当前位置：文档之家› 无线传感器网络测距技术外文翻译文献

无线传感器网络测距技术外文翻译文献

(文档含中英文对照即英文原文和中文翻译)

原文：

RANGING TECHNIQUES FOR WIRELESS SENSOR NETWORKS

The RF location sensors operating in different environments can measure the RSS, AOA, phase of arrival (POA), TOA, and signature of the delay - power profile as location metrics to estimate the ranging distance [4,7] . The deployment environment (i.e., wireless RF channel) will constrain the accuracy and the performance of each technique. In outdoor open areas, these ranging techniques perform very well. However, as the wireless medium becomes more complex, for example, dense urban or indoor environments, the channel suffers from severe multipath propagation and heavy shadow fading conditions. This finding in turn impacts the accuracy and performance in estimating the range between a pair of nodes. For this reason, this chapter will focus its ranging and localization discussion on indoor environments. This is important because many of the WSN applications are envisioned for deployment in rough terrain and cluttered environments and understanding of the impact of the channel on the performance of ranging and localization is important. In addition, range measurements using POA and AOA in indoor and urban areas are unreliable. Therefore, we will focus our discussion on two practical techniques,TOA and RSS.These two ranging techniques, which have been used traditionally in wireless

networks, have a great potential for use in WSN localization.

The TOA based ranging is suitable for accurate indoor localization because it only needs a few references and no prior training. By using this technique, however, the hardware is complex and the accuracy is sensitive to the multipath condition and the system bandwidth. This technique has been implemented in GPS, PinPoint, WearNet, IEEE 802.15.3, and IEEE 802.15.4 systems. The RSS based ranging, on the other hand, is simple to implement and is insensitive to the multipath condition and the bandwidth of the system. In addition, it does not need any synchronization and can work with any existing wireless system that can measure the RSS. For accurate ranging, however, a high density of anchors or reference points is needed and extensive training and computationally expensive algorithms are required.The RSS ranging has been used for WiFi positioning in systems, for example, Ekahau, Newbury Networks, PanGo, and Skyhook.

This section first introduces TOA based ranging and the limitations imposed by the wireless channel. Then it will be compared with the RSS counterpart focusing on the performance as a function of the channel behavior. What is introduced here is important to the understanding of the underlying issues in distance estimation, which is an important fundamental building block in WSN localization.

TOA Based Ranging

In TOA based ranging, a sensor node measures the distance to another node by estimating the signal propagation delay in free space, where radio signals travel at the constant speed of light. Figure 8.3 shows an example of TOA based ranging between two sensors. The performance of TOA based ranging depends on the availability of the direct path (DP) signal [4,14] . In its presence, for example, short distance line - of - sight (LOS) conditions, accurate estimates are feasible [14] . The challenge, however, is ranging in non - LOS (NLOS) conditions, which can be characterized as site - specific and dense multipath environments [14,22] . These environments introduce several challenges. The first corrupts the TOA estimates

due to the multipath components (MPCs), which are delayed and attenuated replicas of the original signal, arriving and combining at the receiver shifting the estimate. The second is the propagation delay caused by the signal traveling through obstacles, which adds a positive bias to the TOA estimates. The third is the absence of the DP due to blockage, also known as undetected direct path (UDP) [14] . The bias imposed by this type of error is usually much larger than the first two and has a significant probability of occurrence due to cabinets, elevator shafts, or doors that are usually cluttering the indoor environment.

In order to analyze the behavior of the TOA based ranging, it is best to resort to a popular model used to describe the wireless channel. In a typical indoor environment, the transmitted signal will be scattered and the receiver node will receive replicas of the original signal with different amplitudes, phases, and delays. At the receiver, the signals from all these paths combine and this phenomenon is known as multipath. In order to understand the impact of the channel on the TOA accuracy, we resort to a model typically used to characterize multipath arrivals. For multipath channels, the impulse respons 错误！未找到引用源。 characterizes the arrival paths, their respective amplitudes, and delays. Mathematically, it can be represented as a summation of all the arriving multipath components or

()()1p k L j k k k h e φτβδττ==-∑，

（8.1）

where Lp is the number of MPCs, and k β, k φ, and k τare amplitude, phase, and propagation delay of the

kth path, respectively [7,23] . Let 1DP β and 1DP τdenote the DP amplitude and propagation delay, respectively.

The distance between the sensor node and the RP or anchor is

1*DP DP d v τ=, where v is the speed of signal propagation. In the absence of the DP, ranging can be achieved using the amplitude and propagation delay of the

non - direct path (NDP) component given by 1NDP βand 1NDP τ, respectively; resulting in a longer

distance 1*NDP NDP d v τ=, where NDP DP d

d >. For th

e receiver to identify the DP, the ratio o

f the strongest MPC to that of the DP given by ()1

1max p

L i i DP k ββ==，（8.2）

must be less than the receiver dynamic range k and the power of the DP must be greater than the receiver sensitivity φ. These constraints are given by

1k k ≤，

（8.3a ） DP p φ>,

（8.3b ） where ()10120log DP DP p β=.

In general, ranging and localization accuracy is constrained by the ranging error, which is defined as the difference between the estimated and the actual distance; that is, .

d d ε=-. （8.4）

In an indoor environment, the node/MT will experience a varying error behavior depending on the availability of the DP and in the case of its absence on the characteristics of the DP blockage. It is possible to categorize the error based on the following ranging states [24] . In the presence of the DP, both (8.3a) and (8.3b) are met and the distance estimate is very accurate, yielding

DP DP DP d d z ε=++, （8.5a ）

where the random bias induced by the multipath, pd b is the bias corresponding to the propagation delay caused by NLOS conditions, and z is a zero - mean additive measurement noise. It has been shown that m b is indeed a function of the bandwidth and the signal to noise ratio (SNR) [14] , while bpd is dependant on the medium of the obstacles.When the node experiences sudden blockage of the DP, Eq. (8.3a) is not met and the DP is shadowed by some obstacle, burying its power under the dynamic range of the receiver. In this situation, the ranging estimate experiences a larger error compared to Eq. (8.5a) . Emphasizing that ranging is achieved through the NDP component, the estimate is then given by

NDP DP NDP d d z ε=++,

（8.6a ） NDP m pd B b b b ε=++,

（8.6b ） where B b is a deterministic additive bias representing the nature of the blockage. Unlike the multipath

biases, but similar to the biases induced by the propagation delay, the dependence of

B b on the system bandwidth and SNR has its own limitations as reported in Ref. [14] . Formally, these ranging states can be defi ned as

{}1DP d

d ζ==, （8.7a ） {}2DP d d ζ==, （8.7b ）

Figures 8.4 and 8.5 provide sample channel profiles of these two ranging situations [24] .

