基于多解析度近似和时序分析的传感器网络数据模型研究

As the fundamental of the internet of Things, sensor .network receives extensive attentions by interdisciplinary experts from information science, computer science, mathermatics and other fields.High efficient data acquisition and processing are the main concerns in sensor network. The significant challenges in data acquisition and processing of sensor network include data inquiry, network coding, positioning, covering and abnormal value detection. It is very desirable to investigate the correlation between time and space, parameter estimation in high-dimensional data model and heuristic searching algorithm to overcome these problems .This project aims to establish a multi-resolution hybrid approximate data sampling model based on a Gaussian mixture function and Hidden Markov Process.It also develops a data processing model by linear network coding method .In this way we propose an unified framework to describe the sampling and processing of high-dimensional data model.We further explore the specific application under the sampling and processing joint model, propose a high efficient data acquisition and processing technology . This research can make a breakthrough and innovation in sensor network data model, which will be practical in sensing network and internet of things.This project can provide basis for the sensor network information theory, prompt wide industralization of sensing network and internet of things in China.

传感器网络是物联网的基础，其基础理论与关键技术的研究为当前国际研究热点，涉及信息科学、计算机科学，数学等学科领域的交叉。高效率数据采集和处理是传感器网络研究的关键，传感器数据查询，网络编码、定位覆盖、异常检测等问题给传统的传感器数据模型研究提出巨大的挑战，急需在时空相关性、高维模型参数估计、搜索算法上展开深入研究。本项目针对传感器数据理论模型问题，拟探索构建基于高斯混合模型和隐马尔可夫过程模型的时空相关的多解析度近似数据模型及基于线性网络编码的数据处理模型，由此建立高维数据采样和处理的统一架构模型，并进一步探索采样与处理联合架构模型下的传感器具体应用，形成高效数据处理和采集关键技术，实现在传感器数据理论模型的创新与突破，达到在传感网，物联网产业中的应用。本项目的研究能够为传感器网络信息理论的研究奠定理论基础，积累关键技术，促进传感网，物联网在我国的广泛产业化应用。

本项目通过探索基于多解析度近似和时空相关的传感器网络数据模型以及线性网络编码数据处理模型，对无线传感器网络相关理论和应用进行了深入的探讨。从时空相关的多解析度近似模型出发，将数据采样和处理相关方法统一到一个理论模型下，从而进行统一的系统表示和认识。项目按照原计划进度进行，达到预定的研究目标。在传感器网络数据处理模型方面，研究了无线传感器网络的节能传播方法、定位跟踪滤波、无线传感网络导航、无线传感网络信息存储和检索相关问题；在无线传感器网络高效应用理论方面，研究了无线传感器网络骨架提取；填充曲线的构建；路由协议和边界提取算法。随着研究地不断深入，根据实际情况和需求，增加了在复杂三维传感网络曲线填充可扩展性和拉伸性的路由方案研究。项目具体研究成果有无线传感网络节能传播方法NCDS；3D无线传感网络信息存储、边界提取以及骨架提取算法；可扩展分布式的无线传感网络分割算法；无线传感网填充曲线算法；无线传感网具有拥塞自适应和延展性的紧急导航算法。相比之前相关文献，我们提出的算法总体上应用更广，性能更加优越，为进一步研究无线传感网络相关问题奠定了一定的理论基础，同时对无线传感网络实际应用提供理论指导。在项目期间，积极举办或参与国内外学术合作交流，邀请了国内外行业内相关专家为项目参与人员做了相关报告及进行学术问题的探讨。本项目总共培养了2位博士和7位硕士，合计发表了14篇高水平SCI期刊论文和2篇EI论文，远远超过立项之初预定的目标。

内容获取失败，请点击重试