群智感知网络中感知质量增强方法研究

发布时间：2022-01-09 23:33

　　近年来,随着移动智能终端迅速普及,大量用户随身携带或车载的智能设备通过移动网络互联,进行有意识或无意识的协作,共同完成大规模感知任务,正成为一种物联网感知的新模式,即“群智感知”。与传统主动部署的传感器网络相比,群智感知网络能够充分利用现有的网络、设备资源,灵活地完成多样化的感知任务。但是由于“以人为中心”的特点,群智感知节点符合人的时空行为模式,时空分布呈现出显著的非均匀性和动态性,导致在群智感知网络监测区域内出现许多感知薄弱区甚至是感知盲区。如何有效减少感知薄弱区,实现群智感知质量增强成为亟待解决的问题。为此,本文从节点资源配置、相关感知数据融合、感知数据结构特征学习三个方面展开研究,提出了一系列感知质量增强方法。具体来讲,本文的主要贡献如下:（1）提出群智感知增补节点规模预估方法。增大感知节点规模是增强群智感知网络时空覆盖能力、减少感知薄弱区域的一种直接方式。然而,现有的研究工作显示城市人群有其特定的行为模式,群体规模与网络时空覆盖能力之间呈现出环境相关的复杂非线性关系。为此,我们结合城市场景信息建模与节点规模尺度分析,设计了场景信息融合的节点轨迹生成方法,提升了满足感知质量约束... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：120 页

【学位级别】：博士

【部分图文】：

图１－３非均匀分布节点采样与网格化分布节点采样??

图１－４?覆盖间隔时间??

第一章绪论??研究问题?应对途径?存在挑战??￣ｗ￣?丨船ｔ—丄－￣?Ｉ群智感知节点规模与感知薄Ｉ??智?＾?…＾弱区之间的关系难以建模Ｉ??感??知??２?＿?Ｉ不同维度上的感知数据信息??５?—＾感知数据－合《￣－?难以融合??愁???—Ｉ??知??薄??????弱?１感知数据结构｜在非均匀布局节点的情况下??Ｅ?＾＾?特征学习?￣＾?数据结构特征难以获取??图１－５?论文研究问题、应对途径以及存在的挑战??相较于传统表征方式的巨大优势，必然促进压缩感知技术的进步与发展。文献［９６］，??首次证实了基于稀疏编码的数据重建（填充）过程［９７］与基于神经网络的数据重建??（填充）过程的等价性，并利用基于神经网络的深度表征技术取得了优于传统方法??的数据重建（填充）效果。文献［９８］首次将图像“超分辨率”的概念应用于对交通??流量数据感知重建过程中，研宄人员利用对抗神经网络模型（Ｇｅｎｅｒａｔｉｖｅ?Ａｄｖｅｒｓａｒｉａｌ??Ｎｅｔｗｏｒｋｓ，?ＧＡＮ），建立了不同感知粒度下交通流量感知数据间的映射关系，从而实??现了高质量的交通流量感知数据填充。类似的工作还有文献［９９］利用卷积神经网络模??型（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ，ＣＮＮ），学习城市出租车交通流的模式，进而预??测（填充）下一个时刻城市交通流的时空分布矩阵。然而，目前基于深度表征的信??号重建过程，皆面向一种“网格化”分布节点的数据感知（采样）过程，而这与群??智感知网络节点非均匀感知（采样）的过程不符。因此，这类方法目前尚不能直接??应用于提升群智感知数据补全质量。??

【参考文献】：
期刊论文
[1]基于主动学习和克里金插值的空气质量推测[J]. 常慧娟,於志文,於志勇,安琦,郭斌.  大数据. 2018(06)
[2]群智大数据:感知、优选与理解[J]. 郭斌,翟书颖,於志文,周兴社.  大数据. 2017(05)
[3]移动群智感知质量度量与保障[J]. 赵东,马华东,刘亮.  中兴通讯技术. 2015(06)
[4]全球MODIS气温数据的修正秩克里金插值分析[J]. 段悦,舒红,胡泓达,马国锐.  武汉大学学报(信息科学版). 2015(08)
[5]城市计算概述[J]. 郑宇.  武汉大学学报(信息科学版). 2015(01)
[6]协同过滤推荐技术综述[J]. 冷亚军,陆青,梁昌勇.  模式识别与人工智能. 2014(08)
[7]人类行为时空特性的统计力学[J]. 周涛,韩筱璞,闫小勇,杨紫陌,赵志丹,汪秉宏.  电子科技大学学报. 2013(04)
[8]利用时空Kriging进行气温插值研究[J]. 李莎,舒红,徐正全.  武汉大学学报(信息科学版). 2012(02)
[9]Internet of Things:Objectives and Scientific Challenges[J]. 马华东.  Journal of Computer Science & Technology. 2011(06)
[10]压缩感知研究[J]. 戴琼海,付长军,季向阳.  计算机学报. 2011(03)



本文编号：3579644