The performance of TOA based ranging can be determined by the Cramer-Rao lower bound (CRLB), which

has been studied extensively for existing systems. The variance of TOA estimation 2TOA σ is bounded by the

CRLB [25]

22220218112TOA w Twf f σπγ≥??+ ???, （8.8）

where T is the signal observation time,

is the SNR, 0

is the frequency of operation, and w is the

system bandwidth.

In practice, TOA can be obtained by measuring the arrival time of a wide-band narrow pulse, which can be obtained either by using spread spectrum technology or directly.

Direct Spread Spectrum.

One TOA estimation technique based on the direct spread spectrum (DSS) wideband signal has been used in GPS and other ranging systems for many years. In such a system, a signal coded by a known pseudorandom (PN) sequence is transmitted and a receiver cross - correlates the received signal with a locally generated PN sequence using a sliding correlator or a matched filter. The distance between the transmitter and the receiver is determined from the arrival time of the first correlation peak. Because of the processing gain of the correlation at the receiver, DSS ranging systems perform much better than competing systems in suppressing interference from other radio systems operating in the same frequency band. In these band - limited systems, super- resolution techniques for TOA estimation have been applied successfully. Results have shown that these high - resolution algorithms can provide improved accuracy [25] .

Ultra - Wideband Ranging.

A promising alternative to DSS systems is ultra - wideband (UWB) ranging [26] . According to Eq. (8.8) , it is clear that in multipath propagation environments, the performance of TOA estimation is inversely related to the system bandwidth. Increasing the system bandwidth (i.e., narrower time - domain pulse) results in higher time resolution and thus better ranging accuracy. As a result, these systems have attracted considerable attention in recent years [16,22,26] . For UW

B applications, the FC

C regulation allocated an unlicensed flat frequency band 3.1 – 10.6 GHz for which there are two proposals: direct sequence (DS) – UWB and multiband orthogonal frequency division multiplexing (MB – OFDM). The former is pulse based, which utilizes large bandwidths, for example, 3 GHz, while the latter occupies a bandwidth of 528 MHz. The accuracy of these systems can be evaluated by examining their behaviors in the multipath channel. Sample measurements in indoor office environments are provided in Fig. 8.6 a for 500 - MHz systems, resembling the MB – OFDM channels and Fig.

8.6 b for 3 - GHz bandwidth, resembling the wider channel of the DS – UWB.The expected TOA between the transmitter and the receiver is 40.5 ns and the estimated arrival with 500 - MHz and 3 - GHz bands are 45.5 and 40.7 ns, respectively. The 5 - and 0.2 - ns errors in TOA estimation results in 1.67 - m and 7 - cm errors, respectively, clearly illustrating the impact of a higher system bandwidth on accuracy.

One important observation from these measurement results is that higher bandwidths improve time - domain resolution, which resolves the pulse into respective components, resulting in improved accuracy. The trade - off, however, is that higher resolution implies lower energy per MPC, which means a higher probability of DP blockage. This means that the ranging coverage of 500 - MHz systems is larger than that of the 3 - GHz counterpart. Although UWB can reduce multipath significantly, combating the excess propagation delay and UDP becomes challenging because the amount of delay and the type of blocking material are not known in advance and cannot be mitigated through large bandwidths alone. Understanding of the error behavior in light of these major error contributors is necessary to enable effective UWB ranging. Specifi cally, WSN localization algorithms must analyze the channel statistics and attempt to identify and mitigate DP blockage [27,28] .

翻译：

无线传感器网络的测距技术

射频位置传感器在不同的环境中运行可测量RSS，AOA，阶段的到来（POA），TOA，和作为位置的度量估计距离延迟功率谱 [4,7]。这种部署环境（例如，无线射频信道）将限制精度和每种技术的性能。在户外空旷地区，这些测距技术执行得很好。然而，随着无线介质而变得更加复杂，例如，密集的城市或室内环境中，信道存在严重的多径传播和严重的阴影衰落环境。这一发现反过来说明了在一对节点之间的距离估计对精度和性能的影响。为此，本章将重点讨论在室内环境中的测距和定位。这点很重要，因为许多WSN应用程序设想在崎岖的地形和杂乱的环境中部署传感器，因此，对测距和定位性能的信道的影响的理解是很重要的。此外，采用POA和AOA在室内和城市地区进行测距是不可靠的。因此，我们将重点讨论两个实用技术，TOA和RSS。这两种测距技术，已经有在无线网络中使用的传统，它们对于在无线传感器网络定位有着很大的潜力。

TOA测距适合于精确的室内定位是因为它只需要很少的文献并且不需要事先训练。但是，通过使用这种技术，硬件会变得复杂、精度的多径条件和系统带宽会敏感。这种技术已经被实施在GPS，PinPoint，wearnet，IEEE 802.15.3，和IEEE 802.15.4系统应用上。另一方面，RSS测量实现简单，对多径条件和系统的带宽不敏感。此外，它不需要任何同步，可以与任何现有的无线系统协同工作，可以测量RSS。然而，对于准确的测量，锚或参考点的高密度是必要的，并且广泛的培训和昂贵的算法也是必需的。RSS测距已被用于在WiFi定位系统中，比如Ekahau，Newbury Networks，Pango和Skyhook。

本章首先介绍了基于测距的TOA和所施加在无线通道的局限性。然后它与专注于信道行为函数的RSS的性能进行比较。这里所介绍的在测距基本问题上的认识很重要，这是研究无线传感器网络定位的重要基础。

