动态能量（精选5篇）
动态能量 篇1
0 引言
传感网或移动自组网(Mobile Ad Hoc Network,MANET)[1]是在一定范围内,由一些无线移动设备(也称为节点)组成的集合,它无需任何固定的基础设施支持和管理,就可以互相通信。其因有限的电池能量引起了一系列关于物理层、MAC层和网络层的节能问题。因此,最大化网络生存期受到越来越多的关注。网络生存期定义为直到出现第一个节点能量耗尽的时间。
许多文献尝试降低能耗和最大化自组织和无线传感器网络的生存期。文献[2]提出一种降低无线网络能耗的策略,利用能量控制来降低传输功率,这样能最小化物理层的能量消耗[3]。在移动自组织网络中,通过假设单源节点引起的传输降低了复杂度[4,5,6]。关于最小化广播通信中总能耗的相关问题已得到广泛研究,它为网络的生存期提供了一个自然上界。文献[7 - 8]表明最小化总传输能量是NP难问题。文献[9]提出容错拓扑控制问题的一般近似框架,但该问题并没有解决节点的剩余能量。
同样有文献研究多跳路由选择来最大化网络生存期。文献[10]提出最大化系统生存期的新路由算法,在限制给定的能量时,最大化源节点和目标节点间的信息传输量。文献[11]将该方法进一步拓展,考虑了每条链路的Shannon容量。当节点用完电池或者连接到电源,为解决这种异构化情况,研究一种新的能量感知路由算法,该方法解决了多跳网络中的单播通信问题,然而本文解决的是单跳情况下的广播通信问题。当部分节点位置为变量时,寻找中继节点(能量最优)的位置,给出网络中传感器位置,该问题在文献[12 -13]中作为示例进行研究。
本文将节点分割为若干小组,称之为聚类。成员节点发送数据到最近的簇头(主节点),这些节点将数据聚合,并将消息发送到下一目标节点。如文献[14 -15]中的低能量自适应聚簇分层(Low Energy Adaptive Clustering Hierarchy,LEACH) 是无线传感网中第一个基于聚类的路由协议,它利用一种随机模型进行簇头选择,该协议采用分布式随机算法形成聚类,但并没有考虑残余能量。文中主节点(簇头) 将数据广播给所有节点,且所提算法考虑了剩余能量。本文用一种形式化分析补充了算法上的仿真结果,且所提分析方法可用于分析不同的聚类算法。
1 问题描述
本文中,对于集合V (表示潜在主节点),功率分配是一种函数p:V → R。对收发器的每个有序组(u,v) 分配一个传输功率阈值c(u,v),其有以下含义:仅当传输能量至少为c(u,v),v可以接收到由u发射的信号。本文假设c(u,v) 确定且对称。当以最大功率传播时,仅当节点可以到达其他所有节点时才选择它。对于节点m ∈ V,定义pm表示功率分配p:V → R,表示为:
式中,pm(v) 为当m为主节点时分配到v的功率。
一个包的传输功耗由发送和接收的一个距离独立部分和发送的一个距离相关部分组成。假设电池模型为线性,本文聚焦于和功耗相关的距离支配通信的有效性。每条边具有电池能量bv,通过具有传输功率为pm(v) 的节点v ,每条消息传输降低的功率为 λpm(v) 。
假设所有节点v ∈ V以恒定速率av传输,其中av表示单位时间的消息数量,称一系列传输为每个v ∈ V节点每轮传播av次。基于这些假设经过一轮可以获得电池下降(主节点m ):
文献[16]分析主节点m在网络整个生存周期中保持不变的情况。本文研究该问题的动态场景:给定一个图G = (V,E,c,b,a) ,其中c:E → R表示初始电池电压bv,v ∈ V和相对频率a1,…,an。本文寻找每个节点v作为主节点的轮数xv。其中,xv≥ 0 须以这种方式选择:当每个节点的剩余电池容量在网络生存期内为正数,∑v∈Vxv最大,其中,x表示向量(x1,…,xn) 。根据以最大功率传播时每个节点都能到达所有其他节点,本文假设E对应一张完全图。
当所有m ∈ {1,…,n} 满足以下条件时称x = { x1,…,xn} ∈ N+n是合理的:
其中项λ∑v≠mamxvpv(m)和分别表示节点m在节点v ≠ m和m时,主节点周期性的电池容量下降。
依比例缩放,假设 λ = 1 。当x = (x1,…,xn)时,式(2)可改述为: Ax ≤ b ,其中b:V → R+,A是一个n × n矩阵,(v,m) 对应项定义为:
丢弃轮数的完整性约束,生存期的最大值( 对于一个动态选择的单中继节点)对应着一个简单线性程序的解,称之为最优主节点选择(Optimal Master Selection,OPT) 算法。最优主节点选择中,本文选择x ≥0 ,当Ax ≤ b时,是最大的,矩阵A如式(3)所示。
下一节将比较最优主节点选择算法和直接传输算法(Direct Transmission,DIR)。在直接传输算法中,没有主节点:从源到目的节点,所有节点都能通过单跳传输到达其他所有节点。
2 均匀分布情况分析
本文所有节点以相同的传输功率p进行传输。式(3) 中定义的矩阵A表示为A = (n - 1)p In+p En,其中In表示单位矩阵,En表示全1 矩阵。
定理1 给定G = (V,E,c,b,a) ,其中E是完全图,对于所有v ∈ V满足av= 1,n ≥ 2。然后直接传输算法的网络生存期表示为:
对于最优主节点选择算法可得网络生存期为:
式(5)解释如下:当电池容量在网络中均匀分布,最优生存期由经过一轮网络的总电池容量降为(2n - 1)p的事实决定。一轮后,所有n - 1 个受控节点已经传输,降低了总能耗的(n - 1)p ,所有这些传输已经经过主节点转播,该主节点已经执行了n - 1 次转播行为,并将功率降低了(n - 1)p 。此外,主节点将单广播初始化为源节点,这样每一轮网络的总功率降低p(2n - 1)。所以轮数不能超过∑v∈Vbv/ p(2n - 1),当有一个或多个电池容量小的节点时,不可能达到上界,因为当其他节点是主节点时,它们不能作为从节点。
本文首先考虑均匀模型,它分配一个传输功率阈值c(u,v) 到组(u,v) 的每一个节点,其中c( u,v) 在[0,1]上均匀分布,c( v,u) = c( u,v) 。同样将Bv作为随机电池容量,假设,其中α≥0,U表示均匀分布。对于传输频率,假设对于所有v∈V满足av=1,其中单边决定了两个顶点的传输功率阈值,本文分析一个“独立模型”,对于每个节点v,传输功率阈值为U1,…,Un-1,它们的n-1个相邻节点随机产生。
