當(dāng)前位置:首頁 > 通信技術(shù) > 通信技術(shù)
[導(dǎo)讀]摘要:路由算法是無線傳感器網(wǎng)絡(luò)研究的核心技術(shù)之一。在LEACH算法的基礎(chǔ)上,提出了一種基于距離和能量考慮選擇第二層簇頭的兩層LEACH算法DE—LEACH,有效避免了低能量且離基站較遠(yuǎn)的節(jié)點(diǎn)與基站直接通信,提高了網(wǎng)絡(luò)生

摘要:路由算法無線傳感器網(wǎng)絡(luò)研究的核心技術(shù)之一。在LEACH算法的基礎(chǔ)上,提出了一種基于距離和能量考慮選擇第二層簇頭的兩層LEACH算法DE—LEACH,有效避免了低能量且離基站較遠(yuǎn)的節(jié)點(diǎn)與基站直接通信,提高了網(wǎng)絡(luò)生存時(shí)間和數(shù)據(jù)采集能力。利用事件驅(qū)動的方法,減少了發(fā)送數(shù)據(jù)量,進(jìn)一步延長了網(wǎng)絡(luò)生存期。
關(guān)鍵詞:路由算法;第二層簇頭選擇;網(wǎng)絡(luò)生存時(shí)間;數(shù)據(jù)采集能力;數(shù)據(jù)融合;事件驅(qū)動


0 引 言
    微電子技術(shù)、計(jì)算機(jī)技術(shù)和無線通信等技術(shù)的不斷發(fā)展,使設(shè)計(jì)低功耗多功能的無線傳感器成為可能。無線傳感器網(wǎng)絡(luò)在監(jiān)測區(qū)域內(nèi)部署大量的廉價(jià)低功耗傳感器節(jié)點(diǎn),其目的是協(xié)作的感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知對象的信息,并以無線通信的方式通過多跳自組織網(wǎng)絡(luò)發(fā)送給遠(yuǎn)程基站(BS)。無線傳感器網(wǎng)絡(luò)是未來全球的三大高科技產(chǎn)業(yè)之一,具有廣闊的應(yīng)用前景,在軍事國防、災(zāi)害預(yù)警、環(huán)境監(jiān)測、醫(yī)療等許多領(lǐng)域都有巨大的應(yīng)用價(jià)值。
    作為無線傳感器網(wǎng)絡(luò)核心技術(shù)之一,路由協(xié)議的性能在很大程度上決定了網(wǎng)絡(luò)的整體性能,因此,路由算法始終是無線傳感器網(wǎng)絡(luò)研究的熱點(diǎn)。根據(jù)各個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中功能的異同,可將路由算法分為平面型和層次型路由。由于平面型路由可擴(kuò)展性差,且維護(hù)動態(tài)變化的路由需要大量的控制信息,若部署在人類到達(dá)比較困難的地區(qū),維護(hù)相對困難。層次型路由算法克服了以上不足,可擴(kuò)充性好,網(wǎng)絡(luò)中控制信息相對較少,得到了廣泛的應(yīng)用。LEACH是第一個(gè)基于多簇結(jié)構(gòu)的層次型路由協(xié)議,其成簇思想在其后很多協(xié)議中都被用到,如TEEN等。
    在LEACH算法中,各節(jié)點(diǎn)根據(jù)簇頭概率p自主決定在該輪是否充當(dāng)簇頭,一旦成為簇頭便通過廣播告知整個(gè)網(wǎng)絡(luò),由于簇頭選擇是完全自主和隨機(jī)的,不需要節(jié)點(diǎn)間通信協(xié)調(diào),因此LEACH算法具有節(jié)約能量、實(shí)現(xiàn)簡單、可擴(kuò)展性好等特點(diǎn),便于部署于人們難以到達(dá)區(qū)域。但是,隨機(jī)簇頭選擇不能保證每輪簇頭節(jié)點(diǎn)的數(shù)目和分布,易造成網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)能量損耗不均,節(jié)點(diǎn)生存期散布較大,到網(wǎng)絡(luò)生存期后期會形成監(jiān)控盲點(diǎn),影響了網(wǎng)絡(luò)的整體性能。
    本文在LEACH的基礎(chǔ)上提出了一種兩層簇頭算法DE—LEACH(Distance—Energy LEACH),第一層簇頭選舉機(jī)制與LEACH相同,之后從已選出的簇頭中根據(jù)剩余能量大小和距離基站(BS)的遠(yuǎn)近折衷考慮選出第二層簇頭。第一層簇頭采集到的數(shù)據(jù)經(jīng)過融合處理后發(fā)送到第二層簇頭,再由第二層簇頭完成二次融合和將監(jiān)測數(shù)據(jù)轉(zhuǎn)發(fā)到基站的工作。由于第二層簇頭選舉機(jī)制綜合考慮了節(jié)點(diǎn)剩余能量和其到基站的距離,因此避免了剩余能量較少且距基站較遠(yuǎn)的第一層簇頭與基站間的直接通信。仿真結(jié)果表明,DE—LEACH延長了網(wǎng)絡(luò)首節(jié)點(diǎn)死亡時(shí)間,縮短了首節(jié)點(diǎn)死亡到末節(jié)點(diǎn)死亡的時(shí)間間隔,同時(shí)網(wǎng)絡(luò)總的數(shù)據(jù)采集能力得到明顯提高。


