一、无线分布式环境下的一种容错的定位信息管理方法（论文文献综述）
朱贺斌[1]（2021）在《基于BIM及大数据技术的列控中心智能运维系统研究》文中研究说明近年来,我国高速铁路运输事业发展迅猛,铁路运输的整体技术水平己经逐步进入了一个世界先进的水平行列,信息化、智能化的发展给高速铁路设备运营、维护和管理提出了更高的要求。随着高速铁路越来越多的新型技术装备投入使用,设备的运维管理变得越来越困难,现有的设备运行维护方式已不能满足高速铁路发展和乘客舒适出行的要求。列车控制系统作为高速铁路运营的关键系统,直接关系到高速铁路运营的安全与畅通。然而,现有的列控设备监控系统仍存在许多不足,如列控中心主机设备正常运行过程中设备状态监控不全面、数据信息显示不直观等。同时,BIM技术和大数据技术作为设备运行维护阶段管理的“主力军”,近年来,其技术发展迅速,在各行各业的应用,已初见成效。BIM技术信息集成和大数据的智能分析可以解决当前列控系统运维管理中存在的问题。基于此,本论文提出一种基于BIM及大数据技术相结合的列控中心智能化运维系统,加强了对数据的采集、交换和整合,实现三维展示,建立面向现场的智能化大数据平台,将专家经验和智能算法有机地结合在一起,实现智能化管理。本文在系统分析国内外列控系统运维管理发展现状的基础上,介绍了列控系统的组成和功能、BIM及大数据技术及其在智能运维系统中的应用,提出列控中心智能运维系统的功能和性能要求,从系统层次结构、网络结构、系统组成、系统接口、网络接口以及大数据平台等方面对基于BIM及大数据技术的列控中心智能运维系统的构建进行研究,并进一步从硬件和软件设计方面描述了智能决策系统的建立和系统功能的开发。通过本研究课题的探讨,探索性地研究了一套智能运维系统,它是一套能够全面、动态地实时监控列控中心各种设备的整体运行状态,具有实时监控图形显示等功能,快速地获取各设备发生的故障数据信息,帮助运维人员快速确认故障原因的智能运维系统,为推动我国铁路信号设备维护和管理的进步和发展作出一定贡献。
樊博文[2]（2020）在《基于物联网分层分布控制模型的城轨车辆协同控制研究》文中进行了进一步梳理随着中国城市化程度越来越高,大量人口纷纷向城市聚集,并且随着城市面积的扩大以及超大型城市圈的出现,市民对于高效、便利和安全的公共出行方式的需求越来越高。以此为背景,为满足人民的日常出行需求,我国进入了城市轨道交通发展与建设的高峰期。然而,随着人口的增加,城轨车辆运输系统的运输压力也开始变得越来越大,随之而来的早高峰晚高峰,以及在两个高峰之间的客流低谷使城轨车辆运输系统面临着较为复杂的运输环境。如何应对高峰期与低峰期的不同运输压力,就成为了现有的城轨车辆控制系统所必须面对的一个问题,基于以上情况,通过对不同时间段的城轨列车网络运输压力进行分析,并依据分析结果对整个城轨列车控制系统做出相应的运行参数调整的研究就具有了重要的意义。本文基于城轨列车停站时间模型、城轨列车力学模型、城轨列车舒适度模型以及城轨列车分层分布式控制系统模型,主要对城轨列车在不同客流量环境下的运行方式调整进行相关研究。首先,基于现有城轨列车网络的运行环境,在保证城轨车辆车队规模不变的情况下,实现城轨列车运行系统对不同运行状况的弹性化应对。通过对城轨车辆运输网络的实地调研发现,城轨列车面临着两种截然相反的运输环境,以大客流、高强度、客流短时间大量集中和上下车缓慢为基本特征的高峰期运输环境,以及小客流、低强度、客流量不断但零散和上下车迅速为基本特征的低峰期运输环境。为应对这两种截然不同的运输环境,利用物联网环境下的分层分布式系统的设计思路来对现有城轨列车控制系统进行设计,通过对时间区域进行划分,在当前时域中设置子系统实现了整个城轨车辆控制系统的分层分布化。除此之外,研究了依靠物联网环境下的分层分布式城轨车辆控制系统,确保不同城轨车辆之间的安全,以防发生碰撞。其次,对城轨车辆在不同运输环境下的各项参数进行分析,并以此为基准建立数学模型,通过对城轨车辆运行的环境分析,建立城轨车辆停站时间模型、城轨车辆力学模型、城轨车辆舒适度模型和城轨列车分层分布式控制系统模型。通过对以上数学模型进行求解,计算出城轨车辆运行的限制参数。最后,根据以上限制参数和城轨列车运行模型,利用Matlab软件中的Simulink仿真平台,基于分层分布式控制系统的设计原则,对基于物联网的城轨列车分层分布控制系统进行设计与仿真,同时为增强该基于物联网的城轨列车分层分布控制系统的真实性,利用设计GUI人机交互界面,实现了对基于物联网的城轨列车分层分布控制系统仿真模型的封装。
倪洪杰[3]（2020）在《自主移动车台跟踪与编队控制研究》文中提出文化演出日益成为现代人们丰富精神生活的重要形式,应用信息控制技术丰富舞台装置功能已越来越受到文化展演行业的关注,可作为演出载体的自主移动车台与舞台各系统的融合集控、多移动车台演出编队控制成为现代文化演出服务领域的研究热点。在现实演出中,自主移动车台融合舞台集控网下轨迹跟踪失误、跟踪灯光视频动画不同步,以及本体故障和通信干扰时多移动车台群控演出失败时有发生。现有方法通常采用人工干预或者增加硬件成本手段处理,大大限制了自主移动车台在各类演出场景中的灵活和安全应用。因此开展围绕针对演出场景干扰和系统故障下的自主移动车台跟踪与编队控制研究,对于促进自主移动装备在现代演出中更好应用具有现实意义。本文以演出中自主移动车台为对象,从单车台跟踪和多车台协调控制出发,通过综合运用预测控制和鲁棒控制等先进控制方法,对结合舞台摄像监控系统、舞台视效系统的自主移动车台精准跟踪控制和存在本体故障、通信故障的自主移动车台编队控制问题进行了深入研究。本文的主要工作如下:（1）围绕戏曲演出实际需求,分析了一类自主移动车台硬件系统,并根据该自主移动车台驱动特点开展运动学和动力学建模研究,为后续自主移动车台的跟踪与编队控制方法研究提供支撑。（2）针对具有舞台摄像监控的自主移动车台轨迹跟踪控制问题,提出了一种基于图像的预测跟踪控制方法,解决了演出场景下因车台抖动和舞台光照影响所造成的信息异常和执行器饱和约束。首先构建了基于视觉图像的轨迹跟踪误差模型。其次,综合干扰造成图像信息异常数据和执行器饱和问题,将跟踪误差模型转化为具有参数化不确定的线性化模型。进而,采用模型预测控制方法和线性矩阵不等式技术设计了轨迹跟踪控制器。仿真和实验验证表明该算法能保证自主移动车台可靠跟踪参考轨迹。（3）针对具有舞台视效灯光的自主移动车台与灯光移动或视频动画播放不同步问题,提出一种基于模型预测的路径跟踪控制方法。首先,设计视效输出灯光几何中心运动的基线路径,并在此基础上建立了具有测量数据异常的参数化路径跟踪误差模型和具有时滞状态的参数化路径更新模型。通过设计无约束预测跟踪控制器,实现了系统有信息干扰和时滞状态下的路径跟踪。进一步提出了基于原始对偶神经网络的模型预测控制方法,实现系统有视效边界约束和车台驱动约束下的路径跟踪。仿真结果表明所设计的控制方法能够有效解决演出中车台与视效输出跟踪不同步问题。（4）针对存在车台本体故障的多个同构自主移动车台安全编队控制问题,提出了一种切换拓扑下的容错编队控制方法。首先对控制系统中不确定扰动量进行投影匹配分解,进而通过设计分布式中间观测器来估计多种故障与未知状态信号。进一步,采用李雅普诺夫稳定性理论与线性矩阵不等式技术,设计了基于故障实时估计的容错跟踪控制器。实例仿真表明该方法能够实现车台本体出现驱动器和传感器等多种故障情况下的编队,并且观测器增益有效切换避免了编队系统的连续振荡,有效提高了舞台系统的安全性和稳定性。（5）针对存在未知网络通信故障的多个异构自主移动车台安全编队控制问题,提出了一种基于齐次马尔可夫跳跃系统的编队控制方法。首先建立状态随机采样、资源受限、未知干扰等故障下的随机跳变系统模型。进而采用解耦技术、马尔可夫跳变系统方法和李雅普诺夫稳定性理论得到了编队控制系统随机渐近稳定的充分条件,并通过求解一组线性矩阵不等式得到了控制器增益参数。仿真研究表明所设计的控制策略能有效实现通信故障下异构自主移动车台实时编队控制。最后总结了全文工作,并对自主移动车台的进一步控制研究提出了展望。
