课程文献中心 更多>>

关键词： 无线传感器网络   恶意节点检测   信任评估   自适应算法   服务质量  

摘要： 随着互联网技术的飞速发展和微电子技术的不断提高,无线传感器网络(Wireless Sensor Networks,WSNs)由于其规模大、自组织、节点部署灵活、成本低等特点在军事战场、物联网、环境监控、智能交通等多个领域得到了广泛的应用。然而,由于传感器节点的部署方式与环境,自身受限的能量、资源、内存空间与计算能力等不利因素,传感器节点较容易受敌方攻击,并且难以应用传统网络安全技术到所有传感器节点,致使WSNs中存在诸多威胁数据传输的机密性与完整性的安全隐患。因此,保障WSNs中的数据能够安全高效的传输成为无线传感器网络安全问题研究中的重点之一。本文将WSNs中高质量安全数据传输技术作为主要的研究内容,分别从基于自适应遗传算法和信任评估的安全路由机制以及面向服务质量(Qualityof Service,QoS)算法的综合信任安全传输机制两个方面展开研究,主要的工作内容如下: (1)针对WSNs中恶意节点带来的威胁、传感器自身能量消耗等问题,本文提出一种基于自适应遗传算法和信任评估的安全路由机制,实现在降低能量消耗的同时有效抵御常见的路由攻击和特殊的信任攻击。首先,根据WSNs中节点的传感、转发、聚合等常见行为,设计多信任指标的信任模型。其次,为提高对恶意节点的识别能力,在信任模型中加入了能够调节信任值波动幅度的奖惩因子,构建一套更加合理的信任体系,从而使恶意节点的信任值会更快地降低,实现对恶意节点的高效识别。之后,建立能量模型分析每个节点的能量消耗使用情况,以便于根据节点的能量消耗情况动态调整节点的工作状态,使网络性能和能量消耗得到平衡。最后,根据节点信任值和剩余能量完成簇头选举,通过将自适应遗传算法与信任机制相结合,并引入实数编码、随机交叉和动态变异等方法,实现安全节能的最优路径规划。通过仿真实验证明,该方案能够减少数据包的丢失,并提高网络能量利用效率。 (2)针对WSNs中恶意节点检测、安全性与服务质量的平衡等问题,本文提出一种面向QoS的数据传输机制,以提高WSNs的服务质量和能量效率。首先,设计QoS模型,并利用基于真相发现的节点权重估计算法来调节节点权重,在成员节点中选择合适的节点(即源节点),负责向基站传输与事件检测相关的信息,减少冗余数据的传输。其次,为增强WSNs的安全性,将直接信任与间接信任相结合设计综合信任模型,更全面、更准确地对所有源节点信任值进行计算,从而完成恶意节点的识别。最后,通过仿真实验验证提出的方案能够在提高信息传输质量的同时,保证信息传输的安全性。

关键词： 办公网络   光纤   设计   实施  

摘要： 本文基于FTTH的技术优点和工作原理，简要分析了中小企业办公网络升级为千兆光纤到桌面的模式、设计和实施，通过建设技术先进、功能齐全、安全可靠、便于管理的现代办公网络，为中小企业打造高效快捷的办公环境。

