二进制无线传感器网络目标跟踪问题的研究

无线传感器网络是近几年发展起来的一门新技术,其研究的重点之一是目标跟踪问题。二进制传感器网络由于其低廉的布设代价、体积小、低能耗以及传感器节点简单,正得到越来越多的关注并用于目标跟踪。目前二进制无线传感器网络中的目标跟踪方法主要分为两大类:基于分段线性拟合的方法和基于粒子滤波的方法。现分别归纳总结现有二进制无线传感器网络中目标跟踪的两大类方法的研究成果并指出其优缺点以及未来的研究方向或需要完善的工作。     

基于pic16f877a单片机的太阳能跟踪器研究

以PIC单片机为控制核心,利用两路TSL561光强传感器对实时采集的光线强度进行比较,通过比较算法判断出光强的中心位置,利用D/A转换器转换为步进电流输入信号,并由驱动放大电路带动步进电机进行相应的角度转动,从而达到对光强位置的跟踪,有效地吸收光能.     

符号执行中高语句覆盖率的路径调度

符号执行和约束求解相结合的软件测试方法采用深度优先搜索的路径调度算法会造成测试路径聚居性问题,实际软件中存在路径爆炸,使得采用该算法的测试语句覆盖率低下。提出一种新的PSHC路径调度算法。先将路径分为前缀和后缀两部分,每次测试总是试图寻找这样的路径,该路径与已存在的路径具有最短的相同前缀,并且包含尽可能多的尚未被访问过的基本块作为其后缀。基于Phoenix漏洞发掘工具的实验结果表明,PSHC算法可以迅速提高测试的语句覆盖率到100%,有效解决由于深度优先搜索的路径聚居性导致的测试代码的局部性问题,PSHC算法产生的路径数与循环深度无关,软件规模越大,该算法的表现越好。     

具有感觉适应功能蚁群算法的机器人路径规划

用传统蚁群算法进行机器人路径规划具有收敛速度慢,容易陷入局部最优等缺点。为此,通过模拟蚂蚁的感觉特征,提出了一种具有感觉适应功能的蚁群算法,并应用到机器人路径规划中。算法设置蚂蚁的感觉能力随着在高强度信息素节点上的行走而降低,在快速收敛的同时保证搜索多样性。大量仿真实验表明,该算法有较强的搜索能力,不易陷入局部最优,即使在障碍非常复杂的环境下使用该算法,也能快速收敛到一条全局优化路径。     

基于改进双种群遗传算法的AUV路径规划方法研究

研究了在静态环境条件下AUV全局无碰撞的路径规划方法,提出了一种将顶点图像法与双种群遗传算法相结合的路径规划方法。利用顶点图像法建立环境模型,对候选路径进行二进制编码,然后利用改进的双种群遗传算法进行路径寻优。仿真实验表明,本文采用的改进双种群遗传算法是正确和有效的,具有运算速度快、全局优化能力强等优点。     

一种基于改进遗传算法的面向路径测试用例自动生成方法

介绍了基于改进遗传算法测试用例生成的核心算法,针对软件测试用例生成问题的特点对传统遗传算法的遗传算子进行了改进,实验获得了较好的效果。     

太阳位置光电模拟信号检测跟踪的实现

本文介绍了对放置在检测板上的4个光电二极管,在太阳光照射下,产生的电流信号进行模拟信号采集和单片机处理数据的实现过程。给出了基于单片机的模拟信号采集系统的总体框架,对硬件及软件设计作了详细的说明。系统以SPI为传输方式,以STC89C52为控制器,实现了信号的模数转换及数据的传送与处理。本文设计的光电模拟信号检测跟踪方案,更好的确定太阳辐射角度的精确位置,控制更精准。     

浅谈采用单通道步进接收机实现C频段双星跟踪

通过对变频切换单元及单通道步进接收机的控制,该天伺跟伺服控制系统集信道切换、信标切换和天线驱动控制为一体,能自动实现Ku频段单星、C频段单星和C频段双星跟踪功能,操作灵活,使用方便。本文重点阐述C频段双星跟踪的理论依据及具体实现。     

提高静态缺陷检测精度方法

误报率和漏报率是静态缺陷检测的关键技术指标,提高分析精度是降低误报和漏报的主要手段.文中介绍了缺陷模式及其有限状态机描述,提出基于传统数据流分析的缺陷检测方法.采用变量抽象取值来近似地表示程序动态执行信息,通过状态条件中的变量抽象取值范围为空来判断不可达路径,以实现路径敏感分析;使用缺陷相关的函数摘要来表示缺陷检测所需函数调用信息,其中缺陷相关的函数摘要包括前置约束信息、后置约束信息和函数特征信息三部分,实现了上下文敏感的跨函数分析.文中方法已在缺陷检测系统DTS中实现,在大型开源软件分析中的实验结果表明,该方法能减少误报和漏报.     

采用增量型非负矩阵分解建模的目标跟踪算法

建立鲁棒的外观模型是目标跟踪中的关键问题,为此提出一种基于增量型非负矩阵分解的目标跟踪算法.首先根据转移概率模型在当前帧中预测得到一组图像样本;随后利用非负矩阵分解获取样本在子空间中的坐标向量;在此基础上计算样本与前一帧视频中目标图像在低维坐标向量上的相关性,以具有最大相关性的图像样本作为目标在当前帧中的图像区域;最后以增量的方式完成子空间的在线更新,提高了外观模型的更新效率,且所要求的存储空间大小恒定.实验结果表明,该算法对目标物的外观变化具有良好的自适应性,能够在视频序列中对目标进行稳定的跟踪.