定理2在独立假设下,所有的全一电池容量为B=1,网络的预期生存期采用直接传输算法为:
注意到当n→∞时,E[L]无限趋近于1。对于很多节点最大权重趋近于1(自下),就回到恒功率情况下(如式(4)所示)。下一个定理解决了电池水平从区间[α,1]中均匀选择的情况,其中0≤α<1。
定理3当0≤α<1,基于独立假设,其中,网络采用直接传输算法的预期生存期L为:
其中,
注意当 α = 0 时,式(7)减少为:
它无限趋近于0,对应网络中的情况是,节点刚开始电池几乎是空的,且决定了网络的生存期。
定理4 定义0 ≤ α < 1 ,基于独立性假设,B [α,1],网络生存期L的上界L' 采用最优主节点选择算法可描述为:
其中Z,W,B是随机变量,Z = max{U1,…,Un-1}(n≥3),,此外,
其中,表示平均收敛。
上界E|L'|,L'=B/(n Z+W)由网络中总功率决定网络生存期这一事实决定。L'的准确值可通过调整B=b和W=w来计算,然后计算w≥b/x、w ≤ b / x - n和其它条件下的P( L ≤ x | B = b,W =w) ,依次消除W和B 。从定理4 可看出E[L']≈n( α + 1) /3( n - 1) 。
3 几何情况分析
本文对动态中继节点选择方案中,研究了几何设置对于网络生存期问题的影响。假设图G = (V,E,c,b,a) ,其中对于所有v ∈ V有av= 1,E是一个嵌入了R2的完全图,满足c(u,v) = ‖u - v‖2。除最优主节点选择算法和直接传输算法之外,本文也考虑了中央主节点选择( Central Master Selection,CEN) 和最大化电池主节点选择( Battery Master Selection,BAT),它们都提供了可行解x = ( x1,…,xn) ∈ R+n,且计算上更简单。
最大化电池主节点选择最简单。该方法以如下方式选择主节点m : 拥有最大的电池容量bm=maxv∈V{bv},接下来 Δt轮都选择m作为主节点。然后重新评估该主节点选择,选择一个新的主节点bm'= maxv∈V{bv'},其中带标号的项表示重新评估时的电池容量,每 Δt轮周期性执行该过程。仿真实验中,本文选择 Δt = 0. 1 (当处理非整数轮数时,与1 轮相比,通过按比例降低每个节点的电池容量) 。
中央主节点选择遵循相同模式,参考式(2)。根据该公式,对于每个节点m ∈ V ,在整个网络生存期内选择m ∈ V为一个固定主节点时,可得到网络生存期Lm。
当主节点固定,最优主节点选择最大化Lm的m*,网络生存期变为:
和最大化电池主节点选择相似,本文在中央主节点选择中,在每 Δt轮周期性依据式(13),重复执行该过程来选择主节点m* ,其中 Δt = 0. 1,n在4到20 之间。
为避免角效应,节点在单位直径的二维磁盘上均匀分布。分配到每个节点的传输功率是1,足够覆盖整个圆,但根据p(u,v) = c(u,v) =‖u - v‖2,实际分配到每个节点的传输功率仅够到达期待的相邻节点(如主节点)。对于每种算法,平均网络生存期经过100 次仿真实验得到,计算置信区间作为标准偏差。
为研究用动态主节点选择代替静态主节点选择方案所取得的改进,本文比较了该算法的生存期和最优静态算法的生存期的比值,如图1 - 2 所示,显示了两种情况:全1 电池容量: bv= 1 ,v ∈ V和,v ∈ V,在所有v ∈ V情况中,av= 1。根据仿真实验可推出:①动态主节点选择相对于静态主节点明显延长了生存期;②生存期依次降低的顺序是:最优主节点选择算法、中央主节点选择、最大化电池主节点选择和直接传输算法。最优主节点选择算法和中央主节点选择很相近,预期当 Δt无限小时,两方法相同;③最优主节点选择算法的性能与直接传输算法对比强烈依赖于初始电池容量。对于均匀的[0,1]电池容量,最优主节点选择算法大约是直接传输算法的3 倍。对于全1 电池容量,其中网络的总能量平均是两倍,该因子至少相当于6。这和第2 节结果不同,仅当电池容量均匀[0,1]分布时,最优主节点选择算法优于直接传输算法,这是由于所有节点在一个单位直径的磁盘上。随着n的增长,长时间作为主节点的节点离圆心更近。这样,主节点相对于任意节点需要更低的传输功率。
4 实验结果与分析
本文在数值上评估了实际的网络生存期,通过使用最优主节点选择算法和直接传输算法,及在α ∈ {0,1 /2,1} 中的独立模型中,通过定理3 和4的近似值获得。
图3 中,通过比较均匀模型的仿真结果和理论结果,本文在数值上评估了该近似值的质量,同样评估了独立模型的精度。这些图表示直接传输算法的独立模型为网络生存期提供了一个非常好的近似值。如定理4,最优主节点选择算法收敛到(α + 1) /2。图3(a)显示当b ∈[α,1],α = 0 时,最优主节点选择算法的线性近似产生了一个过高的估值。这符合定理1。当 α = 0 时最优主节点选择算法相比于直接传输算法产生了一个更好的生存周期,在最优主节点选择算法下,剩余电池容量小的节点可以传输到一个“附近”的主节点,取代了必须传输到其他所有节点。图3(b)显示当 α =1 / 2 时,仿真模型和最优主节点选择算法的独立近似值相协调。n值的区别可由计算的独立假设解释,现实中依赖关系作为一个单边决定了两个节点的权重。对于 α ,最优主节点选择算法相对于直接传输算法仍会产生一个好的生存期。图3(c)直接传输算法的生存期明显趋近于1,表明对于相等的电池容量,直接路由相对于动态主节点选择方法产生更长的生存期。
5 结束语
从本质上,本文发现均匀分布功率级情况和几何情况表现不同,两种情况在以下效果上一致:当初始电池水平不均匀分布时,最优主节点选择算法的网络生存期相对于直接传输算法是增加的,但是在均匀分布情况下,拥有相同的电池容量时,直接传输算法优于最优主节点选择算法;然而在几何设置时最优主节点选择算法仍优于直接传输算法。未来研究中,这些观点可应用到聚类算法的分析中。
动态能量 篇2
关键词：水平厚油层,底水油藏,数值模拟模型,射孔层位,采收率
