CN105050128A - 利用信号强度的桥梁健康监测传感网的节点次序自动推导方法 - Google Patents
利用信号强度的桥梁健康监测传感网的节点次序自动推导方法 Download PDFInfo
- Publication number
- CN105050128A CN105050128A CN201510461219.6A CN201510461219A CN105050128A CN 105050128 A CN105050128 A CN 105050128A CN 201510461219 A CN201510461219 A CN 201510461219A CN 105050128 A CN105050128 A CN 105050128A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- message
- order
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 230000036541 health Effects 0.000 title claims abstract description 10
- 238000004220 aggregation Methods 0.000 claims abstract description 43
- 230000002776 aggregation Effects 0.000 claims abstract description 43
- 238000013480 data collection Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 239000012723 sample buffer Substances 0.000 claims description 31
- 230000002123 temporal effect Effects 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000007812 deficiency Effects 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 239000000700 radioactive tracer Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明公开了一种利用信号强度的桥梁健康监测传感网的节点次序自动推导方法,包括以下步骤:(1)启动,汇聚节点发出启动指令到桥梁健康监测传感网网络中,节点次序自动推导方法启动;(2)数据收集,传感器节点在收到指令后自由广播报文,同时监听其他节点的信号,记录信号强度,将收集到的信号强度数据返回给汇聚节点;(3)数据整理,汇聚节点将收集到的信号强度数据根据发射节点和数据包的编号整理,剔除不完整数据;(4)自动排序,汇聚节点对每一组整理过的数据执行提出的排序算法,给出节点相对次序;(5)结束,当连续多次得到同样的相对次序时,汇聚节点输出排序结果,并发出终止指令到网络中,传感器节点停止广播报文和收集数据。
Description
一、技术领域
本发明对布置在桥梁上的具有线性拓扑结构的传感器网络提出了一种实用的节点次序推导方法,它能够在不增加额外硬件、不影响网络正常工作、只需在节点端添加少量代码的情况下,自动推导出节点相对次序。本发明同样适用于布置在道路、直树等其他具有线性拓扑结构的传感器网络。
二、背景技术
使用传感器网络进行桥梁健康监测、路况监控、直树的生态数据采集等是传感网的典型应用,在这些场景下传感节点呈现一维布局,或是线性拓扑,我们称这类网络为“线性传感网”。在线性传感网中,节点的次序指的是节点在物理空间上的排序,例如,节点次序为2-1-3-4指的是,节点2和4位于网络的边缘,节点1位于节点2和3之间,节点3位于节点1和4之间。线性传感网中节点次序对节点的定位、地理位置信息路由、节点编号检错具有重要价值。以节点编号检错为例。当前市面上的传感器节点在出产时并没有类似MAC地址等的唯一标识,在应用中节点的编号信息全部由程序设置或由程序员手工输入,当节点个数较多或是系统运行中软件更新换代时,极易出现节点编号与原先设计不一致的情况。我们考虑如何在不影响系统正常工作、无需为节点添加额外硬件的前提下,自动推断出节点间的相对次序,从而能够以极低的开销检测出节点编号与设计不匹配的情况。研究的关键是如何在满足以上要求的前提下保证方法的正确率。
目前,未见推导节点次序的实用方法。
三、发明内容
本发明目的是:提出一种能够在布置于桥梁的线性传感网中快速找到节点相对次序的方法,能够以只更新少量节点程序的形式直接应用到已布置的线性传感网系统中,且具有开销低、正确率高的特点。
