并行层压缩树包分类算法

在层压缩树路由算法思想基础上提出了一种新的硬件包分类算法--并行层压缩树包分类算法.该算法是基于独立存储单元和多域并行处理并在FPGA内部实现的高速网络包分类算法,主要包括单通道并行搜索和多通道综合比较两大部分.仿真结果表明在40 MHz的搜索时钟频率下,该算法能够达到每秒2 M包头的处理速度,其空间性能明显优于其他算法,具有O（d）的时间复杂度（d为域的个数）和O（dN）的空间复杂度（N为规则数）.     

SPW仿真在宽带多速率调制解调器设计中的应用

讨论利用SPW(signal processing worksystem)软件完成宽带多速率解调器的算法设计和性能分析.介绍了SPW功能模块以及由各子模块构建的系统仿真平台.仿真结果表明,所设计的正交相移键控(QPSK)调制解调器的误码率性能与理论值相比损失小于0.2 dB.经过硬件测试,以SPW仿真为基础设计的解调器,其性能与仿真结果基本一致.     

ns-2网络仿真平台及其在TCP拥塞控制研究中的应用

通过虚拟环境进行模拟仿真是验证网络协议的正确性和进行性能测试的主要手段.NS-2是目前网络仿真最流行的软件之一.首先介绍了NS-2仿真平台的发展历史、特点和安装方法;然后重点分析了如何基于NS-2平台建立TCP拥塞控制研究的仿真场景,及其仿真数据的生成和处理方法;最后给出主流TCP拥塞控制算法的仿真结果.     

某隔声罩声学性能分析与测试

在有限元软件COMSOL中对某隔声罩声学性能进行仿真测试计算,通过搭建声学平台对其进行了实验测试,分别计算了仿真与实验测试情况下隔声罩在200～1500 Hz噪声状态下的插入损失,仿真与实验测试结果基本一致,验证了仿真方法的可靠性.对隔声罩及其罩内声腔进行模态分析,确定隔声罩插入损失曲线低谷与峰值产生的机理,为隔声罩声学性能检验与优化提供了理论依据.     

基于能耗分析器的电梯群控仿真平台

电梯群控系统是现代楼宇系统中不可或缺的组成部分,其核心是群控调度算法.调度算法性能的验证与评价需要一个仿真平台来实现.而现有的电梯群控仿真平台并没有考虑各算法的节能性能.本文对电梯能耗进行了分析建模,建立了基于能耗分析器的电梯群控仿真平台,该平台可准确计算各算法的能耗并以表格、曲线等多种形式表示,评价各算法的节能效果,为设计面向节能的调度算法提供支持.     

面向机载武器测试系统的高性能智能化429总线通信模块研制

面向机载武器系统的仿真测试,建立总线通信仿真测试平台,研制ARINC 429总线通信智能模块.针对机载武器系统中基于数据帧的总线通信方式,提出了缓冲区资源自动配置算法及其实现方案.在通信过程中根据各信道数据帧的特征和信道流量统计信息,动态分配信道缓冲,提高存储空间利用率,减少丢帧.     

基于自适应粒子群优化算法的神经网络的优化研究

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果.     

基于Android平台的图像增强算法

针对传统图像增强算法存在的不足, 提出一种基于Android平台的图像增强算法. 首先,采用同态滤波对图像进行预处理, 并用小波变换分解图像; 然后对图像进行对比度拉伸和亮度增强, 消除图像中的噪声等; 再采用小波变换重构图像各分量, 得到增强后的图像; 最后在Android平台上实现图像增强算法, 并用仿真实验测试其性能. 仿真结果表明, 该算法解决了传统图像增强算法的不足, 得到了较理想的主观视觉效果, 加快了图像增强的速度, 可满足图像增强的实时性要求.     

基于软件接收机的标量与矢量跟踪算法设计与分析

以Matlab软件接收机为平台,研究对比了标量与矢量跟踪算法结构原理及算法设计,并分析了两种不同算法在信号短暂遮挡环境下的接收机跟踪性能. 建立了基于扩展卡尔曼滤波的矢量延迟/频率锁定跟踪算法模型,分析了矢量跟踪算法控制过程及时间同步问题,分析了标量与矢量跟踪算法在信号短暂遮挡环境下快速重跟性能及其对定位的影响,并进行了半实物仿真. 仿真结果表明,矢量跟踪算法不仅具有更好的快速重跟性能,而且接收机的位置检测精度和位置检测平滑度都优于标量跟踪算法.      

