無線傳感器網(wǎng)絡(luò)與監(jiān)測應(yīng)用

內(nèi)容概要

　　本書系統(tǒng)分析和闡述了面向大規(guī)模水情監(jiān)測這一具體應(yīng)用背景下無線傳感器網(wǎng)絡(luò)的有關(guān)概念、原理和方法，并針對水情監(jiān)測數(shù)據(jù)融合中的流量軟測量與錯誤數(shù)據(jù)校正，以及動目標(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，包括基于無線傳感器網(wǎng)絡(luò)信息獲取和監(jiān)測應(yīng)用的發(fā)展特點與趨勢；面向水情監(jiān)測無線傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)規(guī)劃和路由算法設(shè)計；mac層低功耗低時延網(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wsn匯聚節(jié)點信息融合和可重構(gòu)硬件設(shè)計與研究；以及基于粒子濾波目標(biāo)跟蹤預(yù)測和跟蹤節(jié)點管理的無線傳感器網(wǎng)絡(luò)協(xié)作目標(biāo)跟蹤等。
　　本書可作為電子信息工程、工業(yè)自動化、計算機(jī)應(yīng)用、儀器科學(xué)與技術(shù)等相關(guān)專業(yè)的研究生、高年級本科生以及科研人員、工程技術(shù)人員的參考書。

作者簡介

　　李岳衡，男，博士，副研究員，湖南永興人。2001年于東南大學(xué)無線電工程系移動通信國家重點實驗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驗室工作，任高級研究員、項目研發(fā)組長等職；2006年9月至今在河海大學(xué)計算機(jī)與信息學(xué)院工作。現(xiàn)為中國電子學(xué)會高級會員。主持和參與國家自然科學(xué)基金項目、江蘇省自然科學(xué)基金項目、東南大學(xué)移動通信國家重點實驗室開放課題、中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目、水利部科學(xué)技術(shù)項目等；獲得省部級科學(xué)技術(shù)進(jìn)步二等獎。

