基于波特间隔扩频的大数据传输技术优化

为了提高无线传感网络中大数据传输质量,文中提出一种基于波特间隔扩频的大数据传输信道均衡算法。采用直接序列扩频和波特间隔均衡技术进行无线传感器网络大数据传输的信道均衡设计,采用无线传感器量化融合跟踪方法进行无线传感器网络大数据传输的调制解调算法设计,根据大数据传输的码间干扰强度进行扩展Kalman滤波控制,利用无线传感器网络大数据传输信道的频域特性进行多径扩展,实现无线传感器网络大数据传输优化设计。仿真结果表明,采用该方法进行无线传感器网络大数据传输能有效降低数据传输的误比特率,提高无线传感器网络大数据传输的质量。     

RPR中MAC子层数据收发算法

通过对ResilientPacketRing(RPR)中的MAC子层的数据收发流程的研究,提出了一种面向分组数据传输优化,能够实现多优先级的MAC子层的数据收发算法。该算法采用分组调度转发算法,能较好地完成RPR的数据收发工作,同时区分不同优先级的分组进行调度转发。并且该算法支持多业务传输,能够优化环网中的分组数据传输。     

浅析ZigBee无线传感器网络设计

ZigBee星形和树形网络存在数据传输途径单一,路由方式不灵活等缺点。为了解决上述问题,提出Cluster-Tree+AODVjr混合路由算法,结合了两种算法的优点,能够实现网状网络架构,可以为数据传输提供多路由方式,能够实现自组织、自愈功能,保证网络良好的进行通信。文中给出了ZigBee节点硬件和软件的设计方案,搭建了小型网状ZigBee无线传感器网络,验证了ZigBee节点组网过程及路由算法的有效性,提高了传感器网络数据传输的可靠性。     

基于COFDM技术的电缆调制解调器的设计

文中对采用编码正交频分复用技术的调制解调器进行了分析研究,并完成了用数字信号处理器实现的COFDM调制解调器的系统方案。这种新型高速通信传输技术不仅可以满足测井电缆传输系统数据传输的要求,而且具有良好的抗噪声能力。所有主要功能和算法均由软件编程实现,不用改动硬件就可以进行算法的升级改进。     

TD-LTE系统中咬尾卷积码译码器的FPGA实现

在LTE中,为了获得正确无误的数据传输,要采用差错控制编码技术。LTE中是采用Viterbi和Turbo加速器来实现前向纠错。咬尾卷积码保证格形起始和终止于某个相同的状态,它具有不要求传输任何额外比特的优点。本文提出一种在FPGA中实现的咬尾卷积码的Viterbi译码算法,并在Xilinx的XC3S500E芯片上实现了该算法,最后对该算法性能进行了分析。     

基于低功耗技术的无线A/D数据采集系统设计

对当前物联网技术及工业设备数据信息采集方式进行调查和分析.本系统采用滤波理论和算法,将所需采集的模拟信号转换为数字信号.使用STM8L系列单片机结合LoRa无线技术,实现数据低功耗、远距离的传输,同时在终端将数据实时存储到SD卡中,实现数据远程、连续、有序地采集.在数据传输方面设计了一套高效安全的数据传输协议,检测数据传输中的错误,保证通信系统的安全性.该系统有效实现低功耗远程A/D数据采集,通过高效安全的数据传输协议提高系统的可靠性,同时对采集数据进行实时存储,全面提高系统的性能.     

USB数据传输中CRC校验码的并行算法实现

文章介绍了用于USB总线数据传输的CRC校验的原理和算法，并且采用并行电路实现USB2．0中的CRC产生和CRC校验，与传统的串行电路实现相比，并行电路实现方法虽然在芯片面积上大于串行电路实现，但由于降低了时钟频率，电路更容易综合实现，并且大大降低了功耗，有利于低功耗电路设计。     

分簇拓扑下backpressure算法的延迟性改进研究

Backpressure算法是一种自适用的路由调度算法,它从理论上解决throughput-optimal问题,但是在实际网络部署中,存在节点维护数据队列的数量繁多和数据路由繁长问题,致使数据传输延迟较长。文中就此问题出发,把backpressure算法应用到分簇拓扑上,使用shadow算法实现backpressure算法下的路由调度,采用LIFO策略调度队列,同时又对路径选择了做了优化。仿真结果表明,数据传输的延迟性大大降低。     

