传递该结果作为第二层因子图对应节点先验消息;第二层因子图通过参数化置信度传递计算节点位置变量的后验分布,并推导得到了因子图上各个变量节点和因式节点的参数计算表达式。该算法中相邻节点仅需传递参数化置信度,有效降低了通信开销和计算复杂度,提升了协作定位技术在实际应用中的可行性。针对移动网络中的代理协作定位与目标跟踪问题,通过将新型协作定位模型扩展到协作定位与目标跟踪中,提出一种基于非参数置信度传递的分布式协作定位与目标跟踪算法。该算法根据网络中所有节点的联合后验概率密度函数建立因子图模型,并通过置信度传递算法计算各个节点位置变量后验分布。针对节点位置的非高斯分布和量测模型非线性特征,无法闭式计算后验分布,提出了一种低计算复杂度的非参数置信度传递与重构策略,获得组合高维非参数消息计算局部联合概率密度分布,然后通过执行边缘化方法计算各个节点位置变量的边缘后验分布。进而,由于网络中目标节点的非协作和被动跟踪特性,需要所有相邻代理节点和参考节点共同完成因子图中目标节点置信度传递与计算,实现分布式代理协作定位与目标跟踪。(本文来源于《河南大学》期刊2019-06-01)

饶绪黎,陈志德,林晶,林峰[7](2019)在《基于多层感知器的无线传感器网络分布式协同训练方法研究》一文中研究指出为了提高分散在无线传感器网络各个节点上的数据训练的准确度和时效性,采用多层感知器分类算法训练数据,并将分类算法部署在TensorFlow分布式集群上,以实现协同训练。结果表明本算法与传统算法相比,准确率能控制在95%以上,训练时间缩短了65.8%,具有实际应用价值。(本文来源于《荆楚理工学院学报》期刊2019年02期)

任广鹏,杨志恒,申宇豪[8](2019)在《分布式无线传感器网络通信协议分析》一文中研究指出无线传感器网络,如今已经得到广泛应用,随着互联网技术的发展和进步,无线传感器网络的传输技术已经得到了广泛的认可,各个行业开始重视起来,无线传感器网络由于其自身具有强大的处理能力,计算通信能力和其他的存储感知能力,使得这一技术很快在社会竞争中处于优势地位,目前已经在很多领域被广泛应用了,在过去的分布式无线传感器网络通信协议的研究成果的基础上,对于分布式无线传感器网络协议中各个协议体系,进行了进一步的阐述和分析,并对通信协议体系结构中的新的分布体系结构以及当前分布式无线传感器网络通信协议的最近研究成果进行了简单的介绍。(本文来源于《中国新技术新产品》期刊2019年07期)

丁自咏,崔艳荣[9](2019)在《一种无需GPS分布式迭代无线传感器网络节点定位算法》一文中研究指出针对无线传感器网络中需依赖装配有GPS的信标节点来进行节点定位可能产生的问题进行了分析。首先分析了基于信标节点定位算法的不合理性,利用安装了GPS的信标系节点会增大节点能量消耗,引起能量空洞,缩短网络生存期。提出一种无需GPS分布式迭代定位算法,算法的目的是减少节点对硬件的依赖,减少节点在定位过程信息传递和最小化交换的信息量以及最小化坐标设置时间。将算法与现有的无GPS定位算法进行比较,在算法复杂度、信息交换量以及坐标形成时间上有很大的改进。(本文来源于《电脑知识与技术》期刊2019年10期)

