简介:无线传感器网络部署的成功取决于是否能够在其诸如数据的精确性、数据聚类程度以及网络生命周期最大化等问题上,提供一个高质量可靠的性能服务。其中,数据融合机制就特别具有挑战性。如果将一小部分低质量的数据作为数据融合输入,那么极可能对整个数据融合结果产生负面影响。该文提出了改进型分批估计和BP神经网络相结合的多传感器数据融合方法,旨在提高网络的服务质量并减少整个网络的能量消耗。该方法能够辨别和剔除低质量的终端数据,提高数据的精确性;同时,它还能够融合冗余的数据,以减少各站点之间的数据通信消耗,使网络生命周期最大化。通过MATLAB实验仿真,表明该文提出的方法具有良好的数据融合性能;相比于LEACH,有效减少转发数据包量,提高了网络生命期。
简介:为了验证基于弹簧粒子模型及其衍生定位算法的性能,本文设计了一种新的无线传感器混合网络系统,并进行了相关的实验验证。本文的混合网络是基于CC2431传感器节点和智能手机高级节点组成的混合网络,其中CC2431用于数据采集与节点定位等,智能手机iPhone网络用于传达任务、获取数据以及数据显示。实验研究结果表明,本混合网络系统是稳定可靠的,且系统的测距和定位算法的精度较高,网络的路由算法稳定可靠,可满足一般机器人导航等无线传感器网络应用场景。
简介:提出一种估计异步电机转子速度和转子磁链的新型降阶推广卡尔曼滤波器算法,建立了基于此算法的异步电机无速度传感器矢量控制系统.以转子磁链的两个分量为状态变量,被估计的参数转子速度作为扩充状态变量,构成三阶推广卡尔曼滤波器算法,算法阶数的降低明显地减少了运算量,适合实时实现.仿真结果显示转子速度和转子磁链的估计精度高,系统的速度控制性能令人满意,证明此算法有效可行.
简介:通过建立无线传感器网络环境中的能耗模型,研究了高效能耗以及由路径损耗模型不同带来的数据干扰问题.采用二维网格分簇机制,其中簇头选举算法基于节点的剩余能量和随机退避时间,以一种高效且分散的方式使簇头在所有传感器节点中均匀轮换.节点除了在传输和接收数据过程中消耗能量,在干扰重传时也需要消耗额外的能量.根据平面几何学,通过分析和数学推导,得出网络的总能耗与分簇机制中的网格结构直接相关的结论,其中簇的大小决定传输范围,节点距离决定路径损耗指数,网络结构决定同时传输数据的节点产生的干扰总数.通过分析和仿真实验,提出了在无线传感器网络中优化的网格结构和对应的网格大小,从而在最大化降低能耗和最小化总体冲突之间达成平衡.