【摘 要】
:
无线能量传输(WET)通过电磁波为散落的传感器节点持续供电,从而使无线传感器网络(WSN)的使用寿命得到延长。但是,提供的能量可能仍然无法满足传感器节点的能量需求。这个问题可以通过部署冗余传感器节点来缓解。同一监测区域内可部署多个传感器节点,它们同时接收能量以增加收集的总能量,并执行休眠/唤醒调度减少每个节点的能量消耗。针对不同场景,本文研究了冗余部署模型在无线传感网络(WSN)中应用的问题。(1
论文部分内容阅读
无线能量传输(WET)通过电磁波为散落的传感器节点持续供电,从而使无线传感器网络(WSN)的使用寿命得到延长。但是,提供的能量可能仍然无法满足传感器节点的能量需求。这个问题可以通过部署冗余传感器节点来缓解。同一监测区域内可部署多个传感器节点,它们同时接收能量以增加收集的总能量,并执行休眠/唤醒调度减少每个节点的能量消耗。针对不同场景,本文研究了冗余部署模型在无线传感网络(WSN)中应用的问题。(1)为使大型WET系统可永久运行,基于冗余部署策略,提出一种联合部署充电基站和传感器的部署方案。其中充电基站通过将射频能量波束成形,向附近的待监测区域充电,同一监测区域内的多个传感器节点同时接收能量并执行休眠/唤醒调度策略。据此研究了在保证网络持久运行的约束条件下,使整个网络部署成本最小化的问题。为解决此问题,提出基站最佳覆盖范围搜索算法解耦了传感器部署和基站部署问题,并采用迭代思想求解基站的部署位置。实验表明,所提算法比基于贪心的算法成本低10%。(2)随着冗余部署模型的加入,由于节点间的遮蔽效应,单个监测点内的多个传感器节点所接收的总能量是非线性的,这给移动充电带来了新的挑战。据此,考虑了如何在严格约束移动充电器的能量上限的情况下,最大化非线性充电模型中传感器接收总能量的问题。我们分三个步骤解决此问题,首先将连续空间划分为有限个待选充电点,然后在每个待选点上运用主要覆盖集算法提取出离散的待选充电角度,最后将时间划分为固定的时间片。通过上述离散化,将初始问题转化为了具有路由限制和能量限制的最大化次模函数问题,根据次模性,提出一种具有较高充电效用的近似算法。仿真实验表明,所提算法比最大充电效用优先算法(MUP)的充电效率高30%左右。(3)覆盖质量也是WSN中的重要性能指标,现有工作多考虑空间上覆盖范围而忽略时间上持续运作的问题。针对于此,我们基于冗余部署模型和休眠/唤醒机制,提出了空间布尔传感模型和时间概率传感模型结合的覆盖模型,考虑了给定传感器数量限制的条件下,最大化时空覆盖质量的问题。随后,证明了所提问题的目标函数具有次模性,并根据次模性提出近似算法。仿真实验验证了所提算法能有效地提高网络的时空覆盖质量。
其他文献
K均值聚类和谱聚类是无监督学习中流行的聚类方法,旨在根据样本相似性对数据点进行分簇。然而,K均值聚类因簇初始质心初始化的质量差异和离群点干扰,导致其聚类结果存在较大随机性,即聚类性能相对不稳定,同时不能有效处理非凸分布数据集。另外,完整的传统谱聚类采用三阶段策略完成聚类,即根据输入数据构造相似度图,然后在图上执行谱嵌入得到松弛的连续标识矩阵,最后运用Kmeans或谱旋转等后处理技术对连续标识矩阵离
互联网给人们的生活带来了便利,但是也造成了各种安全问题。不法分子为了牟利在互联网上发布各种不良信息,比如:垃圾邮件、色情广告信息等。大量的不良信息不仅会破坏网络环境、影响人们的上网体验,而且会影响到青少年的身心健康,甚至会危害社会治安。现有的不良短文本识别方法能够过滤掉部分不良信息,但在识别带变体的不良短文本时效果不佳。变体是不法分子为了逃避检测而在其发布的不良短文本中添加的一种干扰噪声,其中同音
