基于OPNET的MAC协议的研究与仿真

文中主要分析了IEEE802.11的MAC协议中的分布式协调工作模式(Distribute Coordination Function,DCF).使用DCF方式进行访问控制时,二进制指数退避算法在竞争周期内冲突增加会使信道分配不合理,这样严重影响网络的通信吞吐量.针对影响网络吞吐量这个问题,文中首先结合了马尔科夫(Markov)的改进模型,根据节点的实时状态,设计了节点在初始竞争成功发送数据后和发生冲突时的退避算法,优化了DCF的退避机制,动态地调整了节点在不同状态时的信道获取能力,提高了节点发送数据的网络吞吐量.最后以OPNET为仿真平台证明其在吞吐量方面有所改善.     

移动Ad Hoc网MAC协议的一种改进算法

着重分析了影响公平性的退避算法,对用于无线局域网的乘性增加、线性减少(MILD)退避算法进行了改进.运用NS2仿真工具对改进算法后的信道接入的公平性进行了分析.结果表明,与BEB算法相比,改进后的MILD退避算法能大幅度提高信道接入的公平性.     

一种优化WLAN上下行公平性的MAC机制

IKKK 802.11 DCF主要基于载波检测/碰撞退避多址接人协议和时隙制退避算法.因此,往往在基础架构模式中,AP与用户站在随机竞争信道过程中并无优势,并且DCF应用于多速率WLAN,各站点之间的竞争并不均匀(时间不均),存在吞吐量异常和严重不公平性问题.通过建立三维Markov链模型,对非饱和状态下802.11 MAC协议上下行带宽公平性进行了分析,由此提出基于下行链路优先的DPMAC协议,其核心思想是:AP享有优先访问信道的权利,并且可以根据下行链路状态动态调整占有信道的时间,各用户站竞争信道仍然采用原有的DCF访问方式.通过仿真证实DPMAC协议能很好地实现上下行链路公平性,达到满意的效果.     

基于PCF的无线局域网接入时延可控系统研究

目前无线局域网(WLAN)中使用最广的是IEEE 802.11协议,该协议定义了两种信道访问机制:分布式协调功能(DCF)和点协调功能(PCF).其中,DCF采用基于竞争的信道访问机制,因此,多个连有传感器的站点采集数据在信道中传输就会出现碰撞和时延不可控的问题;而PCF采用轮询的方式来提供一种非竞争的访问机制,很好地解决时延不可控制的问题.针对这种情况,提出采用集中控制协议完成PCF访问机制,协议中定义超帧结构并将超帧划分为多个时隙,以此实现无竞争的信道访问机制.实验结果表明:整个网络中传感器采集数据最大接入时延控制在90 ms以内.     

一种优化WLAN上下行公平性的MAC机制

IEEE802．11DCF主要基于载波检测／碰撞退避多址接人协议和时隙制退避算法。因此,往往在基础架构模式中,AP与用户站在随机竞争信道过程中并无优势,并且DCF应用于多速率WLAN,各站点之间的竞争并不均匀（时间不均）,存在吞吐量异常和严重不公平性问题。通过建立三维Markov链模型,对非饱和状态下802．11 MAC协议上下行带宽公平性进行了分析,由此提出基于下行链路优先的DPMAC协议,其核心思想是：AP享有优先访问信道的权利,并且可以根据下行链路状态动态调整占有信道的时间,各用户站竞争信道仍然采用原有的IXZF访问方式。通过仿真证实DPMAC协议能很好地实现上下行链路公平性,达到满意的效果。     

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。     

基于模糊逻辑的多速率WLAN自适应MAC协议

针对DCF应用在多速率无线局域网中存在吞吐量异常和严重不公平性问题,提出了一个基于信道状态和节点速率的模糊自适应退避算法——RCFAB算法。仿真结果表明,RCFAB能够适应多速率WLAN,并有效地改善系统的吞吐量和接入公平性。     

一种自适应无线局域网协议

研究了无线局域网IEEE802.11协议的DCF(distributed coordination function)接入方式,在建模基础上进行算法改进,提出了一种新的节点自适应链路碰撞的退避算法NSAD(new self-adaptive DCF algorithm).大量的仿真实验表明,所提出的算法在吞吐量、公平性、丢包等方面较原DCF协议都有显著提高.     

