無(wú)線傳感器網(wǎng)絡(luò)與監(jiān)測(cè)應(yīng)用基本信息

《無(wú)線傳感器網(wǎng)絡(luò)與監(jiān)測(cè)應(yīng)用》

作 者:李岳衡，王慧斌 著

叢 書 名: 冷配在線

出 版 社:國(guó)防工業(yè)出版社

ISBN:9787118079272

出版時(shí)間:2011-12-01

版 次:1

頁(yè) 數(shù):216

裝 幀:平裝

開 本:16開

《無(wú)線傳感器網(wǎng)絡(luò)與監(jiān)測(cè)應(yīng)用》系統(tǒng)分析和闡述了面向大規(guī)模水情監(jiān)測(cè)這一具體應(yīng)用背景下無(wú)線傳感器網(wǎng)絡(luò)的有關(guān)概念、原理和方法，并針對(duì)水情監(jiān)測(cè)數(shù)據(jù)融合中的流量軟測(cè)量與錯(cuò)誤數(shù)據(jù)校正，以及動(dòng)目標(biāo)協(xié)作跟蹤等具體應(yīng)用進(jìn)行了深入的介紹和討論。全書共分為5章，包括基于無(wú)線傳感器網(wǎng)絡(luò)信息獲取和監(jiān)測(cè)應(yīng)用的發(fā)展特點(diǎn)與趨勢(shì);面向水情監(jiān)測(cè)無(wú)線傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)規(guī)劃和路由算法設(shè)計(jì);mac層低功耗低時(shí)延網(wǎng)絡(luò)協(xié)議調(diào)度;基于bp和rbf人工神經(jīng)網(wǎng)絡(luò)水情監(jiān)測(cè)wsn匯聚節(jié)點(diǎn)信息融合和可重構(gòu)硬件設(shè)計(jì)與研究;以及基于粒子濾波目標(biāo)跟蹤預(yù)測(cè)和跟蹤節(jié)點(diǎn)管理的無(wú)線傳感器網(wǎng)絡(luò)協(xié)作目標(biāo)跟蹤等。

《無(wú)線傳感器網(wǎng)絡(luò)與監(jiān)測(cè)應(yīng)用》可作為電子信息工程、工業(yè)自動(dòng)化、計(jì)算機(jī)應(yīng)用、儀器科學(xué)與技術(shù)等相關(guān)專業(yè)的研究生、高年級(jí)本科生以及科研人員、工程技術(shù)人員的參考書。

李岳衡，男，博士，副研究員，湖南永興人。2001年于東南大學(xué)無(wú)線電工程系移動(dòng)通信國(guó)家重點(diǎn)實(shí)驗(yàn)室獲通信與信息系統(tǒng)專業(yè)工學(xué)博士學(xué)位。2001年12月至2006年8月在飛利浦上海東亞研究實(shí)驗(yàn)室工作，任高級(jí)研究員、項(xiàng)目研發(fā)組長(zhǎng)等職;2006年9月至今在河海大學(xué)計(jì)算機(jī)與信息學(xué)院工作。現(xiàn)為中國(guó)電子學(xué)會(huì)高級(jí)會(huì)員。主持和參與國(guó)家自然科學(xué)基金項(xiàng)目、江蘇省自然科學(xué)基金項(xiàng)目、東南大學(xué)移動(dòng)通信國(guó)家重點(diǎn)實(shí)驗(yàn)室開放課題、中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目、水利部科學(xué)技術(shù)項(xiàng)目等;獲得省部級(jí)科學(xué)技術(shù)進(jìn)步二等獎(jiǎng)。

第1章 緒論

1.1 當(dāng)代信息化發(fā)展的技術(shù)趨勢(shì)

1.2 基于無(wú)線傳感器網(wǎng)絡(luò)的信息獲取

1.2.1 傳感技術(shù)及其發(fā)展

1.2.2 無(wú)線傳感器網(wǎng)絡(luò)的發(fā)展及其特點(diǎn)

1.2.3 無(wú)線傳感器網(wǎng)絡(luò)關(guān)鍵技術(shù)

1.3 無(wú)線傳感器網(wǎng)絡(luò)監(jiān)測(cè)應(yīng)用

1.3.1 工業(yè)無(wú)線傳感器網(wǎng)絡(luò)

1.3.2 水下環(huán)境多源監(jiān)測(cè)