TOA测距

在TOA测距中，传感器节点到另一个节点间距离的测量是通过自由空间中的信号传播时延来估计的，信号传播在无线信号以光速为恒定速度。图8.3展示了两个节点间的TOA测距。TOA测距的性能取决于直接路径的可用性（DP）信号[ 14 ]。例如，在DP信号中，短距离的线的视线（LOS）的条件下，准确的估计是可行的[ 14 ]。然而，我们面临的挑战是，在非LOS（NLOS）表现为网站的特异性和密集多径环境的条件下。这些环境提出了一些挑战。

图8.3 传感器间的TOA 测距

第一个由于多径分量（MPC ）所引起的腐化的TOA 估计，这是原始信号延迟和衰减的复制品，到达和合并接收器的移动估计。第二个是由信号穿过障碍物引起的传播延迟，这增加了一个正向偏置的TOA 估计。第三是由于堵塞的DP 的缺失，也被称为未发现的直接路径（UDP ）

[ 14 ]。这种类型的错误引起的偏压通常是比前两大得多，同时由于橱柜，电梯，或通常在室内门附近，也会引起更大出错的概率。

为了分析基于TOA 测距的行为,最好采取一个受欢迎的模型用来描述无线信道。在一个典型的室内环境中,传输信号将被分散，接收者节点将收到与原始信号不同振幅、阶段和延误的副本信号。在接收机,信号从所有这些路径结合,这种现象称为多径。为了了解影响精度的渠道,我们常常借助于一个用于描述多路径到达的模型。这个模型描述了多路径通道,脉冲响应特征路径,到达各自的振幅和延误。在数学上,它可以表示为一个求和的多路径组件或到达

()()

1p k L j k k k h e φτβδττ==-∑，（8.1）

其中，Lp 代表MPCs 的数量，k β，k φ，k τ分别是振幅，相位以及传播延迟的路径。让

1DP β和1DP τ分别表示DP 振幅和传播延迟。传感器节点之间的距离和RP 或锚是

1*DP DP d v τ=,v 是信号传播的速度。在DP 的缺席中,测距可以通过,分别由1NDP β和1NDP τ给出的使用振幅和传播

延迟的非直接的路径(NDP)组件来达到;这导致了长的距离1*NDP NDP d v τ=,其中NDP DP d

d >。为使接收机识别DP,最大的MPC 与DP 信号的比例如下

它必须低于接收机动态范围k 的能力并且DP 必须大于接收机灵敏度φ。这些约束条件如下 1k k ≤，（8.3a ） DP p φ>, （8.3b ）

其中()10120log DP DP p β=。

一般来说,测距和定位精度受到测距误差的限制,其被定义为估计和实际的距离的差异;那就是

d d ε=- （8.4）

在室内环境中,节点/MT 将会体验一种取决于可用性的DP 不同的错误行为和具有DP 堵塞特征对于的缺席。它可能是基于以下测距状态[24] 的错误分类。在DP 下, (8.3a)和(8.3 b)得到满足和距离的估计是非常准确的。

DP DP DP d d z ε=++，

（8.5a ）其中，m b 是在随机偏差引起的多路径, pd b 是由NLOS 引起的传播延时的偏置, z 是一个

零,意味着添加剂测量噪声。它已被证明

m b 的确是一个函数的带宽和信号噪声比(信噪比)[14],而bpd 是依赖于介质的障碍。当节点经历突然DP,Eq 阻塞,(8.3 a)不满足和DP 被一些障碍所阻挡,它将它的能量放在在动态范围的接收机。在这种情况下,同Eq(8.5 a)相比，测距估计将会有一个更大的误差范围。其中值得强调的是，测距是通过NDP 组件来实现的,然后由以下给出

基于无线传感器网络的环境监测系统设计与实现

南京航空航天大学硕士学位论文基于无线传感器网络的环境监测系统设计与实现姓名：耿长剑申请学位级别：硕士专业：电路与系统指导教师：王成华 20090101

南京航空航天大学硕士学位论文摘要无线传感器网络（Wireless Sensor Network，WSN）是一种集成了计算机技术、通信技术、传感器技术的新型智能监控网络，已成为当前无线通信领域研究的热点。随着生活水平的提高，环境问题开始得到人们的重视。传统的环境监测系统由于传感器成本高，部署比较困难，并且维护成本高，因此很难应用。本文以环境温度和湿度监控为应用背景，实现了一种基于无线传感器网络的监测系统。本系统将传感器节点部署在监测区域内，通过自组网的方式构成传感器网络，每个节点采集的数据经过多跳的方式路由到汇聚节点，汇聚节点将数据经过初步处理后存储到数据中心，远程用户可以通过网络访问采集的数据。基于CC2430无线单片机设计了无线传感器网络传感器节点，主要完成了温湿度传感器SHT10的软硬件设计和部分无线通讯程序的设计。以PXA270为处理器的汇聚节点，完成了嵌入式Linux系统的构建，将Linux2.6内核剪裁移植到平台上，并且实现了JFFS2根文件系统。为了方便调试和数据的传输，还开发了网络设备驱动程序。测试表明，各个节点能够正确的采集温度和湿度信息，并且通信良好，信号稳定。本系统易于部署，降低了开发和维护成本，并且可以通过无线通信方式获取数据或进行远程控制，使用和维护方便。关键词：无线传感器网络，环境监测，温湿度传感器，嵌入式Linux，设备驱动

Abstract Wireless Sensor Network, a new intelligent control and monitoring network combining sensor technology with computer and communication technology, has become a hot spot in the field of wireless communication. With the improvement of living standards, people pay more attention to environmental issues. Because of the high maintenance cost and complexity of dispose, traditional environmental monitoring system is restricted in several applications. In order to surveil the temperature and humidity of the environment, a new surveillance system based on WSN is implemented in this thesis. Sensor nodes are placed in the surveillance area casually and they construct ad hoc network automatieally. Sensor nodes send the collection data to the sink node via multi-hop routing, which is determined by a specific routing protocol. Then sink node reveives data and sends it to the remoted database server, remote users can access data through Internet. The wireless sensor network node is designed based on a wireless mcu CC2430, in which we mainly design the temperature and humidity sensors’ hardware and software as well as part of the wireless communications program. Sink node's processors is PXA270, in which we construct the sink node embedded Linux System. Port the Linux2.6 core to the platform, then implement the JFFS2 root file system. In order to facilitate debugging and data transmission, the thesis also develops the network device driver. Testing showed that each node can collect the right temperature and humidity information, and the communication is stable and good. The system is easy to deploy so the development and maintenance costs is reduced, it can be obtained data through wireless communication. It's easy to use and maintain. Key Words: Wireless Sensor Network, Environment Monitoring, Temperature and Humidity Sensor, Embedded Linux, Device Drivers