为实现上述目的,本发明的技术方案是:利用信号强度的桥梁健康监测传感网的节点次序自动推导方法,包括以下步骤:
(1)启动,汇聚节点发出启动指令到桥梁健康监测传感网网络中,节点次序自动推导方法启动;
(2)数据收集,传感器节点在收到指令后自由广播报文,同时监听其他节点的信号,记录信号强度,将收集到的信号强度数据返回给汇聚节点;
(3)数据整理,汇聚节点将收集到的信号强度数据根据发射节点和数据包的编号整理,剔除不完整数据;
(4)自动排序,汇聚节点对每一组整理过的数据执行提出的排序算法,给出节点相对次序;
(5)结束,当连续多次得到同样的相对次序时,汇聚节点输出排序结果,并发出终止指令到网络中,传感器节点停止广播报文和收集数据。
进一步,步骤(2)中让每个节点纯分布式地广播数据,从而降低了系统的部署成本;
步骤(2)数据收集中,在传感器节点刚被布置到实际环境中,或是有新的节点加入,或是部分传感器节点由于损坏而被替换,或是软件在更新过程中改变节点的编号时,汇聚节点广播一个特殊的启动报文,该报文通过单跳或多跳的方式到达每个传感器节点;
每个传感器节点在收到此指令后,独立地、周期性地广播一种称为“短消息”的报文;短消息报文包含以下两个字段:发送者编号SenderID,消息序号MsgSeq;每个传感器发送编号是在将操作系统安装到传感器节点时为其设置的唯一代码,在TinyOS操作系统下为TOS_NODE_ID的值;消息序号为一个16比特长的无符号数字,从0开始计数,每次发送一个广播报文后均执行加1操作,溢出时重新从0开始计数,因此由同一个发送者发出的两个相邻短消息的序号相差1;因为只包含这两个字段,因此命名此类报文为“短”消息;报文变短能减小干扰;
步骤(3)数据整理,汇聚节点持续不断地收到来自传感器节点的汇报数据,并实时执行数据整理操作。数据整理的任务是将“不合格”(即,不满足最强信号对应最短距离这个观测规律)的数据剔除出去,并将数据组织成利于后续算法开展的格式;汇聚节点在本地维护两种缓存池,大小不一;较大的命名为临时缓存,较小的命名为样本缓存;临时缓存会存储所有的RSSI数据,当临时缓存溢出时,溢出的数据被输出到样本缓存中,当样本缓存同样被填满时,在经过检测后便输出最终合格的数据;临时缓存为每个信号发射节点SenderID维护一个缓存,缓存的每一个条目对应于SenderID的某一个短消息,即,对应于某一个MsgSeq;
步骤(3)数据整理时剔除不完整数据,从而解决了由纯分布式特征而造成的可能的信号冲突和丢失。
步骤(4)中提出了一个高效的节点次序推导算法,它利用了节点信号强度与距离的关系,通过对线性网络端节点的枚举而寻找到整个网络节点的次序;算法在汇聚节点处执行,利用了汇聚节点计算能力较强的特性从而避免给计算能力较弱的普通传感器节点增加额外计算开销。
自动排序,排序算法的依据是:从某个节点的某一侧来看,距其最近的节点观测到的RSSI最大;因此,测试一个节点是否能为端节点,若它是端节点,则从它的样本缓存中能够找到离它最近的节点,即RSSI最强的节点;将端节点删除后,刚找到的节点便成为剩余网络的新的端节点,以此类推;若此流程将所有节点均删除,则原先的待测试节点可能是端节点,而节点被删除的顺序便成为一个备选次序;此时,测试备选次序的最后一个节点能否是端节点,若答案是肯定的,并且两个得出的次序互为倒置,则得到一个正确的节点次序;当对所有的节点进行端节点测试后,若得到了0个或两个以上的正确次序,则定位失败;否则,若仅得到了一个正确的次序,则定位成功,输出此次序;
由于传感器节点在收到终止指令前不断收集RSSI并汇报给汇聚节点,因此,汇聚节点的样本缓存不停被填满,从而引起算法3的执行,若连续多次算法3的输出均一致,则正确的次序已经找到;此时,由汇聚节点发出一个终止指令到传感网中,传感器节点停止收集和汇报数据。
本发明的有益效果:该方法在数据收集时不需要节点之间进行协调,是完全分布式的,避免了因为节点协调而带来的额外开销,而由此造成的不完整数据在数据整理阶段被自动剔除;汇聚节点用于排序传感网节点的算法具有极低的时间开销和极高的准确率,非常适用于桥梁健康监测传感网以及其他大规模线性传感网。本发明能对布置在桥梁上的传感网在不使用额外硬件的前提下快速推导节点次序的方法,当连续多次得到同样的相对次序时,汇聚节点输出排序结果,并发出终止指令到网络中,传感器节点停止广播报文和收集数据。
四、附图说明
图1为本发明短消息报文格式;
图2为汇总报文的格式;
图3为临时缓存的组织形式;
图4为样本缓存的组织形式。
五、具体实施方式
本发明可分为3个阶段:数据收集、数据整理、自动排序。
阶段1:数据收集
在传感器节点刚被布置到实际环境中,或是有新的节点加入,或是部分传感器节点由于损坏而被替换,或是软件在更新过程中有可能改变节点的编号时,管理者有必要担心是否出现节点编号与预先安排不一致的情况,此时,管理者可令汇聚节点发起本方法。为此,汇聚节点广播一个特殊的启动报文,该报文通过单跳或多跳的方式到达每一个传感器节点。