底水能量充足的厚层油藏, 由于底水能量强, 投入开发后由于水锥作用较强, 因此在实际油藏开发中因为生产压差选择不当、射孔层位选择不当或者井型选择不当, 造成底水油藏水锥速度快, 油井水淹快, 油藏开发效果差, 大量的剩余资源量被遗留在地下, 造成油藏过早关闭, 目前尽管实际中投入开发的此类型油藏较多, 但对此类油藏开发的指导多是定性方面的, 因此本文通过设计一个理想的底水油藏数值模拟模型, 进行不同生产情况下的开发动态模拟, 力图从定量方面对底水油藏方面的开发规律进行探索, 希望能对此类油藏开发起到借鉴作用。
1 模型设计
油藏面积0.61km2, 油藏储量1525.6千方, 油藏顶深1700m, 油水界面1715m, 油层厚度1 5 m, 净毛比1.0, 原始压力17100KPA/1707m, 饱和压力6Mpa, 油气比为33, 油层渗透率1500md, 水层渗透率为1800md, 油层孔隙度为26%, 底水水体孔隙度为30%, 整个油藏为100*100矩形网格覆盖, 模拟模型纵向上自上而下共分为4个模拟层, 分别为layer1、layer2、layer3、layer4, 其中油层按5m均分为3个模拟层, 底水水体作为一个模拟层。采用直井和水平井两种布井方式, 分别见图1和图2。
2 方案设计
2.1 生产条件限制
以下五种方案中, 油井生产流压 (bhp) 均不低于6.5Mpa/1715m
2.2 方案设计
(1) 方案一:部署9口直井, 三个模拟层全部打开, 单井产液量分别定90方、60方、30方生产。射孔层位含水达到85%时封堵, 井含水达到98%时封井, 油藏纵向传导率调整系数为0.1。
(2) 方案二:部署9口直井, 单井定60方液量生产, 射孔层位分别为1模拟层 (1layer) 、1模拟层+2模拟层 (2layers) 、1模拟层+2模拟层+3模拟层 (3layers) , 射孔层位含水达到85%时封层, 单井含水达到98%时封井, 油藏纵向传导率调整系数为0.1。
(3) 方案三:3口水平井开发与9口直井开发对比, 水平井单井日产液180方, 直井单井日产液60方, 均射开第一模拟层, 单井含水达到98%时封井, 油藏纵向传导率调整系数为0.1。
(4) 方案四:3口水平井开发和9口直井开发对比, 均射开第1模拟层, 水平井单井日产液270方, 直井单井日产液90方, 单井含水达98%时, 自动关井, 单井含水降到98%以下时自动恢复生产, 直井经济极限产量为1方, 水平井经济极限产量为3方, 单井产量低于经济极限产量时自动关井, 单井产量高于经济极限产量时自动恢复生产, 自动监测周期为90天。
(5) 方案五:油藏纵向传导率调整系数分别为0.1、0.3、0.5、0.7、1.0 (系数的高低反映纵向上渗流能力的强弱) , 9口直井开发与3口水平井开发对比, 直井单井日产液60方, 水平井单井日产液180方, 均射开第一模拟层, 单井含水达到98%时自动封井, 生产结束。
3 方案模拟结果及对比
(1) 方案一:部署9口直井, 三个模拟层全部打开, 单井产液量分别定90方、60方、30方生产。射孔层位含水达到85%时封堵, 井含水达到98%时封井, 油藏纵向传导率调整系数为0.1。
由模拟结果可以看出, 单井定产90方/天日产液情况下, 初期日产油量最高, 但是由于含水上升快, (见图3、图4) , 油井最先达到限制条件停产 (见图5、图6) , 最终累计产油量和采出程度最低, 分别为436.4563千方和28.6% (见表2) 。单井定产30方/天日产液情况下, 虽然初期日产油量最低, 但是由于含水上升最慢, 日产油量下降速度慢, 累计油量和采出率远远高于单井定产90方/天液量情况下的对应指标, 分别为579.9111千方和38.0%, 采收率提高9.4个百分点, 单井定产60方/天日产液情况下, 初期产油量和含水上升、累计产油量和采收率均居于二者之间, 由此可以看出, 在满足一定采油速度的情况下, 尽可能低液量生产, 以求获得最大的最终采收率。
(2) 方案二:部署9口直井, 单井定60方液量生产, 射孔层位分别为1模拟层 (1layer) 、1模拟层+2模拟层 (2layers) 、1模拟层+2模拟层+3模拟层 (3layers) , 射孔层位含水达到85%时封层, 单井含水达到98%时封井, 油藏纵向传导率调整系数为0.1。
由模拟结果可以看出, 仅射开第1模拟层生产时, 初期日产油量最高, 为501.5方, 三个模拟层全射开生产时, 日产油量最低, 为274.6方, 与此相反的是, 三个模拟层全射开时的初期含水最高, 为49.2%, 仅射开第1模拟层的含水最低, 为7.1% (见图7、图8) , 至油藏开采至含水98%关闭时, 三种射孔情况, 累计产油量和最终采收率基本相当, 均为493千方和32.3% (见图9、图10、) 。由此可见, 在单井日产液一定的情况下, 底水油藏, 自上而下射开的厚度越大, 初期日产油量越低, 含水越高, 但含水上升速度慢, 日产油量递减较小, 射开厚度对最终开发效果整体影响不大。
(3) 方案三:3口水平井开发与9口直井开发对比, 水平井单井日产液180方, 直井单井日产液60方, 均射开第一模拟层, 单井含水达到98%时封井, 油藏纵向传导率调整系数为0.1。
由模拟结果, 可以看出, 区块5月份投产, 到6月份时, 水平井方案区块产量为529.4方, 直井产量为501.5方, 二者相差不大, 自7月份开始, 由于直井含水上升较快, 直井产量较水平井产量明显下降快, 到8月份时直井产量为347.5方, 比水平井低104方, 达到最高值, 随后由于水平井含水上升速度高于直井含水上升速度, 直井产量与水平井产量逐渐趋于接近并最终超过水平井产量 (见图11、图12) , 至单井含水98%封井时, 水平井累计产油量为418.0308千方, 采出程度为27.4%, 较直井方案低4.5个百分点 (见图13、图14) , 这是因为水平井后期含水上升快, 单井最先达到极限含水98%封井 (见图12) , 从而缩短了油藏的生产时间。
(4) 方案四:3口水平井开发和9口直井开发对比, 均射开第1模拟层, 水平井单井日产液定270方, 直井单井日产液定90方, 单井含水达98%时, 自动关井, 单井含水降到98%以下时自动恢复生产, 直井经济极限产量定为1方, 水平井经济极限产量定为3方, 单井产量低于经济极限产量时自动关井, 单井产量高于经济极限产量时自动恢复生产, 自动监测周期为90天。