人工智能专业外文翻译-机器人

译文资料：机器人首先我介绍一下机器人产生的背景，机器人技术的发展，它应该说是一个科学技术发展共同的一个综合性的结果，同时，为社会经济发展产生了一个重大影响的一门科学技术，它的发展归功于在第二次世界大战中各国加强了经济的投入，就加强了本国的经济的发展。另一方面它也是生产力发展的需求的必然结果，也是人类自身发展的必然结果，那么随着人类的发展，人们在不断探讨自然过程中，在认识和改造自然过程中，需要能够解放人的一种奴隶。那么这种奴隶就是代替人们去能够从事复杂和繁重的体力劳动，实现人们对不可达世界的认识和改造，这也是人们在科技发展过程中的一个客观需要。机器人有三个发展阶段，那么也就是说，我们习惯于把机器人分成三类，一种是第一代机器人，那么也叫示教再现型机器人，它是通过一个计算机，来控制一个多自由度的一个机械，通过示教存储程序和信息，工作时把信息读取出来，然后发出指令，这样的话机器人可以重复的根据人当时示教的结果，再现出这种动作，比方说汽车的点焊机器人，它只要把这个点焊的过程示教完以后，它总是重复这样一种工作，它对于外界的环境没有感知，这个力操作力的大小，这个工件存在不存在，焊的好与坏，它并不知道，那么实际上这种从第一代机器人，也就存在它这种缺陷，因此，在20世纪70年代后期，人们开始研究第二代机器人，叫带感觉的机器人，这种带感觉的机器人是类似人在某种功能的感觉，比如说力觉、触觉、滑觉、视觉、听觉和人进行相类比，有了各种各样的感觉，比方说在机器人抓一个物体的时候，它实际上力的大小能感觉出来，它能够通过视觉，能够去感受和识别它的形状、大小、颜色。抓一个鸡蛋，它能通过一个触觉，知道它的力的大小和滑动的情况。第三代机器人，也是我们机器人学中一个理想的所追求的最高级的阶段，叫智能机器人，那么只要告诉它做什么，不用告诉它怎么去做，它就能完成运动，感知思维和人机通讯的这种功能和机能，那么这个目前的发展还是相对的只是在局部有这种智能的概念和含义，但真正完整意义的这种智能机器人实际上并没有存在，而只是随着我们不断的科学技术的发展，智能的概念越来越丰富，它内涵越来越宽。下面我简单介绍一下我国机器人发展的基本概况。由于我们国家存在很多其

频谱感知技术外文翻译文献

频谱感知技术外文翻译文献 (文档含中英文对照即英文原文和中文翻译) 译文：一种新的协作频谱感知算法摘要该文提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时，选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明，同常规能量检测算法相比较，该算法能够在控制信道带宽受限条件下，以较少的网络开销获得更好的频谱感知性能。关键词：认知无线电；频谱感知；信任度；双门限 1引言随着无线通信技术的飞速发展，有限的频谱资源与不断增长的无线通信需求的矛盾越来越突出。然而根据现有的固定分配频谱资源策略，绝大多数频谱资源得不到有效利用。据FCC 的调查统计，70%的已分配频谱资源没有得到有效利用]1[。为了提高频谱资源的利用率，认知无线电技术由Joseph Mitola Ⅲ提出并得到了广泛的关注]5[]2[ 。频谱感知技术是认知无线电网络的支撑技术之一。通常它又可以分为

能量检测法、匹配滤波器法和循环平稳特征法[4]。能量检测算法因为应用简单且无需知道任何授权用户信号的先验知识成为研究热点。认知用户在接入授权频带之前，必须首先感知该频带空闲即授权用户没有工作，否则会对授权用户造成干扰。一旦授权用户重新工作，认知用户必须退避，实现在不对授权用户产生干扰的情况下对频谱资源的共享。由于实际信道中的多径和阴影效应，单个认知用户频谱感知的性能并不乐观，针对这个问题D. Cabric 等人提出了协同频谱感知算法[5]-[6]。协同频谱感知算法性能较好，但是当认知用户数量很大的时候，控制信道的带宽将不够用。文献[7]中提出了一种在控制信道带宽受限条件下的基于双检测门限的频谱感知算法，该算法能够以较小的网络开销，获得接近普通单门限频谱检测算法的性能。针对认知无线电频谱感知的需要，本文提出了认知无线电环境下一种基于信任度的双门限协同频谱感知算法。该算法中每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发射感知报告。当所有的用户都不可靠时，选取信任度最高的认知用户发射感知报告进行判决。本文对该算法进行了性能分析并通过仿真表明，本文方法比较常规能量检测算法，在减小网络开销的同时提高了检测性能。 2系统模型假设一个认知无线电网络有N 个认知用户和一个认知无线网络基站，如图1 所示。认知无线网络基站负责管理和联系N 个认知用户，在收到认知用户的检测报告后做出最终判决。图1. 认知无线电网络示意图频谱感知的实质是一个二元假设问题，即 01 (),,()()()(),n t H x t h t s t n t H ?=??+? （1）