一种基于IEEE802.11的无线自组网MAC协议

基于IEEE802.11DCF提出了一种应用于无线自组网的媒质接入控制协议，该协议包括网络适应性退避算法和拥塞反馈两个关键机制。协议的主要思想是根据节点周围实际竞争状况和网络拥塞情况进行包调度。仿真结果表明，提出的机制有效地降低了平均端到端时延和数据丢包率,提高了信道接入公平性。     

基于滑动概率P_w的802.11DCF改进算法

通过分析IEEE802.11 DCF的性能及存在问题,在此基础上提出一种改进的基于滑动概率p_w的分布式协调功能asyn-DCF.该机制采用一种异步退避算法,通过加入滑动概率p_w使得退避计数器在信道空闲的情况下以一定的概率p_w来退避,从而达到减少冲突的目的.该算法采用二维Markoc chain模型对改进机制的性能进行理论分析,结果表明了该算法能够有效地提高饱和吞吐量并且减少包碰撞概率.     

基于无人机图像的输电线检测方法

在无人机应用于输电线巡检背景下,为了方便后续的输电线故障检测与分析,提出一种新的基于无人机图像的输电线检测方法.首先,通过Otsu获取高低阈值的方法改进Canny边缘检测算法,用于提取输电线图像边缘;然后,通过数学形态学方法处理边缘检测得到的二值图像,并用分式查表法改进的Hough变换对数学形态学处理后的图像进行直线段检测;最后,提出线-线空间信息分析的方法,对检测出来的直线段进行筛选和拟合.通过在无人机图像上的实验结果表明,本文提出的输电线检测方法是一种性能良好的基于无人机图像的输电线检测方法.     

正态重采样的改进行人再识别度量学习算法

跨场景的行人再识别任务,现有度量学习算法由于小样本问题使得对模型参数的估计存在偏差,从而导致识别精度较低。在交叉二次判别分析度量学习算法的基础上,提出了一种基于样本正态性重采样算法,建立了半监督学习度量模型,以增强度量模型的泛化能力。综合泛化后的度量模型和交叉二次判别算法,构建了加权组合的联合模型。选取了公开数据集VIPeR和CUHK01进行测试,测试结果显示该算法相比于原交叉二次判别算法以及相关的行人再识别算法有着明显的优势,尤其在rank-1上的识别精度分别超过了MLAPG算法和NFST算法7.79%和4.68%,且该算法对于训练数据量的变化具有较强的鲁棒性。     

广义q-ROF TODIM方法及应用

基于Pythagorean模糊迭代多准则决策(TODIM)方法和简化的TODIM方法,首先给出简化的q-ROF TODIM方法,并分析该方法产生的悖论;其次,结合广义TODIM方法的思想,提出广义q-ROF TODIM方法;再次,通过一个实例来说明广义q-ROF TODIM方法的可行性和有效性;最后,结合该实例,将所提出的方法与其他q-ROF决策方法进行比较分析,同时分析参数的变化对决策结果的影响,进一步阐明所提出方法的优越性.     

基于接近觉的机械臂避障路径规划

提出了一种基于接近觉的机械臂避障路径规划方法。首先,针对排列稀疏的接近觉传感器阵列的障碍物感知问题,定义连杆“运动方向”的概念,优先读取连杆运动方向上的传感器以缩短读取周期的长度,并将距离传感器最近的障碍物表面建模为“假想圆锥”,过其顶点作“安全平面”,连杆在运动过程中不能与其发生碰撞。其次,针对避障路径规划问题,采用基于势函数与关节空间的人工势场法,并根据所提出的障碍物感知方法提出了基于“绕行”的改进方法以解决人工势场法的局部最优问题。最后,在UR10机器人的小臂连杆上验证本文方法,实验结果证明了本文方法的有效性、鲁棒性与实时性。     

改进果蝇算法求解混合流水车间调度问题

针对混合流水车间调度问题(HFSP),本文提出了一种新的基于果蝇算法和变邻域搜索的混合优化方法.首先,将关键块内的工序与同阶段其他机器上的工序进行交换,提出了一种基于关键路径的HFSP新邻域结构.其次,针对HFSP的阶段式解码特性,提出了一种邻域解的快速评估方法,并验证了快速评估方法的高效性.然后,基于提出的新邻域结构,并将N7和K-insertion邻域结构引入HFSP,设计了基于上述3种邻域结构的变邻域搜索方法,以此为基础提出了一种针对HFSP的混合优化方法.最后,通过对Carlier和Liao等经典测试集进行测试,验证了所提新邻域结构的可行性和有效性,并将该方法与其他文献的方法进行了对比,验证了所提方法的优越性.     

