基于能量和距离的无线传感器网络路由协议

无线传感器网络(Wireless Sensor Networks, WSNs)是一种新兴的传感器网络。Leach(Low energy adaptive clustering hierarchy)协议是WSNs中最流行的簇类协议之一,它通过概率模型选择簇头,并且周期性地改变簇头来实现最大化的网络覆盖率和网络寿命。本文通过网络中节点的能量和所处的地理位置信息,对Leach协议中节点成为簇头的概率公式进行修正,从而改进协议的簇头选择算法,平衡网络的能耗,达到延长无线传感器网络寿命的目的。基于NS2(Network Simulator Version 2)平台的实验结果证明,改进的Leach算法可以延长WSNs的寿命。     

基于能量均衡的WSN多跳非均匀分簇路由算法

在无线传感器网络路由协议中采用多跳通信的方式能够减少通讯距离、增强网络通讯的稳定性并提高网络能量利用效率,但是,由于靠近汇聚节点的簇头需要转发大量数据,容易导致能量快速衰竭而失效,造成“能量空洞”现象。提出了一种新型的基于能量均衡的多跳非均匀分簇路由算法（MUCRA）,采用逐层成簇的策略,簇头以一定的半径广播分层信号,划分下一层网络区域非均匀层次,普通的传感器节点和簇头根据分层信息选择合适的网络路径。仿真实验结果表明：与经典的LEACH协议及EEUC协议相比,该算法能有效平衡网络负载,缓解“能量空洞”问题     

一种基于RSSI距离比的传感器节点定位算法

随着无线传感器网络的应用与发展,WSN作为一种全新的信息获取和处理技术已得到广泛应用。如何对传感器网络节点进行快速、精确的定位,已成为WSN系统急需解决的问题。为此,提出了一种基于RSSI距离比的MDS定位算法。该算法巧用RSSI距离比,结合Euclidean测距技术计算节点间距离矩阵,运用MDS算法建立相应的全局坐标系统。根据已知锚节点物理位置,通过坐标变换（旋转与平移）最终确定未知节点的物理位置。实验结果表明：该方法能有效地提高定位的精度,对开发高精度定位系统具有重要的参考价值。     

基于融合反馈式粒子滤波器的多目标跟踪算法

针对足球视频中多球员跟踪问题,提出一种基于融合反馈式粒子滤波的多目标跟踪算法。该算法将球员状态的检测信息与球员的动力学模型结合,设计粒子滤波算法的建议分布,使其能融合最新的观测数据,并由此对下一帧球员可能的状态进行抽样,然后计算各抽样与参考模板间的相似度,最终通过估计球员状态来达到跟踪目的。仿真实验结果表明：本文提出的跟踪算法能较好地解决不同球员间的遮挡问题,实现多名球员的跟踪,具有较好的实时性和鲁棒性。     

基于混合编码遗传算法的最优跟踪门

跟踪算法优化可以提高跟踪质量,选择恰当的跟踪门是优化跟踪算法的关键措施之一。本文提出了一种基于混合编码的遗传算法,用于杂波环境下目标跟踪过程中跟踪门参数的离线优化。该算法将二进制编码与浮点数编码结合,对跟踪门的形状和大小进行混合编码,选择跟踪精度性能指标构造遗传算法的适应度函数,以此将跟踪算法的优化问题转化为遗传算法寻优,在不同杂波环境下优化跟踪门参数设置。     

基于非结构化P2P的医疗物联网信息发现

介绍基于P2P的物联网物品信息发现机制相关研究概况,分析比较3种分布式P2P拓扑结构,提出基于非结构化P2P进行物联网的信息发现,即采用基于兴趣的层次化拓扑构建选择和基于兴趣簇的具有自适应能力的搜索算法,并对该算法进行分析。     

基于小波变换的多模态医学图像融合算法

目的探讨一种基于小波变换的医学图像融合的新算法,为充分发挥现有医学成像系统的功能提供一种可靠手段。方法采用一种基于小波变换的医学图像融合新算法。首先对已配准的医学图像进行小波分解,把图像分解成低频和高频子图像,采用加权因子的融合规则对低频系数进行融合,采用基于区域能量的融合规则对高频系数进行融合,最后通过重构得到融合图像。结果该算法有效地将多模态医学图像所提供的信息融合在一起,为临床诊断提供了更充分、更可靠的信息。结论该算法是一种可行有效的医学图像融合算法。     

基于改进基音跟踪算法的单通道语音分离

基于计算听觉场景分析（Computational Auditory Scene Analysis,CASA）的语音分离系统通过模拟人耳的听觉感知系统对混合信号进行处理并分离出感兴趣的目标语音,近年来得到了很大的发展。如何在干扰噪声存在的情况下进行正确的基音提取跟踪一直是CASA系统研究的重点。提出了一种基于目标语音源的改进基音跟踪算法。该算法通过对目标源估计和基音检测两个步骤的反复迭代计算,得到最终的基音轨迹。通过在不同噪声干扰条件下与传统基音跟踪算法对比的实验结果证明,该算法能够有效地抑制噪声,提高输出语音的信噪比和语音质量。     

基于无线传感器网络的局域世界动态演化模型

在传感器网络中,传感器节点本身的通信能量与功率有限,传感器节点仅与其邻域中的相邻节点进行合作与通信,这说明网络中演化过程符合局域演化概念。从无线传感器网络局域演化角度出发,综合考虑传感器网络中节点能量感知连接机制以及节点和链路有增有减的动态过程,提出了一种能量感知的局域世界动态演化模型。利用平均场理论分析并仿真验证了该模型的度分布介于随机网络和无标度网络之间。同时,通过仿真实验研究了所提模型的网络直径和网络能效与局域世界规模的关系,实验结果表明适当增加节点的局域世界可以大大提高网络数据传输的高效性。     