新技术云计算外文文献

云计算——新兴的计算技术摘要：云计算是涉及通过互联网提供托管服务的总称。这些服务大致分为三类：基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。云计算这个名字的灵感来自于云符号经常用来代表在互联网上流程图和图表。这是在继主机计算、个人电脑计算、客户端服务器计算和Web计算之后的第五代计算技术。本文将围绕云计算进行讨论。关键词：云计算，IaaS（基础设施即服务），PaaS的（平台即服务），SaaS（软件即服务） 1引言云服务有三个鲜明的特点区别于传统的主机服务模式，它们分别是：云服务的出售通常按分钟或小时收取费用；云服务是有弹性的，一个用户可以在不同的时间拥有可多可少的服务；云服务完全由供应商托管（消费者只需要通过个人电脑和互联网就可以使用）。虚拟化的重大创新、分布式计算的发展，以及高速互联网的建设和经济的衰落，都加速了对云计算的兴趣。云可以是私有的或公有的。公有云向互联网上的任何人销售（目前，亚马逊的网络服务是最大的公有云服务提供商）。私有云是一个专有网络或数据中心，向一部分人提供托管服务。当服务提供商使用公有云资源来创建自己的私有云，这样的结果被称为虚拟化的私有云。私有云或公共云的云计算目标是提供方便的、可扩展的计算资源和IT服务[1]。 2云计算的优势云计算具有的优势是什么？ (a)最小化的资本开支 (b)位置和设备独立性答案：供应商的视角：申请厂商更容易吸引新客户。 (a)提供最低成本的方法和配套应用； (b)能够使用商品服务器和存储硬件； 3云计算的障碍从客户的视角来看，云计算的障碍有： (a)数据安全； (b)很多客户不希望他们的数据迁移到可以信任的“云”上； (c)数据必须进行本地保留； (d)延迟； (e)云可以走多少毫秒； (f)不是实时应用的理想选择； (g)应用程序可用性； (h)无法通过现有的传统应用进行切换； (i)等效的云应用不存在；总结，并非所有的应用程序都要工作在公共云之上。

(中文)基于无线传感器网络桥梁安全监测系统

基于无线传感器网络的桥梁安全检测系统摘要根据桥梁监测无线传感器网络技术的桥梁安全监测系统，以实现方案的安全参数的需要；对整个系统的结构和工作原理的节点集、分簇和关键技术，虽然近年来在无线传感器网络中，已经证明了其潜在的提供连续结构响应数据进行定量评估结构健康，许多重要的问题，包括网络寿命可靠性和稳定性、损伤检测技术，例如拥塞控制进行了讨论。关键词：桥梁安全监测；无线传感器网络的总体结构；关键技术 1 阻断随着交通运输业的不断发展，桥梁安全问题受到越来越多人的关注。对于桥梁的建设与运行规律，而特设的桥梁检测的工作情况，起到一定作用，但是一座桥的信息通常是一个孤立的片面性，这是由于主观和客观因素，一些桥梁安全参数复杂多变[1]。某些问题使用传统的监测方法难以发现桥梁存在的安全风险。因此长期实时监测，预报和评估桥梁的安全局势，目前在中国乃至全世界是一个亟待解决的重要问题。桥梁安全监测系统的设计方案，即通过长期实时桥跨的压力、变形等参数及测试，分析结构的动力特性参数和结构的评价科关键控制安全性和可靠性，以及问题的发现并及时维修，从而确保了桥的安全和长期耐久性。近年来，桥梁安全监测技术已成为一个多学科的应用，它是在结构工程的传感器技术、计算机技术、网络通讯技术以及道路交通等基础上引入现代科技手段，已成为这一领域中科学和技术研究的重点。无线传感器网络技术，在桥梁的安全监测系统方案的实现上，具有一定的参考价值。无线传感器网络（WSN）是一种新兴的网络科学技术是大量的传感器节点，通过自组织无线通信，信息的相互传输，对一个具体的完成特定功能的智能功能的协调的专用网络。它是传感器技术的一个结合，通过集成的嵌入式微传感器实时监控各类计算机技术、网络和无线通信技术、布式信息处理技术、传感以及无线发送收集到的环境或各种信息监测和多跳网络传输到用户终端[2]。在军事、工业和农业，环境监测，健康，智能交通，安全，以及空间探索等领域无线传感器网络具有广泛应用前景和巨大的价值。一个典型的无线传感器网络，通常包括传感器节点，网关和服务器，如图1

文献综述_人工智能

人工智能的形成及其发展现状分析冯海东（长江大学管理学院荆州434023）摘要：人工智能的历史并不久远，故将从人工智能的出现、形成、发展现状及前景几个方面对其进行分析，总结其发展过程中所出现的问题，以及发展现状中的不足之处，分析其今后的发展方向。关键词：人工智能，发展过程，现状分析，前景。一．引言人工智能最早是在1936年被英国的科学家图灵提出，并不为多数人所认知。当时，他编写了一个下象棋的程序，这就是最早期的人工智能的应用。也有著名的“图灵测试”，这也是最初判断是否是人工智能的方案,因此，图灵被尊称为“人工智能之父”。人工智能从产生到发展经历了一个起伏跌宕的过程，直到目前为止，人工智能的应用技术也不是很成熟，而且存在相当的缺陷。通过搜集的资料，将详细的介绍人工智能这个领域的具体情况，剖析其面临的挑战和未来的前景。二．人工智能的发展历程 1. 1956年前的孕育期 (1) 从公元前伟大的哲学家亚里斯多德(Aristotle)到16世纪英国哲学家培根(F. Bacon)，他们提出的形式逻辑的三段论、归纳法以及“知识就是力量”的警句，都对人类思维过程的研究产生了重要影响。（2）17世纪德国数学家莱布尼兹(G..Leibniz)提出了万能符号和推理计算思想，为数理逻辑的产生和发展奠定了基础，播下了现代机器思维设计思想的种子。而19世纪的英国逻辑学家布尔（G. Boole）创立的布尔代数，实现了用符号语言描述人类思维活动的基本推理法则。（3） 20世纪30年代迅速发展的数学逻辑和关于计算的新思想，使人们在计算机出现之前，就建立了计算与智能关系的概念。被誉为人工智能之父的英国天才的数学家图灵（A. Tur-ing）在1936年提出了一种理想计算机的数学模型，即图灵机之后,1946年就由美国数学家莫克利（J. Mauchly）和埃柯特（J. Echert）研制出了世界上第一台数字计算机，它为人工智能的研究奠定了不可缺少的物质基础。1950年图灵又发表了“计算机与智能”的论文，提出了著名的“图灵测试”，形象地指出什么是人工智能以及机器具有智能的标准，对人工智能的发展产生了极其深远的影响。（4） 1934年美国神经生理学家麦克洛奇(W. McCulloch) 和匹兹(W. Pitts )建立了第一个神经网络模型，为以后的人工神经网络研究奠定了基础。 2. 1956年至1969年的诞生发育期 (1)1956年夏季，麻省理工学院（MIT)的麦卡锡（J．McCarthy）、明斯基（M. Minshy）、塞尔夫里奇（O. Selfridge)与索罗门夫(R. Solomonff)、 IBM的洛