肖双亿[10](2019)在《基于数据缺失传感器网络的分布式卡尔曼算法研究》一文中研究指出传感器网络由部署在监视区域中空间独立分布的大量微型传感器节点构成,用以实时监控、感知和采集作用区域内的环境或目标状态,例如温度,湿度,振动,压力或运动等。由于节点的能量,传感范围,通信和计算能力有限,分布式算法表现出优于集中式算法的优越性能。在分布式的多种策略中,扩散策略以其简单,灵活,稳定等特点受到了广泛关注。在以往的研究中,传感器网络中的大多数分布式算法假设传感器节点感测的信息是无损的。随着部署的传感器网络规模的增长,数据收集受到硬件和无线条件的干扰,通常会导致原始数据产生严重的数据缺失。本文首先简要介绍了采用扩散策略的最小均方算法(LMS)及其推导过程。然而,LMS算法通常用于估计常数参数而不是动态模型,后者无论是军事还是民用上也是传感器网络的重要研究领域,如目标跟踪等问题。在时变模型中,卡尔曼滤波算法是自20世纪60年代提出以来最流行的递归算法之一。本文在前人的基础上探究了使用扩散策略的分布式卡尔曼滤波算法(DKF),其技术挑战是如何将成熟的中心式(或传统)卡尔曼滤波方法迁移到复杂的大型动态网络系统内分布式测量和估计。卡尔曼滤波算法的另一个优点是从不完整的或存在噪声干扰的测量中估计动态系统的状态。但由于传感器网络独特的数据丢失模式,卡尔曼滤波算法并不能直接用于改进丢失数据的状态估计。针对上述所说的情况,本文提出了一种改进的插值分布式卡尔曼滤波(IDKF)算法来跟踪随机丢失数据的对象。我们的算法采用了扩散策略,通过使用卡尔曼滤波器的最后估计结果来替换和重建缺失的数据,在系统是时变模型时,状态估计将更加快速和精准。当噪声是高斯白噪声时,检测过程可以识别丢失数据的节点,并且在DKF的第一步中比通常的策略执行得更好。我们的仿真实例表明,该算法可以处理数据缺失问题,提高传感器网络状态估计的准确性。早期的传感器网络分布式估计算法大多是单任务估计问题,即整个网络的传感器节点共同估计一个确定的未知参数向量。本文将问题扩展到多任务估计中,即网络中不同的节点估计不同的状态参数。我们将单任务和多任务问题统一归纳为分簇多任务,即网络中的节点先分簇,不同簇的节点待估计的状态参数不同,同一个簇中的节点仍然估计相同的参数。基于任务之间的相关性,结合上述插值分布式卡尔曼滤波算法,本文提出了数据缺失情况下多任务卡尔曼估计算法。该算法能够有效地适应多任务网络并且在部分数据随机缺失的条件下提高网络的估计精度。(本文来源于《西南大学》期刊2019-03-20)

分布式传感器网络论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

分布式传感器网络论文参考文献

[1].刘康丽,朱元元,吴晓晔,毕硕,谷静.基于IEEE1451的靶场分布式无线传感器网络构建方案[J].计算机测量与控制.2019

[2].胡品端,熊庆国.基于估值修正的分布式传感器网络最小均方算法[J].火力与指挥控制.2019

[3].庄旭菲,高睿鹏,刘志强.基于元胞自动机的分布式软件定义无线传感器网络路由节能技术研究[J].无线互联科技.2019

[4].蔡文波,张亚.带虚假数据注入攻击识别和通信触发机制的传感器网络分布式估计[J].东南大学学报(自然科学版).2019

[5].马玉清,李琳.传感器网络中的时变信号跟踪分布式估计器[J].探测与控制学报.2019

[6].代宝.无线传感器网络中的分布式协作定位与跟踪方法研究[D].河南大学.2019

[7].饶绪黎,陈志德,林晶,林峰.基于多层感知器的无线传感器网络分布式协同训练方法研究[J].荆楚理工学院学报.2019

[8].任广鹏,杨志恒,申宇豪.分布式无线传感器网络通信协议分析[J].中国新技术新产品.2019

[9].丁自咏,崔艳荣.一种无需GPS分布式迭代无线传感器网络节点定位算法[J].电脑知识与技术.2019

[10].肖双亿.基于数据缺失传感器网络的分布式卡尔曼算法研究[D].西南大学.2019

标签:;  ;  ;  

分布式传感器网络论文-刘康丽,朱元元,吴晓晔,毕硕,谷静
下载Doc文档

猜你喜欢