用逻辑方法验证移动Ad Hoc网络协议

针对移动Ad Hoc网络节点移动和无线广播通信特征,引入移动算子和广播算子,扩展形式逻辑LS2,提出了建模和分析移动Ad Hoc网络安全系统的逻辑ELS2.ELS2把网络模型化为不同位置上执行程序的线程复合,把攻击者模型化为与协议参与方并发运行的线程.ELS2中提出网络迹概念,描述网络节点内部计算和外部交互,以及节点移...     

多媒体传感器网络中被动目标定位算法

针对被动目标定位问题,提出了一种多视觉感知节点协同定位算法.与传统的视觉目标定位方法不同,该算法无需进行训练或特征识别,而是各个节点基于机器视觉理论,将目标投影为定位平面上的一条直线,并使用Hough变换将该直线映射为Hough空间中的一个离散点,最后对离散点进行正弦曲线拟合,拟合参数即为目标的最终位置估计.根据视觉感...     

基于AIC方法的切换神经网络模型设计

将切换系统设计中的切换思想与神经网络相结合,构建了切换神经网络模型.根据模糊C均值（FCM）聚类方法将样本数据分为多组训练数据,每组数据对应训练一个单一神经网络模型,再利用赤池信息准则（AIC）制定相应的切换规则.根据输入数据特性,选择单一网络或多网络组合的输出作为模型输出,从而达到函数逼近目的.本模型更好地利用了各个子网络在特定区域具有较高逼近精度的特点.仿真结果表明,切换神经网络模型有较高的逼近精度.     

无线传感器网络节点调度技术研究

探讨了无线传感器网络的节点硬件体系结构和网络体系结构;论证了无线传感器网络节点调度的必要性和价值;从网络覆盖度及连通性等角度分析了若干较有代表性的节点调度算法.     

无线传感器/执行器网络SA协作分簇算法

针对现有分簇算法大多没有考虑监控区域内事件发生频率和执行任务能耗的因素,导致无法适应无线传感器/执行器网络的特点,提出一种基于SA协作模型的分簇算法（CASA）.算法从全网的能耗和时延影响的角度,建立基于SA协作的能耗模型,综合考虑时延和连通度等约束条件,以网络能量优化为目标,构造非线性优化函数,利用KKT条件求解网络理想执行器节点个数和传感器节点传输半径等网络分簇所需参数,并在此基础上完成节点的部署和成簇.该算法通信开销较小,网络平均时延和能耗等仿真结果表明：相比典型算法,能够在满足一定连通度的前提下,优化网络部署,增强网络实时性和能量均衡性.     

基于混杂脉冲切换控制的时滞混沌神经网络的镇定

针对一类离散时滞混沌神经网络,研究其基于混杂脉冲切换控制的镇定问题.利用切换Lyapunov函数方法和S过程技巧,得到了受控的神经网络的指数稳定判据.该结果反映了脉冲控制和切换控制对闭环系统的稳定性的影响.离散时滞Hopfield混沌神经网络例子表明了所给镇定方法的有效性.     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

基于改进粒子群算法的过程神经网络训练

针对过程神经元网络由于模型参数较多,正交基展开后的BP算法不易收敛的问题,结合量子理论,提出一种改进的粒子群算法,并用于过程神经元网络的训练。算法中粒子采用双链结构,用量子位的概率幅对粒子位置编码,通过量子旋转门和量子非门完成粒子的更新与变异,可发挥量子粒子群的群体搜索能力和全局收敛性,有效克服BP算法计算复杂、容易陷入局部最小值等缺陷。以两组二维三角函数的模式分类问题为例,验证算法有效性。结果表明该方法不仅收敛速度快,而且寻优能力强。     

以可靠性为中心的多状态单源单汇网络路径优化

本文在考虑网络单元存在多状态特性的基础上,描述了一个单源单汇的多状态网络运输问题,建立了综合考虑可靠度、时间、成本的效用函数模型,并基于捕食搜索算法建立了问题的求解方法,最后,针对不同实例在Matlab上进行了试验,并与蚁群算法进行了对比,验证了算法的有效性和适用性。     

基于多传感器信息融合的激光定位与跟踪

为了更精确实现远距离激光定位与跟踪,将十二个PIN硅光电二极管阵列探测器和一个带有光学系统的精密四象限探测器立体组合成独特的多传感器排列结构,并将空间测角基本理论与基于Bayesian决策原理的多传感器信息融合算法有机结合,实现自由空间中作用距离可达十千米的激光的粗精定位,利用激光的定位信息控制三维高精度转台的旋转实现精密跟踪。实践证明,在粗定位跟踪的基础上,精定位跟踪精度小于三个毫弧度。