关键词： 无线传感器网络   无人机   无人机充电与数据通信   多目标优化方法   多目标粒子群算法   多目标蝗虫算法  

摘要： 在无线传感器网络中,自身能量的约束和复杂的地形通常会影响物联网设备的电力补给和通信能力,甚至导致网络故障和崩溃。而无人机因其极高的适应性,且能够配备无线电力补给及通信技术,非常适合维护无线传感器网络的可靠性。然而能量有限的无人机服务无线传感器网络的过程中,如何提高服务效率是一个值得研究的问题。 在无人机为网络中的设备节点实现电能补充及信息传输的过程中,无人机从初始地出发,从空间中选择悬停位置进行悬停并对其服务范围内的节点提供服务,在对所有的设备节点提供服务后,保证其在机载能量耗尽完前返回起始地。本文基于群体智能算法,对无人机在三维空间中部署进行研究,构建了无人机在能量受限下的多目标优化模型,旨在提高无人机的服务效率,具体如下: (1)提出了无人机充电效率最大化多目标模型和无人机数据传输效率最大化多目标模型。无人机从基站出发选择空间中的一系列悬停位置为网络中的设备实现电力补给;该问题的目标是尽可能减少无人机的充电总时间来提高整体的电力补给性能的同时联合优化无人机的悬停点及电力补给时间。进一步通过对悬停位置的选择和悬停时间的确定,来最小化无人机悬停时间的同时最大化网络系统的吞吐量。 (2)提出了一种改进的多目标粒子群优化算法来解决无人机充电效率最大化多目标模型。使用ICMIC混沌映射机制来初始化无人机悬停位置和充电时间,能够使悬停位置和充电时间在搜索空间中均匀分布,相较伪随机数生成可使无人机的初始解获得了随机性和多样性的提升;进一步引入柯西算子变异方法,使悬停位置和充电时间在每次更新时概率进行变异以避免陷入局部最优;融合了灰狼优化算法中的搜索更新策略以借鉴无人机解集之间的信息共享和最优解的带领作用,在悬停位置和充电时间更新时有效地避免了局部优化,提高了算法进行全局搜索的能力。实验模拟的结果表明,改进后的多目标粒子群优化算法与其它优化算法相比,针对不同物联网设备数的解决方案精度更高。 (3)提出了一种针对无人机数据传输效率最大化多目标模型的改进的多目标蝗虫优化算法。初始蝗虫种群时算法结合了Q-OBL反向学习的初始化策略,保证了无人机位置和通信时间的多样性和问题初始解的质量;为了便于寻找更好的悬停位置且避免局部最优,算法吸收了高斯变异的更新因子以注入一定的随机性,从而能更广泛地搜索三维空间;改进的多目标蝗虫优化算法融合了多元宇宙优化算法,通过吸收虫洞更新策略中的权重系数和WEP、TDR两个参数扩展增强了算法对悬停位置和通信时间的寻优能力。仿真实验结果表明,优化后的多目标蝗虫算法是一种有效的优化方法,能更好地针对不同物联网设备规模的无人机数据传输效率最大化多目标模型进行求解。

关键词： 抗生素   量子点   荧光检测   试纸条   图像处理  

摘要： 随着国人生活品质的提升,动物性食品在饮食中占据了重要地位,然而其抗生素残留问题也日益凸显,对公众健康构成潜在威胁。因此,加强动物性食品中抗生素残留的检测与控制至关重要。目前,主要检测方法包括生物检测法、理化检测分析法和技术联用法。其中,量子点荧光检测法因高灵敏度、强选择性、低样品需求、简单标记、无污染、易操作及低成本等特点而备受瞩目。然而,市面上的检测仪器常面临检测时间长、体积大、价格高及操作复杂等挑战,亟需改进以适应实际应用需求。因此,本文基于量子点荧光淬灭技术和数字图像处理技术,致力于研究和设计一种既能有效控制成本,又能实现准确定量检测量子点荧光试纸条上的抗生素浓度的荧光检测系统。具体工作内容概述如下: 基于量子点荧光淬灭技术,针对最常见的氯霉素和四环素类抗生素药物制备可用于进行荧光检测的量子点荧光试纸条。并通过简单的实验初步证明本文制备的量子点荧光试纸条满足后续检测实验的基本要求。 对基于量子点荧光试纸条的抗生素检测算法进行研究,包括对质控线和检测线的图像处理算法和基于四参数拟合法进行曲线拟合的浓度标定算法的研究。针对获取的量子点荧光图像特征,本文先后开展灰度图像的获取方法研究,基于数学形态学和自适应中值滤波算法改进算法研究,基于二维最大熵遗传算法的阈值分割算法研究,并针对本文图像进行算法在区域对比度方面的评价。还基于传统Canny边缘检测算法的缺陷进行改进,以及借助漫水填充算法实现更清晰的量子点荧光图像目标区域定位。然后通过目标区域的荧光灰度值计算出待测物浓度。最后通过四参数拟合法建立浓度标准曲线。 完成抗生素荧光检测系统的软硬件设计、平台搭建和功能测试并证明了本文所构建的检测系统的可用性。之后,分别针对氯霉素和四环素展开了基于本文构建的系统的性能分析实验,这些实验涵盖了精确度、重复性、稳定性、最低检测限等多个方面,以全面评估系统的性能。实验结果证明了该系统的有效性,为实际应用提供了有力支持。 经过适当设计,本系统能够实现对量子点荧光试纸条上氯霉素和四环素的定量检测,不仅操作简便,而且成本得到有效控制。文中实验数据表明本文设计的系统在检测氯霉素和四环素方面的表现优异,精确度相对误差控制均可在4%以内,重复性相对标准偏差低于2%,稳定性变异系数小于3%,最低限检测浓度为0.3ppb。各项性能指标均达到预期的设计要求,充分展现其在实际应用中的潜力和价值。