廖承军[4]（2020）在《基于大数据的人防应急疏散指挥系统研究与实现》文中进行了进一步梳理随着大数据的兴起和广泛应用,其强大的并发计算能力和数据挖掘功能已经被广泛应用到各个行业。大数据技术的发展与应用给人防建设革新带来了机遇和挑战。借助人防大数据技术,利用云平台关键技术,搭建人防战备大数据平台,能有效打破部门信息孤岛,打通现有各层级、各系统、各领域之间的数据通道,构建多渠道、精准化、实时性的大数据体系,推进政府和军事部门数据共享机制,有效提高城市抗灾应急快速反应速度和处理能力。本文以某省人防战备大数据工程的建成为研究目的,针对该区域各类人防力量数据混乱,各地人防信息数据标准不一致,人防部门之间信息孤岛严重,多部门协作困难,防空防灾应急信息化程度较低等问题,研究并实现了基于大数据的人防应急疏散指挥系统的设计与开发。论文首先了解该省人防数据现状,分析采集需求和人防数据规模,并以此为依据,将系统数据采集总分为人防基础数据采集、动态情况数据采集两大部分,并根据其特性设计了各自的采集方案。系统中所有采集数据上传至大数据中心进行海量存储。结合人防战备大数据工程实际需求,建立基于Spark on Yarn的分布式平台大数据计算中心,它融合机器学习聚类算法、大数据分析技术、概率分布技术等多种技术能对人防数据进行统计分析和数据挖掘。人防应急疏散指挥系统旨在整合人防数据采集和大数据计算两大核心模块,并结合GIS空间分析技术和地图可视化展示,成为一个完整成熟、集“战时防空,平时支援”功能一体化的人防辅助决策综合管理平台,能满足对人防部门日常业务、指挥决策、综合防护的支撑需求。人防应急疏散指挥系统主要采用B/S架构。通过终端实地采集、网络信息爬取、数据打包上传以及其它软件平台接入等多种形式完成人防数据全方位采集及存储。数据存储方面,整个平台使用Hbase为主,Redis、Mysql、MongoDB为辅的方式,多种数据库相结合保证数据操作的安全高效。数据计算方面,Spark作为大规模数据处理而设计的快速通用计算引擎,基于内存的并发计算模式提供强大的计算能力。人防应急疏散指挥系统的研究实现可以加快人防信息化建设,为地方人民防空的日常应急减灾和战时防空支援提供有效、可靠的辅助决策支持。目前该平台已投入使用,为该省人防事业保驾护航,取得了不错的反馈。
杨健[5]（2017）在《无线传感器网络容错关键技术研究》文中研究指明故障容错是无线传感器网络（Wireless Sensor Networks,WSN）应用中的一项关键技术。无线传感器网络中的节点失效、通信链路故障和数据的丢失等问题是不可避免的,其根本原因是无线传感器网络在部署、通信、供电、数据感知和采集等方面存在诸多的不确定性,并且无线传感器节点容易受到节点能量、计算性能、工作环境等因素的干扰。如果在实际应用的场景中出现节点失效、网络链路丢失等故障,将会影响到整个网络的工作效率、安全和服务质量。因此,如何消除故障的影响,提高无线传感器容错能力是一个值得关注的问题,无线传感器网络容错关键技术的研究具有重要的理论意义和较大的实用价值。无线传感器网络产生故障的原因可能是部署节点的失效、链路错误、网络拥塞、以及接收器或基站错误等,涉及到网络部署、路由、数据处理等环节。为了提高WSN的容错能力和鲁棒性,本文以空间冗余（如冗余的传感器节点）和信息冗余、数据冗余（如接收到的冗余数据）为研究对象,对无线传感器网络在部署、路由、数据处理过程中的容错技术进行了充分的研究。包括如下四个方面:（1）基于拓扑控制的WSN容错机制研究;（2）基于路由冗余的WSN容错机制研究;（3）基于异常数据修复的WSN容错机制研究;（4）基于冗余数据聚类的WSN容错机制研究。本文的主要工作和贡献如下:第二章中工作的创新点包括:从路径生存时间的角度优化了DPV（Disjoint Path Vector）算法,解决了个别高频使用节点生存时间短问题,从而达到提高整网能量使用均衡的目的,即,为了解决基于k顶点连通的WSN容错拓扑控制技术存在计算复杂度和耗能严重等问题,本文提出了一种基于独立路径生存时间优化控制的分布式无线传感网络拓扑容错控制方法:非相交路径生存时间优化控制算法（Disjoint Path Vector Live Time Optimize,DPLTO）,算法基于DPV算法的思想,从路径生存时间角度进行优化,以延长网络生存周期。DPLTO算法包含两个阶段:初始化阶段和连通恢复阶段。初始化阶段构造一个最优化WSN拓扑,达到获取高质量的恢复路径时能耗最少的目的。在连通恢复阶段中,DPLTO算法引入了路径容忍失效时间机制。通过对路径容忍时间的动态调整,能够降低恢复阶段的路由信息交互,从而进一步降低由于故障节点引起的连锁反应造成的能量耗损。这种机制也能有效解决多节点并发故障时造成的故障容忍度低的问题。此外,DPLTO算法采用动态地调整传感节点的传输功率,从而优化能量耗损和网络的拓扑结构,以达到延长WSN网络的生命周期的目的。DPLTO从局部能耗的角度进行了考虑,即DPLTOP考虑WSN的拓扑路径上的平衡能量耗损、计算复杂度和网络恢复效率等方面的问题。仿真结果表明,DPLTO算法可以有效地保证网络的k-顶点连通性,从而延长整个网络的生命周期。第三章中工作的创新点包括:引入新的分析参数并提出了新的路由算法:引入节点能耗和节点能量参数进行节点生存指数计算,提出后向能量有效冗余路由选择算法,提高了节点生存时间,在关键节点即族头节点失效前能有效地解决备份路由选择问题,提供了高效而具有低复杂度的容错机制。即,针对WSN路由冗余设计中冗余节点引起的能耗过多问题,提出了一种基于路由冗余的WSN网络故障容错方法BRFTR（Backward Redundant Fault-Tolerant Routing）,以达到网络节能的目的。该方法引入了节点能耗度和节点生存指数两个重要的参数。其中,能耗度参数通过利用节点工作时间和能量消耗情况两方面信息进行计算;节点生存指数通过邻居节点寿命和能耗度参数这两方面信息进行计算。