最小生成树DNA算法

为了改进粘贴模型,提出了用生化实验实现求解割集的计算方法,并基于该方法给出了最小生成树DNA算法.首次将分离实验扩展为基于分离板的分离实验和基于电泳技术的分离实验,所提出的最小生成树DNA算法打破了DNA计算的计算模式——用求解割集的最小边的方法逐步产生最小生成树.用该方法求解割集利用了分离实验运算的高度并行性,最小生成树DNA算法的时间复杂度是线性的,从而降低了算法的时间复杂度.     

基于叠加编码的增强型Gossip算法研究

提出了一种无线传感器网络中的Gossip算法,该算法能充分利用无线网络的广播特性来加快收敛速度.通过叠加编码的处理,增大了有效通信半径,使无法获得完整发射信息的节点获得部分发射信息,且这部分信息可以有效加快信息的传播速度,从而达到加快算法收敛速度、节约传感器能量消耗的目的.理论分析及仿真验证表明:基于叠加编码的Gossip算法可以有效加快收敛速度,同时通过对叠加编码通信半径的调整,可以在收敛速度与收敛精度之间取得平衡.     

基于遗传优化的WSNs多源单汇路由算法

针对无线传感器网络中的多源单汇路由问题,综合考虑无线传感器网络中链路带宽、延迟和路径节点最小剩余能量三种度量,建立了多源单汇路由问题的系统模型,将其转化为求解多约束最小Steiner树问题,已知该问题是NP难的问题,给出了基于遗传优化的求解算法,采用基于备选路径集的整数序列编码表示一棵生成树,设计相应的交叉和变异算子,以及对非法染色体进行修复的机制,最后在遗传算法的计算过程中选择合理的适应度函数,找到一棵满足多约束的能耗趋于最小且状态稳定Steiner树.理论分析和数值试验结果表明所提出的遗传求解算法收敛速度快、可靠性高,为无线传感器网络中的多源单汇路由提供了一种新的有效途径.     

一种无线传感网络的非线性平均时间同步方案

提出一种无线传感器网络的非线性平均时间同步方案。网络中的相邻节点时钟信息交换后按照一种非线性规则进行时钟信息更新,该规则必须符合一定的条件才能使网络所有节点同步于它们初始时钟的平均值。笔者找到了使所有节点收敛到初始平均的充分条件,并用图论、李亚普诺夫理论和拉格朗日中值定理进行了证明,用计算机仿真进行了数据验证。     

单向时延测量的实时时钟同步算法

对已有分段聚类算法进行改进,使用软件方法对单向时延序列进行分析,在线检测时钟调整位置.采用变宽度的滑动窗方法对单向时延数据进行过滤,减少时间序列大小,同时保证时钟调整位置信息不丢失.使用自底向上算法对时间序列进行线性分段,检测时钟调整或时钟频率跳变点,算法的时间复杂度大大降低.针对在线时钟同步的要求,为了消除滑动窗不具有离线算法的全局寻优缺点,提出使用基于滑动窗自底向上算法的实时单向时延时钟同步算法.实际测试实验表明:该算法大大降低了时间复杂度并提高了分段精度.     

无线传感器网络时间同步CS-TPSN算法研究与仿真

无线传感器网络TPSN(Timing-Sync Protocol for Sensor Network)算法采用中心节点与子节点的双向通信,并通过交换时间信息和计算偏差值,实现无线传感器网络时间同步,有较高的时钟同步精度。但当系统中传感器密度较大时,节点同步跳数将明显增加,在影响同步精度的同时,增加了节点能量消耗。该研究提出了CS-TPSN算法,通过在节点层间进行拓扑结构改进,减少报文数量,优化层内和层间设计,降低算法开销,实现了基于OPNET的建模和仿真分析。     

一种多跳无线传感器网络时间同步方法

针对无线传感器网络中时间同步技术,降低同步误差的问题,通过优化生成树模型的结构,利用协作同步时间同步技术与生成树生成过程结合,降低生成树的深度,解决同步中误差累积,减少了时间同步误差。通过模拟实验证明,节点经过优化后的同步误差累积低于未优化节点。本方案适合对常用的时间同步算法的优化。     

梯度下降算法在时间同步中的优化

规模化无线传感网各节点时间同步的关键因素是提高节点间的同步精度和收敛速度。该文提出一种基于梯度下降法的多跳时间同步(GDTS)算法,采用梯度下降算法对误差函数的步长进行迭代更新,调整接收节点的逻辑时钟频率和偏移值,得到使误差函数最小化的逻辑时钟频率和偏移比值的最优估计值。数值分析和仿真结果表明,与FBTS和PISync两种算法对比,GDTS算法具有良好的可扩展性,收敛速度及同步精度性能上均有优化。     

结合Chirp信号的单向广播机制水下无线传感器网络时间同步算法

水下无线传感器网络(underwater wireless sensor networks, UWSNs)的时间同步主要面临两大挑战,分别是水声传播时延较长和节点的移动性.针对水下无线传感器网络时间同步问题,提出了一种结合Chirp信号的单向广播机制的跨层时间同步(Chirp-based broadcasting time synchronization, CB-Sync)算法. CB-Sync算法在物理层利用Chirp扩频信号的时钟频偏与相偏来减少因节点移动性带来的误差.此外, CB-Sync算法采用周期性的单向广播机制来同步邻居节点,邻居节点根据收到的广播信息,通过两次线性回归得到时钟的初始频偏与相偏,最后利用最小梯度下降算法来减少多普勒频移带来的误差,以提高最终的时间同步精度.仿真实验结果表明, CB-Sync算法具有更为高效的能量利用效率和时间同步精度.     