由图15可以看出, 2008年以后, 油井开始出现超过含水极限或经济极限而频繁关井和恢复生产的情况, 从而油藏日产油曲线呈锯齿状现象, 而对应含水曲线则直到2036年左右出现锯齿状现象 (见图16) , 这是因为从2008年到2036年这段时间内, 虽然单井频繁由于触及极限含水和经济极限产量而出现关井, 但油藏并没有出现整体关井的情况, 而到2036年之后, 由于油藏含水的上升, 油藏开始出现整体关井的情况, 从而出现含水曲线呈锯齿状现象。同样由图15和图16可以看出, 水平井开发时油藏整体停产的时间要比直井开发时出现的早, 这是因为水平井开发由于井数少的原因, 由于油藏始终处于含水和产量的动态自动监测之中, 所以, 油藏开采时间较长, 采收率也较高, 无论是直井和水平井, 采收率均在40%以上, 而且两者差别不大, 见图17和图18。
(5) 方案五:油藏纵向传导率调整系数分别为0.1、0.3、0.5、0.7、1.0 (系数的高低反映纵向上传导渗流能力的强弱) , 9口直井开发与3口水平井开发对比, 直井单井日产液60方, 水平井单井日产液180方, 均射开第一模拟层;单井含水达到98%时自动封井, 生产结束。
从直井和水平井初期生产数据来看, 无论是水平井还是直井, 随着纵向上渗流能力的增大, 底水锥进速度增大, 油藏含水速度加快, 初期日产能力也逐渐减小。
从直井和水平井末期生产数据来看, 在TZ小于0.7时, 底水锥进对水平井的影响要大于直井, 水平井开发最终采收率要低于直井, 当TZ大于0.7时, 底水锥进对直井影响大于水平井, 水平井开发方式下采出程度要高于直井。由此可见对于底水油藏开发, 选直井开发模式还是水平井开发模式, 还应考虑油藏纵向上渗流能力的大小。
4 结论
根据几种不同方案的对比分析, 可以得到底水油藏开发规律的几点认识:
(1) 在满足一定采油速度的情况下, 尽可能低液量生产, 以获得最大的最终采收率。
(2) 自上而下完井时, 尽量射开油层的上部, 可以获得初期较高的采油速度。
(3) 在采液强度相同的情况下, 纵向渗流能力越强, 越适合用水平井开发。
(4) 对于底水能量充足的油藏, 由于底水锥进, 油藏开发不可能一次完成, 油藏关闭后, 应加强油藏的剩余油分布变化监测, 及时做好油藏的恢复生产工作, 以获得最大的采收率。
参考文献
[1]刘慧卿.油藏数值模拟方法专题[M].东营:石油大学出版社, 2001
动态能量 篇3
信号压缩是通过消除相邻数据或相邻周期信号的相关性来实现[1]。在信号压缩中,希望在不超过允许的最大信号失真情况下用最小的信号量代替原始信号。由于小波变换低熵性、多分辨性、去相关性和基小波选取灵活性的优点[2],使小波变换在图像处理[3]、数据压缩[4]、故障诊断[5]、特征提取等方面具有广泛的应用。
小波函数是将小波母函数Ψ(t)经平移和尺度伸缩后得到的小波函数簇
式(1)中,a为尺度伸缩因子,b为时间平移因子;尺度伸缩因子决定了小波函数的中心频率,中心频率与尺度伸缩因子a的关系[6]为
式(2)中ω0为Ψ(t)中心频率,ω*为Ψa,b(t)的中心频率。
在实际应用中一般使用离散小波变换,连续小波变换改为离散小波变换没有任何能量损失。Mallat[7]算法是正交小波的快速算法。依据Mallat算法,可以对任意离散信号S进行以2的整数次方为尺度因子的多尺度分解,每一尺度分解是将上一尺度分解的低频近似信号再次分解为该低频近似信号的高频细节信号和低频近似信号。由式(2)可知,在多尺度小波分解中,两相邻尺度之间的小波函数中心频率为2倍关系。当信号的频率包含有两个相差一倍以上的频率分量时,信号能量会分布在多个尺度分解系数中。而不会将大部分信号能量集中在低频近似信号中。
小波压缩的处理过程分四步:预处理,小波分解,阈值量化处理,熵编码。小波数据压缩主要是通过小波系数阈值化实现的,阈值化处理的关键是阈值的选取。阈值过小,剩余的小波系数就多,压缩率低,并且可能保留的噪声也多,阈值过大,虽然压缩率提高了,但是可能将重要的信号特征滤掉,引起严重的信号重构误差。
目前主要的压缩阈值算法有Birge-Massart[8]策略阈值和全局阈值。Birge-Massart策略的阈值确定公式为
式中M和α为经验系数,j和J分别为当前分解层数和总的分解层数。一般情况下M为第一层小波系数的长度,压缩时α一般取1.5,降噪时α取3。在计算出nj的值后,c(nj)即为阈值,c是按绝对值从大到小排列的小波分解系数。
全局阈值的计算公式为
式中n为小波系数的长度,median(abs(b))表示小波系数绝对值的中间值。
1 能量阈值算法
定义 能量集中度(Energy Centrality,EC)用CE表示。
设S={s1,s2,…,sN}为递减数列,si2为si的能量,则
表示数列的能量集中度,其中s1为S的最大值,N-i为si点能量的权重,越靠近起始端权重越大。
能量集中度表征的是数列能量在最大值处的能量集中程度,能量集中度越大,表示数列值在最大值附近占总能量的比值越大,反之亦然。
设一维信号S的离散采样为si=ui+σ2εi,其中ui为每次采样点的真实值,εi为均值为0方差为1的高斯分布噪声,σ2为采样值包含的实际噪声方差。那么S在小波基Ψa,b(t)的各个尺度系数为:
每一尺度的小波系数可表示为
da,b,i=βa,b,i+σ
式(7)中da,b,i为信号S分解到小波尺度空间内的小波系数,a表示分解尺度,σ
为了实现好的压缩性能,需要去掉噪声,并且在允许的情况下,去掉部分能量比较小的有效信号,即压缩后的小波系数为
令g(t)=sum(c(k)2,k≤t) (9)
其中c(k)是按绝对值从大到小排列的小波分解系数,函数表示前t项的小波系数的能量和。可知g(t)为单调递增函数,g(t)的导数g′(t)为单调递减函数,因此在g(t)上只要确定了g′(t)的值,那么阈值就可通过c(t)确定。
假定某一尺度分解上所占的能量一定,要保留同样多的能量。能量集中度越大,系数能量越集中,则阈值点的导数越大;能量集中度越小,系数能量越分散,则阈值点的导数越小。因此阈值点的导数与能量密集度是正相关的。