在BRFTR方法中,使用蚁群启发式算法用于控制路由冗余休眠和工作两种状态间的交替,将路由冗余的能耗控制在合理的范围内,从而防止WSN网络由于某些关键节点提前失效致使性能下降的问题产生。此外,该算法在路由阶段以能量有效的方式来选择下一跳簇头节点,并且在簇头失效的前提下,恢复其邻居节点的连通性,即BRFTR算法提供了故障容忍机制,以便在簇头节点失效的情况下可以将数据传输到基站节点。通过实验仿真和结果分析可以看出,BRFTR不仅能高效地控制网关节点的能量消耗,而且能够延长网关节点的生命周期,从而提高网络的可用性。第四章中工作的创新点包括:尝试使用灰度模型来解决传感器网络数据检测与恢复问题:提出基于灰度模型的异常数据检测和恢复,对丢失、错误、突变、无效的数据有效的进行识别和修复。在第四章中,针对传感器节点或者无线传感器网络链路出现故障时,网络采集的数据可能存在丢失、错误、无效等异常问题,本文提出了一个包含两个阶段的ELOFGM（Extended Local Outlier Factor and Grey Model）算法:异常点检测阶段和异常点修复阶段。在异常点检测阶段,ELOFGM算法通过计算相邻两个时间窗口内所有数据点的标准差的比值,可以在缺乏数据全局信息的情况下,有效地对丢失、错误、无效类型的异常数据进行识别。在异常点修复阶段,应用灰度理论,构建了针对冗余数据的GM（1,1）模型。通过实验仿真和结果分析可以看出,GM（1,1）可以有效地完成对异常数据的修复,从而提高了数据的质量。第五章中工作的创新点包括:将R-PCA算法应用到传感器网络中,实现容错性能的提升,提出的多变量数据恢复的容错方法,有效利用WSN分布式的特点,提升了数据检测和修复精度。针对高密度的分布式传感器节点的部署,可能形成较高的相关性和节点冗余等特点,导致WSN感知的数据存在较高冗余的问题,本文结合冗余数据,应用k-means聚类的思想,在无线传感器网络故障检测R-PCA算法的基础上,提出一种基于多变量数据恢复的容错算法MDRR-PCA（Multivariate Data Recover Recursive PCA）。由于R-PCA方法的主成分转换基的提取是通过递归的方式来实现的,使得MDRR-PCA算法能够适应动态变化的无线传感器网络。MDRR-PCA算法有两大特点:（1）直接操作无线传感器网络中的簇头,因此可以有效地容忍故障孤立点;（2）充分利用邻居节点的同一个物理变量的传感数据的相关性高于来自同一节点采集的不同物理变量的数据的原理。通过实验仿真和结果分析可以看出,MDRR-PCA在故障检测精度、数据恢复精度均具有较优的性能。相对于传统的方法,在故障检测精度上提高了20%左右,在数据恢复的误差上降低了约28%。综上所述,本文系统地研究了无线传感器网络在网络部署、路由、数据处理过程中的容错问题。基于空间冗余、信息冗余和数据冗余研究了面向网络连通性和传输数据有效性的容错机制。针对网络拓扑、网络路由和网络中传输的数据,分别提出了对应的容错机制。通过仿真实验和结果分析,证明了本文提出的算法在容错方面的有效性,提升了无线传感网络的健壮性,延长了无线传感网络的生命周期,从而为提供更好的网络服务打下坚实的基础。
付国庆[6]（2019）在《传感器网络时间序列数据计算及可视化研究》文中研究表明结合自身工作,本文以新疆农业大学科学技术学院集中供热系统的具体工程项目,利用大数据分析与挖掘技术深入研究传感器海量时间序列的存储、分布式环境下的相似性查询以及数据可视化技术,从而进行供热系统的智能监测和控制,达到节能环保的目的。在温度监测过程中,随着时间的推移,传感会产生海量的时间序列数据,海量数据的存储是一个重要技术;而数据序列的相关性计算,又是时间序列分析中的基础操作。基于HBase数据库计算长时间序列（比如:1赫兹的传感器,连续产生1年的序列长度可达107数量级）之间的相关性,会产生大量的I/O和网络通信数据,这使得难以应用交互式查询。为了解决这个问题,架设了基于Hadoop和HBase的存储和计算平台,设计了海量时间序列数据的存储和计算框架,并且设计了相关性计算分布式处理方法,最后将该方法应用于工程实践当中,挖掘价值信息并实现数据的可视化。在具体应用中,本项目设计的平台和计算方法的有效性和效率都得到了验证。具体来说,本文解决的关键技术问题是:（1）建立分布式存储和计算平台,设计了针对海量时间序列数据的分布式存储方法,针对非主键查询设计HBase二级索引;（2）设计快速计算时间序列相关系数近似值的估算方法,研究了针对温度数据的相似性查询计算框架及算法设计。为了快速估计相关系数的上下界,提出了TSDC算法,降低了I/O和网络数据传输;（3）为进一步降低计算、I/O以及网络输入代价,对TSDC算法扩展,设计了ATSDC算法。ATSDC算法主要通过处理多层摘要数据来计算相关系数,进一步提升了计算效率;（4）将本文存储框架和计算方法应用于新疆自治区科技计划项目（集中供热系统远程监测和优化控制应用研究）海量传感器数据分析和挖掘平台中,并且将价值数据实现了可视化,经过现场测试,本文设计的存储和计算方法能很好管理海量传感器温度数据。
王振宇[7]（2018）在《面向传输过程的信息网络弹性技术研究》文中提出目前网络所面临的威胁越来越严重,如黑客的攻击、网络自身的欠缺、软件设计的漏洞、人为的失误等,由于其复杂性和持久性等因素,网络的防护开始向遭受攻击或故障后仍能保障有效运行的方向转变,即进行网络弹性研究。无线网络作为网络的一种,其面临的挑战更为巨大。与传统有线网络相比,无线网络的传输介质更易受到外界环境的影响,噪声、干扰、信号衰减等严重影响着网络传输性能。受传输范围的限制,数据包转发通常是多跳传输的。通常无线节点有着能量约束,能量问题也是数据传输中不可避免的问题。甚至节点可能具有移动性,很容易造成数据传输断开连接。保证网络数据的可达性和数据传输的可靠性尤为重要。然而较为严重的问题是当今网络缺乏这种保证可靠性传输的能力。面对这一难题,本文针对信息网络中的数据传输弹性做了详细的研究,本文做的工作如下:（1）系统的阐述了网络弹性概念和其相关指标,描述了网络弹性的一些度量指标,总结了一些现有的无线网络网络弹性优化方法,总结了这些方案的优缺点,并归纳了无线网络数据传输所面临的各种挑战。（2）文章第三部分针对当前的无线传感器与执行器网络（WSAN）技术缺乏实时性能以及工业无线环境的动态性问题,基于Kautz图设计了一种容错、实时、高效、可靠的先验式路由FRER,不需要维持路由表,只利用节点IDs,根据节点IDs的匹配长度快速找到到目标节点的最短路径。当节点故障时,不需要进行路径重挑,根据自身ID与目标节点ID的匹配,上一跳节点能够快速找到剩余节点的最短路径。并且考虑了路径的多样性,不局限于Kautz拓扑,利用邻居节点信息拓展网络中路径的多样性。同时考虑链路故障,基于链路可用性历史信息组合多路径,保证在链路故障情况下网络维持可接受水平的路由路径可用性。实验结果表明,与REFER和Debruijn图相比,FRER在实时性、容错性和可靠性性能上优于两者。（3）针对无线网络在信道衰落、噪声、能量、定位误差等因素的影响下,机会式路由和地理路由数据传输质量不高的情况,文章第四部分将机会式路由和无线网络中常用的地理路由相结合,基于信标节点提出了一种新的机会式路由（LAGOR）。针对上述问题,机会式路由的应对措施是在路由路径选取的过程中考虑链路质量,按照链路质量安排候选节点的传输优先级,根据优先级设定计时器来选取下一跳转发节点。这样做的好处是提高了数据传输的可靠性,但缺点也很明显,机会式路由作为反应式路由启动时延较大,且在路由选取和数据转发过程中有太多节点参与,导致能量消耗过大。LAGOR既继承了地理路由作为先验式路由和机会式路由提高数据传输可靠性的优势,又弥补了地理路由依赖于定位信息和机会式路由启动时延较长、能量效率较低的缺点。LAGOR基于信标节点将网络分片,每个节点存储到相邻片的最短路径长度信息,根据链路质量和距离梯度信息进行数据传输。通过与地理路由GPSR和机会式路由R3E对比,大量的仿真实验表明,LAGOR在性能上远胜于以上两种路由算法,且同时保留两种路由算法的优势。
