基于动态中继选择的无人机自组网协作接入协议

来源 :数据采集与处理 | 被引量 : 0次 | 上传用户:luocaohuozi12345
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对无人机自组织网络中的协作机制进行了研究,提出一种基于动态中继选择的无人机自组网协作时分信道接入协议.该协议在传输中继数据包时引入了双队列协作机制,在网络层数据包缓存队列之外引入了独立的媒体接入控制(Media access control,MAC)层中继数据包缓存队列,并且能够实现默认中继节点与辅助中继节点的动态选择,以满足大流量负载及网络拓扑快速变化的要求.仿真结果表明,通过中继节点动态选择机制,在网络业务流量负载较大、网络拓扑快速变化的情况下,所提出的协作时分信道接入协议可获得比传统时分多址(Time division multiple access,TDMA)协议与机会协作中继时分多址(Opportunistic cooperative relay time division multiple access,OCR-TDMA)协议更高的中继数据包投递率及更低的端到端时延.
其他文献
传统基于孪生网络的视觉跟踪方法在训练时是通过从大量视频中提取成对帧并且在线下独立进行训练而成,缺乏对模型特征的更新,并且会忽略背景信息,在背景驳杂等复杂环境下跟踪精度较低.针对上述问题,提出了一种融合注意力机制的双路径孪生网络视觉跟踪算法.该算法主要包括特征提取器部分和特征融合部分.特征提取器部分对残差网络进行改进,设计了一种双路径网络模型;通过结合残差网络对前层特征的复用性和密集连接网络对新特征的提取,将2种网络拼接后用于特征提取;同时采用膨胀卷积代替传统卷积方式,在保持一定感受视野的情况下提高了分辨率
与传统的图像文本识别任务不同,缅甸语光学字符识别(Optical character recognition,OCR)需要计算机在一个感受野内识别由多个字符嵌套组合的复杂字符,这给缅甸语OCR任务带来了巨大的挑战.为了解决该问题,提出了一种基于知识蒸馏的缅甸语OCR方法,构建了使用卷积神经网络(Convolutional neural networks,CNN)+循环神经网络(Recurrent neural network,RNN)框架的教师网络和学生网络,以集成学习的方式进行训练的模型架构,在训练过程