-
公开(公告)号：CN109890040A
公开(公告)日：2019-06-14
申请号：CN201910182049.6
申请日：2019-03-11
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明涉及一种面向高可靠低时延无线传感器网络的优化算法，包括建立关于无线传感器网络节点的染色体及其种群；构建对应的数据矩阵并获取改进数据矩阵；利用主成分分析法分解该改进数据矩阵并转化为映射数据矩阵；利用遗传算法对映射数据矩阵对应的染色体种群进行优化计算，并产生更新的染色体种群；最后构建该更新染色体种群的最小模式集合，并将其作为该染色体种群的优化收敛条件，直到所述更新染色体种群的最小模式集合满足优化收敛条件。本发明考虑传感器节点的能量特性、连通特性和可靠特性，综合运用主成分分析法和遗传算法的优点降低优化迭代次数和提高算法计算效率，有助于降低高可靠低时延无线传感器网络中优化调度的计算复杂度。
-
公开(公告)号：CN109831792B
公开(公告)日：2021-09-24
申请号：CN201910180970.7
申请日：2019-03-11
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明提供一种基于多目标优化的无线传感器网络拓扑控制方法，包括提供无线传感器网络，建立分簇拓扑结构；分别计算无线传感器网络的网络生命周期、网络连通性、网络可靠性、网络时延和网络覆盖度；以网络生命周期，网络连接度和网络可靠性为优化目标，以网络时延和网络覆盖度为约束条件，建立多目标优化模型；计算多目标优化模型的函数值；优化分簇拓扑结构并重复上述步骤，直到函数值不再增大。本发明的无线传感器网络拓扑控制方法同时以网络生命周期、网络连通性和网络可靠性为优化目标建立多目标优化模型，并根据该优化模型求解出近似最优的分簇拓扑结构，从而同时延长网络生命周期、提高网络连通性和增强网络可靠性。
-
公开(公告)号：CN107801227B
公开(公告)日：2021-01-26
申请号：CN201710891080.8
申请日：2017-09-27
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: H04W40/22 , H04W40/10 , H04W40/02 , H04L12/721
Abstract: 本发明涉及一种面向无线传感器网层次化分析的路由调度方法，利用层次化分析方法建立判定矩阵，判定矩阵以邻居节点的剩余能量、需要消耗的传输能量、到基站的距离和节点度为关键因素。以判定矩阵最大特征值对应特征向量的元素值分别作为三个因素的权重，计算每个邻居节点的性能权值，并进行层次排序及一致性检验。所有邻居节点的性能权值中，性能权值最大的那个节点将被选为下一跳的中继节点。本发明能够有效地改善节点能量消耗，并最终提高无线传感器网的网络寿命。
-
公开(公告)号：CN108737191B
公开(公告)日：2021-01-19
申请号：CN201810552318.9
申请日：2018-05-31
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: H04L12/24 , H04W40/04 , H04W40/32 , H04W84/18 , H04B17/391
Abstract: 本发明涉及一种面向超密集无线传感器网基于无监督学习的拓扑控制方法，以遗传算法的框架为基础，对网络节点进行分簇，通过不断地无监督学习寻找最优的分簇网络拓扑。在优化过程中，网络的节点能量、节点距离和节点密度三个因素是重要的输入数据集，利用层次化分析方法决定不同因素权重建立适应度函数。本发明能够有效地改善节点能量消耗，并最终提高无线传感器网的网络寿命。
-
公开(公告)号：CN106887238B
公开(公告)日：2020-05-15
申请号：CN201710117865.X
申请日：2017-03-01
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: G10L21/0272 , G10L25/27
Abstract: 本发明提供一种基于改进独立向量分析算法的声信号盲分离方法，包括：步骤1，通过M个传感器采集N个源信号的卷积混合信号，以得到M个观测信号；步骤2，通过短时傅里叶变换将所述观测信号从时域转换到频域，并建立基于分离矩阵的频域分离信号模型；步骤3，逐频点对频域的所述观测信号和分离矩阵进行预处理；步骤4，采用基于自适应更新的自然梯度独立向量分析算法逐频点进行盲分离处理，以得到频域的分离信号；步骤5，对频域的分离信号进行逆短时傅里叶变换，以得到时域的分离信号。本发明考虑声信号的卷积混合，自适应更新，能够更精确地恢复源信号，更快达到收敛；算法对更新步长的初始值不敏感，鲁棒性好，稳定性高。