孙昭行[8]（2018）在《定位导航授时微系统硬件设计》文中指出定位导航授时（Positioning,Navigation and Timing,PNT）技术是对空间和时间的描述。伴随着科技现代化的蓬勃发展,人们对PNT信息的依赖程度在人类历史上前所未有。PNT技术不只是服务于国民经济,在国家安全和军事应用层面都发挥着无法取代的作用,并逐渐成为综合国力以及国际地位的战略性标志。为了解决GNSS（Global Navigation Satellite System）脆弱性、提高PNT服务质量,以微惯性测量单元、高精度时钟作为核心器件并结合GNSS进行深度融合成为PNT系统的主要技术路线。目前,市场上并无以高精度时钟作为时间基准的成熟定位导航授时微系统货架产品,所以研发定位导航授时微系统硬件原理样机显得具有十分重要的意义。本文采用的以MIMU（Miniature Inertial Measurement Unit）、高精度 CSAC（Chip Scale Atomic Clock）和BDSGPS双模导航接收机进行深度融合的方案是一种比较合适的选择。本文以定位导航授时微系统研制为背景,以解决卫星信号脆弱性、提高PNT服务质量为目的,设计了基于MIMU/CSAC/GNSS定位导航授时微系统的硬件平台。主要内容包括:（1）定位导航授时系统介绍。其主要包括了对惯性导航介绍、卫星导航介绍、芯片原子钟介绍以及目前定位导航授时微系统国内外现状。（2）定位导航授时微系统总体方案设计。对系统的性能需求以及理论技术进行具体分析,进行了系统的硬件方案设计与软件方案设计,并给出了系统关键器件选型。（3）定位导航授时微系统硬件设计。其主要包括对系统整体硬件结构进行总体设计,对系统分模块进行原理图设计、系统模块间接口设计以及系统电源电路分析与设计。（4）定位导航授时微系统驱动及软件设计。包括基于DSP驱动软件设计、外围电路驱动软件设计、基于FPGA的BDSGPS通道相关器设计以及定位导航授时微系统整体软件设计。（5）针对定位导航授时微系统硬件平台的特点,设计了完备的模拟器试验方案、跑车试验方案以及飞行试验方案,将本系统的结果与高精度光纤惯性组合导航系统以及国外成熟组合导航产品结果进行详细的对比分析。
黄璐[9]（2017）在《无线传感器网络非均匀分簇与多路径路由协议优化方法》文中进行了进一步梳理近年来,随着物联网技术的飞速发展,与此相关的一些技术如RFID、无线传感器网络也得到了快速的发展。其中,无线传感器网络具有低功耗、低成本、分布式和自组织的特点,在工业、农业、军事、医疗等领域都具有广泛应用前景,引起了相关研究者们的高度关注。路由协议是无线传感器网络的核心技术。本文以无线传感器网络路由协议为主要研究对象,以降低节点能耗、均衡网络负载、提高数据传输可靠性以及增强网络鲁棒性为目标,对已有分簇路由和多路径路由展开研究并加以改进。本文的主要研究内容有:1、选择了经典的分簇路由协议——LEACH路由协议作为研究对象,根据无线传感器网络路由协议的性能指标,分析LEACH路由协议的基本原理和通信模型,并针对LEACH协议存在的缺点与不足,对比了不同的改进分簇路由方法。2、为了均衡全网簇头节点的能耗,避免网络中汇聚节点附近的“热区”问题,针对基于LEACH分簇思想的EEUC非均匀分簇路由协议,提出以下改进:在簇头竞选过程中,使用时间竞争的方式代替协商机制以减小广播消息复杂度,降低网络的流量负担;添加了节点到汇聚节点的距离参数为竞选指标,增强网络中簇群的非均匀分布特性,进一步均衡全网能耗;普通节点采用竞争半径和节点间的距离参数为标准选择簇头,合理规划了簇群大小。使用MATLAB模拟改进算法,与经典LEACH算法和EEUC算法进行比较,仿真结果表明,改进的EEUC算法较前两种方法具有较高的稳定性,并且降低了节点能耗、均衡了网络负载、延长了网络生命周期。3、针对无线传感器网络在恶劣环境下节点间通信链路质量较差导致数据传输可靠性不高的问题,在簇头间数据传输过程中,采用了多路径ReInForM路由协议。通过分析该协议的数据传输模型与性能指标,指出了该路由协议的局限性,即仅保证了无线传感网络数据传输可靠率,未能解决网络节点能耗和负载均衡等问题。4、针对ReInForM路由协议存在的缺陷,结合蚁群优化算法对ReIn ForM路由协议进行以下优化改进:在路径选择过程中,考虑了节点剩余能量和节点通信代价,通过给邻居节点分配选择概率,选取最优转发路径;在数据传输过程中,利用蚁群优化算法,实时跟踪节点的剩余能量等参数,更改路径上的信息素浓度和局部启发值,更新下一跳邻居节点的选择概率,通过更换最优路径来均衡网络能耗,提高网络的自适应性。仿真结果表明:与原有ReInForM路由协议相比,在保证了数据传输可靠率的同时,ACOReInForM算法能够有效均衡节点能耗。
庞引明,周建洪,吴以群,段成林,施伯乐[10]（2002）在《无线分布式环境下的一种容错的定位信息管理方法》文中指出移动环境下的定位管理事实上是一个无线分布式数据库的管理问题,当一个MC（移动客户）离开一个WC（无线单元）进入另外一个WC时,他的定位信息有时可能会由于网络系统的不可靠而不能成功地或按时地从原先的MSS（移动支持站）传送到新的MSS。就此论文提出了一种新的办法来解决这一问题。
二、无线分布式环境下的一种容错的定位信息管理方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、无线分布式环境下的一种容错的定位信息管理方法（论文提纲范文）
（1）基于BIM及大数据技术的列控中心智能运维系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景以及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国外发展现状 |
| 1.2.2 国内发展现状 |
| 1.3 研究目的 |
| 1.4 研究方法和技术路线 |
| 1.4.1 技术路线 |
| 1.4.2 研究方法 |
| 1.5 论文主要工作及结构 |