脑胶质瘤是最常见的原发性中枢神经系统肿瘤之一,具有极高的发病率和致死率。磁共振成像(Magnetic Resonance Imaging,MRI)能对大脑软组织进行高空间分辨率和高对比度成像,是医生进行脑胶质瘤影像诊断的最佳选择,但人工判读的过程不仅费时费力,而且严重依赖于主观经验,存在极大不稳定性。目前,基于深度学习的图像分割算法能够实现脑胶质瘤的自动化分割,有效地提高了医生的诊断效率。然而,由
细粒度图像分类是用来区分同一类别下不同子类的。由于该任务存在类间视觉差异细微的难点,细粒度分类任务相对于通用分类更具挑战,如何从图像中学到更具判别性的局部特征是解决此问题的关键。在现有细粒度分类方法中,双线性模型和破坏重建模型被认为是应对细微类间差异最有效的两种模型。双线性模型可以不依赖额外标注信息,通过特征交互自主挖掘判别性特征。破坏重建模型则通过打乱图像的全局语义信息生成破坏图像,迫使网络去学
印刷线路板(Printed Circuit Board,PCB)的缺陷检测已经成为电子制造业保证产品质量和降低制造成本的关键过程。目前自动光学检测(Automatic Optic Inspection,AOI)是PCB缺陷检测的主要发展方向,AOI首先将标准图像和采集图像进行配准,然后再对两者进行比对和缺陷识别。在该过程中图像配准的优劣直接影响缺陷检测的效率和精度。PCB图像具有高分辨率的特点,现
数字水印以人眼不易察觉的方式将秘密信息隐藏在载体对象中,以实现对目标的版权保护、身份认证、篡改检测等。其中,可逆水印技术能够无损恢复原始数字载体,在如档案图像、医学图像、军事图像等对原始数据有高质量要求的领域具有重要的意义。近年来,深度学习技术发展迅速,在很多研究领域都取得了巨大突破。但由于可逆水印算法往往涉及一些复杂而又巧妙的机制设计,以此在保证可逆性的同时兼顾水印容量和图像质量,而深度神经网络
作为现代经济的核心,金融既是实体经济的血脉,也深刻影响着收入分配。但近年来,金融“脱实向虚”的趋势和经济金融化的问题不断凸显。经济金融化具有自发性,需要政府进行调控干预。从引致增长的效应看,节制的金融化有助于社会财富收入的增长,但过度的金融化则会产生抑制作用和增长停滞效应;从引致贫困的效应看,金融化会拉大贫富差距,过度的金融化将严重拉低劳动者参与社会财富分配的份额,无益于我国按劳分配的主体分配制度
碰撞检测是虚拟仿真模拟中的一个重要研究问题。随着虚拟环境的复杂度不断增大,虚拟仿真应用对物体碰撞检测精度和速度的需求也逐渐提高。目前的层次包围盒碰撞检测算法已经在准确性方面达到了一定的效果,但是随着虚拟环境复杂度的提升,其实时性需要进一步提高。因此,通过对不同类型包围盒的特点进行综合分析,本文对传统混合包围盒碰撞检测算法进行改进,主要研究工作如下:(1)对基于双重结构的层次包围盒碰撞检测算法进行改
给定一张图像和一个自然语言描述的关于图像的问题,视觉问答任务旨在学习模型,根据问题对图像内容进行细粒度理解,并在此之上展开视觉推理以给出准确的预测答案。该任务是近年来人工智能、计算机视觉等领域的研究热点。现有视觉问答方法通常只关注图像中的视觉物体,忽略对图像中关键文本内容的理解,从而限制对图像内容理解的深度和精度。为解决该问题,针对图像中场景文本理解的“场景文本视觉问答”任务应运而生。为理解图像中
高端瓷砖对图案精度要求非常高,一般通过工业3D打印机在瓷砖毛坯上打印图案再烧制完成。工业3D打印机有6~12个通道,每个颜色喷头有4个量化级别。将标准图像格式的瓷砖设计图分成打印机对应的6~12个通道,得到分色图(256个量化级别),再将分色图转换为颜色喷头所需的多级半色调图(4个量化级别),这个过程被称为半色调过程。据调查,分色和多级半色调图生成技术及其系统基本都是国外控制,因此,这类关键技术给