无线射频识别技术外文翻译参考文献

无线射频识别技术外文翻译参考文献(文档含中英文对照即英文原文和中文翻译) 翻译：当前无线射频识别技术应用略述摘要无线射频识别技术可以自动识别多目标并以非接触式方式移动目标。越来越多的零售商、银行、交通管理系统、展览及物流供应商将这项新技术应

用于他们的产品和服务。因此，这给RFID技术的研究带来了机遇和挑战。本文简单介绍了RFID系统的组成、原理及RFID技术的特点。本文比较了RFID 与传统条码，然后提供了一个简短的关于目前RFID应用情况的调查报告。关键词：无线射频识别技术应用物流

一、简介无线射频识别（RFID ）是一种识别技术。与RFID 技术的前身——条码技术相比，RFID 技术具有很多的优点。但由于其成本高，RFID 技术至今未能广泛应用到各行各业。RFID 技术因其无需视线扫描而具有无可比拟的先进性，它能够降低劳动力水平，提高知名度并改善库存管理。 RFID 技术的普及提供了一项人或物体定位及追踪的解决方案。RFID 定位与跟踪系统根据独特的识别标签、阅读器与物体标签间射频通信的信号强度确定物体的空间位置，主要适用于室内，而GPS 系统是不适合应用于室内的。 RFID 技术是一项基于“无线电频率”的非接触式的自动识别技术，自动识别静态或动态的人和对象。 RFID 标签是一个特殊的微芯片，植入商品中，可以跟踪和管理物理对象，是物流管理信息化和跟踪信息化的重要手段。 RFID 的系统组成部分包括： (1）标签（应答器）：对象植入待确定。 (2）阅读器：可以读或读/写，按结构和技术。正如图1-1，RFID 的工作原理图1-1 RFID 的工作原理与计算机通讯阅读器电磁波（操作指令和新的数据）标签发出的ID 代码和数据

无线传感器网络的应用研究

1武警部队监控平台架构介绍与设计 1.1监控系统的系统结构基站监控系统的结构组成如上图所示，主要由三个大的部分构成，分别是监控中心、监控站点、监控单元。整个系统从资金、功能以及方便维护性出发，我们采用了干点加节点方式的监控方法。监控中心（SC）：SC的定义是指整个系统的中心枢纽点，控制整个分监控站，主要的功能是起管理作用和数据处理作用。一般只在市级包括（地、州）设置相应的监控中心，位置一般在武警部队的交换中心机房内或者指挥中心大楼内。区域监控中心（SS）：又称分点监控站，主要是分散在各个更低等级的区县，主要功能是监控自己所负责辖区的所有基站。对于固话网络，区域监控中心的管辖范围为一个县/区；移动通信网络由于其组网不同于固话本地网，则相对弱化了这一级。区域监控中心SS的机房内的设备配置与SC的差不多，但是不同的是功能不同以及SS的等级低于SC,SS的功能主要是维护设备和监控。监控单元（SU）：是整个监控系统中等级最低的单元了，它的功能就是监控并且起供电，传输等等作用，主要由SM和其他供电设备由若干监控模块、辅助设备构成。SU侧集成有无线传感网络微设备，比如定位设备或者光感，温感设备等等。监控模块（SM）：SM是监控单元的组成部分之一，主要作用监控信息的采集功能以及传输，提供相应的通信接口，完成相关信息的上传于接收。

2监控系统的分级管理结构及监控中心功能基站监控系统的组网分级如果从管理上来看，主要采用两级结构：CSC集中监控中心和现场监控单元。CSC主要设置在运营商的枢纽大楼，主要功能为数据处理，管理远程监控单元，对告警信息进行分类统计，可实现告警查询和存储的功能。一般管理员可以在CSC实现中心调度的功能，并将告警信息进行分发。而FSU一般针对具体的某一个基站，具体作用于如何采集数据参数并进行传输。CSC集中监控中心的需要对FSU采集的数据参数进行报表统计和分析，自动生产图表并为我们的客户提供直观，方便的可视化操作，为维护工作提供依据，维护管理者可以根据大量的分析数据和报表进行快速反应，以最快的速度发现网络的故障点和优先处理点，将人力资源使用在刀刃上。监控中心CSC系统的功能中，还有维护管理类，具体描述如下： 1）实时报警功能该系统的报警功能是指发现机房里的各种故障后，通过声音，短信，主界面显示的方式及时的上报给操作者。当机房内的动力环境，空调，烟感，人体红外等等发生变量后，这些数据通过基站监控终端上传到BTS再到BSC。最后由数据库进行分类整理后存储到SQLSEVRER2000中。下面介绍主要的几种报警方式： 2)声音报警基站发生告警后，系统采集后，会用声卡对不一样的告警类别发出对应的语音提示。比如：声音的设置有几种，主要是以鸣叫的长短来区分的。为便于引起现场维护人员的重视紧急告警可设置为长鸣，不重要的告警故障设置为短鸣。这样一来可以用声音区分故障的等级，比方某地市的中心交换机房内相关告警声音设置，它的开关电源柜当平均电流达到40AH的时候，提示声音设置为长鸣，并立即发生短信告警工单。如果在夜晚机房无人值守的情况下：

无线传感器网络的应用与影响因素分析

无线传感器网络的应用与影响因素分析摘要：无线传感器网络在信息传输、采集、处理方面的能力非常强。最初，由于军事方面的需要，无线传感网络不断发展，传感器网络技术不断进步，其应用的范围也日益广泛，已从军事防御领域扩展以及普及到社会生活的各个方面。本文全面描述了无线传感器网络的发展过程、研究领域的现状和影响传感器应用的若干因素。关键词：无线传感器网络；传感器节点；限制因素 applications of wireless sensor networks and influencing factors analysis liu peng (college of computer science,yangtze university,jingzhou434023,china) abstract:wireless sensor networks in the transmission of informa- tion,collecting,processing capacity is very strong.initially,due to the needs of the military aspects of wireless sensor networks,the continuous development of sensor network technology continues to progress its increasingly wide range of applications,from military defense field to expand and spread to various aspects of social life.a comprehensive description of the development

