物联网智能家居系统的研究与设计

智能家居有广阔的应用前景.针对传统家居控制上的缺陷,采用B/S架构设计了智能家居管理系统,采用ZigBee无线网络实现对各类家居设备的信息采集和指令控制.用SQL Server 2005数据库管理系统与家庭网关,进行数据的传递与接收.通过Web浏览器,用户可以实现对智能家居系统的管理.     

基于动态负载均衡的层次性移动IPv6路由优化方案

针对层次性移动IPv6网络负载过重时存在的MAP负载分配失衡的问题,提出一种动态的MAP负载调度方案。方案中,MAP通过提出的计算模型,以带宽使用情况作为参数计算当前的负载。当检测到网络负载分配失衡时,根据MN的移动趋向调度MAP之间的负载,使网络中的计算资源合理分配,优化网络性能。仿真结果表明,该方案能有效地改善网络的整体服务质量,降低通信时延和减少通信过程中的丢包率。     

物流监控系统人工免疫数据融合算法研究

为实现对果蔬等农产品物流过程的低能耗实时监控,提出一种适用于现代果蔬物流过程的实时监控系统监测数据处理方案。通过在运输车辆的车厢内部署具有RFID功能的温湿度传感器,获取物流过程中果蔬储存环境的实时温湿度数据;采用生物免疫机理对节点感知数据进行预处理,降低节点数据传输量;计算节点数据融合信度获取融合权值,对节点数据加权融合获取对监测对象的完整一致性监测结果;用感知数据与融合结果相似度差值,对节点感知数据的融合信度进行更新;根据实际情况选取通信模式,降低节点通信能耗及紧急事件的响应时间。仿真结果表明,该方案可有效降低果蔬物流过程实时监控的网络通信能耗。     

基于优化支持向量机的人脸表情分类

分析了支持向量机（support vector machine, SVM）目前主要存在的问题和参数选择对分类性能的影响后, 提出了以改进粒子群算法优化SVM关键参数的优化SVM算法。将加入拥挤度因子的微粒群算法引入到SVM中, 在不牺牲泛化性能的前提下, 对其参数进行优化, 增加了SVM初始化参数的多样性, 减慢了局部搜索, 促进其在全局范围内的寻优搜索, 以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点, 并利用由粗到精的策略构造多层SVM人脸表情分类器, 在提高准确率的基础上加快分类的速度。实验证明, 新算法具有速度快、准确率高的优点。     

无线传感器网络中基于代理的D-S数据融合

提出了一种无线传感器网络中基于移动代理带证据权的D S融合算法。引入证据权对证据进行修正以降低冲突数据对融合结果的影响。采用三级D S组合规则进行融合决策：节点级融合计算单个节点时间域融合检测概率;簇内级融合计算簇内节点间空间域融合检测概率获取局部决策结果;簇间级融合计算簇间的融合检测概率获取最终的全局决策结果。仿真结果表明,本算法能以较小的能耗代价获取准确的融合结果并有效降低冲突数据对融合结果的影响。     

信号建模(1):单频率信号

信号建模无论在信号处理领域还是在通信领域都是极其重要的。这是信号建模连载论文的第1篇,讨论简单的单一频率正弦信号的建模问题,利用离散观测数据,研究和提出新型辨识方法估计正弦信号模型的特征参数。对标准正弦信号和具有初始相位正弦信号的建模,提出了倍数两点法、倍数三点法、等距三点法确定信号模型的特征参数,提出了梯度辨识方法、多新息随机梯度方法和递增数据长度的递推梯度方法估计信号模型的特征参数。     

基于模糊PI的Delta机器人运动控制系统

搭建了视觉决策的并联机器人系统,其技术路线是由智能相机通过在线视觉检测算法分割目标,采用张正友标定方法进行相机标定;采用五次多项式插值对机器人的抓取路径进行关节空间轨迹规划;由逆运动学的代数解法求取各轴关节空间坐标.以Delta机器人的运动机构为研究对象,设计了新型的模糊PI控制器,并运用LabVIEW软件结合FPGA实现了机器人的运动控制.测得50组基于模糊PI控制器和PI控制器的上升时间的均值分别为179.6 ms和200.2 ms,试验结果表明,模糊PI具有更快的动态响应过程,同时还兼具了传统PI控制稳态性能好的特点.     

基于云计算的多路网络流媒体分布式最优存储与分配策略

针对云计算系统在执行任务过程中的能量消耗过多、处理速度不理想等情况,提出一种基于云计算的多路网络流媒体分布式最优存储与分配策略.通过构建基于云计算的数学模型来分析执行任务时的能量消耗情况,采用基于虚拟调度机制的分布式最优存储策略来实现在满足存储需求的情况下减少服务器进行存储时的能量消耗总量,最小化存储成本,并采用基于动态决策规则的分配策略来根据服务器的功率、性能以及负载情况进行任务调度,使云计算系统在满足服务质量要求的条件下,充分利用系统运作能耗,不产生过多空闲能耗.实验及结果分析表明,所提出的分布式最优存储与分配策略在节省能量消耗、提升运行速度上发挥了较好的效果.     

基于人工蜂群的连续域蚁群优化算法

连续域蚁群优化算法是蚁群优化算法的一个重要研究方向,针对连续域蚁群优化算法(ACOR)计算时间较长、易陷入局部最优的问题,提出了一种基于人工蜂群的连续域蚁群优化算法(ABCACOR)。首先,引入一种替代机制来选择指导解,以替换原来的基于排序的选择方式,目的是节约计算时间和尽可能地保持搜索的多样性;其次,结合人工蜂群算法的搜索策略来提高算法的全局搜索能力,进一步减少计算时间和提高求解精度。通过对大量的测试函数进行仿真实验,结果表明,ABC-ACOR算法较现有的一些连续域蚁群算法具有更好的寻优能力。     

全局信息共享的自适应FA算法

针对萤火虫算法FA对于高维复杂问题,收敛速度慢、求解精度低,优化效果不理想等缺点,提出一种基于全局信息共享的自适应FA算法。分别从三个方面对FA算法进行了改进:通过引入群体距离,改进γ值的调节方式,提升算法的自适应调节能力;通过增加过程搜索信息,加强算法的精细化调节能力;通过引入基于全局平均位置信息的量子空间下的δ势阱模式,增强算法的全局搜索能力。最后对几种典型函数的测试结果表明,改进算法在收敛速度与收敛精度上,较其它算法有明显提高。