基于动态占空比的流量自适应MAC协议

提出一种基于动态占空比的流量自适应MAC协议,在基于S-MAC和TDMA流量自适应MAC协议的基础上,引入动态占空比机制,将原S-MAC协议的侦听/睡眠周期划分为多个短侦听/睡眠周期以实现多次数据传输。仿真结果表明,该协议在多竞争节点情况下能减少系统时延,维持较高的吞吐率,实现协议的平滑切换。     

实时网络的分布式调度

针对主—从结构实时网络的性能特点,提出了一种基于EDF的主节点分布式实时任务调度算法,给出了该调度算法下实时任务组的可调度的充分条件。仿真测试表明,该调度算法满足实时约束,适合于主—从结构的实时网络调度。     

RBF神经网络在诱发脑电信号分类中的应用研究

采用RBF神经网络方法对麻醉状态下诱发脑电仿真信号进行分析,提出了一种通过基于RBF神经网络权值构造特征向量的特征提取方法,以达到提取信号特征的目的,并用BP神经网络分类器对提取的特征进行聚类,从而实现深浅麻醉状态下诱发脑电信号的分类,实验仿真结果表明了该方法的有效性．     

OPC数据存取的接口调用与软件实现

分析了OPC 数据存取的接口调用和OPC 数据存储方式, 针对传统的OPC 数据存储方式的不足, 提出并具体实现了对OPC 服务器地址空间的小量数据采用线性链式存储方式和对大量数据采用哈希链式存储方式, 以及为OPC 客户方采用带头节点的哈希链式的数据存储方式。经过实验测试, 验证了其有效性。     

蓝牙技术的概述

本文在介绍蓝牙技术概念的基础上,简要介绍了蓝牙技术的特点、组成、应用、发展趋势及所存在的问题.     

基于OPC的MATLAB与MCGS实时通讯的实现

论文阐述了开放式标准接口OPC技术,在此基础上提出了一种基于OPC技术的MATLAB与MCGS实时通讯的实现方案,并给出了具体的实现过程。该方案利用MATLAB集成的OPC toolbox实现MATLAB对MCGS实时数据的读取和写入,完成MATLAB与MCGS数据的实时通讯。试验证明了该方法省去了复杂的语言编程,简化了开发过程,是实现MATLAB与MCGS数据实时通讯的一种有效方法。     

波长1064 nm和532 nm脉冲激光大动态范围能量的测试方法及实验

激光能量测量中能量计的量程受限,无法兼顾大动态范围能量的测量.在光电法测量的基础上,提出了一种基于APD和PMT光电探测器的激光能量测量方法,该方法通过分析光电探测器的探测性能及其与后续处理电路之间的相互作用关系,可以完成对1064nm和532 nm波段的激光能量测量.通过改变可调激光光源的脉宽、重频、泵浦功率,观察电...     

基于改进频率微分运算的虚拟惯量控制策略

可再生能源通过快速功率变换器接口接入电网受到广泛关注,但往往会引起电网等效惯量减小的频率稳定性问题。文中分析了2种现有解决方案：利用锁相环频率直接进行微分运算的方法,其动态响应速度慢,易引起谐波放大的问题;利用二阶广义积分器-锁频环(SOGI-FLL)评估频率微分信号的方法避免了频率微分运算,但在抑制电网电压扰动方面的能力有限。为此,提出一种基于级联二阶广义积分器-锁频环(CSOGI-FLL)准确评估频率信号的虚拟惯量控制策略,即将基于二阶广义积分器原理的频率自适应滤波器加入SOGI-FLL的控制回路中,增强SOGI-FLL的扰动抑制能力。最后,建立柴储微网系统的仿真模型和实验平台,仿真和实验结果共同验证了所提控制策略的有效性。     

基于OPC和Profibus-DP总线的远程控制

针对远程控制系统难以实现和控制效果不理想的问题,提出了一种基于OPC(OLEfor Process Control)和Profibus-DP总线的远程控制实现方法。建立了以太网和Profibus-DP现场总线两层网络的双水箱液位控制装置实验平台,给出了基于OPC和Profibus-DP总线的远程控制系统框图和控制原理。系统通过Profibus-DP总线实现现场设备的数据实时采集,并传递给SI-MATIC NETOPC服务器,客户端MCGS获取OPC服务器的实时数据,利用Matlab实现BP神经网络优化PID控制参数,优化后的参数通过SIMATIC NET OPC服务器传递给Profibus-DP总线控制系统,实现远程控制。实验结果表明,提出的远程控制方法有效,具有较好的控制效果。     

基于KNN和XGBoost的室内指纹定位算法

针对KNN算法定位精度有待提高以及定位稳定性较差的问题，本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集，将训练集中AP的RSSI数据作为特征，坐标作为标签，使用XGBoost算法进行建模。其次，融合KNN模型，将KNN算法寻找到的近邻集合引入XGBoost模型中，再结合单独XGBoost算法的预测结果，以实现坐标定位。最后，在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响，确定算法的相关参数。通过搭建的实际实验环境进行了测试，实验结果表明，本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快，具有较好的定位性能。