| 2 列车运行控制系统简介 |
| 2.1 CTCS-2 级列车运行控制系统 |
| 2.1.1 地面设备 |
| 2.1.2 车载设备 |
| 2.1.3 信号系统安全数据网 |
| 2.2 列控中心系统TCC |
| 2.2.1 列控中心基本功能 |
| 2.2.2 系统构成 |
| 2.2.3 系统结构拓扑图 |
| 2.2.4 系统特点 |
| 2.3 本章小结 |
| 3 BIM技术研究 |
| 3.1 BIM综述 |
| 3.2 BIM的特点 |
| 3.3 BIM技术在智能运维管理系统中的应用 |
| 3.3.1 BIM建模平台 |
| 3.3.2 Revit的层级结构 |
| 3.3.3 模型粒度 |
| 3.3.4 BIM模型轻量化 |
| 3.3.5 BIM模型导出 |
| 3.4 本章小结 |
| 4 大数据技术研究 |
| 4.1 大数据技术综述 |
| 4.2 大数据技术的特点 |
| 4.3 大数据技术在智能运维管理系统中的应用 |
| 4.3.1 大数据存储技术 |
| 4.3.2 数据挖掘概述 |
| 4.3.3 数据可视化 |
| 4.4 BIM与大数据结合 |
| 4.5 本章小结 |
| 5 列控中心智能运维管理系统研究 |
| 5.1 系统需求分析 |
| 5.1.1 系统功能需求分析 |
| 5.1.2 系统性能需求分析 |
| 5.2 系统框架研究 |
| 5.2.1 系统层次结构研究 |
| 5.2.2 系统网络结构研究 |
| 5.2.3 系统组成研究 |
| 5.2.4 系统接口研究 |
| 5.2.5 网络接口研究 |
| 5.2.6 大数据平台研究 |
| 5.3 系统硬件 |
| 5.3.1 车站运维设备 |
| 5.3.2 中心处理设备 |
| 5.4 系统软件 |
| 5.4.1 软件体系结构 |
| 5.4.2 软件层次结构 |
| 5.4.3 软件功能结构 |
| 5.4.4 软件组成 |
| 5.5 本章小结 |
| 6 功能实现与验证 |
| 6.1 列控中心智能运维系统功能 |
| 6.1.1 设备监控 |
| 6.1.2 设备备品管理 |
| 6.1.3 应急指挥 |
| 6.1.4 设备健康管理 |
| 6.1.5 报警管理 |
| 6.1.6 学习库管理 |
| 6.1.7 用户管理 |
| 6.1.8 其他功能 |
| 6.2 功能验证 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（2）基于物联网分层分布控制模型的城轨车辆协同控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 物联网的应用研究现状 |
| 1.2.1 物联网理论概述 |
| 1.2.2 物联网在国内外的发展 |
| 1.3 分层分布式控制系统应用研究现状 |
| 1.4 城轨列车协同控制研究现状 |
| 1.4.1 城轨车辆网络控制系统 |
| 1.4.2 国内外基于网络的车辆控制技术发展现状 |
| 1.5 论文的组成部分与研究内容 |
| 1.5.1 技术路线 |
| 1.5.2 研究内容 |
| 2 基于物联网的城轨列车运行控制方法 |
| 2.1 物联网的概念及特征 |
| 2.1.1 物联网的概念 |
| 2.1.2 物联网的结构与特征 |
| 2.2 城轨列车的动力学特征 |
| 2.2.1 城轨列车基本受力特性与受力模型 |
| 2.2.2 城轨列车动力学模型 |
| 2.3 城轨列车运行控制系统 |
| 2.3.1 城轨列车ATO系统 |
| 2.3.2 基于物联网的城轨列车运行控制系统 |
| 2.4 城轨列车运行图基本知识 |
| 2.5 基于物联网的城轨列车安全距离保持自适应控制模型构建 |
| 2.5.1 安全距离的影响因素 |
| 2.5.2 基于舒适度模型的城轨列车距离保持状况 |
| 2.6 本章小结 |
| 3 城轨车辆控制系统分层分布模型构建 |
| 3.1 分层分布式系统在交通领域的研究现状 |
| 3.2 分层分布式城轨车辆控制系统所依赖的硬件设备 |
| 3.3 分层分布式系统的设计原则 |
| 3.4 分层分布式系统的结构特点 |
| 3.5 基于物联网的城轨车辆系统分层分布控制系统设计思路 |
| 3.6 控制系统分层分布设计思路及框架 |
| 3.6.1 基础理论 |
| 3.6.2 无人城轨车辆分层设计思路 |
| 3.6.3 无人城轨车辆每层的区域设计思路 |
| 3.7 本章小结 |
| 4 城轨列车无人驾驶智能控制算法的仿真 |
| 4.1 基于物联网的多列车运行追踪模型及仿真 |
| 4.1.1 基于物联网的城轨列车运行追踪模型的建立 |
| 4.1.2 基于物联网的多城轨列车运行追踪模型的仿真 |
| 4.2 分层分布式多城轨车辆协同安全距离保持控制及仿真 |
| 4.2.1 分层分布式多城轨列车协同安全距离仿真模型的建立 |
| 4.2.2 分层分布式多城轨列车协同安全距离系统的仿真 |
| 4.3 基于物联网的分层分布式站台客流监控系统设计思路 |
| 4.3.1 基于物联网的分层分布式站台客流监控系统构架 |
| 4.3.2 基于物联网的分层分布式站台客流监控系统判断算法 |
| 4.4 基于站台客流的城轨车辆运行控制系统自适应控制系统 |
| 4.4.1 城轨车辆停站时间模型 |
| 4.4.2 基于站台客流的城轨车辆运行控制系统自适应控制系统仿真 |
| 4.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（3）自主移动车台跟踪与编队控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 文化演出舞台运动装备研究现状 |
| 1.2.2 移动机器人跟踪控制研究现状 |
| 1.2.3 移动机器人编队控制研究现状 |
| 1.3 本文的主要工作与结构 |
| 第二章 自主移动车台系统建模 |
| 2.1 引言 |
| 2.2 自主移动车台硬件系统 |
| 2.3 自主移动车台运动学建模 |
| 2.4 自主移动车台动力学建模 |
| 2.5 小结 |
| 第三章 具有舞台摄像监控的自主移动车台跟踪控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 控制器设计 |
| 3.4 仿真与实验测试 |
| 3.5 小结 |
| 第四章 具有舞台视效灯光的自主移动车台跟踪控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 控制器设计 |
| 4.4 实例仿真 |
| 4.5 小结 |
| 第五章 存在本体故障的同构自主移动车台编队控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 控制器设计 |
| 5.4 仿真实例 |
| 5.5 小结 |