关键词： 多传感器网络   分布式融合   一致性融合估计   状态估计   事件触发  

摘要： 在多传感器网络系统分布式状态估计中,一致性融合估计以其高度的可扩展性、强大的稳定性和鲁棒性受到广泛应用。然而,一致性估计算法同样面临着通信负载过高、迭代次数过多和信息融合不合理等问题。为了解决这些问题,本文设计了基于传感器网络的一致性融合估计,主要内容如下: (1)针对信息一致性融合估计算法通信负担大、迭代次数多的问题,提出了事件触发快速信息一致性滤波算法。该算法利用一种基于交替方向乘子法的分布式快速一致性权重算法来获得权重矩阵。对于一致性迭代步骤,设计了基于高斯分布假设检验的触发机制。所提出的算法不仅有效地降低了通信负担,而且具有较高的一致性收敛速度。 (2)提出了基于信息矩阵迹的分布式容积信息一致性滤波算法。首先分析了经典分布式容积信息一致性滤波算法(Distributed Cubature Information Consensus Filter,DCIF)的收敛性,并证明了所提出的算法随着迭代次数的增加,收敛到次优标量线性最小方差融合估计。该算法虽然在精度上低于DCIF算法,但在迭代过程中传输的数据量却更少,这使得网络通信负担大幅度减小,系统的实时性和鲁棒性得到了明显改善。 (3)提出了一种标量权系数容积信息一致性滤波算法,相比于传统的DCIF算法,该算法的权重分配更加合理。证明了所提出的算法收敛到快速协方差交叉融合估计算法。在此基础上,提出了对角阵权系数容积信息一致性滤波算法。该算法权衡了系统各分量间的差异,可以有效提高融合精度。证明了该算法在一致性迭代次数趋近于无穷时,收敛到快速对角阵权系数协方差交叉融合算法。