1 LEACH算法簡介
    LEACH算法引入了輪的概念,每輪簇頭節(jié)點(diǎn)進(jìn)行輪換,以達(dá)到分散各節(jié)點(diǎn)能量消耗的目的。每一輪包括簇建立和穩(wěn)定運(yùn)行兩個(gè)階段。為減少管理消耗,穩(wěn)定運(yùn)行階段時(shí)間要長于簇建立階段。
    在簇建立階段,每個(gè)節(jié)點(diǎn)自主決定是否在本輪充當(dāng)簇頭,具體的選舉辦法是:由各節(jié)點(diǎn)自主生成0~1之間的隨機(jī)數(shù),若此隨機(jī)數(shù)小于某門限T(n),則此節(jié)點(diǎn)在本輪充當(dāng)簇頭。這種簇頭產(chǎn)生的隨機(jī)性保證了簇頭與基站之間較高的通信代價(jià)在網(wǎng)內(nèi)各節(jié)點(diǎn)之間得到分?jǐn)偂?br />    門限T(n)定義為:

   
其中:p是網(wǎng)絡(luò)中簇頭節(jié)點(diǎn)占總節(jié)點(diǎn)數(shù)的百分比;r是已完成輪數(shù);G是在前1/p輪中沒有充當(dāng)過簇頭節(jié)點(diǎn)的節(jié)點(diǎn)集合。舉例來說,第1輪(r=0),每個(gè)節(jié)點(diǎn)成為簇頭的概率都是p,第1輪的簇頭在包括此輪之后的1/p輪中都不再充當(dāng)簇頭節(jié)點(diǎn)(即第1~20輪)。此后,由于能夠充當(dāng)簇頭節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)目變少了,因此每個(gè)節(jié)點(diǎn)成為簇頭的概率就必須增加以保證每輪簇頭數(shù)。1/p一1輪過后,沒當(dāng)過簇頭的節(jié)點(diǎn)充當(dāng)簇頭的概率都是1,都能夠成為簇頭節(jié)點(diǎn)。1/p輪后,所有節(jié)點(diǎn)又都可以自主隨機(jī)決定是否充當(dāng)簇頭節(jié)點(diǎn)。在文獻(xiàn)中,作者論證了最優(yōu)簇頭節(jié)點(diǎn)百分比為p=5%。
    一旦簇頭選定后,簇頭節(jié)點(diǎn)會利用CSMA MAC協(xié)議對全網(wǎng)所有節(jié)點(diǎn)發(fā)送廣播數(shù)據(jù)包,其中包含該節(jié)點(diǎn)成為簇頭的信息。根據(jù)網(wǎng)絡(luò)的對稱性原則,其他節(jié)點(diǎn)選擇接收到信號最強(qiáng)的簇頭加入,至此簇建立階段完成。
    在穩(wěn)定運(yùn)行階段,普通節(jié)點(diǎn)利用CSMA MAC協(xié)議向其簇頭發(fā)送加入數(shù)據(jù)包。簇頭節(jié)點(diǎn)收到加入數(shù)據(jù)包后,會產(chǎn)生一個(gè)TDMA時(shí)刻表,為簇內(nèi)所有節(jié)點(diǎn)分配發(fā)送時(shí)隙,并將此時(shí)刻表向各成員廣播。此后,簇頭節(jié)點(diǎn)即開始接收各成員采集到的數(shù)據(jù),并將其融合后發(fā)送到基站。簇頭節(jié)點(diǎn)在此階段保持接收機(jī)始終處于開機(jī)狀態(tài)以便接收數(shù)據(jù),而普通節(jié)點(diǎn)只有在自己發(fā)送時(shí)打開發(fā)射機(jī),其余時(shí)刻關(guān)閉發(fā)射機(jī)以節(jié)約能量。
    相比于平面路由算法,LEACH算法明顯減少了能量消耗,并且將能量耗散分?jǐn)偟秸麄€(gè)網(wǎng)絡(luò),有效延長了網(wǎng)絡(luò)生存時(shí)間。在文獻(xiàn)中,作者的仿真表明LEACH比平面型的Direct communication協(xié)議網(wǎng)絡(luò)生存時(shí)間提高了約6倍,比層次型固定簇頭協(xié)議StaticClusters網(wǎng)絡(luò)生存時(shí)間提高了約10倍。
    然而,完全自主隨機(jī)的簇頭選擇不能保證每輪簇頭節(jié)點(diǎn)的數(shù)目和分布,存在距離基站較遠(yuǎn)且能量較少的節(jié)點(diǎn)擔(dān)當(dāng)簇頭的可能性,造成網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)能量損耗不均,節(jié)點(diǎn)的生存期散布較大,到網(wǎng)絡(luò)生存期后期會形成監(jiān)控盲點(diǎn),影響了網(wǎng)絡(luò)的整體性能。為了改善這種情況,本文提出了基于距離和能量選擇第二層簇頭的兩層LEACH算法DE—LEACH。


2 基于距離能量選擇的兩層LEACH算法DE—LEACH
    DE—LEACH算法與LEACH算法一樣,分為簇建立階段與穩(wěn)定運(yùn)行階段。
    在簇建立階段,首先,各節(jié)點(diǎn)仍然利用自身產(chǎn)生的隨機(jī)數(shù)自主決定是否成為簇頭并通知網(wǎng)絡(luò)中所有節(jié)點(diǎn),在此不再贅述。不同之處在于,選出的簇頭節(jié)點(diǎn)將自己的剩余能量和到基站的距離加入到廣播數(shù)據(jù)包中進(jìn)行廣播。之后,在已選出的第一層簇頭中根據(jù)其剩余能量和到基站的距離關(guān)系參數(shù)Th選出第二層簇頭。
    Th定義為:

