基于Agent的网络计算研究

摘要：本文对基于Agent的网络计算进行了研究,提出了一种基于Agent的网络计算模型。该模型的目的是利用Agent技术充分挖掘网络中各个节点机的计算能力。从而在不改变系统硬件的情况下提高整个系统的效率。     

一种适用于Turbo BLAST系统的自适应功率分配算法

将自适应发送功率分配技术用于Turbo-BLAST(turbo-bell labs layered space-time)系统,提出了一种适用于Turbo-BLAST系统的自适应功率分配算法,给出了在完全信道状态信息条件下以最小化系统误比特率为目标的的最佳功率分配算法.发送端在部率约束条件下,利用自适应功率分配算法对发送信号进行功率加载,在接收端则利用基于最小均方误(minimum mean square error,MMSE)的软件干扰抵消Turbo-BLAST迭代检测算法对接收信号进行检测,以进一步改善系统的误比特率性能.仿真结果表明,和等功率情况相比,所提算法可以显著降低系统的误比特率.     

动态服务流的安全机制

Web服务流具有动态、分布、松散耦合的特点,这导致Web服务流的配置和管理有别于传统工作流的管理。在管理过程中,服务流结构信息的明码化必然产生敏感信息的安全隐患,从而导致流中某些个体利益受损。文章首先提出了支撑安全的动态服务流定义,进而设计算法non-sensitiveTree、sensitiveTree对同步库所中依赖表达式进行敏感变量分离,并构造同步智能体实施基于安全的动态服务流管理。     

构件化嵌入式软件设计的能耗性质分析与验证

从嵌入式软件设计模型层对构件化实时嵌入式软件系统中能耗相关性质进行研究,包括:扩展了实时接口自动机在能耗语义方面的描述能力,通过引入状态能量消耗率,建立了能耗接口自动机形式化模型以及自动机网络,用以建模嵌入式软件设计阶段系统构件及其构件组合的能耗行为特征;对能耗接口自动机网络的状态空间进行了形式化分析,构造了相应的可兼容整型空间的可达图,并在此基础上给出了最小能耗计算和最大能耗验证的算法.     

采用图像轮廓的弹性连接体三维建模与运动估计

为了用较少的参数反映人肢体皮肤的变形,该文提出以旋转圆锥曲面进行弹性连接体(人体)三维建模.模型包括人体三维骨架和代表人肢体皮肤的变形曲面方程,每个肢体只需调整2个变形参数就能反映出人肢体皮肤的变形.根据双目图像序列的轮廓估计人体变形和运动参数,包括骨架的运动参数估计和变形曲面的变形参数确定.实验结果表明:该模型能正确地反映人肢体皮肤的变形,运动估计算法能精确地估计人体运动参数.     

一种基于跨层设计的简单可靠UDP协议

为了解决TCP(transmission control protocol)和UDP(user datagram protocol)在诸如卫星信道和无线信道等高误码率信道中遇到的问题,提出了一种基于跨层设计的简单可靠UDP协议.通过增加2个字节的包头建立了确认机制和重传机制,保证了数据包的可靠交付;通过增加1个字节的跨层信息,建立了自适应变包长机制,提高了协议效率.分析和仿真结果表明,该协议兼有UDP协议高效和TCP协议保证可靠交付的优点,可以很好地适用于卫星、无线等高误码率信道.     

非均匀环境下雷达动目标检测的空时自适应处理

研究一种非均匀环境下地面动目标检测的STAP算法. 该算法将直接数据域内基于正弦曲线幅相估计的检测算法从空域维扩展到空时二维,提高目标回波幅度的估计精度,改善输出信杂噪比,有效地克服了原算法对弱目标检测性能差和虚警率高等缺陷. 仿真结果验证了这种方法的有效性.     

基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.     

伪随机屏蔽二进序列偶

提出了一种新的具有良好周期相关特性的离散信号,即伪随机屏蔽二进序列偶,研究了其变换性质。为了缩小计算机搜索伪随机屏蔽二进序列偶的搜索范围,提高搜索效率,给出了伪随机屏蔽二进序列偶的周期长度、屏蔽个数以及序列平衡度之间的一些限定关系。在此基础上利用计算机搜索给出了一些小长度的伪随机屏蔽二进序列偶,给出了利用伪随机二进序列构造伪随机屏蔽二进序列偶的方法。     

基于线性卷积系数扩展特征的雷达目标识别

针对雷达目标高分辨距离像识别中的有效特征提取问题,提出了一种基于线性卷积系数扩展特征的雷达目标识别方法。该方法将高分辨距离像及其线性卷积系数扩展特征作为联合特征在核空间中进行特征选择,并采用支持向量机（support vector machine, SVM）作为分类器实现雷达目标识别。核空间中的特征选择可以解决联合特征高特征维数问题和非线性可分问题,进而提高SVM识别性能,而线性卷积系数扩展特征相比高分辨距离像具有更强的稳定性。同时,可以在一定程度上弥补因特征选择带来的高分辨距离像部分距离单元特征分量缺失。基于5种飞机目标高分辨距离像的仿真实验证明了该方法的有效性。