假定某一尺度的系数的能量集中度是一定的,该尺度上的系数能量占总能量的比例越大,则需要保留的能量越多,阈值点导数就越小,相反,系数能量占总能量的比例越小,需要保留的能量越少,阈值点导数就越大。因此,阈值点的导数与该尺度能量占总能量的百分比是负相关的。
因此阈值点的导数可以写为系数能量集中度、小波系数总能量占信号所有小波系数能量百分比的方程。即
式(10)中CE为系数能量集中度,p为小波系数占整个信号小波系数能量的百分比,α为调节系数。
此时阈值点最优值可由下式确定。
当式(11)在t0取最小值时,则阈值为c(t0)。
2 仿真验证
为测试能量阈值算法的压缩性能,选取20组不同的数据,数据长度均为1 000,分别采用sym8、db4、bior4.4、coif4、rbio4.4、db9小波进行3至8层分解,比较算法在不同的小波、不同的分解层数时保留能量和零系数百分比稳定性。最后将能量阈值算法与Birge-Massart策略阈值和全局阈值方法进行比较。
图1(a)和图1(b)分别为20组数据用不同的小波,进行4层小波分解后经过能量阈值法阈值化后的保留能量百分比和零系数百分比数据比较。分析图1中的数据可知,采用不同的小波对压缩性能影响不大,保留的能量均在70%以上,最大达到100%。保留能量百分比差别最大的是7.1%,存在于sym8和bior4.4小波之间。零系数百分比差别最大的是10.13%,存在于sym8和rbio4.4小波之间。
图2(a)和图2(b)分别为20组数据采用db4小波分解3—8层后的保留能量百分比和零系数百分比数据比较。分析图2中数据可知,随着分解层数的增多,保留的能量越来越少,但是零系数百分比越来越多,即压缩率与分解层数成正相关关系。
表1为能量阈值算法与Birge-Massart策略阈值算法和全局阈值算法的比较。分析表1中的数据可知,能量阈值算法的平均保留能量百分比为95.045 0%,平均零系数百分比为87.649 1%;Birge-Massart策略阈值的平均保留能量百分比为84.084 2%(α=1.5)、84.149 4%(α=1.2),平均零系数百分比为93.886 2%(α=1.5)、92.974 3%(α=1.2);全局阈值的平均保留能量百分比为98.806 1%,平均零系数百分比为46.330 1%。能量阈值算法相对于Birge-Massart策略阈值,在保留能量方面具有优势,特别是在数据3和数据4上,保留能量分别提高了75%和50%以上,但是零系数而分数同时降低了100%和0%。能量阈值算法相对于全局阈值,能量阈值算法提高了零系数百分比,特别是在数据5上,从0%提高到95%以上,同时能量损失很少。
Birge-Massart策略阈值以零系数百分比(压缩率)为核心,而全局阈值以保留能量为核心,能量阈值算法介于两者之间,兼顾保留能量和零系数百分比,因此,在综合压缩效率上比Birge-Massart策略阈值和全局阈值有较大的提高。
3 总结
依据小波系数的能量分布,提出了基于能量的动态自适应阈值算法。该算法先计算小波系数的能量集中度和该层小波系数能量占总能量的百分比,利用这两个参数计算阈值取值点并取得阈值。通过试验仿真,本文算法在不同的小波以及不同的分解层数上压缩性能稳定。与Birge-Massart策略阈值和全局阈值算法进行了比较,证明该算法在压缩效率、保留能量的综合评价比Birge-Massart策略阈值和全局阈值算法有较大的提升,具有很大的实用价值。
摘要：提出了一种基于小波系数能量的动态自适应阈值算法,用离散小波变换对信号进行多尺度分解,依据小波系数在各层的能量分布以及每层小波系数的能量集中度,获取每层小波系数的压缩阈值。通过这种方法,可保留大部分小波系数能量,并兼顾压缩率性能。经仿真验证,本文阈值算法在多种小波和不同的分解尺度上的压缩性能稳定,与Birge-Massart策略阈值和全局阈值比较,在压缩率和保留能量综合性能评价上优于Birge-Massart策略阈值和全局阈值算法。
关键词：小波变换,阈值,能量集中度,Birge-Massart策略,数据压缩
参考文献
[1] Abo-Zahhad M,Rajoub B A.An effective coding technique for thecompression of one-dimensional signals using wavelet trans-forms.Medical Engineering&Physics,2002;24:185—199
[2]李杰,周明强.基于小波变换的JPEG2000压缩实现.计算机科学,2006;33(12):157—160
[3]程塨,郭雷,赵天云,等.一种基于小波变换的多聚焦图像融合方法.计算机工程与应用,2012;48(1):194—196
[4]张翠芳,朱莉娟.基于小波包最优基的语音信号压缩方法.数据采集与处理,2010;25(6):746—750
[5]张景超,张金敏,张淑清,等.基于小波及非线性预测的轴承故障诊断方法.仪器仪表学报,2012;33(1):127—131
[6]王大凯,彭进业.小波分析及其在信号处理中的应用.北京:电子工业出版社,2006
[7] Mallat S G.A theory for multiresolution signal decomposition:thewavelet representation.IEEE Trans Pattern Analysis Machine Intelli-gence,1989;11(7):674—693
动态能量 篇4
本文提出了一种基于能量和密度的动态非均匀分区成簇路由算法。首先根据节点到基站的距离进行动态的非均匀区域划分,使得靠近基站的区域具有较小的规模,减少需要承担数据转发任务的区内通信开销,为簇间的数据转发节省更多的能量;综合考虑节点自身的剩余能量、邻居节点数等因素构成节点的竞争值,选取竞争值大的节点作为簇首;在数据传输阶段,簇首间的数据传输采取数据聚合优先的多跳传输,减少过远传输带来的巨大能量消耗;该算法的动态区域划分能均衡网络的能耗,有效的解决能量空洞问题,簇首的选举采用由节点剩余能量、邻居节点数目、距离等因素构成的竞争值比较方法,分簇比较合理,在数据传输阶段采用的簇首间基于数据聚合的多跳传输机制则节省了网络的能耗和带宽,实验结果表明,该算法可有效均衡整个网络的能耗、延长网络的生命周期。
