-
公开(公告)号：CN115002824B
公开(公告)日：2024-08-20
申请号：CN202210578580.7
申请日：2022-05-25
Applicant: 厦门大学
Abstract: 基于LSTM的水声网络数据实时故障检测及恢复方法，涉及水声网络。将LSTM应用于水声网络的每个节点处，基于LSTM对节点最初的感知数据进行训练得到优化的LSTM网络模型，将检测时刻前一定长度的数据输入模型并预测检测时刻的感知数据，进而计算真实感知数据与预测值的相对误差，最后通过相对误差的绝对值与阈值相比较而判断此刻感知数据是否存在故障，并且及时以预测值替换存在故障的感知数据而达到故障恢复的作用。避免簇头或基站搜集数据时数据传输耗时而导致故障检测的延时，实现对节点数据故障的实时检测；同时，也实现对水声网络节点感知数据故障的及时恢复机制，保证网络传输数据的可靠性。
-
公开(公告)号：CN115640522A
公开(公告)日：2023-01-24
申请号：CN202211254808.3
申请日：2022-10-13
Applicant: 厦门大学
IPC: G06F18/22 , G06F18/214 , G06N20/00 , G06F16/29 , G01C13/00
Abstract: 一种基于Q学习的分段式水下地形匹配方法，涉及水下地形匹配。在已知初始点和初始航行角度情况下，将自主式水下潜器航行的轨迹路线按采样长度L分段处理，每段终点为一个定位节点，考虑每个定位节点前一段和后一段路线的高程数据，以TERCOM算法中均方差为指标在每个定位节点按角度范围f匹配，以均方差最小路线为最合适路线，确定前一段和后一段路线的偏转角an，计算路线偏转角相差程度bn；结合Q学习给bn赋予不同奖励值R，根据R值与Q值的关系在每一个定位节点后更新Q值，由Q值的变化优化下一次匹配的角度范围f，实时调整匹配时的角度范围，确保在每个定位节点进行匹配时的角度范围合适，降低整个轨迹匹配过程中的匹配次数。
-
公开(公告)号：CN115987886B
公开(公告)日：2024-06-04
申请号：CN202211653973.6
申请日：2022-12-22
Applicant: 厦门大学
Abstract: 一种基于元学习参数优化的水声网络Q学习路由方法，涉及水下通信。在水声传感器网络节点中，簇头CH节点只负责计算数据最优传输路径和与其它非簇头节点进行单通道通信，其余非簇头节点负责数据传输；簇头CH节点根据剩余能量和深度，采用基于元学习参数优化的Q学习策略，计算全簇内最优传输路径，以达到缓解个别节点因频繁参与传输数据导致能量过早耗尽造成的网络能量空洞问题，从而延长整个网络寿命；采用元学习自主优化Q学习算法的奖励函数各参数权重设置，可动态地根据簇内平均剩余能量信息的变化进行参数优化，从而达到基于Q学习的路由协议最大优化适应性效果。
-
Patent Agency Ranking
公开(公告)号：CN117500018A
公开(公告)日：2024-02-02
申请号：CN202311456193.7
申请日：2023-11-03
Applicant: 厦门大学
Abstract: 基于信息价值和剩余能量的AUV辅助水声数据智能搜集方法，涉及水声网络、水声数据搜集。建立综合数据信息价值和网络平均剩余能量的表达式来分配数据搜集方法，在数据信息价值高且网络平均剩余能量充足时采用多跳传输模式进行数据搜集，以保证数据实时性并提高网络寿命，其他情况下则采用AUV访问的方式搜集数据。同时，建立动态分层方案，以节点密度和深度作为分层依据在动态环境中更新节点所在层数，多个AUV在相应层中进行数据搜集。最后，采用Q学习算法规划各层中AUV的搜集路径。仿真结果表明，本发明所提方法能够有效延长网络寿命，提高数据搜集效率。
-
公开(公告)号：CN116321431A
公开(公告)日：2023-06-23