   
其中i是網(wǎng)絡(luò)中節(jié)點(diǎn)編號,En(i)是i節(jié)點(diǎn)剩余能量,Dist(i)是i節(jié)點(diǎn)到基站的距離。
    具體的選舉第二層簇頭的策略為:簇頭j將自己的Th(i)值與接收、計(jì)算出到的其他簇頭Th值進(jìn)行比較,若自己最大,則成為第二層簇頭;若比較中發(fā)現(xiàn)簇頭i節(jié)點(diǎn)的Th(i)值最大,則認(rèn)為i是第二層簇頭。這里需要注意的是:
    (1)第二層簇頭同時(shí)也完成第一層簇頭的廣播、分配時(shí)隙、采集數(shù)據(jù)和融合的工作;
    (2)各個(gè)簇頭節(jié)點(diǎn)在計(jì)算Th值并比較過后,已經(jīng)能夠確認(rèn)哪個(gè)第一層簇頭節(jié)點(diǎn)同時(shí)承擔(dān)第二層簇頭節(jié)點(diǎn)職能,因此第二層簇頭節(jié)點(diǎn)不需要再就自己身份進(jìn)行廣播;又由于各簇頭節(jié)點(diǎn)已經(jīng)收到其他簇頭節(jié)點(diǎn)編號,可按編號順序進(jìn)行數(shù)據(jù)傳遞,因此第二層簇頭節(jié)點(diǎn)不需要為第一層簇頭節(jié)點(diǎn)分配時(shí)隙而進(jìn)行廣播;這樣就省去了廣播開銷;
    (3)各個(gè)普通節(jié)點(diǎn)無需知道誰是第二層簇頭,他們只與第一層簇頭通信,而第二層簇頭同時(shí)也承擔(dān)第一層簇頭的功能。
    在穩(wěn)定運(yùn)行階段,普通節(jié)點(diǎn)與第一層簇頭通信方式與LEACH相同。但數(shù)據(jù)采集、融合工作完成之后不是將數(shù)據(jù)包直接發(fā)送到基站,而是依據(jù)簇頭節(jié)點(diǎn)編號順序分時(shí)隙由第一層簇頭發(fā)送到第二層簇頭節(jié)點(diǎn)。再由第二層簇頭節(jié)點(diǎn)進(jìn)行二次融合后,發(fā)送至基站。
    LEACH算法假設(shè)基站離監(jiān)控區(qū)域較遠(yuǎn),若第一層簇頭節(jié)點(diǎn)均與基站直接通信,則通信能量消耗較大,且易造成網(wǎng)絡(luò)中各節(jié)點(diǎn)剩余能量差距較大的情況,使首末節(jié)點(diǎn)死亡時(shí)間間隔較長,產(chǎn)生監(jiān)控盲點(diǎn)。而DE—LEACH算法能夠有效推遲首節(jié)點(diǎn)死亡時(shí)間,縮小首末節(jié)點(diǎn)死亡時(shí)間間隔,使監(jiān)控盲點(diǎn)出現(xiàn)時(shí)間明顯縮短。這樣,在所有節(jié)點(diǎn)集中死亡后再進(jìn)行拋撒,無疑在經(jīng)濟(jì)上和控制上都將更加高效。
    另外,考慮到傳感器節(jié)點(diǎn)所采集的數(shù)據(jù)在較短時(shí)間內(nèi)具有相關(guān)性,可以采用事件驅(qū)動的方式進(jìn)一步延長網(wǎng)絡(luò)生存期。下面將對DE—LEACH與LEACH進(jìn)行性能上的比較,并仿真分析了加人事件驅(qū)動因素后DE—LEACH的生存期改善程度。


