项目名称: 无线传感器网络的数据丢失与重构研究

项目编号: No.61303202

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 孔令和

作者单位: 上海交通大学

项目金额: 23万元

中文摘要: 无线传感器网络在传输过程中,数据包的丢失普遍存在,导致收集到的数据集不完整。然而很多基础科学研究比如自然环境探索、农业信息监控、野生动物观察,都依赖于完整准确的传感数据集来了解对象的全貌。如何在数据丢失不可避免的情况下,尽可能提高数据集的完整性具有重要的研究意义。因此本课题提出对无线传感器网络数据丢失和重构的研究。无线传感器网络的数据丢失有其特殊性质,比如:无线信道的不稳定性、多跳拓扑结构的干扰、数据爆发的拥塞、节点失效等原因。使得传统插值方法在无线传感器网络的数据重构中表现不佳。我们针对无线传感器网络的特性,分别从建立数据丢失数学模型;探索数据重构方法;设计数据收集协议;搭建实验和仿真平台等四个方面对本课题进行深入分析,目标是将数据重构的准确性/数据丢失比提高一个阶。

中文关键词: 无线传感器网络;数据丢失模型;数据收集协议;数据重构;

英文摘要: Data loss is ubiquitous in the transmission of wireless sensor networks, which results to an incomplete sensory data set. However,a lot of basic scientific works, e.g., nature discovery, agriculture information surveillance, and wildlife observation, heavily rely on the accurate and complete sensory data set to know the full view of the objects. It is significant to study how to increase the completeness of a data set in the case of inevitable data loss. Hence, this project propose to do the research on data loss and reconstruction in wireless sensor networks. Data loss in sensor networks has its special patterns due to instability from wireless channels, collision from multi-hop tree/cluster topologies, congestion from burst data, and unexpected nodes' failure. Thus, the conventional interpolation methods perfom poorly in data reconstruction of sensor networks. Based on the feature of sensory data loss, we plan to deeply study this project from four dimensions: to mine the data loss patterns, to discover the data reconstruction methods, to design the data collection protocols, and to build the experiment and simulation platforms. Our goal is to increase at least one order of the accuracy/loss ratio of data reconstruction.

英文关键词: Wireless Sensor Networks;Data Loss Pattern;Data Collection Protocol;Data Reconstruction;

成为VIP会员查看完整内容
0

相关内容

数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
25+阅读 · 2021年9月10日
专知会员服务
18+阅读 · 2021年9月6日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
【硬核书】机器人网络分布式控制
专知会员服务
67+阅读 · 2021年7月25日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
21+阅读 · 2021年3月25日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
数据中心传感器技术应用 白皮书
专知
0+阅读 · 2021年11月13日
【KDD2021】基于生成对抗图网络的不平衡网络嵌入
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
基于注意力机制的图卷积网络
科技创新与创业
73+阅读 · 2017年11月8日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
19+阅读 · 2020年7月21日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Exploring Visual Relationship for Image Captioning
Arxiv
14+阅读 · 2018年9月19日
小贴士
相关VIP内容
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
25+阅读 · 2021年9月10日
专知会员服务
18+阅读 · 2021年9月6日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
【硬核书】机器人网络分布式控制
专知会员服务
67+阅读 · 2021年7月25日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
21+阅读 · 2021年3月25日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
数据中心传感器技术应用 白皮书
专知
0+阅读 · 2021年11月13日
【KDD2021】基于生成对抗图网络的不平衡网络嵌入
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
基于注意力机制的图卷积网络
科技创新与创业
73+阅读 · 2017年11月8日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员