基于优化的Co-Trade软件故障定位方法

传统的软件故障定位方法样本需求量大、费用昂贵.针对这一问题,提出了一种优化的Co-Trade软件故障定位方法.首先,利用执行语句与测试语句之间的动态关系实现协同学习,在语句级利用半监督方法训练分类器;然后,对Co-Trade算法的权值进行自适应优化,进一步改善分类器的性能,并对后续执行语句进行判别式分类,从而定位故障信息;最后,基于Siemens Suite数据库对算法的性能进行了计算机仿真分析.经对比分析,该方法具有较强的有效性和优越性.     

一种基于堆的快速排序算法

堆排序算法具有低时间复杂度和低空间复杂度的优点;但对原始序列的有序性不敏感。快速排序算法是在平均情况下公认的高速算法;但有较高空间复杂度。对两个算法扬长避短,设计了一种新的排序算法HQSort;并从理论和实例两个角度分析了该算法的效率,在不同量级的数据集上对该算法和三种经典排序算法进行了对比运行和测试,验证了该算法不仅在时间效率上优于其他算法,而且在辅助存储空间上比快速排序算法减少约50%。     

理想高速缓存模型及其高效算法研究

分析了在高速缓存有效的算法设计中提出的一个新的存储模型———理想高速缓存模型,并通过理论分析和性能测试,证明了基于该模型设计的高速缓存参数无关算法不仅具有最优的工作复杂性和高速缓存复杂性,而且具有很好的实验性能.     

Some algorithms for the error linear complexity of binary 2 n -periodic sequences

Based on the Games-Chan algorithm and StampMartin algorithm, this paper provides some new algorithms to compute the error linear complexity spectrum of binary 2n-periodic se-quences. These new algorithms are clearer and simpler than old algorithms, and they can quickly compute the error linear complexity spectrum of sequences according to different situations. We also discuss such algorithms and give some new results about linear complexity and error linear complexity of sequences.     

基于二阶和高阶统计量的语音信号盲分离算法研究

研究了两种基于高阶统计量的盲信号分离算法,在各种不同的实验条件下比较了两种算法与基于二阶统计量的盲信号分离算法的分离性能,分析比较了3种算法的计算复杂度,为工程应用和DSP（数字信号处理器）实现提供了参考,最后总结了两大类算法的优缺点,并分析了原因．     

一类基于冒泡排序的改进算法的分析与比较

排序算法对于计算机信息处理很重要，一个好的排序不仅可以使信息查找的效率提高，而且还直接影响着计算机的工作效率．目前排序领域许多最简单的算法都是基于冒泡排序算法，该文对这些算法的基本原理进行了介绍和分析，并对它们的算法性能进行了比较．     

几种矩阵乘并行算法的对比分析

描述了DNS、Cannon、Fox、Systolic矩阵乘并行算法的原理,并对其时间复杂度进行了理论分析。通过对并行算法的各项性能参数的对比分析,得到的结论是DNS算法的时间复杂度最好,但加速比、效率和成本不是最优的。Cannon算法和Fox算法的算法思想类似,但是Cannon算法比Fox算法在数据播送上的花费少,因此整体性能较好。Systolic算法是基于流水线技术的并行矩阵乘算法,有较好的综合性能。     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据，设计基于数据复杂度的纠错输出编码（ECOC）多分类算法。该算法利用数据复杂度降低多类之间的分类难度，从而提高算法的预测准确度。实验结果表明，在不同高校的慕课数据集的测试中，所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性，实现了学生学习成绩多等级的有效预测，为个性化教学奠定了基础。     

椭圆曲线密码体制的安全性探讨

分析了椭圆曲线密码体制的安全性基础和椭圆曲线离散对数问题的多种攻击算法,讨论了几种特殊椭圆曲线的安全性隐患,并提出了安全的椭圆曲线必须满足的几个条件。     

一种快速单模式准确匹配算法

引入连续跳跃查找文本的思想，提出了一种新的单模式精确匹配算法，其最优条件下的时间复杂度为O[n/(m 1)]，新算法的平均时间复杂度分析表明其具有优越的查找性能，对比实验结果显示，新算法的性能优于目前所见的同类算法，特别是在模式较短的情况下，优势更为明显，这一特点非常适合于自然语言文本的检索。     

压缩感知中基于梯度的贪婪重构算法综述

正交匹配追踪（OMP）算法是贪婪类算法中最经典的算法之一,但是对于大规模数据的重构问题却有着计算复杂度高、存储量大的缺点,而如果将最优化方法中的梯度与贪婪算法相结合,就会大大减少计算复杂度和存储需求.文中详述了梯度追踪算法,从理论上分析了这些算法的计算复杂度、存储需求和优缺点,并用这些算法分别重构一维信号和二维信号,分析重构效果.实验结果表明,梯度追踪算法的重构效果均比OMP好.尤其是基于变尺度法的梯度追踪算法,无论是重构时间还是重构效果,均优于OMP算法.