書籍目錄

第1章 緒論
　1.1 當(dāng)代信息化發(fā)展的技術(shù)趨勢
　1.2 基于無線傳感器網(wǎng)絡(luò)的信息獲取
　　1.2.1 傳感技術(shù)及其發(fā)展
　　1.2.2 無線傳感器網(wǎng)絡(luò)的發(fā)展及其特點
　　1.2.3 無線傳感器網(wǎng)絡(luò)關(guān)鍵技術(shù)
　1.3 無線傳感器網(wǎng)絡(luò)監(jiān)測應(yīng)用
　　1.3.1 工業(yè)無線傳感器網(wǎng)絡(luò)
　　1.3.2 水下環(huán)境多源監(jiān)測
　　1.3.3 運動目標(biāo)跟蹤
　　參考文獻(xiàn)
第2章 水情監(jiān)測無線傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和路由算法
　2.1 水情監(jiān)測的國內(nèi)外發(fā)展?fàn)顩r
　2.2 面向水情實時監(jiān)測的wsn總體設(shè)計方案
　　2.2.1 基于wsn的水情監(jiān)測系統(tǒng)整體架構(gòu)
　　2.2.2 節(jié)點硬件設(shè)計
　　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
　　2.3.3 簇頭節(jié)點的選取
　　2.3.4 信息傳輸與能量管理
　　2.3.5 計算與分析
　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)計與，性能分析
　　參考文獻(xiàn)
第3章 水情監(jiān)測無線傳感器網(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性能評估模型
　　3.1.3 實時水情監(jiān)測基于信道接入機(jī)制的差分服務(wù)
　　3.1.4 基于隊列機(jī)制的差分服務(wù)
　3.2 實時數(shù)據(jù)占空比自適應(yīng)算法
　　3.2.1 概述
　　3.2.2 計算與分析
　3.3 時延歸類改進(jìn)型gts算法
　　3.3.1 網(wǎng)絡(luò)微積分模型
　　3.3.2 基于時延歸一化的dcgts算法
　　3.3.3 計算與分析
　　參考文獻(xiàn)
第4章 基于人工神經(jīng)網(wǎng)絡(luò)wsn匯聚節(jié)點融合建模與硬件設(shè)計
　4.1 基于人工神經(jīng)網(wǎng)絡(luò)水情監(jiān)測wsn匯聚節(jié)點融合系統(tǒng)
　　4.1.1 水情信息時空相關(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)校正模型的性能評價
　4.3 面向明渠流量軟測量人工神經(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明渠流量軟測量模型
　　4.3.4 基于rbfnn明渠流量軟測量模型
　　4.3.5 兩種人工神經(jīng)網(wǎng)絡(luò)明渠流量軟測量模型性能評價
　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)點設(shè)計
　　4.4.1 匯聚節(jié)點硬件電路設(shè)計
　　4.4.2 可重構(gòu)人工神經(jīng)網(wǎng)絡(luò)融合模型fpga實現(xiàn)
　　4.4.3 匯聚節(jié)點軟硬件集成及仿真
　　參考文獻(xiàn)
第5章 無線傳感器網(wǎng)絡(luò)多節(jié)點協(xié)作動目標(biāo)跟蹤
　5.1 無線傳感器網(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)檢測與定位方法
　　5.2.3 目標(biāo)跟蹤預(yù)測方法
　5.3 基于粒子濾波預(yù)測的動目標(biāo)跟蹤
　　5.3.1 卡爾曼預(yù)測算法原理
　　5.3.2 粒子濾波預(yù)測算法原理
　　5.3.3 基于粒子濾波預(yù)測的動目標(biāo)跟蹤
　　5.3.4 計算與分析
　5.4 基于區(qū)域控制的節(jié)點調(diào)度管理方法
　　5.4.1 現(xiàn)有動目標(biāo)跟蹤節(jié)點調(diào)度算法
　　5.4.2 動目標(biāo)跟蹤節(jié)點組織形式
　　5.4.3 基于區(qū)域控制的節(jié)點動態(tài)管理算法
　　5.4.4 計算與分析
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   文獻(xiàn)[36]中的LEACH-C是LEACH協(xié)議自身的提出者后來在LEACH協(xié)議上所做的改進(jìn)算法。該算法引入中心控制機(jī)制，每個節(jié)點把自身地理位置和剩余能量報告給基站，基站再根據(jù)所有節(jié)點的報告計算平均能量，從而使當(dāng)前能量低于平均能量的節(jié)點不能成為候選簇頭。由于從剩余候選節(jié)點中選出合適數(shù)量和最優(yōu)地理位置的簇頭集合是一個NP難問題，故基站根據(jù)所有成員節(jié)點到簇頭的距離平方和最小的原則，采用模擬退火(simulated annealing)算法解決該NP難問題。最后，基站把選中的簇頭集合和簇的結(jié)構(gòu)廣播出去。雖然該算法大大提高了簇的生成質(zhì)量、魯棒性較好，但是節(jié)點周期性地向基站報告它們的能量和位置等信息，會使得網(wǎng)絡(luò)流量、時間延遲以及信號干擾大大增加。 文獻(xiàn)[37]提出的TEEN(Threshold Sensitive Energy Efficient Sensor Network Protocol)是閾值敏感能量高效傳感器網(wǎng)絡(luò)協(xié)議，它采用與LEACH類似的簇結(jié)構(gòu)和運行方式，具有實時性的特點。TEEN定義了硬、軟兩個閾值，以確定是否需要發(fā)送監(jiān)測數(shù)據(jù)。當(dāng)監(jiān)測數(shù)據(jù)第一次達(dá)到硬閾值時，節(jié)點在隨后到來的時隙發(fā)送數(shù)據(jù)，并把它設(shè)為新的硬閾值。此后如果監(jiān)測數(shù)據(jù)的變化幅度大于軟閾值界定的范圍，則節(jié)點傳送最新采集的數(shù)據(jù)，并將它設(shè)定為新的硬閾值，同時也把這個差值設(shè)定為新的軟閾值。通過調(diào)節(jié)軟閾值的大小，可以在監(jiān)測精度和系統(tǒng)能耗之間取得合理的平衡。TEEN可以對突發(fā)事件做出快速反應(yīng)，但如果閾值不能達(dá)到，則節(jié)點不會傳送任何數(shù)據(jù)；而一旦達(dá)到閾值，節(jié)點則立刻傳送數(shù)據(jù)，故易造成信號干擾，不適用于需要持續(xù)采集數(shù)據(jù)的應(yīng)用環(huán)境。 文獻(xiàn)[38]提出的混合有效能量分布式分簇(Hybrid Energy-Effieient Dis-tributed clustering,HEED)算法是在LEACH算法簇頭分布不均勻這一問題基礎(chǔ)之上作出的對LEACH協(xié)議的改進(jìn)。HEED以簇內(nèi)平均可達(dá)能量作為衡量簇內(nèi)通信代價的標(biāo)準(zhǔn)。簇頭的選擇主要依據(jù)主、次兩個參數(shù)。主參數(shù)依賴于剩余能量，具有較多能量的節(jié)點將會以較大概率暫時先當(dāng)選為簇頭，最終該節(jié)點能否當(dāng)選為簇頭還取決于它的能量是否比周圍節(jié)點高很多，即迭代過程是否比周圍收斂得更快；次參數(shù)依賴于簇內(nèi)通信代價，用于確定落在多個簇范圍內(nèi)的節(jié)點最終屬于哪個簇，以及平衡簇頭之間的負(fù)載，考慮簇內(nèi)的通信代價。該算法的特點是：完全分布式的簇頭產(chǎn)生方式；簇頭產(chǎn)生在有限次迭代內(nèi)完成；最小化控制報文開銷；簇頭分布均衡，網(wǎng)絡(luò)能耗更均勻等。

編輯推薦

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

圖書封面

評論、評分、閱讀與下載

---

    無線傳感器網(wǎng)絡(luò)與監(jiān)測應(yīng)用 PDF格式下載

---