Ad Hoc网络中一种新的能量优化多播路由算法

探讨了Ad Hoc网络中能量优化的多播路由问题.在一次多播会话中节点功率不变的假设前提下,分析了NJT(Node-Join-Tree)算法,针对NJT算法所生成的多播树中可能存在冗余发送节点的问题,提出了一种新的能量优化多播路由算法——RMT(Refine-Multi-cast-Tree)算法,给出了RMT算法的复杂性分析,并设计了RMT算法的分布式实现方案.RMT算法在已有多播树中进行本地搜索,寻找是否存在冗余的发送节点,若存在冗余发送节点则将其从多播树发送节点集合中删除,重构多播树,从而达到减少多播树能量消耗的目的,生成能量更优的多播树.仿真实验表明RMT算法性能优于NJT算法.     

无线传感网的分布式非测距三维定位算法

为解决三维空间无线传感器网络节点定位问题,基于区域立体网格化表示的思想,提出一种分布式非测距三维定位算法3D-DRL(three-Dimensional Distributed Range-free Localization).通过对立体网格投票,选取得票值最高的所有网格的质心作为未知节点的估计位置.3D-DRL无需未知节点间相互通信,具有较小的通信开销,不依赖于锚节点比例,且对网络拓扑结构具有鲁棒性.仿真结果表明,在无线传播环境理想、未知节点通信半径R=50 m、所有节点均随机部署在100 m×100 m×100 m三维区域的情况下,定位误差小于未知节点通信半径的8%,且通过调整VANR,能够实现所有节点的定位.     

无线传感器网络中的跨层路由协议

为了减少无线传感器网络中的干扰产生,降低由此引起多次重传后的分组丢弃从而导致的额外重传时延和能量消耗,改善网络的传输效率和能量效率,提出了一种基于跨层设计的干扰感知路由(IAR,Interference-Aware Routing)协议.与现有的基于竞争的路由协议不同,IAR协议引入节点干扰度和能量度作为选路代价,通过干扰和能量感知的路由选择机制实现路由建立.利用节点收到的发送请求、清除发送和应答分组的计数作为干扰度的计算依据,从而在路由选择中避开了干扰易发生区域;利用下一跳候选节点的初始和剩余能量作为能量度的计算依据,从而均衡了各节点的能量消耗,延长了整个网络的寿命.仿真结果表明,与动态码字路由和ad-hoc按需距离矢量路由协议相比,IAR协议提高了能量效率、改善了网络的吞吐量、分组投递率和时延等性能.     

基于贝叶斯网的业务端编程方法

针对现有的业务端编程方法缺乏对于没有软件开发背景的最终用户的指导机制,提出了一种基于贝叶斯网的业务端编程方法.首先提出了一种基于贝叶斯网的最终用户编程基本框架,然后基于贝叶斯网结构学习方法和过程日志建立了用来支撑业务端编程的领域专家系统,在此基础上提出了以领域专家系统为核心的启发式业务端编程方法.该方法在编程过程中依赖领域专家系统对最终用户推荐业务活动,提供实时指导,帮助最终用户逐步完成应用系统的构造.最后对该方法的有效性进行了定性的评估和分析,结果表明,基于贝叶斯网的业务端编程方法可以在一定程度上提高最终用户编程的效率.     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

模糊超体神经网络及其在火箭发动机故障分离中的应用

提出了一种用模糊集表示火箭发动机故障模式的神经网络二次分离器,模糊集是由模糊超体聚集形成的集合体,模糊超体在一次分离中表现为由半径和球心确定的n维超球,在二次分离中是一个由夹角、球心和方向矢量确定的部分超球。神经网络二次分离学习算法与一次学习算法相比,提高了训练样本的分离精度,增强了神经网络对故障的敏感性。      

基于ANN的故障诊断专家系统的应用研究

介绍一种基于ANN的设备故障智能诊断专家系统模型,探讨了该模型的基本结构和相应的推理机制及故障诊断策略,提出将设备故障分为低层故障和高层故障的思想以及相应的分层诊断、分块进行的诊断策略,并以MK9-5卷接机组为诊断对象,研究了该模型及诊断方法在设备故障智能诊断中的具体应用.     

基于自校正模糊神经控制的无刷直流传动系统

提出了一种自校正模糊神经网络控制器(SCFNNC)来实现无刷直流电动机起动、调速、制动等各运行阶段的性能指标.该SCFNNC是采用调整系统增益参数的方法完成较完善的控制规则的.重点研究了系统自校正增益参数的确定方法,模糊控制器的设计,人工神经网络实现模糊控制规则的方法等.自校正增益参数是根据系统对超调量、转速稳态误差、动态速降的期望值来确定的.设计模糊控制器时是根据系统的性能指标,确定出合适的模糊控制规则表,用于训练神经网络.为使系统的性能达到最佳,采用了自校正模糊神经控制、开关控制和比例控制相结合的复合控制方法,通过数学仿真证实配备SCFNNC的系统具有优良的动、静态特性,及较强的鲁棒性.     

一种改进的无线通信网络带宽分配方法

无线通信网络中,为了实现动态、公平的带宽分配,满足用户需求,提出了一种基于令牌桶的改进带宽分配算法。该算法将令牌桶划分为和用户数相对应的虚拟分令牌桶,并且在令牌桶后加入了分漏桶来对用户占用的带宽进行二次分配,算法设定了用户优先级和用户权值,优先级可区分用户的重要程度,依据用户权值,普通用户按占用比例为重要用户贡献带宽。仿真结果表明,改进后的算法可有效提高无线通信网络的吞吐量,算法可以保证普通用户公平地获得带宽资源,同时可以满足重要用户的特殊需求。     

可容忍信标误差的三维传感网节点定位方法

针对信标位置存在误差情况下的三维无线传感器网络节点定位问题,提出一种基于正交回归的多跳定位方法.同时考虑到自变量误差和因变量偏差对节点坐标估计的影响,基于约束加权正交回归参数估计准则,建立可容忍信标位置误差的三维多跳定位模型,解决了信标位置和距离估计两方面的误差并存时的节点自定位问题,并给出求解节点坐标最优值的数值方法;推导出相应的坐标估计精度评估标准3D-MCRB (3D Multi-hop Cramér-Rao Bound).仿真结果表明:此方法对信标位置误差和距离估计误差都具有较好的抑制能力,在大多数实验条件下,能将定位精度提高10%以上.