申请号：CN202310298915.4
申请日：2023-03-24
Applicant: 厦门大学
IPC: H04W72/02 , H04W72/0446 , H04W72/53 , H04W4/38 , H04W24/02 , H04W84/18 , H04B13/02 , H04B11/00 , G06N20/00
Abstract: 基于元学习的超参数重加权水声网络介质访问控制方法，涉及水声网络。在单跳水声传感器网络中，设计一个基于双层优化的框架，通过采用基于元学习的算法提高水声数据传输效率。在核心层中，将信息关键度和传输节点剩余能量作为参数引入水声网络，利用元学习对它们的权重进行重加权，得到最优化的权重导入到嵌套层中；在嵌套层中，针对水声数据传输时延大、传输节点能量受限等特点，在介质访问控制中采用Q学习算法，避免数据传输发生碰撞造成的数据损失。将元学习与Q学习相结合，提高了数据传输效率，有效避免传输冲突和数据丢失，降低了水声数据传输的系统能量损耗，增强了水声传感器网络的稳定性。
-
公开(公告)号：CN115987886A
公开(公告)日：2023-04-18
申请号：CN202211653973.6
申请日：2022-12-22
Applicant: 厦门大学
Abstract: 一种基于元学习参数优化的水声网络Q学习路由方法，涉及水下通信。在水声传感器网络节点中，簇头CH节点只负责计算数据最优传输路径和与其它非簇头节点进行单通道通信，其余非簇头节点负责数据传输；簇头CH节点根据剩余能量和深度，采用基于元学习参数优化的Q学习策略，计算全簇内最优传输路径，以达到缓解个别节点因频繁参与传输数据导致能量过早耗尽造成的网络能量空洞问题，从而延长整个网络寿命；采用元学习自主优化Q学习算法的奖励函数各参数权重设置，可动态地根据簇内平均剩余能量信息的变化进行参数优化，从而达到基于Q学习的路由协议最大优化适应性效果。
-
公开(公告)号：CN115604740A
公开(公告)日：2023-01-13
申请号：CN202211240085.1
申请日：2022-10-11
Applicant: 厦门大学(CN)
Abstract: 一种基于BP神经网络的水声传感网动态分层路由方法，涉及水下通信。水声传感网路分顶层、中间层、底层，用BP神经网络提取节点和环境特征信息，网络分层训练得基于BP神经网络的动态分层路由模型，不同路由层中的节点按信息重要程度、所属层级和节点深度信息设计不同的权重计算方式形成节点转发函数FF。节点受水下声源激活，向水面汇聚(Sink)节点传输信息，Sink节点间无线电通信，将数据传至岸上控制中心。Sink节点处理其对应水域范围内节点感知的水下信息，BP神经网络训练动态分层模型分层预测。预测结果Sink节点广播至各节点，节点动态调整自身工作模式，提高水下通信质量、减少能量空洞和延长网络寿命。
-
公开(公告)号：CN115002824A
公开(公告)日：2022-09-02
申请号：CN202210578580.7
申请日：2022-05-25
Applicant: 厦门大学
Abstract: 基于LSTM的水声网络数据实时故障检测及恢复方法，涉及水声网络。将LSTM应用于水声网络的每个节点处，基于LSTM对节点最初的感知数据进行训练得到优化的LSTM网络模型，将检测时刻前一定长度的数据输入模型并预测检测时刻的感知数据，进而计算真实感知数据与预测值的相对误差，最后通过相对误差的绝对值与阈值相比较而判断此刻感知数据是否存在故障，并且及时以预测值替换存在故障的感知数据而达到故障恢复的作用。避免簇头或基站搜集数据时数据传输耗时而导致故障检测的延时，实现对节点数据故障的实时检测；同时，也实现对水声网络节点感知数据故障的及时恢复机制，保证网络传输数据的可靠性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.043 seconds)