传感器节点在收到此指令后,独立地、周期性地广播一种称为“短消息”的报文。短消息报文包含以下两个字段:发送者编号SenderID,消息序号MsgSeq,如图1所示。发送者编号是在将操作系统安装到传感器节点时为其设置的唯一代码,在TinyOS操作系统下为TOS_NODE_ID的值;消息序号为一个16比特长的无符号数字,从0开始计数,每次发送一个广播报文后均执行加1操作,溢出时重新从0开始计数,因此由同一个发送者发出的两个相邻短消息的序号相差1。因为只包含这两个字段,因此命名此类报文为“短”消息。报文变短可以减小干扰的影响。为每个消息设置一个序号是为了保证其他节点测得的信号强度是来自同一个短消息,即,同一次信号发送。虽然消息序号可能溢出的情况会导致来自同一个发送者的两个不同消息具有相同的消息序号,但是因为序号是16比特数据,有65536种,当溢出时,网络中其他节点收到的前一轮报文的信息已经被清除,所以在实际中未观测到由此造成的负面影响。
见图1短消息报文的格式。传感器节点在广播自己消息之余监听来自其他节点的短消息报文,每次收到一个短消息报文,便在本地记录以下三个数据,称为“三元组”:发送者编号SenderID,消息序号MsgSeq,信号强度RSSI。其中,发送者编号和消息序号直接从收到的短消息中读取,信号强度是从节点本地的无线电模块处取得。当此类三元组的个数达到一定阈值时(由单个报文的最大长度决定),便将本地缓存的数据通过单跳或多跳发送给汇聚节点。此类“汇总报文”具有以下格式,如图2汇总报文的格式所示:
(ObserverID,三元组1,三元组2,三元组3,...)
其中,ObserverID即为汇报数据的节点的编号,起名为Observer意指它是信号的观测者。考虑到汇报报文有可能丢失,每个三元组只有在被汇报两次后才从本地缓存中清除,具体的操作如下。假设单个报文最多能够容纳的三元组个数为N,节点持续不断地采集到了以下编号的三元组
1,2,3,4,...,N-1,N,N+1,...,
则节点第一次汇报前N/2个三元组,分别为1,2,...,N/2。自此后每次汇报N个三元组,即,第二次汇报1,2,...,N,第三次汇报N/2+1,...,3N/2,第四次汇报N+1,...,2N,等。每个三元组在被汇报两次后便从本地缓存中清除,为后续的三元组让出空间。因此,传感器节点本地缓存的大小只需为N个三元组的长度,即为一个报文的大小。
阶段2:数据整理。
汇聚节点持续不断地收到来自传感器节点的汇报数据,并实时执行数据整理操作。数据整理的任务是将“不合格”(随后定义)的数据剔除出去,并将数据组织成利于后续算法开展的格式。具体操作如下。
汇聚节点(一般为电脑)在本地维护两种缓存池,大小不一。较大的命名为临时缓存(如图3所示),较小的命名为样本缓存(如图4所示)。临时缓存会存储所有的RSSI数据,当临时缓存溢出时,溢出的数据被输出到样本缓存中,当样本缓存同样被填满时,在经过检测后便输出最终合格的数据。
临时缓存为每个信号发射节点SenderID维护一个缓存,缓存的每一个条目对应于SenderID的某一个短消息,即,对应于某一个MsgSeq。缓存条目的内容是其他节点观测到的RSSI,即,每一个条目的内容形如
MsgSeq,(ObserverID,RSSI),(ObserverID,RSSI),...,(ObserverID,RSSI);
当汇聚节点接收到一个汇总报文时,便将其中的数据取出,分别插入到各个发射节点的临时缓存中,若发现对应位置已经有数据(有可能出现,因为每一组RSSI数据将会被汇报两次),则忽略。对于任意一个发射节点,若它的临时缓存中尚未包含有同样MsgSeq的短消息,并且缓存已满(已经存入的条目数达到了允许的最大值),则将时间最老的那个缓存条目输出到样本缓存池中,并将其从临时缓存中删除以存储后续的数据。
图3临时缓存的组织形式:样本缓存中,每个发射节点拥有一个仅能容纳一个条目的空间,用于放置临时缓存输出的条目。由临时缓存输出的每个条目,如果在样本缓存中没有放置空间(对应位置已经有条目),则将样本缓存中对应的条目替换。当所有发射节点的位置均包含有一个条目时(即样本缓存已被填满),程序检测样本缓存中的数据是否能够构成一个强连通图(算法1),若可以,则将样本缓存的数据输出,用于后续的次序推导算法。无论是否可以,在执行完检测连通性操作后,样本缓存被清空。见图4样本缓存的组织形式。
算法1数据完整性检测算法
使用双缓存的原因是,它可以高效地解决数据延迟引起的问题。注意,不同传感器节点发送的汇总报文到达汇聚节点所使用的时间可能是不同的,因此我们需要等待最慢的节点发送的汇总报文。但我们却无法知道汇总报文究竟是被延迟了,还是在传输过程中丢失了。解决此问题的一般方法是使用计时器,但为每个传感器节点维护一个计时器将会增加程序的复杂度。为此,我们提出了上述双缓存结构,当某个节点的临时缓存被填满时,我们便认为临时缓存中最早的数据已经全部到达了,从而将对应的条目从临时缓存中删除,并输出到样本缓存中。如此操作相当于为每个传感器设置了一个计时器,但操作起来比传统的计时器更加容易。