-
Patent Agency Ranking
公开(公告)号：CN109831792A
公开(公告)日：2019-05-31
申请号：CN201910180970.7
申请日：2019-03-11
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明提供一种基于多目标优化的无线传感器网络拓扑控制方法，包括提供无线传感器网络，建立分簇拓扑结构；分别计算无线传感器网络的网络生命周期、网络连通性、网络可靠性、网络时延和网络覆盖度；以网络生命周期，网络连接度和网络可靠性为优化目标，以网络时延和网络覆盖度为约束条件，建立多目标优化模型；计算多目标优化模型的函数值；优化分簇拓扑结构并重复上述步骤，直到函数值不再增大。本发明的无线传感器网络拓扑控制方法同时以网络生命周期、网络连通性和网络可靠性为优化目标建立多目标优化模型，并根据该优化模型求解出近似最优的分簇拓扑结构，从而同时延长网络生命周期、提高网络连通性和增强网络可靠性。
-
公开(公告)号：CN107315995A
公开(公告)日：2017-11-03
申请号：CN201710354814.9
申请日：2017-05-18
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种基于拉普拉斯对数脸及卷积神经网络的人脸识别方法，包括：S1，获取待识别人脸图像并预处理；S2，判断数据库中人脸图像数量是否达到预定值，若未达到则执行S3，否则执行S4；S3，利用拉普拉斯对数脸算法从待识别人脸图像中提取人脸特征，而后计算提取的人脸特征与数据库中各人脸图像对应的人脸特征之间的卡方距离，并输出卡方距离最小的人脸图像；S4，利用预先训练的卷积神经网络从预处理后的待识别人脸图像中提取人脸特征；而后计算提取的人脸特征与数据库中各人脸图像对应的人脸特征之间的余弦距离，并输出余弦距离最小的人脸图像。本发明可以实现快速的人脸识别，识别准确率高，对于监控、反恐等都有重要的意义。
-
公开(公告)号：CN109618388B
公开(公告)日：2021-10-01
申请号：CN201910108359.3
申请日：2019-01-18
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明涉及一种面向无线传感器网络能量转化分簇控制方法，其包括：计算虚拟簇成员节点的数量；计算网络分簇的平均簇成员节点的数量；以及实际簇成员节点加入网络分簇。本发明将网络中簇头节点的传输能量消耗转化为虚拟簇成员节点，并通过实际簇成员节点共同构造最佳的二级分簇网络拓扑，避免产生负载不均匀的网络分簇结构，保护部分处于关键位置的传感器节点不会因为能量过早耗尽而“死亡”，从而延长无线传感器网络的生命周期。
-
公开(公告)号：CN109618388A
公开(公告)日：2019-04-12
申请号：CN201910108359.3
申请日：2019-01-18
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明涉及一种面向无线传感器网络能量转化分簇控制方法，其包括：计算虚拟簇成员节点的数量；计算网络分簇的平均簇成员节点的数量；以及实际簇成员节点加入网络分簇。本发明将网络中簇头节点的传输能量消耗转化为虚拟簇成员节点，并通过实际簇成员节点共同构造最佳的二级分簇网络拓扑，避免产生负载不均匀的网络分簇结构，保护部分处于关键位置的传感器节点不会因为能量过早耗尽而“死亡”，从而延长无线传感器网络的生命周期。
-
公开(公告)号：CN107205255A
公开(公告)日：2017-09-26
申请号：CN201710339773.6
申请日：2017-05-15
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种面向基于图像传感器的无线传感器网络的目标跟踪方法，包括以下步骤：采用分散式的基于簇的跟踪结构，多个节点构成一个任务簇同时跟踪目标，各簇节点得到目标测量值并进行独立计算后将结果传递给簇头节点；簇头节点利用SRCI融合来自不同节点的观察值得出目标的状态估计值，预测下一时刻目标状态信息；根据预测的目标状态信息，利用提出的贡献决策机制综合考虑当前簇节点与警备节点的能量消耗和期望信息增益去动态在线的选择合适的节点作为新的任务簇节点实施跟踪任务；最后在所选择的簇节点中根据节点与预测目标的距离还有节点的剩余能量综合考虑来选择一个合适的簇头节点。本发明能够平衡网络能量的消耗与目标跟踪精度之间的矛盾。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
