中文名 | 間歇性分割的自組織網(wǎng)絡(luò)路由算法和節(jié)點移動模型研究 | 項目類別 | 面上項目 |
---|---|---|---|
項目負責(zé)人 | 洪佩琳 | 依托單位 | 中國科學(xué)技術(shù)大學(xué) |
在移動自組織網(wǎng)絡(luò)的一些應(yīng)用中,節(jié)點的快速移動等原因通常導(dǎo)致網(wǎng)絡(luò)呈間歇性分割,此時常規(guī)的Ad hoc路由協(xié)議效率低下甚至無效,網(wǎng)絡(luò)的可存活性面臨著嚴峻的挑戰(zhàn)。本項目研究間歇性分割的移動自組織網(wǎng)絡(luò)的路由算法、節(jié)點移動模型及其相關(guān)理論。采用網(wǎng)絡(luò)編碼增加在冗余路徑上的信息轉(zhuǎn)發(fā),提出具有抗毀能力的彈性路由算法;針對網(wǎng)絡(luò)的間歇性分割問題,提出一種新穎的基于多維虛擬空間網(wǎng)格的網(wǎng)絡(luò)拓撲分割檢測算法和節(jié)點移動預(yù)測模型,為路由選擇提供有效、合理的判據(jù),提高間歇性分割的移動自組織網(wǎng)絡(luò)的可存活性和抗毀能力;借鑒信息論的有噪信道模型和信道編碼理論,研究拓撲快變且間歇性分割網(wǎng)絡(luò)的路由技術(shù),提出新的基于網(wǎng)絡(luò)編碼的不確定性路由轉(zhuǎn)發(fā)的信道模型和理論,推動網(wǎng)絡(luò)信息論的研究和發(fā)展。 2100433B
批準(zhǔn)號 |
60772033 |
項目名稱 |
間歇性分割的自組織網(wǎng)絡(luò)路由算法和節(jié)點移動模型研究 |
項目類別 |
面上項目 |
申請代碼 |
F0104 |
項目負責(zé)人 |
洪佩琳 |
負責(zé)人職稱 |
教授 |
依托單位 |
中國科學(xué)技術(shù)大學(xué) |
研究期限 |
2008-01-01 至 2010-12-31 |
支持經(jīng)費 |
26(萬元) |
時標(biāo)網(wǎng)絡(luò)圖中,技術(shù)間歇時間(比如間歇1天),要用實線還是波浪線畫?
在雙代號時標(biāo)網(wǎng)絡(luò)圖中波浪線表示自由時差。 而技術(shù)間歇應(yīng)該算在該項工作。這項工作如果有自由時差就有波浪線, 反之就沒有波浪線,所以應(yīng)該不能說技術(shù)間歇用什么線畫。
間歇性?有時能縮回有時不能縮回?配套在什么設(shè)備上?
GTJ算量移動圖形時,鼠標(biāo)間歇性的放不開,一直保持小手狀態(tài),怎么解決?