| 第六章 存在通信故障的异构自主移动车台编队控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 控制器设计 |
| 6.4 仿真实例 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读博士学位期间发表的学术论文 |
| 3 主持的科研项目及获奖情况 |
| 4 授权的发明专利 |
| 学位论文数据集 |
（4）基于大数据的人防应急疏散指挥系统研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 大数据研究历史和现状 |
| 1.2.2 国内人防大数据研究现状 |
| 1.3 本论文的研究内容 |
| 1.4 本论文的结构安排 |
| 第二章 相关技术介绍 |
| 2.1 HADOOP |
| 2.2 SPARK大数据计算框架 |
| 2.2.1 基本概念 |
| 2.2.2 技术核心 |
| 2.3 聚类算法 |
| 2.3.1 K-means算法 |
| 2.3.2 DBSCAN算法 |
| 2.4 SPRING MVC |
| 2.5 数据存储 |
| 2.5.1 Redis |
| 2.5.2 MongoDB |
| 2.5.3 HBase |
| 2.6 本章小结 |
| 第三章 系统需求分析 |
| 3.1 系统概述 |
| 3.2 功能性需求 |
| 3.2.1 终端设备管理 |
| 3.2.2 终端人防数据采集 |
| 3.2.3 历史数据上传 |
| 3.2.4 机房监测 |
| 3.2.5 应急疏散指挥 |
| 3.2.6 大数据辅助决策分析 |
| 3.2.7 地图服务功能需求 |
| 3.3 系统用例分析 |
| 3.3.1 系统总用例 |
| 3.3.2 终端管理模块用例分析 |
| 3.3.3 人防数据采集模块用例分析 |
| 3.3.4 历史数据上传模块用例分析 |
| 3.3.5 应急疏散指挥用例分析 |
| 3.3.6 大数据辅助决策分析用例分析 |
| 3.4 非功能性需求 |
| 3.5 运行环境需求 |
| 3.6 本章小结 |
| 第四章 系统详细设计 |
| 4.1 系统架构设计 |
| 4.1.1 系统总体架构设计 |
| 4.1.2 数据接口架构 |
| 4.2 功能模块设计 |
| 4.2.1 终端授权和登录模块设计 |
| 4.2.2 终端数据上传设计 |
| 4.2.3 历史数据录入设计 |
| 4.2.4 机房监测模块设计 |
| 4.2.5 应急疏散指挥模块设计 |
| 4.2.6 大数据辅助分析模块设计 |
| 4.2.7 数据采集与分发设计 |
| 4.3 数据库设计 |
| 4.3.1 平台数据库设计 |
| 4.3.2 数据库设计 |
| 4.4 系统接口规范设计 |
| 4.4.1 设计原则 |
| 4.5 本章小结 |
| 第五章 系统详细实现 |
| 5.1 终端授权模块实现 |
| 5.2 终端采集数据同步模块实现 |
| 5.2.1 采集终端数据交互实现 |
| 5.2.2 redis终端数据定时上传实现 |
| 5.3 历史人防数据上传模块实现 |
| 5.4 机房监测模块数据采集实现 |
| 5.5 大数据辅助分析模块防空避难所研判实现 |
| 5.6 部分功能效果展示 |
| 5.6.1 系统登录主界面 |
| 5.6.2 统一安全管理实现 |
| 5.6.3 人防数据展示平台实现 |
| 5.6.4 机房数据监测中心实现 |
| 5.6.5 应急指挥疏散实现 |
| 5.6.6 大数据辅助决策分析中心实现 |
| 5.7 本章小结 |
| 第六章 系统测试 |
| 6.1 测试目的 |
| 6.2 功能测试 |
| 6.2.1 终端设备管理模块 |
| 6.2.2 终端采集模块 |
| 6.2.3 机房监测模块 |
| 6.2.4 应急疏散指挥模块 |
| 6.2.5 大数据辅助决策分析模块 |
| 6.3 本章小结 |
| 第七章 总结和展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）无线传感器网络容错关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 无线传感器网络简介 |
| 1.1.2 无线传感器网络的特征 |
| 1.1.3 无线传感器网络的若干关键技术 |
| 1.1.4 无线传感器网络面临的若干问题 |
| 1.2 无线传感器网络的容错问题 |
| 1.2.1 容错问题的分析 |
| 1.2.2 容错模型的分析 |
| 1.2.3 容错技术在WSN故障管理中的应用 |
| 1.3 研究现状 |
| 1.3.1 基于容错拓扑技术的研究现状 |
| 1.3.2 基于冗余路由容错技术的研究现状 |
| 1.3.3 基于异常数据处理容错技术的研究现状 |
| 1.3.4 基于数据融合容错技术的研究现状 |
| 1.4 论文的主要研究内容与结构安排 |
| 第二章 基于拓扑控制的WSN容错机制研究 |
| 2.1 引言 |
| 2.2 拓扑容错控制方法的研究 |
| 2.2.1 网络模型 |
| 2.2.2 拓扑容错问题定义 |
| 2.2.3 DPV算法思路分析 |
| 2.2.4 能量消耗模型 |
| 2.2.5 路径生存时间感知拓扑控制(DPLTO)算法 |
| 2.3 实验设置与结果分析 |
| 2.3.1 实验设置 |
| 2.3.2 结果分析 |
| 2.4 本章小结 |
| 第三章 基于路由冗余的WSN容错机制研究 |
| 3.1 相关工作 |
| 3.2 基于路由冗余控制的WSN故障容忍方法 |
| 3.2.1 网络模型 |
| 3.2.2 能量模型 |
| 3.2.3 容错模型 |
| 3.2.4 模型中相关术语定义 |
| 3.3 算法设计 |
| 3.3.1 能量均衡路由 |
| 3.3.2 路由算法 |
| 3.3.3 故障检测和修复 |
| 3.4 实验设置与结果分析 |
| 3.4.1 实验设置 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 第四章 基于异常数据修复的WSN容错机制研究 |
| 4.1 引言 |
| 4.2 异常数据的分类 |
| 4.3 异常数据的检测 |
| 4.3.1 相关工作 |
| 4.3.2 LOF算法的定义 |
| 4.3.3 异常数据的检测过程 |
| 4.4 异常数据的修复 |
| 4.4.1 GM(1,1)灰色模型 |
| 4.4.2 GM(1,1)模型检验 |
| 4.5 ELOFGM算法 |
| 4.6 实验设置和结果分析 |
| 4.6.1 实验设置 |
| 4.6.2 结果分析 |
| 4.7 本章小结 |
| 第五章 基于冗余数据聚类的WSN容错机制研究 |
| 5.1 引言 |
| 5.2 PCA算法 |
| 5.2.1 PCA算法介绍 |
| 5.2.2 PCA算法数学模型 |
