新書推薦：
《
Web3时代的AI战略：构建BASICs框架，引领企业数字化转型
》
售價：HK$
90.9
《
一岁一喜欢
》
售價：HK$
49.2
《
巨浪：生成式AI的史诗与现实
》
售價：HK$
91.9
《
萧条中的生存智慧与策略（套装2册）
》
售價：HK$
114.8
《
饮食的迷思：关于营养、健康和遗传的科学真相（2024修订版）
》
售價：HK$
79.4
《
未来科技大爆炸
》
售價：HK$
68.8
《
海外中国研究·近代中国的知识分子与文明
》
售價：HK$
112.7
《
东方帝国的营造 ： 秦汉王朝政治史
》
售價：HK$
112.7
|
| 編輯推薦： |
|
紧跟科技前沿，计算机网络领域的优质读物。
|
| 內容簡介： |
本书系统地介绍了移动传感器网络拓扑重构和任务协同机制的研究现状以及存在的问题，从覆盖性（气体泄漏监测场景）和连通性（高速公路场景）方面提出了两种网络拓扑重构方法，并针对移动多媒体传感器网络和移动可充电传感器网络提出了两种任务协同方法。本书较系统地研究了移动传感器网络的覆盖、能耗、负载均衡及任务处理等问题，可为移动物联网在复杂环境中的广泛应用提供参考。
本书既适合普通高等学校物联网工程、计算机、电子、通信和自动化等信息技术专业的本科生阅读，也能够满足从事移动物联网和传感器网络研究的硕士生、博士生、教师及相关科研人员的使用需求。
|
| 目錄：
|
第1 章 绪论 1
1.1 研究背景和意义 2
1.2 研究内容 4
1.3 本书组织结构 6
1.4 本章小结 8
第2 章 移动传感器网络拓扑重构和任务协同综述 9
2.1 移动传感器网络拓扑重构 10
2.1.1 无线传感器网络拓扑重构定义与要求 10
2.1.2 无线传感器网络拓扑重构目标 11
2.1.3 无线传感器网络拓扑重构经典方法 13
2.1.4 移动传感器网络拓扑重构研究现状 15
2.1.5 存在的问题 21
2.2 移动传感器网络任务协同 22
2.2.1 移动多媒体传感器网络任务协同研究现状 22
2.2.2 移动可充电传感器网络任务协同研究现状 25
2.2.3 存在的问题 28
2.3 本章小结 28
第3 章 面向气体泄漏监测的MWSNs 虚拟力3D 拓扑重构机制 29
3.1 引言 30
3.2 系统模型 31
3.2.1 假设与定义 31
3.2.2 气体扩散模型 32
3.2.3 虚拟力模型 34
3.2.4 本章主要符号表 37
3.3 基于虚拟力的无线传感器网络3D 自组织拓扑重构算法 40
3.3.1 距离阈值设置 40
3.3.2 固定Sink 节点的处理 41
3.3.3 GRSS 算法 42
3.4 基于虚拟力的无线传感器网络分层优先级3D 拓扑重构算法 42
3.4.1 分层优先级 43
3.4.2 传感器节点的分配 44
3.4.3 各层传感器的虚拟力模型 45
3.4.4 各层的距离阈值设置 47
3.4.5 移动Sink 节点的处理 47
3.4.6 PRSS 算法 49
3.5 实验分析 50
3.5.1 气体扩散仿真分析 51
3.5.2 覆盖率仿真分析 52
3.5.3 移动距离仿真分析 55
3.5.4 网络能耗和网络生存时间仿真分析 56
3.6 本章小结 58
第4 章 高速公路场景下基于预测的VSNs 拓扑重构机制 59
4.1 引言 60
4.2 网络拓扑模型 62
4.2.1 假设与定义 62
4.2.2 网络拓扑分析 62
4.2.3 本章主要符号表 65
4.3 基于停留时间的VSNs 拓扑重构算法 67
4.3.1 VSNs 拓扑重构流程 67
4.3.2 VSNs 拓扑重构的负载均衡机制 68
4.3.3 CRSR 算法描述 70
4.4 基于预测的VSNs 拓扑重构算法 71
4.4.1 拓扑模型 71
4.4.2 基于延迟容忍的预存储机制 72
4.4.3 传感器网络能耗模型 72
4.4.4 邻居传感器节点路径能耗评估模型 73
4.4.5 基于预测的VSNs 拓扑重构算法 74