估計是鍵盤或者鼠標(biāo)的問題。
格式:pdf
大?。?span id="9vtvn73" class="single-tag-height">1.0MB
頁數(shù): 6頁
評分: 4.6
為實現(xiàn)電力電纜早期故障在線識別的目的,提出了一種基于小波能量函數(shù)和自組織網(wǎng)絡(luò)的識別方法。首先,提取在線電纜早期故障狀態(tài)與正常狀態(tài)的零序電流差的小波能量函數(shù)作為輸入特征,用自組織神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障識別。用歐式距離比較了自組織特征映射神經(jīng)網(wǎng)絡(luò)與反向傳播(Back Propagation,簡稱BP)神經(jīng)網(wǎng)絡(luò)對電纜故障識別的穩(wěn)定性。仿真試驗結(jié)果表明,該識別方法對在線電纜早期故障類型的識別正確可靠,系統(tǒng)具有較好的穩(wěn)定性。這為電力電纜早期故障的在線診斷提供了理論支持。
格式:pdf
大小:1.0MB
頁數(shù): 4頁
評分: 4.6
針對工業(yè)遠程監(jiān)控系統(tǒng)覆蓋地域廣、監(jiān)控對象的通訊環(huán)境差異大的問題,探討了異構(gòu)網(wǎng)絡(luò)融合技術(shù)和自組織網(wǎng)絡(luò)結(jié)構(gòu),提出了根據(jù)工業(yè)現(xiàn)場環(huán)境對監(jiān)控系統(tǒng)的要求,采用多種通訊方式相結(jié)合、多種網(wǎng)絡(luò)結(jié)構(gòu)共存的方法組建工業(yè)遠程監(jiān)控網(wǎng)絡(luò);以供熱管網(wǎng)遠程監(jiān)控系統(tǒng)為應(yīng)用對象論證了方法的可行性,詳細闡述了系統(tǒng)的自組織協(xié)議和軟、硬件設(shè)計方案;該方案有效地利用了各種通訊方式的優(yōu)點,避開了現(xiàn)場環(huán)境的限制,提高了系統(tǒng)的可靠性,降低了系統(tǒng)的建設(shè)、運行成本。
路由算法,又名選路算法,可以根據(jù)多個特性來加以區(qū)分。算法的目的是找到一條從源路由器到目的路由器的“好”路徑(即具有最低費用的路徑) 。算法設(shè)計者的特定目標(biāo)影響了該路由協(xié)議的操作;具體來說存在著多種路由算法,每種算法對網(wǎng)絡(luò)和路由器資源的影響都不同;由于路由算法使用多種度量標(biāo)準(zhǔn)(metric),從而影響到最佳路徑的計算。路由算法通常具有下列設(shè)計目標(biāo)的一個或多個:優(yōu)化、簡單、低耗、健壯、穩(wěn)定、快速聚合、靈活性。(1)最優(yōu)化:指路由算法選擇最佳路徑的能力。根據(jù)metric的值和權(quán)值來計算。(2)簡潔性:算法設(shè)計必須簡潔。路由協(xié)議在網(wǎng)絡(luò)中必須高效地提供其功能,盡量減少軟件和應(yīng)用的開銷。這在當(dāng)實現(xiàn)路由算法的軟件必須運行在物理資源有限的計算機上時尤其重要。(3)堅固性:路由算法處于非正?;虿豢深A(yù)料的環(huán)境時,如硬件故障、負載過高或操作失誤時,都能正確運行。由于路由器分布在網(wǎng)絡(luò)聯(lián)接點上,所以在它們出故障時會產(chǎn)生嚴重后果。最好的路由器算法通常能經(jīng)受時間的考驗,并在各種網(wǎng)絡(luò)環(huán)境下被證實是可靠的。(4)快速收斂:收斂是在最佳路徑的判斷上所有路由器達到一致的過程。當(dāng)某個網(wǎng)絡(luò)事件引起路由可用或不可用時,路由器就發(fā)出更新信息。路由更新信息遍及整個網(wǎng)絡(luò),引發(fā)重新計算最佳路徑,最終達到所有路由器一致公認的最佳路徑。收斂慢的路由算法會造成路徑循環(huán)或網(wǎng)絡(luò)中斷。(5)靈活性:路由算法要求可以快速、準(zhǔn)確地適應(yīng)各種網(wǎng)絡(luò)環(huán)境。例如,某個網(wǎng)段發(fā)生故障,路由算法要能很快發(fā)現(xiàn)故障,并為使用該網(wǎng)段的所有路由選擇另一條最佳路徑。2100433B