1 算法模型
1.1 网络模型
本文中对无线传感器网络作如下假设:(1)节点随机分布,Sink节点及普通节点位置均固定;(2)Sink节点能量供应持续,具有较强的计算和存储能力,并可向全网发送数据;(3)普通节点能量有限,同质同构,具有相同的初始能量E0;(4)每个节点都有一个唯一的ID标识,能够检查自己的剩余能量Er;(5)节点间的通信链路是对称的,节点可自由调整发射功率,可根据接收信号的强度计算发送者到自身的近似距离;(6)节点之间有冗余性,采用数据聚合模型计算数据聚合度。
1.2 数据聚合模型
传感器网络节点部署密集,信息冗余性大,大量的数据传输会过多消耗网络能量,所以采用数据聚合非常有必要。文献[6]提出一种数据聚合模型,节点i与j之间的距离为dij,簇内节点j采集的数据为Dj,节点j将数据发送至所在簇Ch的簇首,那么在簇首h与本簇所有节点进行数据聚合之后节点j采集的数据Dj变为
数据聚合之后簇首h收集到的数据为
1.3 能量模型
传感器节点的能耗集中在感知数据、处理数据、发送数据和接收数据方面,所有节点感知并产生1 bit数据能耗一般均等,记为Es,节点处理1 bit数据耗能为ED,本文采用与文献[7]相似的一阶无线电模型来模拟传感器节点的数据收发。由一个节点发送至另一个节点的能耗包括在电路上的消耗和传输路径上的消耗
其中,Eelec是节点的发送和接收所消耗的能量;εfs,εmp分别为自由空间传输和多径衰落传输时的通信能耗系数;d0为一临界距离,运用连续性原理求得。当距离d<d0时,采用自由空间模型,反之则采用多径衰落模型。
2 算法路由协议
协议的执行过程是周期性的,将一个执行周期定义为一轮,在每一轮中,分为3个阶段:动态非均匀分区阶段、簇的形成阶段和数据传输阶段。协议执行过程如下:首先根据节点到基站的距离将传感器节点以基站为圆心划分为大小不等的非均匀圆环区域,不同轮数之间的相邻圆环间隔之差受上一轮剩余能量系数的影响而动态变化,通过引入剩余能量系数在每轮算法周期之前对网络进行合理的动态非均匀分区,使得距离基站较近的区域面积较小;然后在区域内成簇,由Sink节点根据节点的密度和能量选取簇首,选择剩余能量高、邻居节点多、该节点做为簇首本簇整体能耗低的节点为簇首;最后进入稳定的数据传输阶段,簇首间采取基于数据聚合的分组转发机制进行多跳传输,使得距离基站较远的簇首减少能量消耗。
2.1 动态非均匀区域的划分
本协议将整个区域以基站为圆心划分为多个不同间隔的同心圆环区域,由内到外依次记为1环,2环,…,n环,随着环数i的增加,圆环间隔Ri依次递增,在每一轮中Ri-Ri-1的值是固定的,将第r轮中相邻同心圆间隔的差值Ri-Ri-1记为d(r),如图3所示为同心圆网络拓扑。
不同轮数r之间的圆环间隔之差d(r)受上一轮剩余能量系数的影响动态变化,剩余能量系数代表着本轮中区域平均剩余能量和区域原始平均能量的关系,第r轮中剩余能量系数记为λ(r),由剩余能量系数的定义得到λ(r)的计算公式为
其中,E0为网络的初始化平均能量;N(r-1)为r-1轮中网络存活节点的个数;Ejr-1为节点j在r-1轮中的剩余能量。当网络剩余能量降低时,簇首因能量耗尽而失效的概率也越大,为避免这种现象,算法希望随着剩余能量的降低,区域大小以及簇的大小也随之减小,从而降低簇首的负担和开销,延长网络寿命。所以随着剩余能量系数λ(r)的降低,d(r)也随之减小,d(r)的计算公式如下
其中,dini为第一轮中的圆环间隔初始化差值;dini以及第1环的半径R1由基站确定。在算法初始化时,由基站感知网络所有节点,并向全网广播初始化分区信息,网络中节点根据接收信号的强度RSSI计算出节点到基站的距离l,节点根据距离l判定自身所在的区域。同时,网络中节点以广播的方式将自己的ID信息发送出去,节点通过收到的广播得到周围节点信息,从而得知网络中节点的密度。
2.2 簇的划分
簇首的数目对传感器网络的整体能耗和性能有很大影响,文献[8]的研究结果表明,将簇首的个数控制在整个网络节点的50%时,可使得整个网络的能量消耗最低,所以在区内成簇时,每个区域选择区内存活节点数的5%作为簇首的数目。
2.3 簇首的竞争
节点的密度越大则在此区域成簇的可能性越大,节点的剩余能量越高则数据的采集转发有效性越大,节点作为簇首时整个簇的能耗越低则网络的能耗越小,所以在簇首的竞争过程中,需要综合考虑候选簇首节点的密度、剩余能量以及节点作为簇首时整个簇的能耗等因素,节点的密度越大、剩余能量越高、作为簇首时整个簇的能耗越低,节点成功竞选簇首的可能性越大。
估算节点i假设自身作为簇首时簇的整体能耗为
则簇的平均能量为
其中,Eri为第r轮中节点i的剩余能量;Nc是簇内节点的数目。
簇的平均能耗为
节点i成为簇首的竞争值为
其中,c1,c2和c3为比例系数;Nneigh(i)为节点i的邻居节点个数;Nalive为当前网络的存活节点个数。节点根据收到的候选簇首的信息计算出竞争值,选举竞争值大的作为簇首,在选择出簇首节点以后,簇首向自己所在的区域内进行广播,普通节点根据收到的簇首广播信息选择合适的簇首加入,并向所在簇的簇首发送加入信息,簇首接收普通节点发送的信息,最终在各个区域内形成簇。
2.4 数据传输
本协议采用簇内单跳通信、簇首间多跳通信的数据传输方式。对于簇内通信,成功选举出簇首之后,簇首向所在簇发送成员消息Cluster_Message,Cluster_Message中包括簇内节点的ID、节点的状态及节点的邻居节点信息表,簇内普通节点收到Cluster_Message后向簇首发送回复消息Re_Message,包括节点到簇首的能耗、发送数据的长度、节点的状态等。簇首节点根据收到的Re_Message给需要发送数据的节点分配发送时隙表。数据采集完成后,由簇首将收到的所有数据进行聚合。对于簇首间通信,首先,簇首发送广播信息告知周围簇首自身的剩余能量、到基站的距离及所在簇的节点个数,簇首根据收到的广播,将邻居簇首中相比自身到基站距离较近的簇首信息保存并且为之建立邻居簇首节点信息表,簇首将在邻居簇首节点信息表中选取下一跳节点,综合考虑剩余能量和所在簇节点个数,选择剩余能量较大、簇内节点个数较少的邻居簇首作为下一跳节点。由于本协议的动态划分区域,使得靠近基站的簇的范围减小,为簇首间的数据转发预留了更多的能量,均衡了网络的整体能耗,从而有效延长网络寿命。