1.3.3 運(yùn)動(dòng)目標(biāo)跟蹤

參考文獻(xiàn)

第2章 水情監(jiān)測(cè)無(wú)線傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和路由算法

2.1 水情監(jiān)測(cè)的國(guó)內(nèi)外發(fā)展?fàn)顩r

2.2 面向水情實(shí)時(shí)監(jiān)測(cè)的wsn總體設(shè)計(jì)方案

2.2.1 基于wsn的水情監(jiān)測(cè)系統(tǒng)整體架構(gòu)

2.2.2 節(jié)點(diǎn)硬件設(shè)計(jì)

2.2.3 協(xié)議軟件部分

2.2.4 常用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

2.3 水情wsn異構(gòu)混合樹形網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

2.3.1 背景

2.3.2 異構(gòu)混合樹形拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)

2.3.3 簇頭節(jié)點(diǎn)的選取

2.3.4 信息傳輸與能量管理

2.3.5 計(jì)算與分析

2.4 基于簇分布的leach協(xié)議改進(jìn)算法

2.4.1 水情監(jiān)測(cè)中選用leach路由協(xié)議的原因

2.4.2 leach路由協(xié)議研究及其存在的問題

2.4.3 leach-nd算法設(shè)計(jì)與，性能分析

參考文獻(xiàn)

第3章 水情監(jiān)測(cè)無(wú)線傳感器網(wǎng)絡(luò)mac層協(xié)議優(yōu)化

3.1 csma/ca性能優(yōu)化及應(yīng)用

3.1.1 1eee 802.15.4 mac層協(xié)議概述

3.1.2 基于差分服務(wù)markov鏈csma/ca性能評(píng)估模型

3.1.3 實(shí)時(shí)水情監(jiān)測(cè)基于信道接入機(jī)制的差分服務(wù)

3.1.4 基于隊(duì)列機(jī)制的差分服務(wù)

3.2 實(shí)時(shí)數(shù)據(jù)占空比自適應(yīng)算法

3.2.1 概述

3.2.2 計(jì)算與分析

3.3 時(shí)延歸類改進(jìn)型gts算法

3.3.1 網(wǎng)絡(luò)微積分模型

3.3.2 基于時(shí)延歸一化的dcgts算法

3.3.3 計(jì)算與分析

參考文獻(xiàn)

第4章 基于人工神經(jīng)網(wǎng)絡(luò)wsn匯聚節(jié)點(diǎn)融合建模與硬件設(shè)計(jì)

4.1 基于人工神經(jīng)網(wǎng)絡(luò)水情監(jiān)測(cè)wsn匯聚節(jié)點(diǎn)融合系統(tǒng)

4.1.1 水情信息時(shí)空相關(guān)性分析

4.1.2 基于人工神經(jīng)網(wǎng)絡(luò)匯聚節(jié)點(diǎn)融合系統(tǒng)

4.1.3 人工神經(jīng)網(wǎng)絡(luò)融合模型

4.2 面向水情數(shù)據(jù)校正人工神經(jīng)網(wǎng)絡(luò)融合模型

4.2.1 基于人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)校正原理

4.2.2 樣本獲取及數(shù)據(jù)預(yù)處理

4.2.3 基于改進(jìn)bpnn水情數(shù)據(jù)校正模型

4.2.4 基于rbfnn水情數(shù)據(jù)校正模型

4.2.5 兩種ann水情數(shù)據(jù)校正模型的性能評(píng)價(jià)

4.3 面向明渠流量軟測(cè)量人工神經(jīng)網(wǎng)絡(luò)融合模型

4.3.1 基于人工神經(jīng)網(wǎng)絡(luò)明渠流量軟測(cè)量原理

4.3.2 二次變量選取和樣本獲取

4.3.3 基于改進(jìn)bpnn明渠流量軟測(cè)量模型

4.3.4 基于rbfnn明渠流量軟測(cè)量模型

4.3.5 兩種人工神經(jīng)網(wǎng)絡(luò)明渠流量軟測(cè)量模型性能評(píng)價(jià)

4.4 基于可重構(gòu)人工神經(jīng)網(wǎng)絡(luò)融合模型匯聚節(jié)點(diǎn)設(shè)計(jì)

4.4.1 匯聚節(jié)點(diǎn)硬件電路設(shè)計(jì)