4.4.6 CRSP 算法描述 75
4.5 实验分析 76
4.6 本章小结 82
第5 章 移动多媒体传感器网络的图像压缩任务协同机制 84
5.1 引言 85
5.2 任务协同网络模型 86
5.2.1 假设与定义 86
5.2.2 任务协同联盟 87
5.2.3 任务协同网络拓扑结构 88
5.2.4 本章主要符号表 90
5.3 基于TSPT 的多轮图像压缩任务协同分解机制 92
5.3.1 任务分解原则 92
5.3.2 任务分解约束 93
5.3.3 奇异值分解的图像压缩方法 94
5.3.4 基于TSPT 的多轮图像压缩任务协同分解算法 94
5.3.5 算法描述 96
5.4 基于动态联盟的图像压缩任务协同分配机制 98
5.4.1 图像压缩任务分配指标 98
5.4.2 问题模型 99
5.4.3 问题求解过程 101
5.4.4 基于动态联盟的图像压缩任务协同分配算法 102
5.5 实验分析 103
5.5.1 ATDA 算法的收敛性分析 105
5.5.2 ATDA 算法的性能分析 106
5.6 本章小结 109
第6 章 基于哈密尔顿路径的MWRSNs 充电任务协同机制 110
6.1 引言 111
6.2 系统模型 112
6.2.1 无线可充电传感器网络模型 112
6.2.2 无线可充电传感器网络能耗模型 114
6.2.3 评价指标 115
6.2.4 本章主要符号表 115
6.3 基于哈密尔顿路径的MWRSNs 充电任务协同算法 117
6.3.1 算法流程 117
6.3.2 充电任务调度请求 118
6.3.3 确定MC 的停留位置 119
6.3.4 确定充电传感器集合及其充电电量 121
6.3.5 确定停等充电传感器集合及停等位置 122
6.3.6 建立哈密尔顿路径 125
6.3.7 MC 和停等充电传感器节点的协作充电 127
6.4 实验分析 130
6.4.1 仿真参数设置 130
6.4.2 算法性能分析 131
6.5 本章小结 136
后 记 137
附 录 主要符号说明 139
参考文献 141
|
| 內容試閱：
|
移动传感器网络作为无中心、节点可移动、拓扑动态变化、无线多跳及高度自主的网络，在远程医疗、智能交通、智能家居、环境监测及工业控制等领域具有广泛的应用前景。移动传感器节点具有通信距离短、覆盖范围小和节点移动性强等特点，在进入、移动和离开网络时容易造成网络拓扑动态变化，移动传感器网络的拓扑需要尽快重构，以满足网络的连通性、覆盖性、生存性和完成任务的要求。同时，由于移动传感器节点能量、计算及存储能力有限，单个节点完成复杂任务（如多目标跟踪及图像、视频压缩等任务）时存在难度大、能耗高及效率低等问题，移动传感器网络节点间需要进行协同以完成复杂任务。因此，需要研究移动传感器网络的拓扑重构和任务协同机制，以保障移动传感器网络高效运行。
拓扑重构是通过调节节点发射功率、邻居选择、睡眠调度或移动节点位置等机制重新构建网络拓扑。任务协同是通过协调移动传感器节点的行为协作地完成任务的分解、分配、调度及执行。现有的拓扑重构和任务协同机制仍有许多问题需要解决。目前经典拓扑重构机制没有考虑监测区域边界对传感器节点移动的限制，造成部分传感器节点移动距离过大，甚至移动出目标监测区域的边界，导致无效覆盖。在传感器网络汇聚节点受控移动的拓扑重构机制中，传感器节点选择中继节点时缺少负载均衡机制，且在邻居传感器节点选择时没有考虑延迟容忍的情况，造成部分传感器节点到汇聚节点路径过长及能量消耗不均的问题。在移动传感器网络复杂任务协同中，现有的任务分配机制较少考虑协作节点的处理能力及位置的动态变化，造成复杂任务分配不合理，以致出现任务执行频繁中断及任务数据重传现象，影响了任务执行的效率。在移动传感器网络周期性任务协同中，移动节点没有考虑与下一周期任务中传感器节点的协作机制，造成在下一周期任务协同中节点移动路径长及移动能耗大的问题。针对以上问题，本书从拓扑重构和任务协同两个方面对移动传感器网络技术展开研究。本书主要探讨并研究了以下重要问题。
