【摘 要】
：
针对认知无线电网络中传统路由协议存在的缺陷,提出了一种频谱动态变化实时路由算法(DSVR)。该算法在频谱动态变化过程中,利用马尔可夫状态转移,及时调整路由,在一定程度上对网络中的优质资源进行充分使用,且能获得更低的传输时延。最后,仿真结果表明,在信道可用率、可用信道数、节点个数为评估参数下,DSVR比传统路由协议具有更低的端到端平均时延。
【机 构】
：
重庆邮电大学移动通信技术重点实验室,电子科技大学通信抗干扰国家重点实验室
论文部分内容阅读
针对认知无线电网络中传统路由协议存在的缺陷,提出了一种频谱动态变化实时路由算法(DSVR)。该算法在频谱动态变化过程中,利用马尔可夫状态转移,及时调整路由,在一定程度上对网络中的优质资源进行充分使用,且能获得更低的传输时延。最后,仿真结果表明,在信道可用率、可用信道数、节点个数为评估参数下,DSVR比传统路由协议具有更低的端到端平均时延。
其他文献
认知无线电网络中,主用户(primary users,PU)和认知用户(cognitive users,CU)的行为均会给认知节点间的频谱分配带来重大影响。考虑CRN中主用户对认知用户的影响及认知用户间相互干扰这两种因素,提出认知用户可用信道的潜在竞争节点数(number of potential competition node,PCNN)这一概念,进而定义信道稳定度作为衡量频谱质量的参数。在信
针对传统K-means聚类算法初始聚类中心随机选取、不能处理边界对象、效率低、聚类精度低等问题,提出了一种新的K-means聚类算法。算法引入粒计算理论,并依据密度和最大最小距离法选择初始聚类中心,避免初始聚类中心在同一个类中,结合粗糙集,通过动态调整上近似集和边界集的权重因子,以解决边界数据的聚类问题;最后采用类间距和类内距均衡化准则函数作为算法终止判断条件,来得到更好的聚类效果。实验结果表明:
为了克服传统的谱聚类算法求解normalized cut彩色图像分割时,分割效果差、算法复杂度高的缺点,提出了一种基于鱼群算法优化normalized cut的彩色图像分割方法。先对图像进行模糊C-均值聚类预处理,然后用鱼群优化算法替代谱聚类算法求解Ncut的最小值,最后通过最优个体鱼得到分割结果。实验表明,该方法耗时少,且分割效果好。
双系统密码技术下的身份型广播加密方案具有在标准模型下,尺寸固定的短密文和密钥,无须随机标签和全安全等特点。研究发现该方案是不安全的,进而提出了一种改进方案,并在标准模型下运用双系统密码技术给出了改进方案的安全性证明。
基于线性反馈同步的理论,实现了统一混沌系统的线性反馈同步的控制,并将该混沌同步方式应用于混沌参数调制的保密通信系统中。在系统的发送端利用发送的信息信号调制混沌系统的参数,将信息信号隐藏在混沌信号中,在系统的接收端利用混沌同步信号提取出相应的混沌系统参数,进而恢复出所传输的信息信号。仿真结果表明其同步时间短,在保密通信系统的接收端恢复出信息信号非常逼近发送的信息信号,具有较强的保密性和实用性。
为了更准确地估计状态聚类前有调三音子的模型参数,从而提高聚类后捆绑状态的精度及系统的识别性能,针对汉语连续语音识别中,有些有调三音子的训练样本数非常少,而其对应的无调三音子的训练样本数相对较多的情况,提出用其对应的无调三音子的模型参数进行初始化,并用最大后验概率准则训练模型。汉语大词汇量连续语音识别实验表明,该方法可以提高训练语料中稀疏三音子聚类前的模型精度,从而提高系统的识别性能。
对基本邻近排序算法(basic sorted-neighborhood method,SNM)进行分析,指出其不足,提出了SNM算法的一种改进方法。采用变步长伸缩窗口,动态改变检测窗口大小,避免漏配问题,并减少不必要的比较。采用动态调整等级法,根据记录相似度调整字段等级,并通过等级法将字段等级转换为权重,解决了人为赋予固定权重主观性强、不准确的问题。通过对实际系统中的数据进行测试,验证了方法的有效
为了降低弹性噪声、提高图像质量,对直方图匹配算法在超声弹性成像上的应用进行了研究。为使算法去噪效果最佳,通过实验探讨了最佳匹配窗口大小与超声弹性图像分辨率单元大小之间的关系,测试和分析了中心频率及互相关计算窗口长度对算法去噪效果的影响,并采集临床体模数据对算法效果进行了验证。实验结果表明,将直方图匹配算法应用至弹性成像后,弹性信噪比和对比度噪声比得到了显著的提高;最佳匹配窗口宽度与横向分辨率一致,
为了平衡算法的全局探测能力和局部搜索能力,提出一种基于交叉与变异的中心引力优化算法用于求解约束优化问题。该算法首先利用佳点集方法构造初始种群以保证粒子的多样性。以一定概率随机选择粒子与当前最优粒子进行算术交叉操作,引导粒子向全局最优解靠拢。对当前最优粒子进行多样性变异以避免算法陷入局部最优。标准测试函数和工程优化应用问题的实验结果表明,新算法能有效求解不同的约束优化问题。
自然场景下,汉字背景复杂且形态各异,导致传统识别方法中的文本定位与文本矫正过程难以进行。为了避免这些问题,采用物体识别方法中的可变部件模型(DPM)进行识别。该方法将汉字视为物体类,训练其对应的参数模板,然后采用滑动窗口的方法遍历待检测图片,以判断图片中是否存在目标汉字。实验表明,该方法对简单独体汉字有较好的检测效果,但对于多笔画复杂汉字,由于模型自身结构特点,效果并不明显。