基于各向异性扩散的GRAPPA重建算法

全局自动校准部分并行采集(GRAPPA)算法假设插值核在整个K空间内具有平移不变性,在实际应用中容易引起重建伪影和噪声放大。为此,提出一种基于各向异性扩散的GRAPPA重建算法。利用偏微分方程设计各向异性扩散重建模型,对GRAPPA算法合成后的数据进行各向异性扩散,在保证相位信息正确的情况下,去除K空间中的噪声和奇异点,从而提高重建图像的准确率。对活体实验数据的重建结果表明,该算法能减少噪声和伪影,提高重建图像的信噪比。     

ACS/Sb2O3复合材料制备方法对性能的影响

对采用原位悬浮聚合制备的苯乙烯一氯化聚乙烯一丙烯腈（ACS）共聚物／Sb2O3复合树脂、原位聚合苯乙烯一丙烯腈（SAN）共聚物／Sb2O3复合树脂与ACS树脂的共混物和ACS树脂／Sb2O3的直接共混物的力学性能和阻燃性能进行了研究比较。结果发现：原位聚合法制备的ACS／Sb2O3复合材料的性能优于其它两种方法制备的复合物；三种复合材料的冲击性能都劣于纯ACS材料；采用原位聚合方法，Sb2O3质量分数小于7％时，Sb2O3对复合材料有增强作用；当Sb2O3质量分数大于10％时，直接共混ACS／Sb2O3复合物的阻燃性能劣于其它两种方法制备的ACS／Sb203复合材料。     

基于ACS300-MM的工情险情图像监测装置

介绍了一种基于低功耗数据采集器ACS300-MM的工情险情图像监测装置。通过使用低功耗采集控制器、实现摄像机供电、图像采集控制及合理的通信方式,监测装置实现了极低的功耗;通过设计的专用图像文件传输控制协议,监测装置实现了窄带信道中的图像文件快速可靠传输。     

求解度约束最小生成树的改进ACS算法

针对蚂蚁系统算法求解度约束最小生成树时收敛速度慢和早熟问题,提出一种改进的蚁群系统算法UDA-ACS。该算法在保留蚁群系统算法优点的基础上,通过增大能见度的影响力、采用动态负反馈机制和赋予不同初始信息素的方法解决上述问题。理论分析和实验结果证明,该算法的求解质量和速度比蚂蚁系统算法更优越。     

蚁群系统自适应策略的改进与分析

蚁群系统能够通过自适应调整不断优化算法的性能。为寻求算法自适应过程的内部规律,结合旅行商问题,采用参数控制、设置信息素范围的方法进行探讨。通过调控信息素的变化,以及对信息素最值、分布状态的统计分析,揭示算法优化过程的内部状态。实验表明,改进后的算法更稳定,问题解的搜索能力更强。     

红外地球敏感器的技术发展趋势

姿态控制系统是卫星得以持续正常工作的保证,红外地球敏感器是卫星姿态控制系统的重要部件之一.简要说明了红外地球敏感器的基本原理和构成.通过几种典型国外产品的介绍说明了当前国外地球敏感器的发展现状,最后,对红外地球敏感器的发展趋势进行了简要分析.     

TR069在家庭网络中的应用

家庭网络终漩设备的复杂性和业务的多样性对终漩管理提出了更高的要求，为此数字用户线（DSL）论坛专门制订了用于终端的网管协议——TR069。TR069协议在架构设计上使用超文本传输协议（HTTP）的客户机／服务器（C／S）模型，并充分借鉴了很多Web的成熟技术，使得协议的实现相对简单，并且具有很好的扩展性。在管理参数定义上，TR069协议完全针对终端业务特性而制订。通过部署基于TR069的网管系统，可以在很大程度上减少用户的配置／管理工作，提高设备的易用性和可管理性，便于家庭网络中设备的快速部署和业务的迅速开展。     

蚁群优化算法的研究现状及研究展望

本文首先简要地介绍蚁群优化算法的来源、对应的生物原理和算法实现的框架．然后详细地讨论了算法的研究现状以及在各种优化问题中的应用情况，同时也指出了蚁群优化算法在当前应用中的一些不足．针对这些不足提出了解决方法，描述了几种蚁群优化算法的修正策略.最后对蚁群优化算法下一步的研究方向进行了展望．     

求解旅行商问题的人工协同搜索算法

针对传统人工协同搜索（ACS）算法求解精度不高、收敛速度慢等问题,提出一种基于Sigmoid函数的反向人工协同搜索（SQACS）算法求解旅行商问题（TSP）。首先,利用Sigmoid函数构造比例因子,增强算法的全局搜索能力;其次,在变异阶段,加入差分进化（DE）算法的DE/rand/1变异策略,对当前种群进行二次变异,提高算法的计算精度和种群的多样性;最后,在算法后期的开发阶段,引入拟反向学习策略,进一步提高解的质量。对TSP测试库TSPLIB中的4个实例进行仿真实验,结果显示,SQACS算法在最短路径与花费时间上均优于麻雀搜索算法（SSA）、DE、阿基米德算法（AOA）等7种对比算法,并且具有良好的鲁棒性;与其他求解TSP的改进算法综合对比,SQACS算法也显示了良好的性能。实验结果表明,SQACS算法在求解小规模TSP时是有效的。     

动态混沌蚁群系统及其在机器人路径规划中的应用

针对蚁群系统（ACS）解决机器人路径规划问题时种群多样性与收敛速度的不足,对蚁群系统引入动态混沌算子,从而平衡种群多样性和收敛速度之间的关系。动态混沌蚁群系统的核心是在传统蚁群系统引入Logistic混沌算子来增加种群多样性,从而提高解的质量。在迭代前期加入混沌算子,以调整路径中的全局信息素值,增加算法的种群多样性,从而避免算法陷入局域优化解;在后期则转为蚁群系统,来确保动态混沌蚁群系统的收敛速度。仿真结果表明,对于机器人路径规划问题,与蚁群系统相比,动态混沌蚁群系统具有更好的种群多样性、更高的解的质量和更快的收敛速度;与精英蚁群系统（EAS）和基于排序的蚂蚁系统（ASrank）相比,动态混沌蚁群系统能够平衡解的质量与收敛速度之间的关系,即使在复杂障碍物的环境下,动态混沌蚁群系统也能较好地找到最优解。动态混沌蚁群系统能够提升移动机器人路径规划中的效率。