一种基于先验信息的脑功能网络提取方法*

目的 脑功能网络的提取在脑科学研究中具有重要意义,本文提出一种基于先验信息的脑功能网络提取方法。方法该方法首先基于先验信息得到初始的目标和背景种子点,然后基于图论将整个脑图像构建图,最后利用半监督聚类技术提取脑功能网络。基于不同信噪比的模拟数据,本文对提出方法、基于种子点的方法、独立成分分析方法、以及两种聚类方法（归一化最小化割和K均值方法）进行比较。基于真实脑静息态功能核磁共振数据,本文使用提出方法对默认模式网络进行提取。结果 基于模拟数据的实验结果表明提出算法相对于传统的方法可以得到更为准确且鲁棒的脑功能网络。基于静息态功能核磁共振数据得到的默认模式网络在一些重要脑区具有高的稳定性,且不同地点采集数据得到的结果具有较强的一致性。结论 提出方法是一种有效的脑功能网络提取方法。     

Inverse dynamics based robust control method for position commanded servo actuators in robot manipulators

In this paper, a simple torque to position conversion method is proposed for position commanded servo actuators used in robot manipulators. The torque to position conversion is based on the low level controller of the servomotor. The proposed conversion law is combined with a backstepping sliding mode control method to realize a robust dynamic controller. The proposed torque based method can control a servomotor which can otherwise be operated only through position inputs. This method facilitates dynamic control for position controlled servomotors and it can be extended to position commanded robotic manipulators also. Simulation and experimental studies are conducted to validate the proposed torque to position conversion based robust control method.     

基于Level Set方法的点采样曲面测地线计算及区域分解

点采样物体的几何处理是当前造型领域中的研究热点之一,如何有效地对点采样曲面进行区域分解是几何处理的基础性工作．该文首先提出了一种基于Level Set方法的点采样曲面上两点间最短路径的计算方法,用以解决区域分解中的边界曲线生成问题．为了保证求解Level Set微分方程的稳定性,文章采用移动最小平方(MLS)方法对点采样曲面进行均匀重采样和去噪音处理．在此基础上,又进一步提出了一个基于Level Set方法的点采样曲面区域拾取算法．最后给出了上述算法在点采样物体的几何处理中的应用实例．实验结果表明该文提出的算法稳定、快速且容易实现。     

基于移动率的T-S模糊模型的结构辨识方法

为了提高现行模糊辨识方法的有效性,提出了基于移动率的T-S模糊模型的结构辫识方法。主要工作如下: 首先,定义I=S模糊模型的S型、Z型和梯形隶属函数的移动率,将此移动率与现行的隶属度相比较可以看出,提出的 方法比较有效;然后,定义基于移动率的T-S模糊推理方法,并且提出基于移动率的前提和结论部分的子S模型的辫 识方法;最后,将提出的识别方法应用于降水量和安全形势的预测模糊建模。测试结果表明,与现行方法和模糊神经 网络算法相比,该方法明显提高了模糊辨识的有效性,减少了规则数目,并降低了辫识误差。     

Sensor dynamic reliability evaluation based on evidence theory and intuitionistic fuzzy sets

This paper presents a new method for sensor dynamic reliability evaluation based on evidence theory and intuitionistic fuzzy sets when the prior knowledge is unknown. The dynamic reliability of sensors is evaluated based on supporting degree between basic probability assignments (BPAs) provided by sensors. First, the concept of asymmetric supporting degree is proposed. By transforming BPAs to intuitionistic fuzzy sets, supporting degree between BPAs is calculated based on intuitionistic fuzzy operations and similarity measure. Then the relationship between dynamic reliability and supporting degree is analyzed. The process of dynamic reliability evaluation is proposed. Finally, the proposed dynamic reliability evaluation is applied to evidence combination. A new evidence combination rule is proposed based on evidence discounting operation and Dempster’s rule. Comparative analysis on the performance of the proposed reliability evaluation method and evidence combination rule is carried out based on numerical examples. The proposed method for data fusion is also applied in target recognition to show its feasibility and validity.