3 仿真分析
3.1 DE—LEACH與LEACH性能比較
    利用Matlab工具對LEACH算法和DE—LEACH算法進(jìn)行仿真比較,主要比較:
    (1)存活節(jié)點(diǎn)數(shù)隨輪次變化曲線;
    (2)數(shù)據(jù)采集總比特?cái)?shù)(二次融合前)隨輪次變化曲線。
    仿真中,假設(shè)無線傳感器網(wǎng)絡(luò)由100個(gè)相同的無線傳感器節(jié)點(diǎn)組成,隨機(jī)拋撒在100 m×100 m的區(qū)域內(nèi),遠(yuǎn)程基站位于坐標(biāo)點(diǎn)(x=0,y=一100)。每個(gè)節(jié)點(diǎn)初始能量為O.5 J,發(fā)送和接收電路損耗為Elec=50 nJ/b,數(shù)據(jù)融合消耗為Eda=5 nJ/b。放大系數(shù)為Efs=10 pJ/b/m2(d<d0),Emp=O.001 3 pJ/b/m4(d>d0),其中數(shù)據(jù)包長度為2 000 b,廣播包長度
為200 b,總帶寬為1 MHz。為簡化仿真復(fù)雜度,監(jiān)測區(qū)域內(nèi)通信按自由空間模型取Efs=10 pJ/b/m2,而簇頭節(jié)點(diǎn)與基站通信由于距離較遠(yuǎn)(>100 m),按多徑傳播模型取Emp=O.001 3 pJ/b/m4。
    根據(jù)第二層簇頭對收到的第一層簇頭數(shù)據(jù)進(jìn)行二次融合的融合率不同,這里分完全不融合、50%融合、完全融合分別進(jìn)行了仿真比較。
    完全不融合,即將第一層簇頭發(fā)送來的數(shù)據(jù)包不加處理地組成一個(gè)長數(shù)據(jù)包發(fā)送到基站,這時(shí)第二層簇頭相當(dāng)于只是完成了數(shù)據(jù)接收和轉(zhuǎn)發(fā)的功能。仿真發(fā)現(xiàn),即使在完全不融合的情況下,DE—LEACH的首節(jié)點(diǎn)死亡時(shí)間也要比LEACH晚30%,50%節(jié)點(diǎn)死亡時(shí)間晚15%(如圖1)。數(shù)據(jù)采集總比特?cái)?shù)DE—LEACH比LEACH高出12%(如圖2)。雖然末節(jié)點(diǎn)死亡時(shí)間早于LEACH,但網(wǎng)絡(luò)中存活期非常集中,網(wǎng)絡(luò)出現(xiàn)大面積監(jiān)控盲區(qū)的時(shí)間短,若要保證數(shù)據(jù)采集的持續(xù)性和完整性,對監(jiān)控區(qū)域重新部署節(jié)點(diǎn)將比LEACH算法更經(jīng)濟(jì)有效。