基于信道切换的车联网数据传输算法

提出一种基于信道切换的车联网数据传输算法（DTA）。DTA算法考虑由车辆节点、中继节点和汇聚节点组成的三层网络,根据车辆的行驶方向进行节点的分类,提出不同的信道分配和切换机制,减少了数据传输的干扰。提出中继节点信息的快速扩散方法。提出紧急路况信息的优先传输方法,采用不同的队列将数据分类,并根据队列优先级选择传输数据。仿真结果表明,DTA算法能够有效地实现有用信息的快速传输,减少不必要的损耗,提高汇聚节点数据接收率,降低数据分组平均跳数和提高数据传输的覆盖率。在一定的条件下,DTA算法比AODV算法和AODV-L算法更优,可适用于快速变化的车辆行驶环境。     

800 Mb/s高速解调器的定时恢复算法及实现研究

针对800 Mb/s高速率数传系统,设计并实现了一种8PSK信号的数字定时同步算法。首先推导出高速数据的Martin Oerder包络平方定时相位误差估计算法的并行实现结构,然后采用FPGA芯片设计实现了定时偏差估计。计算机仿真和硬件实现研究的结果验证了该算法结构在高速数据传输系统下具有良好的估计性能。     

一种改进的用于并发程序静态切片的程序依赖图

分析了Krinke切片算法，发现当对程序循环体内嵌套有一个或多个线程的结构时会产生切片不精确的现象．原因是Krinke算法的数据结构所定义的线程间数据依赖关系过于粗糙，相应的切片算法对程序执行路径的合法性约束不够严格。提出一种改进的并发程序依赖图，引入跨线程边界循环一承载数据依赖关系。给出了添加跨线程边界循环一承载数据依赖关系的算法。实例分析表明，作用在新的并发程序依赖图上的切片算法克服了Krinke算法的切片不精确现象。     

环境特征自适应激光雷达数据分割方法

针对目前激光雷达数据分割算法不能适应环境特征确定连续准确阈值的问题,提出一种环境特征自适应激光雷达数据分割算法。依据二维激光雷达的数据特点以及室内环境的几何特征,以激光雷达数据的邻近点拟合虚拟环境线,以虚拟环境线和邻近激光扫描射线的交点作为参考点,确定自适应阈值,完成激光雷达数据的预分割。针对用上述方法完成的数据预分割结果中存在的缺陷,提出数据预分割后伪断点的判断方法,对算法进行了优化。并将此算法与分段阈值分割算法、线性方程阈值分割算法进行比较和分析。环境特征自适应激光雷达数据分割算法对实验数据的分割成功率达到98%,具有更强的环境适应能力和更高的分割准确度。     

光机集成仿真前处理中点云边界检测技术

为解决通用光机集成仿真接口中光学面形点云数据处理问题,提出了基于点云边界检测技术的面形数据前处理方法。首先讨论了集成仿真面形数据前处理方法及边界检测技术在前处理中作用;然后研究了边界检测算法涉及的光学面形点云数据组织,面形节点K邻域微切平面的拟合算法以及边界节点的判断方法。在点云边界检测算法研究基础上,讨论了算法主要数据结构和程序实现,并通过示例面形点云边界提取验证了算法的正确性和有效性,为光机集成仿真面形数据处理算法提供了新的技术参考。     

基于深度学习的光纤网络异常数据检测算法

从大规模光纤网络的海量数据中快速识别异常数据是光纤通信技术的一个关键性问题,也是近年来优化光纤通信网络及提高通信准确性的一个重要研究方向,主要解决异常数据的监测精度和收敛速度之间的制约关系。针对此问题提出了一种基于深度学习与遗传算法相融合的监测算法。该算法通过深度学习完成初始数据的分段预处理,再将具有分段属性的交叉概率与变异概率引入遗传算法,从而增强异常数据特征的保留效果。分段预处理将原有数据根据不同属性进行划分,从而大幅缩减了初始滤波的数据量,达到提高异常数据检测速度的目的;将分段属性导入遗传算法的遗传因子使其结果具有加权效果,增加了数据的可分性,从而提升了监测精度。将所提算法与未优化遗传算法、聚类算法进行对比实验,结果表明,所提算法、传统遗传算法和聚类分析算法的异常数据量最小相对误差分别为0.029、0.093和0.104;偏差平均值分别为0.047、0.155和0.156,平均收敛时间分别为5.84 s、12.6 s和9.32 s。由此可见,所提算法在监测精度、稳定性及时效性方面均得到了较好的优化。     

