面向复杂真实环境的无线传感器网络区域覆盖算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61701101
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    21.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0104.通信网络
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Recent advances in micro-electronic, computing and wireless communication technologies have enabled the rapidly development of low-power and multi-functional wireless sensor networks. Area coverage is an important research topic in Wireless Sensor Networks theory. Most of existing works aim at addressing the area coverage problems in an ideal way which can not be applied to some real complex applications efficiently. This project investigates and solves the core problem of area coverage in complex real environment. Taking into account the characteristic of the terrain,this project investigates the nodes deployment model under the constraints from the real environment. The node periodic scheduling mechanism is investigated based on the priori knowledge from the stochastic event. Considering the node energy consumption, this project investigates the energy balancing network maintenance method. In order to validatethe correctness of the theoretical studies, the simulation platform will be constructed and the validation experiments of the proposed algorithms will be designed. This project can provide the new ideas for solving the area coverage problems in practice, and promote the development of wireless sensor networks and.bring well academic value and study significance.
微电子技术、计算技术和无线通信等技术的进步,推动了低功耗、多功能无线传感器网络的迅速发展。区域覆盖问题是无线传感器网络的一个重要研究课题,但现有的区域覆盖策略偏于保守,过于理想化,无法有效地应用于一些复杂的真实场景。为此,本项目研究和解决复杂真实环境下无线传感器网络区域覆盖的核心问题。分析部署区域的地形特点,重点研究环境因素对部署位置的约束问题,建立更加符合真实环境应用的节点部署模型;利用监测随机事件的先验知识,研究基于随机事件动态性的节点周期调度策略;考虑节点的剩余能量,研究能量均衡的网络修复算法。为了验证理论研究的准确性构建仿真实验平台,设计模型与算法的验证实验。项目研究为解决现有无线传感器网络在实际应用中存在的瓶颈性难题提供新的思路,促进无线传感器网络技术更好地完成由理论探索向实际应用技术的转化,具有一定的学术价值与研究意义。

结项摘要

无线传感器网络覆盖决定了无线传感器网络所能提供的服务范围,是实现无线传感器网络众多应用的前提。而区域覆盖优化是无线传感器网络的主要支撑技术之一。由于受到真实环境复杂多变的影响,无线传感器网络在实际监测应用中存在诸多技术难点。而传统的区域覆盖策略偏于保守,过于理想化,在一些复杂真实场景中无法推广应用。因此,本项目针对真实复杂环境下无线传感器网络区域覆盖核心技术开展研究工作,研究真实复杂环境下无线传感器网络节点部署、节点调度、网络修复和节点定位等理论与方法。通过本项目搭建的实验仿真系统验证了所提算法的有效性。针对复杂地形环境的区域覆盖问题,提出了基于无人机有向传感器的三维曲面覆盖增强算法,构建了节点部署和调度策略,实现曲面监测区域的最优覆盖。针对复合事件下的节点部署问题,提出了基于协作神经网络的复合事件部署算法,实现了不同监测环境和不同约束条件下事件监测;针对节点能量耗尽,监测任务和要求的改变而产生网络覆盖漏洞的问题,提出了基于移动机器人的网络修复策略,提高了网络的生命周期。针对移动节点在非视距环境下容易产生较大定位误差的问题,提出了基于均值漂移的移动节点定位算法,提高定位精度。本项目解决了无线传感器网络区域覆盖优化的诸多问题,促进无线传感器网络技术更好地完成由理论技术向实际应用技术的转化,研究成果可直接用于环境监测和智能空间等领域,具有广阔的应用前景,并能够带来显著的经济和社会效益。

项目成果

期刊论文数量(18)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
基于IMM-IKF的无线传感器网络非视距节点定位方法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    于晓升;王莹;孟亚男;吴成东
  • 通讯作者:
    吴成东
Saliency detection via integrating deep learning architecture and low-level features
通过集成深度学习架构和低级特征进行显着性检测
  • DOI:
    10.1016/j.neucom.2019.03.070
  • 发表时间:
    2019
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    迟剑宁;吴成东;于晓升;楚好;纪鹏
  • 通讯作者:
    纪鹏
Automatic Segmentation of Optic Disc and Cup in Retinal Fundus Images Using Improved Two-Layer Level Set Method
使用改进的两层水平集方法自动分割视网膜眼底图像中的视盘和视杯
  • DOI:
    10.1155/2019/4836296
  • 发表时间:
    2019
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    王莹;于晓升;迟剑宁;吴成东
  • 通讯作者:
    吴成东
Mean Shift-Based Mobile Localization Method in Mixed LOS/NLOS Environments for Wireless Sensor Network
无线传感器网络混合视距/非视距环境中基于均值平移的移动定位方法
  • DOI:
    10.1155/2017/5325174
  • 发表时间:
    2018
  • 期刊:
    Journal of Sensors
  • 影响因子:
    1.9
  • 作者:
    于晓升;纪鹏;王莹;楚好
  • 通讯作者:
    楚好
Saliency Detection Based Region Extraction for Pedestrian Detection System with Thermal Imageries
基于显着性检测的热图像行人检测系统区域提取
  • DOI:
    10.1038/nmat4629
  • 发表时间:
    2018
  • 期刊:
    IEICE Transactions ON Fundamentals of Electronics Communications and Computer Sciences
  • 影响因子:
    0.5
  • 作者:
    许茗;于晓升;吴成东;陈东岳
  • 通讯作者:
    陈东岳

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Superpixel Segmentation Using Weighted Coplanar Feature Clustering on RGBD Images
在 RGBD 图像上使用加权共面特征聚类进行超像素分割
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    Applied Sciences
  • 影响因子:
    --
  • 作者:
    Zhuoqun Fang;于晓升;Chengdong Wu;Dongyue Chen;Tong Jia
  • 通讯作者:
    Tong Jia
Tracking objects using Grassmann manifold appearance modeling based on wireless multimedia sensor networks
使用基于无线多媒体传感器网络的格拉斯曼流形外观建模跟踪物体
  • DOI:
    10.1007/s10533-022-01006-7
  • 发表时间:
    2018
  • 期刊:
    International journal of distributed sensor networks
  • 影响因子:
    --
  • 作者:
    Yinghong Xie;于晓升;Chengdong Wu
  • 通讯作者:
    Chengdong Wu
An overview of image caption generation methods
图像标题生成方法概述
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Computational Intelligence and Neuroscience
  • 影响因子:
    --
  • 作者:
    王浩然;张悦;于晓升
  • 通讯作者:
    于晓升
基于C-V模型的网络覆盖空洞探测与修复算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    胡楠;吴成东;于晓升;许茗
  • 通讯作者:
    许茗
Full-Automatic Optic Disc Boundary Extraction Based on Active Contour Model with Multiple Energies
基于多能量主动轮廓模型的全自动视盘边界提取
  • DOI:
    10.1587/transfun.e101.a.658
  • 发表时间:
    2018
  • 期刊:
    IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences
  • 影响因子:
    --
  • 作者:
    Yuan Gao;Chengdong Wu;于晓升;Wei Zhou;Jiahui Wu
  • 通讯作者:
    Jiahui Wu

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码