关键词： 个性化   联邦学习   变分自编码器   非独立同分布  

摘要： 联邦学习的产生是为了解决在数据分散、隐私保护、数据所有权和资源限制等方面的挑战,从而使得在分散存储的数据环境中进行有效的模型训练和学习成为可能。但它面临数据非独立同分布(Non-IID)导致精度下降、个性化需求未满足和通信效率低等问题。为此,个性化联邦学习顺应而生,它能为每一个本地用户提供个性化模型,并且能适应Non-IID的数据环境。尽管个性化联邦学习取得了进展,但在数据利用和模型传输效率上仍有优化空间。 利用变分自编码器(VAE)这种生成模型,能够改善个性化联邦学习的上述问题,主要优势有:首先,VAE学习数据分布的潜在表示而非直接处理数据,允许在没有原始数据的情况下减少隐私泄露风险;其次,VAE能揭示数据的深层结构,帮助模型更好地理解广泛的数据特征,在处理隐藏数据时表现得更好,提升模型泛化能力;最后,利用VAE编码将数据映射到潜在空间这一特质,能够提高联邦学习的场景中模型传输效率。 本文首先对先前个性化联邦学习的方案进行了总结,深入研究其中存在的问题,最后创新性地将VAE应用到联邦学习中,设置了联邦学习下的编码-解码结构,提出了两个能够改善上述问题的个性化联邦学习方案: 1.提出一个基于变分自编码器的分层个性化联邦学习方案(FedPer-VAE)。首先,FedPer-VAE能解决数据异构的联邦学习中一个单一的全局模型往往难以适应不同客户端由于数据Non-IID导致模型训练精度和效率下降的问题。其次,FedPer-VAE将带有个性化层的联邦学习具体分为三个层,使得在处理数据异构的客户端时有效地利用了全局知识,解决全局知识未充分利用的问题。最后通过在CIFAR-10、CIFAR-100和MNIST数据集上的实验,验证了本方案在Non-IID的客户端上表现出更好的性能,提高本地用户训练的效率。 2.提出了一个基于条件变分自编码器(CVAE)的个性化单次联邦学习方法(pFed-CVAE)。首先,该方案同样是利用VAE思想,学习数据潜在分布,面向异构数据的无数据联邦学习,能有效解决知识未充分利用、数据高度异构问题。其次,利用CVAE在模型传输时仅传输数据潜在分布而不泄露原始数据,单次联邦学习将通信限制在单轮,还能保持原有性能。同时,pFed-CVAE在模型聚合阶段利用知识蒸馏能够更好的提取模型信息。最后,本模型通过实验在数据异构程度较高时,通常是基线精度的两倍以上。

关键词： 花生种子   发芽率   图像处理   骨架提取   YOLOv7   发芽率检测  

摘要： 国家标准《经济作物种子第2部分:油料类》(GB 4407.2-2008)中有明确规定,要求花生原种、大田用种的发芽率不低于80%。传统的花生种子发芽率检测都是由专业的技术员手工检测,这种方法不仅效率低,而且具有较强的主观性。因此,为了提高花生种子发芽检测效率,实现花生种子发芽率检测自动化,本文以花生种子为研究对象,研究基于机器视觉的花生种子发芽率检测方法。 首先,对国内外研究现状进行了分析,设计搭建了花生种子发芽检测硬件系统并进行图像的采集。对采集到的图像进行预处理,方便后续提取轮廓获取单粒种子图像。在图像预处理过程中使用了图像灰度化、图像滤波、图像分割、形态学处理、边缘检测以及区域过滤方法。在图像滤波、图像分割和边缘检测这三个关键环节中分别使用了不同的处理方法并对处理结果进行对比分析,最终选择维纳滤波的方法进行图像滤波处理,Otsu阈值分割方法进行图像分割,LOG算子进行边缘检测,以获取更准确的种子发芽图像轮廓信息。 其次,在对花生种子进行发芽率检测时,提出了两种检测方法。一种是基于图像处理的方法,利用轮廓提取技术获取单粒花生种子发芽图像,并借助骨架提取算法来准确判断种子是否正常发芽,进而实现发芽率的检测。另一种是基于YOLOv7的花生种子发芽率检测方法,构建花生种子发芽率检测模型,并对该模型进行了实验与分析,最终实现发芽率的检测。通过将这两种方法的发芽率检测结果分别与人工检测结果进行对比分析,发现基于YOLOv7的方法具有更高的准确性,因此基于该方法实现花生种子发芽率检测系统。 最后,将研究成果汇总,明确花生种子发芽率检测系统的目标,进行系统可行性分析和功能需求分析,研究系统开发所使用的技术包括后端开发技术和前端开发技术,分析系统的工作流程,并最终设计与实现花生种子发芽率检测系统,实现花生种子发芽率的准确检测,为从业者提供便利。