一种基于双功能节点的节能多跳路由协议

针对无线传感网融合节点位置欠佳和传感器节点的能量消耗不均会严重影响网络生存周期的问题,提出了一种基于双功能节点的节能多跳路由协议。该协议综合考虑节点的能量、位置以及所在层次区域等多种因素,通过引入通信节点来重组网格和中继网格间路由,减轻了网格融合节点的开销,均衡了网络的能量分布。仿真结果表明,该路由协议的网络生命周期比Multi hop EEBCDA等协议至少延长17.5%,且节点的能量消耗更加均衡。     

Secure Data Aggregation in Wireless Sensor Network-Fujisaki Okamoto(FO) Authentication Scheme against Sybil Attack

In the wireless sensor network(WSN) security is a major issue. There are several network security schemes proposed in research. In the network, malicious nodes obstruct the performance of the network. The network can be vulnerable by Sybil attack. When a node illicitly assertions multiple identities or claims fake IDs, the WSN grieves from an attack named Sybil attack. This attack threatens wireless sensor network in data aggregation, synchronizing system, routing, fair resource allocation and misbehavior detection. Henceforth, the research is carried out to prevent the Sybil attack and increase the performance of the network. This paper presents the novel security mechanism and Fujisaki Okamoto algorithm and also application of the work. The Fujisaki-Okamoto (FO) algorithm is ID based cryptographic scheme and gives strong authentication against Sybil attack. By using Network simulator2 (NS2) the scheme is simulated. In this proposed scheme broadcasting key, time taken for different key sizes, energy consumption, Packet delivery ratio, Throughput were analyzed.     

一种用于非线性系统辨识与控制的自组织模糊神经网络

提出了一种自组织模糊神经网络（Self-Organizing Fuzzy Neural Network,SOFNN）,采用了误差反向传播算法与带遗忘因子的递推最小二乘法相结合的混合优化算法优化系统的模糊规则库及其参数,此外,也引入SRIC（Schwarz&Rissanen Information Criterion）准则设计模糊系统。将本文提出的方法应用于非线性系统的辨识与控制,并讨论了阈值参数对该方法性能的影响。仿真结果表明,本文方法能有效地防止模糊模型过拟合,提高模糊系统的泛化能力,进而提高控制性能。     

基于时空图卷积神经网络的蛋白质复合物识别方法

目的 探讨利用时空图卷积神经网络在动态蛋白质网络中挖掘复合物的新方法。方法 文中首先定义了边强度、节点强度和边存在概率等指标对动态蛋白质网络进行建模,然后结合图上的时间序列信息和结构信息,基于希尔伯特-黄变换、注意力机制和残差连接等技术设计了2种卷积算子来对网络中蛋白质的特征进行表示学习,构建得到动态蛋白质网络特征图。最后采用谱聚类来识别复合物。结果 在多个公开生物数据集上的仿真实验结果表明,所提算法在DIP数据集和MIPS数据集上的F值都达到了90%以上,相比于DPCMNE、GE-CFI、VGAE和NOCD等4种识别算法而言,识别效率分别平均提高了约34.5%、28.7%、25.4%和17.6%。结论 运用深度学习技术来处理动态蛋白质网络的性能表现良好,具有普适意义。     

基于DS证据的信息融合算法多指标融合

在雷达跟踪中,算法方案的综合评价可通过DS证据理论进行多属性融合。而在实际应用中存在部分指标缺失等问题,导致证据间出现高冲突,使得原始DS证据合成方法失效。在分析了多指标融合中由于3类信息不完整而导致的高冲突证据后,提出了将算法方案的综合评价作为群体证据,把单个证据与群体证据之间的模糊距离作为证据融合权重,基于权重改进DS证据合成方法,解决了高冲突证据下的多属性融合。实验结果表明基于群体证据模糊距离的DS证据合成方法可以较好地解决雷达跟踪中算法方案综合评价问题。     

基于双能X射线透视成像的肺部肿瘤运动跟踪方法及临床评价

目的:利用双能X射线透视成像技术,通过呼吸周期内高低能运动图像序列对软组织剪影图像配准,提供一种无需金属标记的肺部肿瘤呼吸运动跟踪方法。方法:以肺部肿瘤患者的高低能X射线透视图像为研究对象,通过自动双能减影算法获得软组织减影图像,然后采用本研究提出的一种结合自适应参考图像选择和归一化互信息匹配的肿瘤运动跟踪算法,计算肿瘤呼吸运动轨迹和运动幅度。采集并分析19例肺癌患者的临床数据,以人工测量结果为参考基准,评价肿瘤运动跟踪算法的准确性。结果:19例病例分析结果显示,运动跟踪算法计算获得的肿瘤呼吸运动轨迹和运动幅度,与人工测量方法获得的结果具有很好的一致性。对大部分病例,头脚方向运动幅度明显大于左右和腹背方向运动幅度,位于肺下半部分肿瘤的运动幅度明显大于位于肺中上部肿瘤。结论:无需金属标记的肿瘤运动跟踪算法,利用双能减影软组织图像,直接对肿瘤进行图像配准,能够较准确地跟踪肺部肿瘤呼吸运动。     

基于校正的无线传感器网络加权定位算法

在基于测距的无线传感器网络定位中,获取相邻节点距离值时,往往包含着环境中的各种干扰。为了减少环境干扰对定位精度的影响,在加权定位方法的基础上,利用未知节点附近满足一定距离要求的锚节点,对定位后的节点坐标值进行校正,以达到降低定位误差的目的。仿真结果表明：该方法简单,对降低定位误差有很好的效果。