DS-CDMA中空时多用户检测算法及其性能分析

阐述了空时多用户检测的现状，介绍和分析了空时线性多用户检测算法，盲空时多用户检测等几种主要的空时多用户检测技术，并对几种空时多用户检测方法进行了误码率仿真分析，验证了空时多用户检测可以大大改善DS-CDMA系统的性能。     

多Agent协作环境下的任务分配

对多Agent协作环境下的任务分配机制进行了论述。在合同网的分配机制基础上,提出了一种基于合同网的改进机制———任务列表分配机制。该任务分配机制针对多Agent协作工作时面临的突发性事件,能有效地提高系统的实时处理能力和工作效率。以多机器人系统为例,应用任务列表分配机制,解决突发事件下多机器人任务的再次分配问题,满足了多机器人协调工作的实时性要求。实验和理论证明了其机制的优越性。     

多载波CDMA中的多用户判决反馈检测器

提出了基于多载波的最小均方误差(minimummean squarederror,MMSE)多用户判决反馈检测器(deci sion feedbackdetector,DFD)。MMSEDFD具有结构比较简单且性能优于线性多用户检测器(LMMSE)的特点。多载波系统相对于传统的单载波系统能够有效地消除频率选择性衰落。在多载波的合并上,采用了等增益合并(equalgaincombination,EGC)和最大比合并(maximalratecombination,MRC)方式。仿真表明,MC DS/CDMA系统中的MMSEDFDEGC接收机和MMSEDFDMRC接收机相对于LMMSE接收机可以提高系统性能,特别是MMSEDFDMRC接收机能够明显提高系统性能。     

多方法协作优化算法协作策略研究

为充分发挥多方法协作优化的优势,研究了多方法协作优化算法的协作策略特性。比较了采用并联、串联、串并联和嵌入协作策略的多方法协作优化方法的不同优化特性,得出协作策略选择的一般准则。以典型全局优化测试问题进行了分析验证。研究表明,多方法协作比单独优化方法更具优势;合理选择协作策略,可以进一步提高多方法协作优化方法的优化特性。     

基于多Agent的RoboCup仿真足球比赛通信

足球机器人比赛系统需要机器人团队的合作 .但RoboCup仿真组比赛所提供的通信系统模型是一个低带宽、不可靠通信系统 .为了更好的利用这有限的通信能力 ,提出了对应的解决通信问题的方法 .最后举例说明了若干个在团队合作中使用通信系统的应用 .     

小学,再见

<正>六年的步履踏实而匆忙,六年的汗水沉淀着辛劳和回忆,六年的生活充实且快乐,一转眼,2014届小学生走进了毕业季。浙江嘉兴市实验小学为毕业生精心策划了丰富多彩的"致童年"主题活动。毕业生怀着激动的心情,穿着校服,聚在嘉兴南北湖金拓教育培训基地,踊跃参加活动,手脑并用,团结协作,为小学生活画上精彩的句号,不,是感叹号!     

业务迁移场景下利用信誉值的拓扑构造激励算法

针对无线泛在环境下的面向最佳业务迁移的节点快速激励问题,提出一种利用信誉值的新型拓扑构造激励(TCI)算法。首先,建立分层选择模型,为需求节点选择最佳业务迁移小区及中继;然后,提出改进的信誉值计算方法,以准确地反映各协作节点的信誉度;最后,借助拓扑构造算法,实现网络拓扑的自适应调整,从而有效地激励节点参与中继协作。仿真结果表明:TCI算法在业务迁移和节点激励2个方面均表现优异,具有显著的综合优势;与基于随机概率选择的协作激励算法和基于最短距离选择的协作激励算法相比,其业务迁移成功率分别提高了43%和106%;与基于直接信誉值的协作激励算法和基于综合信誉值的协作激励算法相比,其能够促使非合作节点更早(即前3个周期)采用协作态度。     

高能效认知自适应两阶段协作频谱感知算法

针对协作频谱感知技术存在产生多余的传输开销和次用户能量消耗的不足,提出了结合双阈值能量检测模型和两步检测模型的自适应协作频谱感知(CATS)算法,在保证检测性能的前提下降低能量消耗.首先给出了CATS的数学模型,然后对CATS的检测概率和能量消耗进行了理论分析.CATS在第一阶段的检测结果不准确的情况下,才执行第二阶段的感知,并根据第一阶段的检测结果以及网络状况自适应调整两个阶段参与协作的次用户数目.仿真结果表明:与现有的两步检测协作模型相比,CATS算法在保证系统检测精度的同时能够有效减少系统的能量消耗.     

基于可替换路径对的多用户均衡交通分配算法

针对多用户均衡交通分配问题，依据多用户均衡条件，给出了该问题的变分不等式模型和间隙函数。利用可替换路径对的概念，设计了基于可替换路径对的多用户均衡交通分配算法。在大规模交通网络上，对比分析了提出的交通分配算法、外梯度算法、基于用户的对角化算法和基于起点的对角化算法等的性能。数值结果表明，提出的基于可替换路径对的交通分配算法在求解精度、算法效率以及稳定性等方面都显著优于其他算法。     

低维特征空间中基于旋转图像的三维环境模型配准方法

近年来,异类机器人之间(如飞行机器人和地面机器人)的协作成为机器人学研究发展的一个新的领域.异类机器人协作的难点之一是协作环境建模,而由于所获得的环境模型具有不同的观测视角和尺度,其环境建模中的模型配准是一个难点和关键.目前,能够适用于大视角差、大尺度差场景配准的方法并不多,基于旋转图像的配准方法被认为是一种可行方案,但其中存在的计算负担大和在野外环境中的鲁棒性差使得其也很难在实际系统中应用.基于此,面向三维点云环境模型,以旋转图像为基础,提出了一种新的基于低维特征空间的模型配准方法.首先,通过引入模型曲率、旋转图像熵值和激光反射强度3个特征构建了一个三维特征空间,得到候选对应点集合.然后,在候选对应点集合中利用旋转图像的方法查找正确的对应关系,实现模型配准.由于低维特征空间的引入,基于旋转图像特征的对应点搜索区域大大减小,因此算法计算效率得到了极大改善.同时由于引入的新特征与场景旋转图像特征的互补性,算法的鲁棒性和精确性也得到了提升.这些性能改进最后通过实验得到了验证.