GM-APD激光雷达距离像邻域KDE重构

对盖革模式APD激光雷达系统的距离像重构算法进行了研究,设计了一种基于像素邻域核密度估计的重构算法。从系统原理出发,结合探测概率模型研究了距离像重构算法的理论基础。根据系统特点提出了一种基于像素邻域核密度估计的改进算法,并对其原理进行了分析。通过仿真数据对直方图算法和邻域核密度估计算法进行了验证,以距离重构准确率曲线进行了定量评价对比,并进一步将算法应用到真实盖革模式APD激光雷达数据中进行了距离像重构实验。实验结果表明,在低帧数时,基于像素邻域统计核密度估计的重构算法可有效提高距离像重构的效果。     

面向微博的多实体稀疏关系数据联合聚类

针对大规模微博中多实体间的稀疏关系数据,提出一种面向多实体稀疏关系数据的高效联合聚类算法。在算法中,为了充分利用多关系数据,提出了一种顽健的约束信息嵌入方法构建关系矩阵,降低了矩阵的稀疏性,进一步提高了算法的准确率。在稀疏约束的块坐标下降框架下,关系矩阵通过非负矩阵三分解算法同时获得不同实体的聚类指示矩阵。非负矩阵分解过程中,通过高效的投射算法实现快速求解,确保了聚类结果的稀疏结构。在人工和真实数据集上的实验表明,算法在3个指标上都具有明显提高,特别是在极端稀疏数据上的效果更加明显。     

基于信息熵的蚁群聚类DBSCAN改进算法

针对DBSCAN算法对数据分布不均匀和大规模数据处理问题上的不足,提出了一种新的整合算法,算法使用信息熵和蚁群聚类技术对聚类数据集进行代表性子集选择,在子集基础上进行DBSCAN聚类,实验证明这一算法能显著降低I/O耗费和内存需求,有效地解决含有分类属性的高维大规模数据集的聚类问题。     

一种用于NAND闪存的奇偶位线块编程补偿算法

为改善数据保持干扰和编程干扰对NAND闪存可靠性的影响,提出了一种新的奇偶位线块编程补偿算法。该算法利用编程干扰效应来补偿由数据保持引起的阈值漂移,修复NAND闪存因数据保持产生的误码,提高了NAND闪存的可靠性。将该算法应用于编程擦除次数为3k次的1x-nm MLC NAND闪存。实验结果表明,在数据保持时间为1年的条件下,与传统奇偶交叉编程算法相比,采用该补偿算法的NAND闪存的误码降低了93%;与读串扰恢复算法相比,采用该补偿算法的NAND闪存的误码下降了38%。     

基于改进Apriori算法的气象数据质量控制研究

针对传统气象数据质量控制算法存在的不足,首先提出将Apriori关联规则挖掘算法用于气象数据中,通过Apriori算法挖掘出关联规则;其次分析了Apriori算法存在的不足,提出了一种改进的MC_Apriori算法,通过真实数据仿真表明,新算法在时间性能上更加优越;最后,在原数据的基础上植入部分错误数据,通过与规则库中的关联规则进行规则匹配,找出错误数据率达到93.3%。     

基于改进KFCM聚类的数据关联算法

针对传统的基于模糊C-均值(FCM)聚类的数据关联算法存在的缺陷,提出了一种基于改进核函数模糊C-均值(KFCM)聚类的数据关联算法。该算法以改进的KFCM聚类为基础,通过放宽KFCM聚类的约束条件来增强系统的鲁棒性,并引入信息熵自动确定目标数以作为数据关联的前期准备,再将改进的KFCM聚类算法引入JPDA算法,通过避免对联合事件的概率计算和对确认矩阵的拆分,以实现数据的正确关联和对多目标的实时跟踪。仿真结果表明算法有效可行。