【摘 要】
：
无线传感器网络时间同步的精度主要受同步跳数的影响,同步精度随同步跳数增大而降低;网络分簇采用分簇技术以实现尽可能延长网络的生存周期的目标;基于精度分簇的无线传感器
论文部分内容阅读
无线传感器网络时间同步的精度主要受同步跳数的影响,同步精度随同步跳数增大而降低;网络分簇采用分簇技术以实现尽可能延长网络的生存周期的目标;基于精度分簇的无线传感器网络时间同步算法结合了两个方面的因素;该算法以网络内节点不同的同步精度要求为基础,精度要求高的节点推选为簇首,保证簇首节点与基站的高精度单跳同步,同时在簇首与普通节点同步采用简单的单向报文同步方式以降低整个网络的同步功耗;通过仿真和分析得出该同步方法能保证精度要求,降低了同步开销和能耗,具有一定的应用价值。
其他文献
采用模糊神经网络方法结合粗糙集理论和主成分分析技术，研制了模糊神经网络区域降水预报系统，系统利用VB和MATLAB6．5联合开发，并采用中文菜单显示的人机对话方式操作，使模糊神经网
针对现有去雾算法在估计大气光向量时,所采用的方法包含的大气光候选点数量较少,导致估计结果在统计意义上误差较大这一问题,提出了基于高斯分布的大气光估计算法。该算法首先使用阈值划分的方式选取候选点以增加初始样本点数量;然后引入聚类算法对原算法所得光源点簇进行合并以提高单个点簇所含样本点个数;同时,使用比例阈值过滤掉不合理的点簇,并将各点簇视为单独光源,单独计算其对周围像素的影响,其影响通过二维高斯分布
在多模态图像,有光照、取向及尺度或纹理变化的图像,以及宽基线图像之间通常存在大的形貌畸变。然而,当前主流推广的双自举迭代就近点法(GDB-ICP)在配准这类图对时存在困难。主要原因是,该方法利用提取的尺度不变泡点(SIFT keypoint)来引导迭代就近点法(ICP),但在大畸变图像上提取的SIFT点是不可靠的。为此,提出了一种用对数极坐标特征点(LPF)来引导迭代就近点的图像配准新方法(LPF
为了更好地宣传会员单位在军工领域发挥的重要作用，企业在技术创新和科技成果向生产力转化方面所取得的成就，行业中涌现出来的先进模范人物的带头示范作用，在中国计算机自动测量
因遮挡、光照等变化因素所引发的协变量偏移问题是面向现实的人脸识别系统需要重点解决的问题。从字典编码的角度探讨了这一问题。通过对现有的结构化误差编码方法的回顾,指出几种主流的结构化误差编码方法都可以转化为训练字典与遮挡字典联合表示的形式,只需对不同的误差编码方法建立合适的遮挡字典即可。鉴于遮挡字典在结构化误差编码方法中的重要作用,针对一种重要的基于字典表示的误差校正方法——基于Gabor特征的鲁棒表
压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原子支撑集的相似性,提出了基于行间支撑集相似度的CoSaMP算法。实验结果表明,在同等采样率的条件下,与传统的CoSaMP算法相比,所提算法在不增加算法时间复杂度的同时
为了解决当前集装箱堆场信息采集水平不足和工作效率低下的问题，设计了一个基于超高频无源RFID技术的堆场信息采集系统，介绍了系统的构成和各部分的作用，给出了系统中一种符合IS