| 5.3 k-means算法 |
| 5.4 网络模型 |
| 5.5 基于R-PCA的故障检测方法 |
| 5.6 基于多变量数据恢复的容错算法 |
| 5.7 实验设置和结果分析 |
| 5.7.1 实验设置 |
| 5.7.2 结果分析 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 实验数据 |
| 附录2 攻读博士学位期间撰写的论文 |
| 附录3 攻读博士学位期间申请的专利 |
| 附录4 攻读博士学位期间参加的科研项目 |
| 致谢 |
（6）传感器网络时间序列数据计算及可视化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 绪论 |
| 1.1 研究背景及问题提出 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文结构与安排 |
| 2 传感器网络海量数据存储及计算的关键技术 |
| 2.1 时间序列数据定义 |
| 2.2 MapReduce论述 |
| 2.2.1 MapReduce简要分析 |
| 2.2.2 MapReduce计算框架 |
| 2.3 Hadoop和 HBase基本理论 |
| 2.3.1 Hadoop简要分析 |
| 2.3.2 HBase简要分析 |
| 2.4 时间序列数据存储分析 |
| 2.5 数据索引技术分析 |
| 2.5.1 全局分布式索引 |
| 2.5.2 分片位图索引 |
| 2.5.3 基于Hadoop框架索引技术 |
| 2.5.4 二级索引设计分析 |
| 2.5.5 检索数据相似性 |
| 2.5.6 数据的高维相似性检索 |
| 2.6 本章小结 |
| 3 基于Hadoop、HBase的大数据处理平台的实现 |
| 3.1 系统平台环境部署 |
| 3.1.1 Hadoop集群环境设计 |
| 3.1.2 安装配置环境 |
| 3.1.3 免密码的远程登录协议配置 |
| 3.1.4 配置防火墙 |
| 3.1.5 安装配置Java |
| 3.2 安装配置Hadoop |
| 3.3 安装配置HBase |
| 3.4 Hadoop和 HBase安装总结 |
| 3.5 本章小结 |
| 4 系统设计与架构 |
| 4.1 提出问题及思路 |
| 4.2 系统总体设计 |
| 4.3 数据来源层 |
| 4.3.1 温度数据采集 |
| 4.4 数据管理层 |
| 4.4.1 HBase数据模型 |
| 4.4.2 基于HBase的时间序列存储 |
| 4.4.3 分布式存储模型 |
| 4.4.4 时间序列数据结构化存储设计 |
| 4.4.5 数据层的设计 |
| 4.5 数据显示层 |
| 4.6 本章小结 |
| 5 时间序列相关系数估算算法 |
| 5.1 相关系数算法及估算方法的概述 |
| 5.2 TSDC(Time Series Data Computation)算法 |
| 5.3 基于HBase平台进行上下界估算 |
| 5.4 时间序列相关系数近似值的计算方法 |
| 5.5 针对长序列的快速估算方法 |
| 5.6 算法复杂度分析 |
| 5.7 实验结果 |
| 5.7.1 数据集 |
| 5.7.2 实验环境 |
| 5.7.3 实验对比算法结果分析 |
| 5.8 本章小结 |
| 6 温度数据趋势查询和可视化 |
| 6.1 粒度的选择 |
| 6.2 查询流程 |
| 6.3 数据可视化 |
| 6.4 可视化结果 |
| 6.4.1 界面设计及效果 |
| 6.4.2 数据图表展示设计 |
| 6.4.3 系统平台展示 |
| 6.5 系统运行数据比对 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 参考文献 |
| 致谢 |
（7）面向传输过程的信息网络弹性技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 网络弹性相关评价指标 |
| 1.2.2 挑战容忍相关标准 |
| 1.2.3 网络可信性相关标准 |
| 1.2.4 鲁棒性和复杂性 |
| 1.3 故障和挑战 |
| 1.3.1 合法的异常流量负载 |
| 1.3.2 意外事件和人为错误 |
| 1.3.3 大规模灾难 |
| 1.3.4 恶意攻击 |
| 1.4 主要研究内容与安排 |
| 第二章 网络弹性研究现状 |
| 2.1 引言 |
| 2.2 基于反应式路由弹性优化策略 |
| 2.2.1 机会式路由 |
| 2.2.2 混合无线网络中的反应式路由 |
| 2.3 基于先验式路由的弹性优化策略 |
| 2.3.1 包含移动节点的网络 |
| 2.3.2 包含移动汇点的传感网能量效率优化 |
| 2.3.3 多层网络的弹性优化 |
| 2.4 无线网络路由面临的挑战 |
| 第三章 无线传感网与执行器网络可靠高效路由 |
| 3.1 引言 |
| 3.2 Kautz网络拓扑 |
| 3.3 基于Kautz图的WSAN容错高效传输协议 |
| 3.3.1 Kautz图嵌入 |
| 3.3.2 能量效率拓扑维持 |
| 3.3.3 容错、可靠、高效路由 |
| 3.3.4 基于ID传输的修正 |
| 3.3.5 容错传输修正 |
| 3.3.6 基于可用性历史的可靠多路径路由 |
| 3.4 性能评估 |
| 3.4.1 未受干扰的网络环境 |
| 3.4.2 受干扰的网络环境 |
| 3.5 结论 |
| 第四章 无线网络基于地理路由和信标节点的机会式路由 |
| 4.1 引言 |
| 4.2 LAGOR主要设计 |
| 4.2.1 系统综述 |
| 4.2.2 R3E和GPSR简介 |
| 4.2.3 信标图构建 |
| 4.2.4 片间路由 |
| 4.2.5 片内路由 |
| 4.3 性能评估 |
| 4.3.1 拥塞弹性和定位误差弹性 |
| 4.3.2 可拓展性和能量效率 |
| 4.4 结论 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）定位导航授时微系统硬件设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 定位导航授时系统介绍 |
| 1.2.1 惯性导航系统 |
| 1.2.2 卫星导航系统 |
| 1.2.3 芯片原子钟系统 |
| 1.2.4 定位导航授时微系统 |
| 1.3 定位导航授时微系统研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 论文主要研究内容及结构安排 |
| 2 定位导航授时微系统总体方案设计 |
| 2.1 引言 |
| 2.2 定位导航授时微系统性能需求分析 |
| 2.3 定位导航授时微系统理论技术分析 |
| 2.3.1 GPS_BDS卫星信号定位原理分析 |
| 2.3.2 捷联惯性导航原理分析 |