3 仿真结果及分析
为评估本文算法的有效性,采用Matlab对本算法和LEACH进行仿真和分析。其中假设节点在休眠和空闲时的能耗均为0,仿真环境用到的参数如表1所示。
衡量网络的最重要性能指标之一是网络生命周期,图4是对本算法及LEACH算法网络生命周期的比较,由图可知,LEACH算法的第一个节点死亡是在302轮,本算法第一个节点死亡是在847轮,最后一个节点死亡分别是在896轮和1580轮,本算法延迟了节点的死亡时间,将网络的生命周期延长了38%。观察节点死亡的趋势可看出,由于LEACH算法节点能量分布不均匀问题,导致了某些节点的过早死亡和某些节点的存活时间较长的情况。本算法中,节点能量耗尽的轮数基本相同,证明了本算法有效地提高了能量的均衡性。
图5为LEACH算法和本算法的簇数目和轮数的关系,如图所示,由于LEACH协议中簇首的选择是随机的,并且动态成簇,所以每一轮中簇首节点个数的变化范围很大,不能保证簇数目一致保持最佳,增加了网络的开销。本算法始终将簇首的数目控制在存活节点数的5%,保证网络簇数目一致维持在最佳状态,同时采用动态划分区域,然后在区域内选择簇首,使得簇的分布较为均匀。
图6对LEACH算法和本算法在每轮数据采集过后的网络剩余能量进行了对比,由图可看出,两种算法协议的网络剩余能量基本呈线性下降趋势,但本算法每轮能量的消耗明显低于LEACH,从而节省了网络的能量,延长了网络生命周期。
4 结束语
本文在分析研究无线传感器网络经典路由算法的基础上,提出了基于能量和密度的动态分区成簇路由算法本算法。首先根据节点与基站之间的距离将网络合理地进行区域划分,使靠近基站的簇规模小于距离基站较远的簇,减少靠近基站的簇头负担和能量消耗,为簇间数据转发节省能量,然后通过综合考虑节点剩余能量和节点密度等因素来优化簇的非均匀划分和簇首的选择,同时簇首间采取基于数据聚合的分组转发机制。仿真和分析结果表明,本算法能够有效的均衡节点能耗,延长网络生命周期。
参考文献
[1]Perillo M,Heinzelman W.Wireless sensor network protocols[M].Netherlands:Kluwer Acdemic Publishers,2004.
[2]Caiiaway E H.Wireless sensor networks:architectures and protocols[M].Londan:CRC Press,2004.
[3]Heinzelman W R,Chandrakasan A,Balakrishnan H.An application specific protocol architecture for wireless micro-sensor networks[J].IEEE Transactions on Wireless Communications,2002,1(4):660-670.
[4]Luan Weiping,Zhu Changhua,Su Bo.An improved routing algorithm on LEACH by combining node degree and residual energy for WSNs[C].Persi:ICSPS,2011.
[5]李芳芳,王靖.一种基于LEACH协议的无线传感器网络路由算法[J].传感技术学报,2012(10):1445-1451.
[6]Von Rickenbach P,Wattenhofer R.Gathering correlated data in Sensor networks[C].CA,USA:Discrete Algoritms and Methods for MOBILE Computing and Communications,2004.
[7]Wendi Rabiner Heinzelman,Anantha Chandrakasan,Hari Balakrishnan.Energy-efficient communication protocol for wireless microsensor networks[C].HI,USA:Proceedings of the Hawaii International Conference on System Sciences,2000.
动态能量 篇5
严羽在《沧浪诗话·诗辩》说, 诗是讲究别材别趣的。别材, 诗歌创作在题材和内容方面有着自己特殊的要求和规定, 即吟咏性情。别趣, 就是诗歌的艺术旨趣, 要求诗人在诗歌的语言、情感、意趣等方面做到“不落言筌”, “无迹可求”。
诗歌是诗人用丰富的想象力创造的, 用极富节奏感和韵律美的语言, 来进行思想与情感的宣泄。其表现往往依赖于动、静态的组合意象。正因如此, 诗歌的翻译才是所有文学作品中最难的, 尤其是诗歌自身根植的民族文化内涵的解读与转换, 诗歌中文化理解与传达的是否正确, 直接影响到译语读者对原作的欣赏与解读。
诗化了的语言是从语言中提取出来的精华, 作为高级形式的语言, 其融合了情感、社会、文化、历史、环境等各种各样的因素。诗歌本身所蕴含的各因素都可以看做是诗歌整体系统能量的一部分, 在翻译的过程中, 某种因素的能量可以释放、转化, 而在此过程中, 总能量必定是不变的。
2 解构主义、生态翻译学理论对徐渊冲《静夜思》的英译文的对比分析
每个人对同一作品或其中同一人物都着自己与众不同的理解。同理, 不同的译者的翻译也不可能是一样的。原文作为一个已经生产了的能量集合体, 在不同读者的解读翻译过程中, 其内部的能量和外部能量一直处在相互转化之中, 在翻译中, 原文系统内贮存的势能的能量以动能的方式释放或转化到译文。
2.1《静夜思》原诗与译文
静夜思
床前明月光,
疑是地上霜。
举头望明月,
低头思故乡。
徐渊冲的翻译:
A Tranquil Night
Abed, I see a silver light,
I wonder if it's frost ground.
Looking up, I found the moon bright,
Bowing, in homesickness I'm drowned.