我们对样本数据进行连通性检测的原因是,实际中的网络需要经常性地收集数据,因此网络一定是强连通的,即,任意两个节点之间均可以通过单跳或多跳的路径进行通信。所以,我们观测到的样本数据必然会产生一个强连通图。倘若样本缓存中的数据不能对应一个强连通的网路,那么,汇总报文或者短消息的发送过程中一定出现了异常,可能的异常原因包括数据包冲突,外界的无线电干扰,障碍物的出现。因为这部分样本数据是异常的,不适合用于后续的次序推导方法,所以我们直接剔除这部分数据。
阶段3:自动排序
上一阶段输出的样本缓存如图4所示。我们排序算法的依据是:从某个节点的某一侧来看,距其最近的节点观测到的RSSI最大。例如,倘若节点的真实次序是32145,则,我们应当能够观测到如下现象:节点3的样本缓存中必包含节点2,并且,节点2对应的RSSI应当是节点3的样本缓存中最强的;节点2的样本缓存中必包含节点3和节点1,并且,节点1对应的RSSI应当比节点4、5要强;节点1的样本缓存中必包含节点2和节点4,并且,节点2对应的RSSI应当比节点3强,节点4对应的RSSI应当比节点5强,等等。
因此,算法的基本思想是,测试一个节点是否可以是端节点。若它是端节点,则我们从它的样本缓存中能够找到离它最近的节点,即RSSI最强的节点;将端节点删除后,刚找到的节点便成为剩余网络的新的端节点,以此类推。若此流程可以将所有节点均删除,则原先的待测试节点可能是端节点,而节点被删除的顺序便成为一个备选次序,如算法2所示。此时,测试备选次序的最后一个节点能否是端节点,若答案是肯定的,并且两个得出的次序互为倒置(如,一个是123,一个是321),则我们得到一个正确的节点次序。当对所有的节点进行端节点测试后,若我们得到了0个或两个以上(包含)的正确次序,则定位失败。否则,若仅得到了一个正确的次序,则定位成功,输出此次序,如算法3所示。
由于传感器节点在收到终止指令前不断收集RSSI并汇报给汇聚节点,因此,汇聚节点的样本缓存不停被填满,从而引起算法3的执行,若连续多次算法3的输出均一致,则正确的次序已经找到。此时,由汇聚节点发出一个终止指令到传感网中,传感器节点停止收集和汇报数据。
算法2端节点验证算法
算法3节点排序算法
Claims (7)
1.利用信号强度的桥梁健康监测传感网的节点次序自动推导方法,其特征是包括以下步骤:
(1)启动,汇聚节点发出启动指令到桥梁健康监测传感网网络中,节点次序自动推导方法启动;
(2)数据收集,传感器节点在收到指令后自由广播报文,同时监听其他节点的信号,记录信号强度,将收集到的信号强度数据返回给汇聚节点;
(3)数据整理,汇聚节点将收集到的信号强度数据根据发射节点和数据包的编号整理,剔除不完整数据;
(4)自动排序,汇聚节点对每一组整理过的数据执行提出的排序算法,给出节点相对次序;
(5)结束,当连续多次得到同样的相对次序时,汇聚节点输出排序结果,并发出终止指令到网络中,传感器节点停止广播报文和收集数据。
2.根据权利要求1所述的自动推导方法,其特征是:步骤(2)中让每个传感器节点纯分布式地广播数据,从而降低部署成本。
3.根据权利要求1或2所述的自动推导方法,其特征是:步骤(2)数据收集中,在传感器节点刚被布置到实际环境中,或是有新的节点加入,或是部分传感器节点由于损坏而被替换,或是软件在更新过程中改变节点的编号时,汇聚节点广播一个特殊的启动报文,该报文通过单跳或多跳的方式到达每个传感器节点;
每个传感器节点在收到此指令后,独立地、周期性地广播一种称为“短消息”的报文;短消息报文包含以下两个字段:发送者编号SenderID,消息序号MsgSeq;每个传感器发送编号是在将操作系统安装到传感器节点时为其设置的唯一代码,在TinyOS操作系统下为TOS_NODE_ID的值;消息序号为一个16比特长的无符号数字,从0开始计数,每次发送一个广播报文后均执行加1操作,溢出时重新从0开始计数,因此由同一个发送者发出的两个相邻短消息的序号相差1;因为只包含这两个字段,因此命名此类报文为“短”消息;报文变短能减小干扰。
4.根据权利要求3所述的自动推导方法,其特征是:步骤(3)数据整理中,汇聚节点持续不断地收到来自传感器节点的汇报数据,并实时执行数据整理操作;数据整理的任务是将“不合格”即不满足最强信号对应最短距离这个观测规律的数据剔除出去,并将数据组织成利于后续算法开展的格式;汇聚节点在本地维护两种缓存池,大小不一;较大的命名为临时缓存,较小的命名为样本缓存;临时缓存会存储所有的RSSI数据,当临时缓存溢出时,溢出的数据被输出到样本缓存中,当样本缓存同样被填满时,在经过检测后便输出最终合格的数据;临时缓存为每个信号发射节点SenderID维护一个缓存,缓存的每一个条目对应于SenderID的某一个短消息,即对应于某一个MsgSeq。
