排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
2.
在推导一种新型的基于分形布朗运动(fractional brownian motion,FBM)的等效带宽计算模型的基础上,提出了基于小波分析的Hurst参数计算模型。首先给出了ON/OFF数据源的数学定义,然后在此基础上推导了基于FBM的等效带宽计算模型。对模型的敏感性分析表明,Hurst参数是该模型的重要参数,文中提出了一种改进的基于小波分析的Hurst参数检测算法。仿真证明,所提的等效带宽模型正确有效,Hurst参数检测算法精度显著提高。 相似文献
3.
针对传统量子蚁群算法在求解TSP时容易陷入局部最优以及收敛速度较慢,提出了一种求解旅行商问题的改进型量子蚁群算法(IQACA)。该算法设计了一种新信息素挥发因子的自适应动态更新策略,对信息素进行动态更新;并采用一种新的量子旋转门对量子概率幅值的收敛趋势进行改变。通过三个基本函数极值优化仿真与传统量子蚁群算法进行对比,证明算法性能较优。基于TSPLIB的仿真实验与其他几种算法进行比较,结果表明,算法具有较快的收敛速度,提高了解的全局性,有效避免了算法陷入局部最优。 相似文献
4.
5.
路由空洞问题一直是无线多媒体传感器网络的一个研究热点,针对地理位置路由的特点,提出了一种有效的空洞迂回算法BHRGR。该算法通过提前发送探测包获取空洞边界节点信息确定空洞位置,构建覆盖空洞的虚拟矩形以产生动态中间目的节点,形成有效的迂回空洞路径。仿真结果表明,该算法的路由平均跳数和能量消耗有明显的减少,而且能够有效地缓解路由空洞扩大问题,延长网络生存时间。 相似文献
6.
该文提出一种新的MAC协议,其目的是增加802.11b的网络容量。虽然IEEE的802.11b协议提供了较高的原始速率,但是物理层和MAC层随速率提高而引入的额外开销也不断增大。此外,物理层规范定义了两种物理层数据单元格式,但是研究者没有研究如何利用开销小的物理层数据单元来提高802.11b的容量。该文提出一种物理层自适应的算法,它能自适应地选择802.11b物理层规范中的两种不同物理层数据单元格式进行传输,并计算相应的网络分配向量。通过NS仿真证明,该协议能够提高网络的性能,如端到端的时延,有效吞吐量和传包率,特别是在高负载,高速率情况下。 相似文献
7.
该文提出了一种新的分布式环境下用于QoS控制的基于模糊逻辑的动态资源调配(Fuzzy logic based Dynamic Resource Allocation,FDRA)算法。分布式环境采用集中式带宽代理(Bandwidth Brokers, BB))与分布式BB相结合的控制模式。分布式BB基于滑动窗口和滑动指针机制,在分配资源不足时向集中式BB请求追加资源,在占用资源高于需求一定阈值时滞后释放部分追加资源。追加资源块和释放资源块的大小分别由集中式BB和分布式BB根据当前网络负荷状态,采用模糊逻辑确定。模糊逻辑算法引入新的基于数据源特性的隶属度函数生成方法,提高决策的有效性。仿真结果证明,该文提出的算法性能优于已有文献的算法。 相似文献
8.
为了降低合作通信系统中的误码率和中断概率,本文研究了多点中继合作通信系统.采用矩母函数(Moment Generating Function)分析方法,通过引入超几何函数,详尽推导出Rayleigh衰落信道下的平均符号错误率和中断率的精确表达式.通过蒙特卡洛仿真,验证了表达式的正确性,其性能优于单点中继合作通信系统. 相似文献
9.
一种新的Ad hoc 网络中基于位置的路由协议 总被引:3,自引:0,他引:3
该文提出了一种新的恢复策略来替代基于位置的路由协议中的面遍历算法。结合贪婪的转发策略和新的恢复策略,形成一种新的基于位置的路由协议。通过NS仿真器对新的路由协议和贪婪的周边无状态路由协议(Greedy Perimeter Stateless Routing, GPSR)进行了评估。实验结果表明,新的路由协议在平均的端到端时延、吞吐量和包传送率方面优于GPSR。 相似文献
10.
单张图片和监控视频中的人群计数问题在近年来受到了越来越多的关注。尺度的变化和人群遮挡等问题,导致人群计数是一项十分具有挑战性的任务,但是深度卷积神经网络被证明能有效地解决这一问题。文中提出了一种单列多尺度的卷积神经网络,该网络提供了一种数据驱动的深度学习方法,能够理解各种不同的场景,并能进行精确的计数估计。该网络模型主要由作为二维特征提取的前端与中端,和用来还原密度图的后端组成。其中,使用堆叠池代替最大池化层,在不引入额外参数的前提下增加了模型的尺度不变性。网络模型前端采用部分VGG-16结构;中端采用FME(特征聚合模块),用来打破不同列之间的独立,以更好地提取多尺度特征信息;后端采用3列5层的不同扩张率的空洞卷积,在保持分辨率不变的情况下增加感受野,生成更高质量的人群密度图,并引入一种相对人数损失,以提升稀疏密度人群情况下模型的性能。该模型在两个最具挑战性的人群计数数据集上都取得了很好的效果。实验结果表明,在公开人群计数数据集ShanghaiTech的两个子集和UCF_CC_50上,该方法的平均绝对误差(MAE)和均方误差(MSE)分别是66.2和103.0、8.7和13.4、251.0和329.5,性能比传统人群计数方法更好。与其他模型相比,该模型拥有更高的精度和更好的鲁棒性,对稀疏人数图像有着更好的计数效果。 相似文献