移动自组网自私行为闭环惩罚模型设计

针对移动自组网MAC层开环模型缺乏自私行为惩罚机制的不足,设计一种包括报文信息统计、统计信息共享和判决惩罚模块的闭环改进协议PDCF。报文信息统计定义转发率、丢弃度等指标衡量节点行为,修改仿真软件内置函数实现节点行为信息的统计。统计信息共享定义行为量化等级,改进DCF预留字段和CSMA/CA机制,实现节点行为信息的全网覆盖。判决惩罚模块对节点行为建立一维马尔科夫链惩罚模型,限制节点自私行为。仿真结果表明,与DCF相比,PDCF时延、丢包率和控制开销基本不变,但稳态时自私节点比例得到有效控制,且吞吐量增加2.7Mbps,网络性能得到改善。     

有监督的无参数核局部保持投影及人脸识别

针对发掘人脸图像中的高维非线性结构,将加核及构造无参数近邻图两种思想同时引入到局部保持投影算法中,在有监督的模式下,提出了一种新的有监督的无参数核局部保持投影(Parameter-less Supervised Kernel Locality Preserving Projection,PSKLPP)算法并给出了其推导过程。该算法通过将欧氏距离改为对离群数据更为鲁棒的余弦距离,构造无参数近邻图,利用核方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,运用局部保持投影算法得到一线性映射,有效避免了在计算相似矩阵过程中面临的复杂参数选择问题。在ORL和Yale人脸库上的仿真实验验证了所提算法的有效性。     

基于改进的自适应局部保持投影算法的人脸识别

局部保持投影(LPP)通过构造近邻图来保持样本的局部结构,在构造近邻图的过程中,LPP会遇到两个参数K和σ的选择问题。近邻图的构建对算法的识别效果起着重要的作用,因而这两个参数的选择会在很大程度上影响LPP的识别率。为了避免参数的选择对识别率造成影响,提出了一种基于改进的自适应局部保持投影的人脸识别算法。首先,构造无参数的近邻图,其能够自适应地选取样本的近邻点并确定其相应的边权。其次,由于在计算过程中出现了矩阵维数过高的问题,因此采用QR分解进行降维处理。最后,利用共轭正交化使得投影轴具有统计不相关性,以降低特征矢量间的统计相关性,提高识别率。在ORL人脸库和YALE人脸库上进行了实验,结果表明改进的算法在识别率方面整体上好于LPP算法、DLPP算法、LMMC算法。     

WIFI镜头机无线图像采集系统

针对有线摄像头移动性差、不够灵活等缺陷,提出将摄像头模块、WIFI模组和stm32芯片组合到一起形成一个WIFI无线镜头机.对摄像头模块和WIFI模组的原理和实物进行了研究,通过WIFI无线数据传输技术、LWIP协议及Socket网络编程将图像数据信息无线发送到显示设备处理器中.最终实现将带有网卡的显示设备连接到WIFI无线镜头机内部的WIFI热点,通过连接服务器、开启相机、保存图片等一系列的操作,方便快捷的完成无线图像传输、显示和存储的工作.     

动车组齿轮箱吊杆有限元分析及试验验证

以某动车组齿轮箱吊杆为研究对象,依据ASME V&V标准对建立的吊杆有限元模型进行网格精度校核,并在此基础上对吊杆在极限载荷下的静强度进行计算分析。通过分析结果与试验结果的对比,验证齿轮箱吊杆有限元模型的可靠性。     

物联网安全课程教学与实践方法的探索

目前《物联网安全》课程的教学体系尚未完善,教学内容、教学目标和知识点要求不清晰.针对这些问题,文章对物联网安全课程中知识点内容讲解的组织,实验内容的选择等方面有针对性地提出了一些教改方案和设想,旨在引导学生加深对物联网安全的认识,培养学生对物联网技术的学习兴趣.     

基于小波神经网络的水合物形成条件预测方法

传统的水合物形成条件预测方法都存在各种缺点,而小波神经网络预测水合物形成条件的精度比较高,利于推广。针对水合物形成条件预测值之间相对差距较大,本文提出群体最大误差比率代表机制来改进小波神经网络的学习方式。实验结果表明,该算法有效可行,预测准确度高。     

OFDM系统的信道估计与检测方法研究

为保证通信的可靠性与有效性,掌握正交频分复用(OFDM)系统的信道状态信息(CSI)是很必要的。本文在基于导频的OFDM信道估计的基础上,提出检测时变信道的新方法。验证结果表明,该方法通过寻找合适的评价信道变化的参量,可以有效衡量信道的变化状态。     

HIMAC协处理器流量控制设计与实现

为了防止非法的业务流消耗系统过多的资源,并且控制每个端口占用的带宽,需要对进入HINOC系统的业务流流量进行限制.本文提出了HINOC MAC (HIMAC)的流量控制方案.本设计的特别之处在于,它允许根据各个端口业务量的大小,动态地调整分配给它们的带宽,并且设计方案简单可行.     

移动分布感知的车载自组网络数据分发

提出了一种面向发布/订阅系统基于车辆移动分布感知的事件分发策略MDA(mobile distribution-aware data dissemination).基于车流的自组织性及自稳性的特点,建立VANET(vehicular ad hoc network)下的发布/订阅模型,通过计算车辆与移动订阅者的相遇概率,预测订阅者的移动分布,并以此为依据实时部署和调度广播令牌在网络中的转发,从而有效地控制事件代理的分布,保证了数据传递的有效性.与已有相关研究相比,MDA采用的启发式算法,能够使事件代理的分布更好地适应网络环境的动态变化.此外,MDA采用了一种基于概率预测密度的令牌控制算法,通过实时地调整令牌的数量,进而控制事件代理的数量,降低了整个网络的负载.模拟实验结果表明,与现有的几种消息分发算法相比,MDA能以较低的网络负载和传输延迟获得较高的数据传输成功率.