5.根据权利要求3所述的自动推导方法,其特征是:步骤(3)数据整理时剔除不完整数据,从而解决了由纯分布式特征而造成的可能的信号冲突和丢失。
6.根据权利要求3所述的自动推导方法,其特征是,步骤(4)自动排序,排序算法的依据是:从某个节点的某一侧来看,距其最近的节点观测到的RSSI最大;因此,测试一个节点是否能为端节点,若它是端节点,则从它的样本缓存中能够找到离它最近的节点,即RSSI最强的节点;将端节点删除后,刚找到的节点便成为剩余网络的新的端节点,以此类推;若此流程将所有节点均删除,则原先的待测试节点可能是端节点,而节点被删除的顺序便成为一个备选次序;此时,测试备选次序的最后一个节点能否是端节点,若答案是肯定的,并且两个得出的次序互为倒置,则得到一个正确的节点次序;当对所有的节点进行端节点测试后,若得到了0个或两个以上的正确次序,则定位失败;否则,若仅得到了一个正确的次序,则定位成功,输出此次序;
由于传感器节点在收到终止指令前不断收集RSSI并汇报给汇聚节点,因此,汇聚节点的样本缓存不停被填满,从而引起算法3的执行,若连续多次算法3的输出均一致,则正确的次序已经找到;此时,由汇聚节点发出一个终止指令到传感网中,传感器节点停止收集和汇报数据。
7.根据权利要求6所述的自动推导方法,其特征是:步骤(4)中节点次序推导算法,它利用节点信号强度与距离的关系,通过对线性网络端节点的枚举而寻找到整个网络节点的次序;算法在汇聚节点处执行,利用了汇聚节点计算能力较强的特性从而避免给计算能力较弱的普通传感器节点增加额外计算开销。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510461219.6A CN105050128B (zh) | 2015-07-30 | 2015-07-30 | 利用信号强度的桥梁健康监测传感网的节点次序自动推导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510461219.6A CN105050128B (zh) | 2015-07-30 | 2015-07-30 | 利用信号强度的桥梁健康监测传感网的节点次序自动推导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105050128A true CN105050128A (zh) | 2015-11-11 |
CN105050128B CN105050128B (zh) | 2019-03-19 |
Family
ID=54456228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510461219.6A Active CN105050128B (zh) | 2015-07-30 | 2015-07-30 | 利用信号强度的桥梁健康监测传感网的节点次序自动推导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105050128B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923978A (zh) * | 2018-07-11 | 2018-11-30 | 江苏中利电子信息科技有限公司 | 一种自组网节点信号强度分析方法 |
CN109195142A (zh) * | 2018-08-27 | 2019-01-11 | 惠州Tcl移动通信有限公司 | 一种移动终端nfc数据传输检测方法、移动终端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159655A (zh) * | 2007-11-02 | 2008-04-09 | 南京大学 | 一种能有效预防无结构对等网络覆盖网分割问题的方法 |
EP2359537B1 (en) * | 2008-10-22 | 2013-05-01 | Telecom Italia S.p.A. | Method for setting the operation of a routing node of an asynchronous wireless communication network, network node and communication network implementing the method |
-
2015
- 2015-07-30 CN CN201510461219.6A patent/CN105050128B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159655A (zh) * | 2007-11-02 | 2008-04-09 | 南京大学 | 一种能有效预防无结构对等网络覆盖网分割问题的方法 |