一、针对移动传感器网络拓扑重构时部分传感器节点移动至监测区域边界外，造成无效覆盖，且没有考虑监测区域的环境变化及其重要程度不同的问题，面向气体泄漏监测的移动传感器网络应用场景，根据监测区域的范围不同提出了基于虚拟力的3D 自组织拓扑重构算法和分层优先级3D 拓扑重构算法。仿真结果显示，提出的算法在这两种场景下能够提高网络覆盖率，延长网络生存时间，减少移动距离和网络能耗。
二、针对移动传感器网络拓扑重构时缺少负载均衡机制且没有考虑延迟容忍的情况，造成部分传感器节点到汇聚节点路径过长及能量消耗不均的问题，面向高速公路场景下的车辆传感器网络，提出了一种基于预测的车辆传感器网络拓扑重构算法。仿真实验表明，提出的算法能够提高车辆传感器网络的生存时间，降低网络能耗。
三、针对移动传感器网络复杂任务协同中，没有考虑协作节点的处理能力及位置的动态变化，从而造成任务执行频繁中断及任务数据重传的问题，面向移动多媒体传感器网络，提出了一种基于动态联盟的图像压缩任务协同算法。仿真验证结果表明，提出的图像压缩任务协同算法能够实现联盟协作节点的任务负载均衡，降低图像压缩任务的执行时间和网络能耗。
四、针对移动传感器网络周期性任务协同中，移动节点没有考虑与下一周期任务中传感器节点的协作机制，造成在下一周期任务协同中节点移动路径长及移动能耗大的问题，面向移动可充电传感器网络，提出了一种基于哈密尔顿路径的无线可充电传感器充电任务协同算法。仿真实验表明，这种算法能够提高移动充电节点充电能量有效性，减少网络单位时间内平均移动损耗，延长网络生存时间。
结果表明，本书研究并提出的拓扑重构和任务协同在各自的领域范围内比其他的方法能够获取更好的性能结果。本书的研究成果较系统地解决了移动传感器网络的覆盖、能耗、负载均衡及任务处理等问题。希望本书能为移动传感器网络、移动物联网及任务协同的应用贡献一份力量，本书可供计算机应用技术、物联网、大数据与人工智能学科专业的研究人员、学生和工程技术人员学习参考。
本书是由南阳师范学院计算机科学与技术学院河南省数字图像大数据智能处理工程研究中心的李贺博士和齐庆磊博士在长期从事传感器网络及物联网管理相关研究的基础上形成的一本专著。具体分工如下：李贺撰写了第3 章至第6章（约15 万字），齐庆磊撰写了第1、2 章和后记（约5 万字）。在此，谨对长期以来与笔者共同工作、学习和生活的老师、同事和同学们表示由衷感谢，感谢他们在长期科研工作中对本书的贡献。本书是在邱雪松教授及杨杨副教授的悉心指导和支持下完成的。在本书的形成过程中，笔者得到了高志鹏教授、贾宗璞教授、李文璟教授、郭少勇副教授、熊翱副教授、芮兰兰副教授、王颖副教授、王智立副教授、喻鹏副教授等多位老师的帮助，并得到了刘金江教授、李慧宗副教授和兰义华副教授的鼓励与支持。马桂珍、徐思雅、丰雷、王开选、郑飞、姚赞及牛丹梅等博士为本书实验方法及内容提供了指导，南阳医学高等专科学校田肖及硕士生杨帅鹏为本书初稿提出了非常中肯的建设性意见，在此一并表示感谢。
本书在国家自然科学基金青年基金项目 “随机部署条件下移动传感器网络拓扑重构与任务协同机制研究（No. 62002180）”、河南省科技攻关项目“随机部署条件下移动传感器网络拓扑重构关键技术研究（No.202102210362）”、2020年度河南省高等学校重点科研项目“不确定条件下移动传感器网络复杂任务协同平台关键技术研究（No. 20B520025）”、2022 年度河南省高等学校重点科研项目“软件定义网络中面向时延保障的智能规则放置关键（No.22A520037）”、网络与交换技术国家重点实验室（北京邮电大学）开放课题资助项目“基于边缘计算的移动物联网复杂事件处理机制(No. SKLNST-2019-09)”和南阳师范学院“卧龙学者”奖励计划等项目的资助下完成。后，在本书成稿过程中参考或引用了国内外一些学者的论著，在此表示感谢。由于时间仓促，水平有限，书中如有不足之处，敬请读者批评指正。
著者
2021年5月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