基于无线传感器网络的智能交通系统的设计

一、课题研究目的针对目前中国的交叉路口多，车流量大，交通混乱的现象研究一种控制交通信号灯的基于无线传感器的智能交通系统。二、课题背景随着经济的快速发展，生活方式变得更加快捷，城市的道路也逐渐变得纵横交错，快捷方便的交通在人们生活中占有及其重要的位置，而交通安全问题则是重中之重。据世界卫生组织统计，全世界每年死于道路交通事故的人数约有120 万，另有数100 万人受伤。中国拥有全世界1. 9 %的汽车，引发的交通事故占了全球的15 % ，已经成为交通事故最多发的国家。2000 年后全国每年的交通事故死亡人数约在10 万人，受伤人数约50万，其中60 %以上是行人、乘客和骑自行车者。中国每年由于汽车安全方面所受到的损失约为5180 亿(人民币)，死亡率为9 人/ 万·车，因此，有效地解决交通安全问题成为摆在人们面前一个棘手的问题。在中国，城市的道路纵横交错，形成很多交叉口，相交道路的各种车辆和行人都要在交叉口处汇集通过。而目前的交通情况是人车混行现象严重，非机动车的数量较大，路口混乱。由于车辆和过街行人之间、车辆和车辆之间、特别是非机动车和机动车之间的干扰，不仅会阻滞交通，而且还容易发生交通事故。根据调查数据统计，我国发生在交叉口的交通事故约占道路交通事故的1/ 3，在所有交通事故类型中居首位，对交叉口交通安全影响最大的是冲突点问题，其在很大程度上是由于信号灯配时不合理(如黄灯时间太短,驾驶员来不及反应)，以及驾驶员不遵循交通信号灯，抢绿灯末或红灯头所引发交通流运行的不够稳定。随着我国经济的快速发展，私家车也越来越多，交通控制还是延续原有的定时控制，在车辆增加的基础上，这种控制弊端也越来越多的体现出来，造成了十字交叉路口的交通拥堵和秩序混乱，严重的影响了人们的出行。智能交通中的信号灯控制显示出了越来越多的重要性。国外已经率先开展了智能交通方面的研究。美国VII系统(vehicle infrastructure integration)，利用车辆与车辆、车辆与路边装置的信息交流实现某些功能，从而提高交通的安全和效率。其功能主要有提供天气信息、路面状况、交叉口防碰撞、电子收费等。目前发展的重点主要集中在2个应用上: ①以车辆为基础; ②以路边装置为基础。欧洲主要是CVIS 系统(cooperative vehicle infrastructure system)。它有60 多个合作者，由布鲁塞尔的ERTICO 组织统筹，从2006 年2 月开始到2010年6月，工作期为4年。其目标是开发出集硬件和软件于一体的综合交流平台，这个平台能运用到车辆和路边装置提高交通管理效率，其中车辆不仅仅局限于私人小汽车，还包括公共交通和商业运输。日本主要的系统是UTMS 21 ( universal traffic management system for the 21st century , UTMS 21)。是以ITS 为基础的综合系统概念,由NPA (National Police Agency) 等5个相关部门和机构共同开发的，是继20 世纪90 年代初UTMS 系统以来的第2代交通管理系统，DSSS是UTMS21中保障安全的核心项目，用于提高车辆与过街行人的安全。因此，从国外的交通控制的发展趋势可以看出，现代的交通控制向着智能化的方向发展，大多采用计算机技术、自动化控制技术和无线传感器网络系统，使车辆行驶和道路导航实现智能化，从而缓解道路交通拥堵，减少交通事故，改善道路交通环境，节约交通能源，减轻驾驶疲劳等功能，最终实现安全、舒适、快速、经济的交通环境。

论文《人工智能》---文献检索结课作业

人工智能【摘要】：人工智能是一门极富挑战性的科学，但也是一门边沿学科。它属于自然科学和社会科学的交叉。涉及的学科主要有哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等。人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等1。【关键词】：人工智能；应用领域；发展方向；人工检索。 1．人工智能描述人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学2。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复 1.蔡自兴，徐光祐.人工智能及其应用.北京：清华大学出版社，2010 2元慧·议当人工智能的应用领域与发展状态〖Ｊ〗．2008

单片机技术发展与应用中英文对照外文翻译文献

(文档含英文原文和中文翻译) 中英文对照外文翻译单片机技术的发展与应用从无线电世界到单片机世界现代计算机技术的产业革命，将世界经济从资本经济带入到知识经济时代。在电子世界领域，从 20 世纪中的无线电时代也进入到 21 世纪以计算机技术为中心的智能化现代电子系统时代。现代电子系统的基本核心是嵌入式计算机系统(简称嵌入式系统)，而单片机是最典型、最广泛、最普及的嵌入式系统。一、无线电世界造就了几代英才。在 20 世纪五六十年代，最具代表的先进的电子技术就是无线电技术，包括无线电广播，收音，无线通信(电报)，业余无线电台，无

