基于虚拟节点的BP无线传感器网络定位算法

无线传感器网络中节点的准确定位是网络应用的支撑技术之一.针对网络中锚节点比例因素,提出了基于BP神经网络的次锚节点的定位算法,虚拟地增加网络中用于定位的锚节点的个数,并提出了引人虚拟节点的方法寻求较佳的次锚节点,从而提高了定位精度.该方法不依赖于节点间的距离,并利用了神经网络的并行性,因而算法简便快速,硬件结构实现简单.仿真结果证明了利用虚拟节点确定次锚节点的有效性,同时表明BP神经网络定位算法和次锚节点的引人可大大提高网络未知节点的定位精度,减少无线传感器网络的成本.     

形式化开发非递归Koch曲线算法

形式化方法是构建可信软件的重要途径。Koch曲线是典型的分形图形。基于形式化方法PAR及循环不变式开发策略,开发了Koch曲线非递归算法,并对其进行了形式化的正确性证明。在得到求解Koch曲线算法的循环不变式的同时,直接得到易读、高效且可靠的非递归算法。对使用形式化方法及循环不变式开发策略开发分形程序非递归算法作了较深入的实践和探讨。     

用于光学信息处理的WTA电子网络的实现及其特性分析

给出了一种光信号处理用ＷＴＡ电子网络的实现方法，测试了网络的灵敏度，并分析了可能对其产生影响的因素，制作了３２单元的ＷＴＡ网络器件。网络能在几百微秒的时间内找出输入最大者，分辨精度为１ｍＶ。     

TD-SCDMA智能天线电磁环境测试方法研究

随着移动通信的迅速发展,移动通信基站的电磁辐射逐渐为人们所关注。根据TD-SCDMA智能天线的工作原理、辐射特性、电磁环境安全标准及测试方法,提出了一种新的布点方案和测量方法,并对TD-SCDMA基站周围的电磁场强强度进行了测量。提出的测量方法能够快速、准确地测量TD-CSDMA基站的辐射状况,为智能天线的环境影响评价提供了较好的支持。     

OFDM系统中自适应资源分配算法的研究

在无线资源日益紧缺和信道条件日益恶化的背景下,通过动态资源分配可以获得较高的频谱利用率和更高的QoS保证,以适应未来无线宽带业务的发展.首先介绍了链路自适应和多用户分集,在此基础上重点研究了在不同优化目标下单天线OFDM与多天线OFDM的资源分配算法,并对其优缺点进行了分析,最后展望了动态资源分配的发展趋势.     

基于用户公平性的MIMO-OFDM空间子信道分配算法

对多用户"多入多出-正交频分复用"(MIMO-OFDM)系统的空间子信道分配算法进行了研究,提出了使系统吞吐量最大化并且满足用户速率最小要求的多用户无线资源调度算法.仿真结果表明,与波束形成相比.所提算法具有更好的性能,既充分利用空间子信道,提高了系统容量,又采取有效措施保障了用户的公平性.     

一种基于卷积神经网络的烟叶等级识别方法

目的:解决烟叶分级准确率不高的问题.方法:提出一种改进的基于卷积神经网络的烟叶分级模型,根据VGG16网络结构,以 自定义的方式搭建网络模型;将空洞卷积代替原有的传统卷积,增加图像感受野的同时避免了图像特征的损失,并将激活函数改为Leaky_relu,修正数据的分布,解决ReLU函数的硬饱和问题;用41种等级的烟叶图片...     

光电混合WTA模式识别神经网络系统

本文介绍一个基于WTA(即“胜者全取”,Winner-Take-All)神经网络模型的光电混合模式识别实验系统及其初步实验结果。该系统对输入模式的噪声和遮挡有容错能力,既可自联想(Auto-association)亦可互联     

基于红外光谱的烟叶自动分级研究

烟叶的自动分级一直是国内外学者智能化研究的一个重要方向。通过分析烟叶的主要组成成分和烟叶光谱信息特征,发现烟叶红外光谱可作为烟叶分级特征,并通过神经网络模型验证了红外光谱作为其分级特征的可行性,通过对比分析选取最佳红外光谱间隔、光谱范围以及最必要的光谱预处理方法。利用概率神经网络对9个等级的烟叶进行分组分级,首先对选光谱数据进行减均值的预处理以消除基线漂移,然后将其作为神经网络的输入模式,相应的等级或组分作为理想输出训练网络。选择近半数的样本作为训练样本,其余为测试样本;网络对于训练样本的正确吻合率为100%,测试样本的平均正确吻合率91%以上。结果表明烟叶的红外光谱可以作为烟叶的分级特征,概率神经网络可以用于烟叶自动分级,为烟叶的自动分级提供了新方法。