| 2.3.3 芯片原子钟工作原理分析 |
| 2.3.4 GNSS/SINS超紧组合原理分析 |
| 2.4 定位导航授时微系统总体方案设计 |
| 2.4.1 定位导航授时微系统硬件方案设计 |
| 2.4.2 定位导航授时微系统软件方案设计 |
| 2.5 系统关键器件选型 |
| 2.5.1 卫星导航及信息融合模块器件选型 |
| 2.5.2 微惯性测量单元选型 |
| 2.5.3 芯片原子钟选型 |
| 2.6 本章小结 |
| 3 定位导航授时微系统硬件设计 |
| 3.1 引言 |
| 3.2 定位导航授时微系统整体硬件结构设计 |
| 3.3 定位导航授时微系统电路及接口设计 |
| 3.3.1 卫星信号射频前端处理模块原理图设计 |
| 3.3.2 卫星信号相关器原理图设计 |
| 3.3.3 信息处理单元原理图设计 |
| 3.3.4 微惯性测量单元硬件接口电路设计 |
| 3.3.5 芯片原子钟硬件接口设计 |
| 3.3.6 系统电源电路分析与设计 |
| 3.3.7 系统PCB电磁兼容性分析及PCB设计与实现 |
| 3.3.8 系统硬件整装 |
| 3.4 本章小结 |
| 4 定位导航授时微系统驱动及软件设计 |
| 4.1 引言 |
| 4.2 数据处理模块DSP驱动程序设计 |
| 4.2.1 DSP初始化 |
| 4.2.2 系统时钟驱动程序设置 |
| 4.2.3 中断模块设置程序 |
| 4.2.4 MAX2769初始化配置程序 |
| 4.2.5 外围传感器模块驱动设计 |
| 4.3 基于FPGA的GPS_BDS通道相关器设计 |
| 4.4 定位导航授时微系统整体软件设计 |
| 4.5 本章小结 |
| 5 定位导航授时微系统功能测试与分析 |
| 5.1 引言 |
| 5.2 定位导航授时微系统各模块测试 |
| 5.2.1 卫星导航及信息融合模块功能测试 |
| 5.2.2 微惯性测量单元功能测试 |
| 5.2.3 芯片原子钟模块功能测试 |
| 5.3 定位导航授时微系统整体测试 |
| 5.3.1 模拟器试验 |
| 5.3.2 跑车试验 |
| 5.3.3 飞行试验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）无线传感器网络非均匀分簇与多路径路由协议优化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 无线传感器网络概述 |
| 1.2.1 无线传感器网络的概念 |
| 1.2.2 无线传感器网络的发展历史和研究现状 |
| 1.2.3 无线传感器网络的特点 |
| 1.2.4 无线传感器网络的应用 |
| 1.3 无线传感器网络的体系结构 |
| 1.3.1 网络结构 |
| 1.3.2 节点结构 |
| 1.3.3 WSN协议栈 |
| 1.4 无线传感器网络的关键技术 |
| 1.4.1 时间同步技术 |
| 1.4.2 定位技术 |
| 1.4.3 数据融合技术 |
| 1.4.4 网络安全技术 |
| 1.5 本文主要工作内容与结构 |
| 1.5.1 主要工作 |
| 1.5.2 章节结构 |
| 第二章 无线传感器网络分簇路由协议的优化 |
| 2.1 无线传感器网络路由协议概述 |
| 2.1.1 无线传感器网络路由协议分类 |
| 2.1.2 无线传感器网络路由协议的性能指标 |
| 2.2 无线传感网络分簇路由协议 |
| 2.2.1 分簇路由协议种类 |
| 2.2.2 分簇路由协议的特点 |
| 2.3 LEACH路由协议的优化 |
| 2.3.1 LEACH算法简介 |
| 2.3.2 LEACH算法的基本模型 |
| 2.3.3 LEACH协议的优化问题 |
| 2.3.4 LEACH协议的改进方法 |
| 2.4 本章小结 |
| 第三章 基于能量均衡的非均匀分簇路由算法 |
| 3.1 相关模型和假定 |
| 3.2 非均匀分簇路由协议 |
| 3.2.1 EEUC算法具体描述 |
| 3.2.2 EEUC协议的优化问题 |
| 3.3 非均匀分簇路由算法的改进 |
| 3.3.1 改进算法的具体描述 |
| 3.3.2 仿真实现与结果分析 |
| 3.4 本章小结 |
| 第四章 无线传感器网络数据传输可靠性 |
| 4.1 可靠数据传输的概念 |
| 4.1.1 无线传感器网络可靠性定义 |
| 4.1.2 影响传输可靠性的因素 |
| 4.2 提高传输可靠性的方法 |
| 4.2.1 数据重传 |
| 4.2.2 编码冗余机制 |
| 4.2.3 多路径冗余发送 |
| 4.3 无线传感器网络多路径路由协议 |
| 4.3.1 ReInForM路由协议 |
| 4.3.2 ReInForM算法的缺陷和已有改进 |
| 4.4 本章小结 |
| 第五章 基于蚁群优化的多路径路由算法 |
| 5.1 蚁群优化算法 |
| 5.2 ACO-ReInForM算法的具体描述 |
| 5.2.1 路径选择概率模型 |
| 5.2.2 ACO-ReInForM算法工作流程 |
| 5.3 ACO-ReInForM路由协议的WSN仿真 |
| 5.3.1 仿真参数说明 |
| 5.3.2 形成路径的仿真 |
| 5.3.3 ACO-ReInForM算法的性能仿真 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（10）无线分布式环境下的一种容错的定位信息管理方法（论文提纲范文）
| 1 引言 |
| 2 问题的提出 |
| 3 解决方案的提出 |
| 3.1 算法思想 |
| 3.2 算法描述 |
| 4 结束语 |
四、无线分布式环境下的一种容错的定位信息管理方法（论文参考文献）
- [1]基于BIM及大数据技术的列控中心智能运维系统研究[D]. 朱贺斌. 中国铁道科学研究院, 2021(01)
- [2]基于物联网分层分布控制模型的城轨车辆协同控制研究[D]. 樊博文. 兰州交通大学, 2020(01)
- [3]自主移动车台跟踪与编队控制研究[D]. 倪洪杰. 浙江工业大学, 2020
- [4]基于大数据的人防应急疏散指挥系统研究与实现[D]. 廖承军. 电子科技大学, 2020(07)
- [5]无线传感器网络容错关键技术研究[D]. 杨健. 南京邮电大学, 2017
- [6]传感器网络时间序列数据计算及可视化研究[D]. 付国庆. 大连理工大学, 2019(07)
- [7]面向传输过程的信息网络弹性技术研究[D]. 王振宇. 西安电子科技大学, 2018(02)
- [8]定位导航授时微系统硬件设计[D]. 孙昭行. 南京理工大学, 2018(06)
- [9]无线传感器网络非均匀分簇与多路径路由协议优化方法[D]. 黄璐. 华南理工大学, 2017(06)
- [10]无线分布式环境下的一种容错的定位信息管理方法[J]. 庞引明,周建洪,吴以群,段成林,施伯乐. 计算机工程与应用, 2002(02)