可以看到,在LS和DV算法中,每個路由器都需要保存其他路由器的一些信息。隨著網(wǎng)絡(luò)規(guī)模的擴大,網(wǎng)絡(luò)中的路由器也將增加。因此,路由表的規(guī)模也將增大,從而使路由器不能有效地處理網(wǎng)絡(luò)流量。使用分級路由可以解決這個問題。讓使用DV算法來查找節(jié)點間的最佳路由。
在下述情形中,網(wǎng)絡(luò)中的每個節(jié)點保存了一個有17個記錄的路由表。在分級路由中,路由器被分成很多組,稱為區(qū)域。每個路由器都只有自己所在區(qū)域路由器的信息,而沒有其他區(qū)域路由器的信息。所以在其路由表中,路由器只需要存儲其他每個區(qū)域的一條記錄。在這個例子中,我們將網(wǎng)絡(luò)分為5個區(qū)域。
如果A想發(fā)送分組數(shù)據(jù)包到在區(qū)域2中的一個路由器(D、E、F或G),它就將分組數(shù)據(jù)包先發(fā)送到B,依此類推。可以看到,在這種類型的路由中,可以對路由表進行概括,因此網(wǎng)絡(luò)效率提高了。上面的例子描述了一個兩級的分級路由。同樣我們也可以采用三級或者四級的分級路由。
在一個三級的分級路由中,網(wǎng)絡(luò)被分為很多簇。每個簇由很多個區(qū)域組成,每個區(qū)域包含很多個路由器。分級路由廣泛應(yīng)用于互聯(lián)網(wǎng)路由中,并且使用了多種路由協(xié)議。
本課題以無線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤為背景,研究節(jié)能的目標(biāo)跟蹤協(xié)議和算法,解決目前目標(biāo)跟蹤協(xié)議存在通信量大、參與跟蹤的節(jié)點數(shù)目多從而導(dǎo)致耗能多的問題。具體研究無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤機制,節(jié)點感應(yīng)度計算模型,并研究基于節(jié)點感應(yīng)度的目標(biāo)定位與跟蹤算法。 本項目提出了一種節(jié)點感應(yīng)度計算模型,該模型主要利用傳感器節(jié)點感應(yīng)到的信號強度與離目標(biāo)的距離互相關(guān)特性,即感應(yīng)到的信號強度越大,則感應(yīng)度值越高。感應(yīng)度值將作為跟蹤過程中節(jié)點是否參與跟蹤的依據(jù)之一。提出了基于多邊形的目標(biāo)跟蹤框架-FaceTrack,該跟蹤框架包括目標(biāo)在多邊形區(qū)域之間的穿越過程中目標(biāo)跟蹤方法,節(jié)點喚醒與休眠時機、主跟蹤節(jié)點的選擇方法等。模擬結(jié)果表明,F(xiàn)aceTrack跟蹤框架能有效定位目標(biāo)所在多邊形區(qū)域。為了提高跟蹤精度,即實現(xiàn)目標(biāo)在多邊形內(nèi)部動態(tài)移動的跟蹤與定位,本項目以節(jié)點感應(yīng)度模型為基礎(chǔ),提出了一種節(jié)點自主決策是否參與跟蹤的目標(biāo)跟蹤算法(NS-ADTT),該算法基于定位邊采用加權(quán)質(zhì)心算法對目標(biāo)位置進行估計,并且,節(jié)點可根據(jù)自身感應(yīng)度值及局部網(wǎng)絡(luò)情況自主決策是否參與當(dāng)前跟蹤。仿真結(jié)果表明,在目標(biāo)跟蹤過程中,該算法在保證一定跟蹤精度的基礎(chǔ)上減少了參與跟蹤的節(jié)點數(shù), 降低了網(wǎng)絡(luò)能耗,有效地延長了網(wǎng)絡(luò)生命周期。 本項目對其他跟蹤模式進行了探索,基于拍賣的思想,提出了基于拍賣的目標(biāo)跟蹤算法Auction-Based Adaptive Sensor Activation Algorithm(簡稱AASA)。拍賣機制讓預(yù)測區(qū)域內(nèi)的節(jié)點通過競爭產(chǎn)生最適合參與目標(biāo)跟蹤的節(jié)點。拍賣過程充分考慮了節(jié)點的剩余能量以及節(jié)點到目標(biāo)預(yù)測距離。模擬結(jié)果表明,算法AASA在保持可接受跟蹤質(zhì)量的前提下,能有效地解決能量消耗不平衡的問題。