针对节点随机部署的静态无线传感器网络覆盖率低、能耗高和时延长等问题,提出基于三角剖分的无线传感器网络元胞感知覆盖算法.该算法通过改进的Delaunay三角剖分实现网络区域的唯一性划分;采用元胞思想确认节点间邻域关系,并通过设置节点感知半径完成网络拓扑控制;将节点剩余能量、时间延迟和历史转发概率作为机器学习感知器的输入数据进行训练,进而找到最优的数据转发通信路径.仿真结果表明,本文提出的算法将网络覆盖与数据传输相结合,相较于其他算法,覆盖率提高13%~34%,节点能量消耗减少了2.25~2.50 J,网络生命周期延长了25%,网络时延下降了0.25~1.18 s.
在现有的规则推理机制下,大量的传感器数据导致的过大规则匹配期间的实时特征计算量降低了推理实时性,同时边缘设备受限的内存资源难以应对如此庞大的数据量.为此,本文设计了数据预部署方案(Data Pre-Deployment Scheme,DPDS).利用规则解析与预处理模块解析规则集得到的规则网络和轻量级特征表(Light-weight Characteristic Table,LCT),该方案无需进行实时特征计算,使推理效率和实时性得到显著提高,并大大降低了规则匹配期间的内存占用量.实验表明,即使在规则、数据规模很大的情况下,DPDS仍然具有较高的时间效率和空间效率.
针对由于水下声速变化及障碍物干扰引起的定位误差较大的问题,本文提出了一种抛物模型定位算法.首先基于到达角度提出了适用于弯曲声线的抛物模型测距法.然后基于到达时间提出了非理想路径测距识别方法和理想路径测距修正方法.最后利用投影法结合最小二乘法完成定位.仿真实验表明,该算法在弯曲声线、路径识别、测距优化三个方面均能有效地降低误差.