    50%融合,即將第一層簇頭發(fā)送來的數(shù)據(jù)包壓縮一半之后發(fā)送到基站。各個(gè)第一層簇頭發(fā)送的數(shù)據(jù)包中仍然含有第一層簇頭數(shù)據(jù)包的包頭等基站不需要的冗余信息,可以進(jìn)行進(jìn)一步融合。仿真發(fā)現(xiàn),進(jìn)行50%融合后,DE—LEACH的首節(jié)點(diǎn)死亡時(shí)間比LEACH晚40%,50%節(jié)點(diǎn)死亡時(shí)間晚25%(如圖3)。數(shù)據(jù)采集總比特?cái)?shù)DE—LEACH比LEACH高出22%(如圖4)。

    完全融合,即將第一層簇頭發(fā)送來的數(shù)據(jù)包壓縮成一個(gè)2 000 b的數(shù)據(jù)包發(fā)送到基站。由于融合率較大,不僅要用到數(shù)據(jù)級融合,特征級融合,還要用到?jīng)Q策級融合。即最后傳輸?shù)交镜囊巡皇呛唵蔚臄?shù)據(jù),而是第二層簇頭節(jié)點(diǎn)對采集到的數(shù)據(jù)進(jìn)行綜合分析后所得到的結(jié)果。仿真發(fā)現(xiàn),完全融合后,DE—LEACH的首節(jié)點(diǎn)死亡時(shí)間比LEACH晚40%,50%節(jié)點(diǎn)死亡時(shí)間晚30%(如圖5)。數(shù)據(jù)采集總比特?cái)?shù)DE—LEACH比LEACH高出28%(如圖6)。
    由仿真比較可見,綜合考慮了簇頭節(jié)點(diǎn)到基站的距離以及剩余能量并據(jù)此選出第二層簇頭的DE—LEACH算法,性能較LEACH有明顯的改善。
    DE—LEAcH算法的優(yōu)點(diǎn):延長了首節(jié)點(diǎn)死亡時(shí)間,曲線斜率明顯比LEACH大,縮短了首末節(jié)點(diǎn)死亡時(shí)間間隔,相比于LEACH,節(jié)點(diǎn)死亡時(shí)間更加集中,監(jiān)控盲點(diǎn)出現(xiàn)時(shí)間短,重新部署傳感器節(jié)點(diǎn)更加經(jīng)濟(jì)高效;數(shù)據(jù)采集總量明顯提高。DE—LEACH算法的不足:由于在原來LEACH算法的簇頭與基站之間又增加了一跳路由,網(wǎng)絡(luò)延遲有所增加。另外,節(jié)點(diǎn)的運(yùn)算能力要有所提高。就仿真來看,要想得到更長的網(wǎng)絡(luò)生存時(shí)間和更高的數(shù)據(jù)采集量,就要加大數(shù)據(jù)融合率,這對節(jié)點(diǎn)的數(shù)據(jù)融合能力提出了更高的要求。在實(shí)際應(yīng)用中,需要根據(jù)應(yīng)用對性能和成本的要求進(jìn)行綜合考慮。