2.2 解构主义角度分析
从解构主义 (Deconstruction) 翻译观的思想来说, 原作者早已死去, 即使“在场”, 作者的身份也不是意义的保证, 译者作为“一个从自身的历史存在出发通过视界融合, 达到对原文创造性理解的解释者”。以德里达 (Jacques Derrida) 为代表的解构主义的目的不是为了找到作品中唯一的某一个解读, 探索的是一个文本所蕴含的不同解读与多种含义。文本没有固定的意义, 其意义只是在特定的上下文和语境中被确定下来。译文与原文都是一种创造, 两者是平行并列的关系, 甚至可以认为原文依赖译文才得以生存和发展。把译者从原来以原作者为中心的定势中解脱了出来。
从此理论看许先生的译文。通过把原文的aaba模式的韵转换成了“light”“bright”, 和“round”“drowned”的abba押韵模式, 是许译文对原文的一种创造性叛逆, 在韵律上做到尽量与原文接近, 在对“床”、“明月”、“霜”、“头”、“故乡”等意象的处理上, 很好地传达了诗人要表达的思想情感。
2.3 生态翻译学角度分析
生态翻译学是清华大学胡庚申教授以达尔文的生物进化论中的适应选择学说为理论依据, 在2006年正式提出并诠释了生态翻译学 (Eco-translation) 这一概念。在翻译的过程中, 译者既要适应又要选择。
此观点认为不同的译文是由于译者本身的语言环境、文化心态、交际习惯等一系列因素交叉交错影响下的异同所致, 而最佳的翻译文本就是译者对翻译生态环境的“多维度”选择适应和适应性选择的共同作用下的结果, 主要体现在“语言、文化、交际”三个相互关系的层面上。
下面就对许译《静夜思》从语言、文化、交际三个维度的转换加以分析。
(1) 语言维层面的适应性转换。语言维层面就是指译者在翻译的过程中的适应是在不同方面、不同层次上进行的。汉语中虚词的数量很少, 而一句话所包含的信息量绝非英语几个单词承载的。原文中“床”、“明月”、“霜”、“头”、“故乡”诸意象, 以及“疑”、“举”、“抬”等动词之间巧妙的搭配运用, 所传递的意境是很饱满的。而从许译文可以看出, 英语语言本身的特性, 由于其冠词、介词、连词等虚词和各种句式结构的丰富多彩, 在把汉诗翻译过来够很难保持原诗的句子结构。
(2) 文化维层面的适应性转换。生态文化层面是在特定生态环境中形成和发展的, 不同的地域有不同的文化, 在性质上与内容上都存在差异, 生态文化具有独特性, 使译者在翻译的过程中需关注两种语言文化内涵的传递与解释, 译者在进行语言转换的同时更要关注语言所属的整个文化系统。
在处理相对模糊的词时, 比如对“床”的理解上, “床”的含义在中国传统文化中可以是“窗”的通假, 可以是井台, 也可以是坐卧的器具或仅仅是普通的一种床, 徐译文中在词汇的选择调整, 以及语言的形式的转换上做出了符合英语语言读者理解的诠释。
(3) 交际维层面的适应性转换。交际维层面就是要译者在翻译的过程中关注双语交际意图的适应性转换。要求译者把选择转换的侧重点放在交际的层面上, 关注原文中的交际意图能否在译文中得以体现。
意境作为诗歌灵魂, 是一种境界和情调。在《静夜思》诸意象中, “明月”尤其在中西文化中的不同, 如许译文用到“silver light”, 其表达意境优美, 比用“moonlight”更能让读者产生联想, 更适应了译语文化。
3 能量守恒定律对两种翻译理论的解读
从上面两种翻译理论对徐渊冲英译《静夜思》解读来看。解构主义由于从根本上解放了翻译的思想, 使译者能用一种灵活和辨证的思维方式来研究实践和做翻译研究。解构赋予了译者更宽广的自由与创造性, 充分调动了译者的积极性。这方面正契合生态翻译中所强调的核心, 即译者的适应选择与选择适应, 要充分发挥译者的主动性与能动性两者有共通之处。
从上面两种翻译理论来看, 解构主义认为任何翻译都不能穷尽原文本的意义, 译者的任务不是把原文的意思完完全全的复制出来, 而是利用语言的差异, 用另一种语言把原语没有表达的东西展现出去。生态翻译学提倡“动态/平衡”与“多样/统一”, 对一些作品的复译和再译都是一种自然现象, 每一个译本都是一定社会的产物, 并由于适应了当时社会的需要才获得成功。这些思想观点无不契合翻译过程的能量动态守恒规律, “差异”与“展现”, “动态”与“平衡”, “多样”与“统一”, 所有的能量在翻译过程中相互的转移、转换、转化, 最终朝着平衡、统一而去。从徐的译文与李白的原诗来看, 原诗自身蕴含的能量的各种势能只有在翻译的过程中才会发生转移, 译文只在翻译过程各个势能的相互转换之后才拥有了可以匹敌原诗能量, 如此能量从原文传递动态地传递到了译文。
4 结论
人类对各种能源如天然气、石油、煤等燃料以及风能、水能、光能、核能等的利用都是应用与遵循能量守恒定律的结果。而在诗歌翻译也不例外, 在进行翻译的过程中, 也无一不循着这一基本规律。
翻译的价值在于对原文知识的广泛交流和传播, 与原文文本相关的各种因素内蕴含的各种势能会在翻译的过程中, 在程度上方式上发生变化, 从一种势能变成另一种势能, 两者或相互融合或相互抵消, 而势能在动能的转化、融合、抵消过程中只是能量之间的转移, 是能量在原文译文所相关的各种因素之间彼此的对冲。而原文的能量不会在转换也就是翻译的过程中凭空产生或凭空消失新的能量, 它只能是从一种形式转化为其他形式, 从一种势能到另一种势能, 在这个过程中, 能量的总量不变, 必然会全部体现在译文所蕴含的总体能量之中。运用能量动态守恒规律, 能让我们从能量动态守恒这个角度去看待翻译, 去理解翻译的过程, 本文就对这个问题做一次浅显的分析和探讨, 可以看出正是在翻译过程中原文与译文之间这些势能此消彼长、生生不息的循环与发展, 使原文与译文合作共生, 促进了文化的交流与繁荣, 也从另一个角度摆脱了可译不可译的逻辑对立, 更加深刻的理解了翻译的本质。
摘要：诗歌翻译一直在翻译界存在着可译不可译的争论, 文章着眼于对诗歌的可译性, 从流行的两种翻译理论的对比着手, 结合物理学关于能量动态守恒的基本规律, 对诗歌本身所蕴涵的能量在翻译过程中的动态守恒性来分析。试图从中探索出诗歌各要素蕴含的不同变量在翻译过程中所达到的整体平衡性。让用不同理论指导下分析的诗歌翻译都能找到一个归结点, 从而在理论与实践上给诗歌的可译性打开一个突破口。
关键词：诗歌翻译,解构主义,生态翻译,能量守恒
参考文献
[1]胡庚申.生态翻译学解读[J].中国翻译, 2008 (6) :15.
[2]胡庚申.翻译适应选择论[M].武汉:湖北教育出版社, 2004:2, 134, 136, 137-138.
[3]徐渊冲.翻译的艺术[M].北京:五洲传播出版社, 2006.
[4]宁军明.知识溢出的机理分析[J].科技与经济, 2008 (3) :22-24.
【动态能量】推荐阅读：
动态能量阈值07-17
办公室正能量负能量07-22
播种正能量的句子 正能量语录08-23
周一老师正能量传播唤醒生命能量的神奇体验08-30
能量转化10-14
能量耗散10-19
正能量05-08
职场能量06-08
能量摄入06-11