基于测距的WSN节点复制攻击检测算法

现有的无线传感网节点复制攻击检测方法多依赖于网络中节点的精确位置信息和同步时钟信息,而在网络实际运行中往往很难保证实时有效的节点位置信息和同步时钟信息。提出了测距法来检测节点复制攻击,不需要精确定位和网络时钟同步;定义了三种检测准则,给出检测系统实现方案和算法流程图。实验表明,该系统实用、可靠。     

混合的深度优先及宽度优先球形译码算法

结合深度优先及宽度优先算法,提出了一种混合算法,将搜索树分成两部分:一部分进行深度优先搜索;另一部分进行宽度优先搜索.利用深度优先搜索的结果裁剪宽度优先搜索中那些距离较大的点,以降低搜索复杂度.该算法合理地综合了2种算法的优点,具有较低的计算复杂度及较高的性能.仿真结果表明,该算法的性能与最优算法相比差别非常小,与宽度优先算法相比节省了大量的计算复杂度,在高信噪比的情况下,计算复杂度的节省尤其明显.     

基于树形搜索的NOMA系统功率分配算法

功率分配是影响非正交多址接入(non-orthogonal multiple access,NOMA)系统性能的一个重要因素.传统树形搜索功率分配算法在吞吐量方面虽然能达到全搜索算法的性能,但该算法具有较高的计算复杂度,而固定功率分配算法和分数阶功率分配算法虽然计算复杂度低,但不能达到较好的吞吐量性能.为了解决这个问题,提出了一种基于树形搜索的递增功率分配算法.该算法以最大化用户吞吐量的几何平均作为目标函数,采用功率递增的分配方式,将用户分配到树形模型中,并对用户逐层搜索筛选,根据给定的功率系数标准和吞吐量标准,舍去多余节点,保留幸存节点,直到完成所有用户的功率分配.仿真结果表明,该算法的吞吐量性能与全搜索算法相比,在没有明显下降的情况下,较大地降低了计算复杂度.     

用于回声消除系统的自适应延时估计算法研究

为避免回声消除系统中滤波器过长导致的各种缺陷,提出一种单滤波器结构的自适应延时估计(delay estimation,DE)算法,并与现有的两种双滤波器延时估计算法S-DE、PHT-DE进行对比研究。先阐述自适应延时估计算法的原理,并对三种算法进行理论研究,然后采用高斯白噪声作为输入信号,以稀疏回声路径为实验条件,对算法进行计算机仿真。仿真结果表明,与PHT-DE相比,S-DE算法计算复杂度较低而稳定性较弱,但两种算法均为双滤波器结构,因此存在信息冗余而导致计算复杂度浪费。新算法为单滤波器结构,可有效避免双滤波器结构的信息冗余,其性能与计算复杂度均优于S-DE、PHTDE,是各种DE算法里实用性最强的算法。最后指出该算法的改进方向是进行统计学建模,为参数设置提供理论指导公式。     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

受ELSE规则支配的模糊LMS算法

针对FSS-LMS算法推理机制不全和算法运算量大的问题,提出了一种新的受ELSE规则支配的模糊LMS算法.ELSE规则的存在使得在任何输入数据条件下都能成功执行推理机制,而且运算量大为减少.与其它模糊LMS算法相比,该算法所建立的模糊规则更加简单和可靠.实验结果表明,该算法不仅具有更少的计算量,而且比其它的模糊LMS算法以及其它传统的LMS算法具有更好的性能.     

基于串行最大独立集的连通支配集构造及分析

针对传感器网络最大独立集的构造方法中并行构造算法生成的连通支配集尺寸没有明确的上界且难以确定边界节点的问题,在串行最大独立集构造算法的基础上,提出了基于权重和时序的触发式连通支配集构造算法.仿真结果表明:该算法无需构造生成树,降低了计算时延和通信开销;此外,由于最大独立集节点存在时间上的先后关系,因而使得边界节点的数量显著减少,最终求得的连通支配集存在明确的上界.     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

空间调制信号的QRD-M检测算法及其改进

针对空间调制(spatial modulation,SM)系统中最优检测算法,即最大似然(maximum likelihood,ML)算法存在的高复杂度问题,提出了基于QRD-M(QR-decomposition with M-algorithm,QRD-M)算法的空间调制信号检测算法.该算法运用M算法树搜索策略,每层只计算最优的M个分支,其性能近似最优且运算量较低,有利于硬件实现.但随着发收天线数增多,传统QRD-M算法的检测性能会下降并需要较长的算法执行时间.因此,采用并行检测的思想,提出了PQRD-M(parallel QRD-M,PQRD-M)检测算法.该算法在各个分支上分别独立地进行搜索,提高了执行效率.对所提出的算法进行了复杂度分析,并在不同天线数目和不同保留节点数下对其误码性能进行了仿真,结果表明,相比于QRD-M算法,PQRD-M算法以增加一定的计算量为代价,能显著地改善空间调制信号检测性能,同时还能节约硬件资源.