3.2 事件驅(qū)動型DE—LEACH生存期分析
    針對傳感器節(jié)點(diǎn)所采集的數(shù)據(jù)(如溫度、壓力等)在較短時(shí)間內(nèi)的相關(guān)性,可設(shè)定一個(gè)門限值,當(dāng)相鄰兩次所采集數(shù)據(jù)變化超過此門限值時(shí),節(jié)點(diǎn)才向簇頭發(fā)送數(shù)據(jù),并保留后一次數(shù)據(jù)在該節(jié)點(diǎn)存儲器中;若變化小于門限值,則不進(jìn)行發(fā)送,仍保留前一次數(shù)據(jù)以防止數(shù)據(jù)以漸進(jìn)的方式變化。門限值可設(shè)定為前次采集數(shù)據(jù)的百分比或具體的數(shù)值,視具體情況而定。圖7的仿真設(shè)定門限值為前次采集數(shù)據(jù)的10%(完全不融合情況)。

    由圖7可見加入事件驅(qū)動因素后,網(wǎng)絡(luò)生存期延長約9%,仿真中為方便采集數(shù)據(jù)用隨機(jī)數(shù)的方式產(chǎn)生,不具有相關(guān)性。當(dāng)實(shí)際應(yīng)用中的數(shù)據(jù)具有相關(guān)性時(shí),生存期延長將更加明顯。另外,門限值的大小可根據(jù)需要更改,適應(yīng)性較強(qiáng)。加入事件驅(qū)動的缺點(diǎn):由于需要存儲兩次采集的數(shù)據(jù)進(jìn)行比較,提高了對傳感器節(jié)點(diǎn)存儲能力的要求。


4 結(jié) 語
    路由協(xié)議在很大程度上決定了網(wǎng)絡(luò)的整體性能。因此,作為無線傳感器網(wǎng)絡(luò)核心技術(shù)之一,路由協(xié)議一直是研究的熱點(diǎn)。LEACH算法是一種經(jīng)典的層次型路由協(xié)議,它利用簇頭輪換機(jī)制有效的將能量消耗較均勻地分?jǐn)偟秸麄€(gè)網(wǎng)絡(luò)。在LEACH算法的基礎(chǔ)上提出了一種基于距離和能量選擇第二層簇頭的兩層改進(jìn)型LEACH算法DE—LEACH,并簡要分析了事件驅(qū)動對網(wǎng)絡(luò)生存期的影響。仿真結(jié)果表明,該算法進(jìn)一步平均了網(wǎng)絡(luò)中的能量消耗,有效延長了網(wǎng)絡(luò)生存時(shí)間,提高了網(wǎng)絡(luò)的數(shù)據(jù)采集能力。
    LEACH算法的實(shí)現(xiàn)作了一些假設(shè)。其中一點(diǎn)是網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)當(dāng)選簇頭后都進(jìn)行全網(wǎng)廣播,這樣的假設(shè)在網(wǎng)絡(luò)覆蓋范圍較大的情況下?lián)p耗將明顯加大,因此在大規(guī)模應(yīng)用中多層多跳路由成為必然的選擇。這也將是今后工作繼續(xù)探討的方向之一。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運(yùn)營商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺與中國電影電視技術(shù)學(xué)會聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上,軟通動力信息技術(shù)(集團(tuán))股份有限公司(以下簡稱"軟通動力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