线电定位，导航等遥测、遥控、遥信技术。早期就是这些电子技术带领着许多青少年步入了奇妙的电子世界，无线电技术展示了当时科技生活美妙的前景。电子科学开始形成了一门新兴学科。无线电电子学，无线通信开始了电子世界的历程。无线电技术不仅成为了当时先进科学技术的代表，而且从普及到专业的科学领域，吸引了广大青少年，并使他们从中找到了无穷的乐趣。从床头的矿石收音机到超外差收音机；从无线电发报到业余无线电台；从电话，电铃到无线电操纵模型。无线电技术成为当时青少年科普、科技教育最普及，最广泛的内容。至今，许多老一辈的工程师、专家、教授当年都是无线电爱好者。无线电技术的无穷乐趣，无线电技术的全面训练，从电子学基本原理，电子元器件基础到无线电遥控、遥测、遥信电子系统制作，培养出了几代科技英才。二、从无线电时代到电子技术普及时代。早期的无线电技术推动了电子技术的发展，其中最主要的是真空管电子技术向半导体电子技术的发展。半导体电子技术使有源器件实现了微小型化和低成本，使无线电技术有了更大普及和创新，并大大地开阔了许多非无线电的控制领域。半导体技术发展导致集成电路器件的产生，形成了近代电子技术的飞跃，电子技术从分立器件时代走进了电路集成时代。电子设计工程师不再用分立的电子元器件设计电路单元，而直接选择集成化的电路单元器件构成系统。他们从电路单元设计中解放出来，致力于系统设计，大大地解放了科技生产力，促进了电子系统更大范围的普及。半导体集成电路首先在基本数字逻辑电路上取得突破。大量数字逻辑电路，如门电路，计数器，定时器，移位寄存器以及模拟开关，比较器等，为电子数字控制提供了极佳的条件，使传统的机械控制转向电子控制。功率电子器件以及传感技术的发展使原先以无线电为中心的电子技术开始转向工程领域中的机械系统的数字控制，检测领域中的信息采集，运动机械对象的电气伺服驱动控制。半导体及其集成电路技术将我们带入了一个电子技术普及时代，无线电技术成为电子技术应用领域的一个部分。进20世纪70年代，大规模集成电路出现，促进了常规的电子电路单元的专用电子系统发展。许多专用电子系统单元变成了集成化器件，如收音机，电子钟，计算器等，在这些领域的电子工程师从电路系统的精心设计，调试转变为器件选择，外围器件适配工作。电子技术发展了，电子产品丰富了，电子工程师的难度减少了，但与此同时，无线电技术，电子技术的魅力却削弱了。半导体集成电路的发展使经典电子系统日趋完善，留在大规模集成电路以外的电子技术日益减少，电子技术没有了往昔无线电时代的无穷乐趣和全面的工程训练。三、从经典电子技术时代到现代电子技术时代进入 20 世纪 80 年代，世界经济

无线传感器网络研究报告现状及发展

无线传感器网络的研究现状及发展默认分类 2008-06-12 18:19:20 阅读910 评论0 字号：大中小摘要：无线传感器网络(WSN>综合了传感器技术、微电子机械系统(MEMS>嵌入式计算技术．分布式信息处理技术和无线通信技术，能够协作地实时感知、采集、处理和传输各种环境或监测对象的信息．具有十分广阔的应用前景，成为国内外学术界和工业界新的研究领域研究热点。本文简要介绍了无线传感器网络的网络结构、节点组成，分析了无线传感器网络的特点及其与现有网络的区别。进而介绍现有无线传感器网络中的MAC层技术、路由技术、节点技术和跨层设计等关键技术。最后展望无线传俄器网络的应用和发展并指出关键技术的进步将起到决定性的促进作用。关键词：无线传感器网络节点 MAC层路由协议跨层设计 Abstract: Wireless sensor network (WSN> is integration of sensor techniques, Micro-Electro-Mechanical Systems, embedded computation techniques, distributed computation techniques and wireless communication technique. They can be used for sensing, collecting, processing and transferring information of monitored objects for users. As a new research area and interest hotspot of academia and industries, Wireless Sensor Network(WSN> has a wide application future. This paper briefly introduced the wireless sensor network of networks, nodes, the analysis of the characteristics of wireless sensor networks and the differences wih the existing networks. And the MAC layer technology, routing technology, joint cross-layer design technology and key technology are introduced . At last the prospects of wireless sensor network are discussed in this article. Key Words: Wireless Sensor Network, node, MAC, routing protocol, Cross-layer design 一、概述随着通信技术、嵌入式计算技术和传感器技术的发展进步，包括微电子机械系统

Hadoop云计算外文翻译文献

Hadoop云计算外文翻译文献 (文档含中英文对照即英文原文和中文翻译) 原文: Meet Hadoop In pioneer days they used oxen for heavy pulling, and when one ox couldn’t budge a log, they didn’t try to grow a larger ox. We shouldn’t be trying for bigger computers, but for more systems of computers. —Grace Hopper Data! We live in the data age. It’s not easy to measure the total volume of data stored electronically, but an IDC estimate put the size of the “digital universe” at 0.18 zettabytes in

2006, and is forecasting a tenfold growth by 2011 to 1.8 zettabytes. A zettabyte is 1021 bytes, or equivalently one thousand exabytes, one million petabytes, or one billion terabytes. That’s roughly the same order of magnitude as one disk drive for every person in the world. This flood of data is coming from many sources. Consider the following: ? The New York Stock Exchange generates about one terabyte of new trade data per day. ? Facebook hosts approximately 10 billion photos, taking up one petabyte of storage. ? https://www.doczj.com/doc/034188105.html,, the genealogy site, stores around 2.5 petabytes of data. ? The Internet Archive stores around 2 petabytes of data, and is growing at a rate of 20 terabytes per month. ? The Large Hadron Collider near Geneva, Switzerland, will produce about 15 petabytes of data per year. So there’s a lot of data out there. But you are probably wondering how it affects you. Most of the data is locked up in the largest web properties (like search engines), or scientific or financial institutions, isn’t it? Does the advent of “Big Data,” as it is being called, affect smaller organizations or individuals? I argue that it does. Take photos, for example. My wife’s grandfather was an avid photographer, and took photographs throughout his adult life. His entire corpus of medium format, slide, and 35mm film, when scanned in at high-resolution, occupies around 10 gigabytes. Compare this to the digital photos that my family took last year,which take up about 5 gigabytes of space. My family is producing photographic data at 35 times the rate my wife’s grandfather’s did, and the rate is increasing every year as it becomes easier to take more and more photos. More generally, the digital streams that individuals are producing are growing apace. Microsoft Research’s MyLifeBits project gives a glimpse of archiving of pe rsonal information that may become commonplace in the near future. MyLifeBits was an experiment where an individual’s interactions—phone calls, emails, documents were captured electronically and stored for later access. The data gathered included a photo taken every minute, which resulted in an overall data volume of one gigabyte a month. When storage costs come down enough to make it feasible to store continuous audio and video, the data volume for a future MyLifeBits service will be many times that.

文档之家