4.4.2 可重構(gòu)人工神經(jīng)網(wǎng)絡(luò)融合模型fpga實(shí)現(xiàn)

4.4.3 匯聚節(jié)點(diǎn)軟硬件集成及仿真

參考文獻(xiàn)

第5章 無(wú)線傳感器網(wǎng)絡(luò)多節(jié)點(diǎn)協(xié)作動(dòng)目標(biāo)跟蹤

5.1 無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤主要方法與應(yīng)用發(fā)展

5.1.1 研究意義

5.1.2 目標(biāo)跟蹤主要方法

5.1.3 目標(biāo)跟蹤應(yīng)用發(fā)展

5.2 協(xié)作跟蹤理論與目標(biāo)跟蹤方法

5.2.1 協(xié)作跟蹤理論與跟蹤過程

5.2.2 目標(biāo)檢測(cè)與定位方法

5.2.3 目標(biāo)跟蹤預(yù)測(cè)方法

5.3 基于粒子濾波預(yù)測(cè)的動(dòng)目標(biāo)跟蹤

5.3.1 卡爾曼預(yù)測(cè)算法原理

5.3.2 粒子濾波預(yù)測(cè)算法原理

5.3.3 基于粒子濾波預(yù)測(cè)的動(dòng)目標(biāo)跟蹤

5.3.4 計(jì)算與分析

5.4 基于區(qū)域控制的節(jié)點(diǎn)調(diào)度管理方法

5.4.1 現(xiàn)有動(dòng)目標(biāo)跟蹤節(jié)點(diǎn)調(diào)度算法

5.4.2 動(dòng)目標(biāo)跟蹤節(jié)點(diǎn)組織形式

5.4.3 基于區(qū)域控制的節(jié)點(diǎn)動(dòng)態(tài)管理算法

5.4.4 計(jì)算與分析

參考文獻(xiàn)

傳感器網(wǎng)絡(luò)用來(lái)感知客觀物理世界，獲取物理世界的信息量?？陀^世界的物理量多種多樣，不可窮盡。不同的傳感器網(wǎng)絡(luò)應(yīng)用關(guān)心不同的物理量，因此對(duì)傳感器的應(yīng)用系統(tǒng)也有多種多樣的要求。

無(wú)線傳感器網(wǎng)絡(luò)

不同的應(yīng)用對(duì)傳感器網(wǎng)絡(luò)的要求不同，其硬件平臺(tái)、軟件系統(tǒng)和網(wǎng)絡(luò)協(xié)議必然會(huì)有很大差別。所以傳感器網(wǎng)絡(luò)不能像因特網(wǎng)一樣，有統(tǒng)一的通信協(xié)議平臺(tái)。對(duì)于不同的傳感器網(wǎng)絡(luò)應(yīng)用雖然存在一些共性問題，但在開發(fā)傳感器網(wǎng)絡(luò)應(yīng)用中，更關(guān)心傳感器網(wǎng)絡(luò)的差異。只有讓系統(tǒng)更貼近應(yīng)用，才能做出最高效的目標(biāo)系統(tǒng)。針對(duì)每一個(gè)具體應(yīng)用來(lái)研究傳感器網(wǎng)絡(luò)技術(shù)，這是傳感器網(wǎng)絡(luò)設(shè)計(jì)不同于傳統(tǒng)網(wǎng)絡(luò)的顯著特征。

無(wú)線傳感網(wǎng)絡(luò)有著許多不同的應(yīng)用。在工業(yè)界和商業(yè)界中，它用于監(jiān)測(cè)數(shù)據(jù)，而如果使用有線傳感器，則成本較高且實(shí)現(xiàn)起來(lái)困難。無(wú)線傳感器可以長(zhǎng)期放置在荒蕪的地區(qū)，用于監(jiān)測(cè)環(huán)境變量，而不需要將他們重新充電再放回去。

無(wú)線傳感網(wǎng)絡(luò)的應(yīng)用包括視頻監(jiān)視，交通監(jiān)視，航空交通控制，機(jī)器人學(xué),汽車，家居健康監(jiān)測(cè)和工業(yè)自動(dòng)化。在環(huán)境監(jiān)控中一個(gè)典型的應(yīng)用就是傳感網(wǎng)（Sensor Web，或SW）。傳感器網(wǎng)絡(luò)可以用來(lái)監(jiān)視有效利用電力，如日本的例子。[1]