EP2359537B1 (en) * | 2008-10-22 | 2013-05-01 | Telecom Italia S.p.A. | Method for setting the operation of a routing node of an asynchronous wireless communication network, network node and communication network implementing the method |
Non-Patent Citations (2)
Title |
---|
SALAHADIN SEID: "Dam Safety Monitoring Using Wireless Sensor Networks", 《ADDIS ABABA UNIVERSITY SCHOOL OF GRADUATE STUDIES COLLEGE OF NATURAL SCIENCES DEPARTMENT OF COMPUTER SCIENCE》 * |
XIAOJUN ZHU等: "Spatial Ordering Derivation for One-dimensional Wireless Sensor Networks", 《IEEE》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923978A (zh) * | 2018-07-11 | 2018-11-30 | 江苏中利电子信息科技有限公司 | 一种自组网节点信号强度分析方法 |
CN109195142A (zh) * | 2018-08-27 | 2019-01-11 | 惠州Tcl移动通信有限公司 | 一种移动终端nfc数据传输检测方法、移动终端及存储介质 |
CN109195142B (zh) * | 2018-08-27 | 2021-07-13 | 惠州Tcl移动通信有限公司 | 一种移动终端nfc数据传输检测方法、移动终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105050128B (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106196448B (zh) | 空调器的故障检测方法和装置 | |
CN111542083B (zh) | 一种通过工业无线网空口采集和分析的方法 | |
CN102801548B (zh) | 一种智能预警的方法、装置及信息系统 | |
CN107820692A (zh) | 一种告警同步方法和系统 | |
CN106055697A (zh) | 一种非结构化事件日志数据的划分和存储的方法与装置 | |
CN105050128A (zh) | 利用信号强度的桥梁健康监测传感网的节点次序自动推导方法 | |
CN112600719A (zh) | 告警聚类方法、装置及存储介质 | |
CN106157628B (zh) | 一种分布式的获取实时路况信息的方法及系统 | |
CN111221890B (zh) | 通用指标类自动监控预警方法及装置 | |
CN104182348B (zh) | 软件测试方法及装置 | |
CN107548087A (zh) | 一种告警关联分析的方法及装置 | |
CN101252477B (zh) | 一种网络故障根源的确定方法及分析装置 | |
CN106407233A (zh) | 一种数据处理方法和设备 | |
CN106789697A (zh) | 一种提高大批量网络流表老化效率的方法及装置 | |
CN103904376B (zh) | 一种分布式电池管理系统自适应优化的控制系统及方法 | |
CN113542026A (zh) | 物联网设备故障定位方法、装置、设备及存储介质 | |
CN107071808B (zh) | 一种邻区核查方法及装置 | |
CN108650134A (zh) | 网络故障定位的方法、装置及电子设备 | |
CN116704765A (zh) | 路况预测方法、装置及可读存储介质 | |
CN103268353B (zh) | 电网报警自动响应系统及电网报警自动响应方法 | |
CN109687592A (zh) | 变电站信息显示控制方法、装置及电子设备 | |
CN115269519A (zh) | 一种日志检测方法、装置及电子设备 | |
CN108573464B (zh) | 一种同车用户识别方法及装置 | |
CN106571938B (zh) | 一种基于访问链路的告警检测方法和装置 | |
CN111311779B (zh) | 计时系统及计时方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |