六边形网格细分法实现二阈值推算定位

推算定位技术是大规模分布交互仿真系统缓解网络传输延时及减少网络通讯量的传统方法。以往的推算定位技术在设定推算阈值时 ,总因为顾及近距离实体的精确度需求而设置较小的阈值 ,这样无可避免地增加了远距离实体的数据接收频率 ,增加了网络通讯开销。为此本文提出了多阈值推算定位技术 ,针对不同距离的接收实体对应不同的误差容许阈值进行推算 ,针对 DIS系统给出了一种基于六边形网络细分的二阈值推算定位技术的实现方法。该方法实现简单 ,可以有效减少系统的通讯量     

六边形网格分法实现二阈值推算定位

推算定位技术在大规模分布交互仿真系统缓解网络传输延时及减少网络通讯量的传统方法,以往的推算定位技术在设定推算阈值时,总因为顾及近距离实体的精确度需求而设 置较小的  阈值,这样无可避免地增加了远距离实体的数据接收频率,增加了网络通讯开锁,为此本文提出了多阈值推算定位技术,针对不同距离的接收实体对应不同的误差  差容许值进行推算,针对DIS系统给出了一种基于六边形网络细分的二阈值推算定位技术的实现方法,该方法实现简单,可以有效减少系统的通讯量。     

移动机器人的在线实时定位研究

对推算定位法进行了研究,提出了一种改进方案.通过对移动机器人运动轨迹与状态的 分析,导出了一类移动机器人的基于轨迹的运动学新模型.利用移动机器人三个轮子的里程信息 和导向轮的转角信息,通过信息模糊融合获得转弯半径和转角,再利用运动学模型获得机器人的 位置和方向.将这种改进的推算定位法与主动灯塔法相结合,提出了一种用于室内移动机器人的 定位方法.仿真结果表明,该方法具有实时性好、精度高、成本低、鲁棒性好等特点,并适用于不平 整地面.     

移动Agent位置定位机制在网络管理中的应用研究

位置定位机制是研究移动Agent的基本问题之一.然而现有的移动Agent定位方法中并不存在一种可扩展性的定位机制,较少从基于移动Agent技术的网络管理系统(NMS)的实际出发,考虑这种机制对于该系统的适用性.在已有的各种移动Agent位置定位方法的基础上进行研究和改进,找到一种比较适合NMS的定位方法,并给出了理论上的分析.实验结果表明,新的定位机制能有效改善网络中由于移动Agent定位导致的网络瓶颈问题,提高了网络的性能.     

自主移动机器人室内定位方法研究综述

自主移动机器人的室内定位作为机器人研究领域中最基本的问题已被广泛研究。根据定位技术和传感器的不同,将室内定位方法分为航迹推算定位、地图匹配定位和基于信标定位三类。详细介绍了超声波网络定位系统和基于无线射频识别（RFID）的定位方法。对几种基于概率的定位算法做了分析和对比,并对自主移动机器人室内定位方法的研究方向做了展望。     

如何在VSE/ESA系统平台获取更高的批量程序效率

本文介绍一种在金融系统批量状态下,通过利用LE的功能,使批量程序突破COBOL语言本身的限制,充分利用系统内存资源而提高处理效率的方法。这种方法对于批量状态下对于数据量适中但需频繁访问的数据集的操作提供了一种新的思路。     

一种基于小波变换的GIS多精度建模方法

三维GIS建模的基础数据量非常大,在地形数据的存储、网络交互、景观绘制方面都构成了较大的困难。针对此问题,文中采用了一种基于小波变换的DEM压缩方法,这种方法在DEM数据简化方面更加简单而高效,在保持数据精度的情况下,获得了更高的压缩比,有效降低了地形高程数据量。     

多阈值推算定位技术研究

推算定位技术是分布交互仿真系统缓解通信量及实时性问题的重要手段，但目前的推算定位算法采用统一的阈值，没有区别对待远距离与近距离实体，造成通信资源的浪费，提出多阈值推算定位技术，根据实体的兴趣度把责任域划分成若干子责任域，同时本地实体进行多级推算，每级推算对应不同的子责任域及阈值，多阈值推算定位技术很好地解决了近距离实体的行为失真与系统通信量之间的矛盾，并取得了良好的应用效果。     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法。通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度。将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标。实验结果表明:该组合导航定位算法平均定位误差为1.71 m,其定位精度高于传统质心定位算法和行人航迹推算算法。     

深度残差收缩网络下的定位与行为联合识别

基于WiFi信道状态信息（channel state information,CSI）的人体感知方法在许多物联网场景得到了应用,但现有大部分基于CSI人体感知的系统仅进行定位或行为识别其中一项工作,而物联网的发展对两者能同时识别提出了新的要求。针对这一问题,提出一种基于深度残差收缩网络的定位与行为联合识别方法。通过普通商用WiFi设备获取两种场景（暗室、会议室和走廊）的CSI数据,将预处理后的数据输入结合了深度残差收缩网络的学习模型,进行12个位置与和6种日常行为（站起、坐下、跳跃、深蹲、跌倒、捡起）的联合任务识别。实验结果显示,针对在暗室、会议室和走廊三种场景下的室内定位的平均识别率达到97.29%,行为识别的平均识别率达到90.02%。能够实现定位与行为的高精度联合识别。     

高清立体视频的传输失真估计模型

针对高清立体视频序列分辨率大、宏块信息量少以及网络传输易出现差错的特点,提出一种能够估计高清立体视频端到端传输的失真模型。该模型能够考虑到丢包对后续帧的错误扩散以及立体视频左右视点帧之间的时空相关性,采用递归算法准确地估计失真,并运用时域帧拷贝的错误隐藏方法降低解码端的复杂度。仿真结果表明,失真模型的平均预测误差能控制在6%以内,对于不同特性和分辨率的立体视频序列,在不同网络环境下传输失真估计均有一定的适用性。     

多用户视频流分布式最小失真调度算法

为了提高视频流数据的传输质量,减小视频流数据的失真率,从而提高网络中视频流数据的利用效率,提出了一种多用户视频流分布式最小失真调度方案.该方案采用相加模型来捕捉总的视频失真,建立起视频流失真模型,并通过M/G/1排队模型来进一步建模,得到视频流失真与视频流传输的延迟分布相关性函数,通过优化网络拥塞来进行系统的延迟约束,从而减小视频流失真率;通过同时考虑路由和速率分配问题来得到路由拥塞的最小化最优解,最大限度地减少网络的传输延迟.实验数据结果及对比分析表明,该方案在减小视频流失真比率、缩短视频流传输的延迟时间和控制网络丢包率上均取得了较好的效果.     

基于间歇反馈多维泰勒网的动力学模型

具有羊群效应的系统,因为结构复杂,内部要素互相影响,参与其中的人类行为难以预测而不易建立整体模型. 本文提出建立间歇反馈多维泰勒网动力学模型方法,通过叠加的死区函数模拟了羊群效应中从众心理对系统产生的间歇反馈,结合多维泰勒网建立了适合普遍系统的一般动力学方程. 该方法区别于以往羊群效应的以个体研究为出发点,通过系统对外表征的数据波动建立了含有羊群效应的整体模型. 实例结果表明,这种基于间歇反馈多维泰勒网的动力学建模方法是可行和有效的.     

Fine-Granularity Transmission Distortion Modeling for Video Packet Scheduling Over Mesh Networks

Packet scheduling is a critical component in multi-session video streaming over mesh networks. Different video packets have different levels of contribution to the overall video presentation quality at the receiver side. In this work, we develop a fine-granularity transmission distortion model for the encoder to predict the quality degradation of decoded videos caused by lost video packets. Based on this packet-level transmission distortion model, we propose a content-and-deadline-aware scheduling (CDAS) scheme for multi-session video streaming over multi-hop mesh networks, where content priority, queuing delays, and dynamic network transmission conditions are jointly considered for each video packet. Our extensive experimental results demonstrate that the proposed transmission distortion model and the CDAS scheme significantly improve the performance of multi-session video streaming over mesh networks.     

Packet loss resilience using unequal forward error correction assignment for video transmission over communication networks

Forward error correction (FEC) methods have been developed for packet loss resilience in application layer for real-time video transmission over communication networks. In this paper, an efficient packet loss resilience method is proposed using closed form solution for unequal FEC assignment based on a new packet distortion model. We first derive the packet distortion model by investigating the error concealment property and error propagation effect in H.264. To select the source and channel rate minimizing the overall distortion, we present a model-based rate allocation algorithm using the packet distortion model and rate-distortion function. Then we propose the closed form solution for unequal FEC assignment, which uses the packet distortion model and considers channel status information. Simulation results show that the proposed method gives substantial improvement for the received video quality in packet-lossy Internet and wireless network environments, while it requires much less computational complexity compared to the previous scheme.     

无线多媒体传感器网络图像通信性能分析

对无线视频传感器节点的图像通信活动进行研究,分析了其在资源受限的无线多媒体传感器网络中进行图像编码和传输的性能。对基于DCT和DWT的图像编码与传输的能量消耗和率失真进行建模分析。根据所建立的能量消耗与率失真模型,对有限的能量和传输带宽进行优化分配。根据监测场景的统计信息,调整编码中所使用的参数,以使得能量消耗最小化。仿真实验结果表明,所提出的方法在保证应用所需图像质量的情况,有效地降低了无线传感器节点的数据通信量和计算过程的能耗。     

用RBF网解决说话人确认中的信道非线性失真

提出了一种基于RBF神经网络的非线性失真补偿技术。该方法利用RBF网络的非线性映射特性,在特征域对传输信道中的非线性失真进行补偿,较好地解决了现有失真补偿技术对非线性失真补偿效果不佳的缺点,降低了信道非线性失真对说话人确认系统的影响。实验结果显示,不论在有线性失真或是非线性失真时该方法都能较好地补偿失真导致的差异,保持说话人确认效果。     

一种基于LEACH的低延迟和低功耗的WSN分簇算法

针对经典分簇LEACH协议的不足,提出了低延迟、低功耗和网络能耗均匀的改进算法。该算法主要从两个方面对LEACH进行了改进:在稳定数据传输阶段采用CSMA机制,降低了数据传输延迟;在能量均衡和能耗方面,混入小部分初始能量高的高级节点,在簇头选举阶段首先对节点进行能量感知,并综合考虑节点剩余能量和平均能量,从而延长了网络的生命周期。文中首先对LEACH协议进行简单介绍,利用平均周期法对LEACH中使用的CSMA机制进行分析,从而得到了改进算法的延迟计算方法;然后对改进算法的数据传输阶段的能耗和算法复杂度进行分析,并对改进算法的簇头选举阈值的计算进行讨论;最后对改进算法的数据传输阶段的延时和功耗进行建模分析,并利用MATLAB进行仿真对比。仿真结果显示,改进算法使得第一个节点死亡的时间延长了31%,全部节点死亡的时间延长了24.7%,并且网络能耗更加均匀,因此,该算法有效地解决了LEACH中的热区问题,改进了实际WSN应用中节点集中死亡带来的区域信息缺失问题。相比于LEACH,改进算法的数据传输延迟平均降低了78.6%,保证了WSN应用中数据的实时性,因此改进算法在延迟、生命周期、网络能耗均匀性以及吞吐量等性能上都得到了优化提升。     

基于神经网络的快脉冲信号传输崎变恢复方法研究

本文主要讨论了快脉中信号在传输过程中发生畸主粕的恢复问题，提出一种神经网络方法。文中给出了网络结构、学习算法、数值模拟以及实现结果。