基于认知网络不对称模型的交会跳频算法

基于认知网络的不对称模型提出了一种新的交会跳频算法(AMCH).该算法根据每个次要用户感知到的可用信道集,在两个不相交的素数集中选择发射机和接收机的跳频序列长度并分别构建跳频序列.在不需要其他辅助信息(如全网同步信息、信道标号信息)的情况下,通信范围内的任意两个次要用户通过跳频于短时间内就能交会在它们的共同信道上并建立通信链路.与现有算法相比,AMCH算法减小了跳频序列冗余,提高了交会效率.仿真结果表明,AMCH算法的交会时间上限最小,交会性能优于现有算法.     

基于图像统计均值和各向异性扩散的指纹图像增强算法

本文在仔细研究Weickert等人提出的各向异性扩散算法的基础上,结合图像的全局统计均值,给出一种新的基于各向异性扩散的指纹图像增强算法。该方法简洁、高效,有效避免了传统各向异性扩散算法降低图像对比度的缺点。