【摘 要】
：
无线传感器网络是一组电池供电的小型设备和无线基础设施，用于监测和记录环境中的状况。无线传感器网络广泛应用于各种应用层面，如军事监控应用、定位成像应用、环境监测、医疗保健应用、精准农业等。 在敌方环境中部署无线传感器网络用于军事监视等关键任务时，由于敌方部署环境、有限的计算能力和有限的电池寿命等无线传感器网络固有的关键约束，其单个传感器节点很容易被敌方破坏。这些关键挑战使得传统网络中使用的现有传统
论文部分内容阅读
无线传感器网络是一组电池供电的小型设备和无线基础设施，用于监测和记录环境中的状况。无线传感器网络广泛应用于各种应用层面，如军事监控应用、定位成像应用、环境监测、医疗保健应用、精准农业等。
在敌方环境中部署无线传感器网络用于军事监视等关键任务时，由于敌方部署环境、有限的计算能力和有限的电池寿命等无线传感器网络固有的关键约束，其单个传感器节点很容易被敌方破坏。这些关键挑战使得传统网络中使用的现有传统安全方案效率低下且不足一旦传感器节点受到威胁，对手可能会控制一些节点，并利用它们向基站发送虚假数据，可能会误导监测结果，影响整个网络的效能(拜占庭式攻击)。因此，重要的是要检测和隔离恶意节点，以避免从这些节点发起攻击，并避免被对手引入的错误伪造信息误导。本研究探讨并强调侦测及隔离恶意节点的强化加权信任评估技术。首先为每个传感器节点分配一个权重值。如果节点从其他节点发送不同的报告，它将在每个迭代中更新。当某个节点的权重值低于阈值时，它将被检测为恶意节点。通过MATLAB进行的大量仿真表明，改进后的加权信任评估算法能够以合理的检测速度和较短的响应时间检测和隔离恶意节点，同时具有良好的可扩展性。换言之，本研究的增强加权信任方案具有较短的响应时间、较高的检测率和较低的误判率，显著优于现有的相关方案。
其他文献
糜子(Panicum miliaceum L.)是禾本科黍属，既有耐旱、耐热、喜温、耐瘠、早熟等特性，又有食用、药用、饲料等价值，是典型的抗旱耐瘠作物。目前对糜子资源的认识，收集，保存，鉴定与评价工作的缺乏，是制约新疆糜子产业发展的根本性问题。进行糜子种质资源综合鉴定的研究，可以全面认识各种质材料的特征并获得优良的基因资源，提高糜子育种效率。本研究以新疆糜子为主要研究材料，从周围不同地区引进糜子种
玉木耳(Auricularia cornea Ehrenb.)为真菌界(Fungi)，担子菌门(Basidiomycot a)，蘑菇纲(Agaricomycetes)，木耳目(Auriculariales)，木耳科(Auriculariaceae)，木耳属(Auricularia)，是毛木耳的一个变型，目前已在吉林、辽宁、山东、浙江、新疆、广西等地栽培成功。玉木耳的栽培基质主要为木屑、棉籽壳等，近
微生物生态学(Microbialecology)研究的主要问题是微生物与环境之间的相互作用。在自然微生物群落中，微生物的生存与进化常受到所处生物环境(Biotic environment)与非生物环境(Abioticenvironment)的影响。受限于自然微生物群落复杂的背景因素，过去的微生物生态学中关于微生物与环境间相互作用机制的研究常受到一定制约。在此背景下，有研究者利用合成生物学手段构建了
先进航空发动机对推重比的追求加速了高性能材料的研发，先进复合材料的出现为航空发动机部件的材料提供了新的选择。目前碳纤维增强树脂基层合复合材料机匣以及钛合金叶片已在我国航空发动机上获得应用，从今后技术发展看，可能采用碳纤维增强树脂基编织复合材料机匣和编织复合材料叶片。同时，结构的改进对航空发动机的可靠性也起到了至关重要的作用，连接结构的材料组合及结构类型是影响叶片与机匣连接结构静强度的两个至关重要的
工业生产中产生着大量的中高温烟气余热，对这部分余热资源作动力回收，有助于减小化石能源消耗，从而缓解能源短缺压力，减少化石燃料燃烧的环境污染和温室气体CO2排放。本文着眼于初温为200-700 ℃的烟气余热的动力回收，针对现有动力循环-工质组合存在的循环吸热过程与中高温烟气余热源放热过程温度匹配性不足和工质热稳定性与中高温工况匹配性不足，从而影响给定余热源净输出功率的问题，以单位质量流量烟气的系统净
情绪,作为一种短暂而强烈的对外反应,影响人类的生理和心理状态,在人类生活中起着非常重要的作用。情绪识别研究受到了广泛关注,其在医疗、安全驾驶、社会安全等领域都有所应用。相较于外在的物理信号,生理信号直接由神经系统(中枢神经系统、周围神经系统)产生以及控制,人的主观意识难以对其控制,其识别结果更具客观性。因此,本文的研究内容是基于生理信号的情绪识别。目前,基于生理信号的情绪识别研究存在两个局限性。(
视觉目标跟踪是计算机视觉领域中的热门研究之一,在智能监控、人机交互、安防监控等领域具有广泛的应用场景。近年来,虽然研究人员已经提出了大量优秀的视觉目标跟踪算法,但是实现一个鲁棒的实时视觉跟踪算法依然极具挑战性。视觉目标跟踪的挑战主要来源于跟踪场景的复杂性和多变性(如相似干扰物,局部遮挡)和视觉跟踪算法自身的缺陷。视觉跟踪算法设计的难点在于精度和效率之间的平衡。本文主要围绕基于孪生网络的实时视觉目标
这篇文章致力于研究新型改进的调制方案,包括索引调制下的正交频分复用技术,扩频技术以及同相正交技术,用以提高误码率的性能和频谱效率。首先,我们定义一个新的系统模型,叫做基于索引调制和扩频的正交频分复用技术。这一技术是一种新近提出的方案,它的原理是在信号发送之前,从一个扩频码域集中选出多个扩频码,用来传输额外信息比特(以索引的形式)。我们把基于索引调制和扩频的正交频分复用技术和基于同相正交索引调制的正
近年来,随着人工智能技术的发展,深度学习受到越来越多专业学者的关注。自动编码器是一种典型的深度学习算法,堆叠自动编码器通过将多个自动编码器堆叠级联而成,以其优秀的特征提取能力被广泛应用于高维数据的降维处理中,尤其是非线性数据的处理,效果良好。但是在堆叠自动编码器数据降维中,无法评估提取的信息是否包含噪声。低秩矩阵恢复算法通过矩阵分解获取数据的低秩成分,从而实现了数据降噪。本文结合堆叠自动编码器的降
近年来,随着绿色农业概念的提出,作物病害的防治问题受到极为广泛的关注。目前,计算机视觉技术在作物病害识别领域中的应用已经取得了一定的研究成果,然而基于传统机器视觉的病害识别方法需要依赖人工特征选取,难以全面的反应作物叶片病害特性,精确率仍有待提高。卷积神经网络是一种深度学习算法,可有效避免传统计算机视觉技术繁琐的特征选择过程,并实现比传统算法更高的识别精度,但是,现有基于深度学习的叶片病害识别模型