Ad hoc网络中动态阈值岭型函数退避算法*

无线自组织网络(Ad hoc)在MAC层中使用IEEE 802.11 DCF的接入机制来解决节点传输竞争问题,为了解决高负载环境下的网络拥塞状况问题,在退避算法中加入了动态阈值和岭型函数来降低数据传输的冲突概率并利用NS2对改进的退避算法进行网络仿真。仿真结果表明,相对于传统的退避算法,在负载较重的网络中改进后的退避算法大概能够提高网络性能20%左右,优化后网络的时延、吞吐量和公平性均得到明显改善。     

无穷(R)级整Dirichlet级数的增长性

利用型函数对无穷(R)级整Dirichlet级数引入更精确的增长指标.研究了此类级数的增长性,且在较弱系数条件下估计了此指标与无穷级整Dirichlet级数的系数及指数之间的关系.     

幂拓扑分子格的连通性

在幂拓扑分子格上定义了一种连通性．并证明了这种拓扑分子格具有许多良好的性质．作为应用．证明了H(λ)单位区间I(L)和H(λ)实直线R(L)的连通性．     

用Bush型函数构造分形纹理图

给出一类以Ｂｕｓｈ型函数构造分形纹理图的方法。用此方法构造的纹理图可以事先确定其精确的Ｂｏｘ－ｃｏｕｎｔｉｎｇ维数和Ｐａｃｋｉｎｇ维数等分形量,因而可广泛应用于图像分析和图像处理中。     

一种新的Bush型分形曲面及其维数

在Bush型分形曲线的基础上,首先构造了一种分形曲面,然后研究这种曲面的分形维数及光滑性。得到了曲面的Box维数,Packing维数的计算公式以及Hausdorff维数的下界估计式。     

基于干扰观测器的一类不确定仿射非线性系统有限时间收敛backstepping控制

针对一类不确定仿射非线性系统的跟踪控制问题,提出一种基于干扰观测器的有限时间收敛backstepping控制方法.为增强小脑模型(CMAC)泛化和学习能力,将非对称高斯函数和模糊理论相结合,给出非对称模糊CMAC结构,设计干扰观测器实现系统未知复合干扰在线准确逼近;基于非对称模糊CMAC干扰观测器,给出有限时间收敛backstepping控制器设计步骤,利用Lyapunov稳定理论证明闭环系统稳定性,其中采用非线性微分器获取虚拟控制量滤波和微分信息以避免backstepping设计中的微分“膨胀问题”,设计辅助系统修正因微分器带来的误差对系统跟踪性能影响,引入基于障碍型函数的自适应滑模鲁棒项抑制复合干扰估计偏差对跟踪误差的影响;将所提方法应用于无人机飞行控制仿真实验,结果表明所提方法的有效性.     

基于Volterra级数扩展模型的变步长VFxBSLMS算法

针对脉冲噪声的控制,提出了一种基于Volterra级数扩展模型的变步长VFxBSLMS算法。通过增加误差信号预处理环节,采用非线性压缩的方式,有效地解决了冲击样本对算法稳定性的影响。针对输入信号的强相关性及算法收敛速度问题,将变步长算法思想引入到非线性滤波中。仿真结果表明:VFxBSLMS算法在不同强度脉冲噪声背景下,都能达到较好的收敛效果。     

基于S型函数的自适应粒子群优化算法

针对粒子群算法求解精度低和后期收敛速度慢等问题,提出了一种基于S型函数的自适应粒子群优化算法SAPSO (S-shaped function based Adaptive Particle Swarm Optimization)。该算法利用倒S型函数的特点,实现了对惯性权重的非线性调整,从而更好地平衡算法的全局搜索能力和局部搜索能力;同时,在算法的位置更新公式中引入S型函数,并利用个体粒子自身的适应度值与群体平均适应度值的比值自适应地调整搜索步长,从而提高算法的搜索效率。在若干经典测试函数上的仿真实验结果表明,与已有的几种改进粒子群算法相比,SAPSO在收敛速度和求解精度方面均有较大优势。     

BP网络节点作用函数的改进及算法在汉字字库学习中的应用

通过改进ＢＰ网络节点的作用函数,来提高整个网络的学习速度,并进一步应用在对汉字点阵字库的学习上,取得了满意的效果。     

Lipschitz型函数

通过引入强函数，定义了一类新的函数Lipschitz型函数，并通过细致的估算，证明了函数φ∈Lip(↑-ω，q)（1≤q≤ ∞的充分必要条件存在（R^n,δ）上的Lip(↑-ω）函数Ψ（x),Ψ(x)＝φ（x),a.e,R^n,且‖φ‖w,q与‖Ψ‖w是等价的。这一结果包含了原函数所具有的类似性质。