改进的核极限学习机定位算法

针对神经网络无线定位方法,存在训练耗时长,定位结果易受噪声干扰的问题,提出了一种改进的核极限学习机无线定位算法。采取在同一位置进行多次测量的方法得到训练数据;把同一位置测得的数据划分为一个样本子空间并提取样本子空间的特征,以样本子空间的特征代替原来的训练数据;利用矩阵近似及矩阵扩展的相关理论改进核极限学习机算法;将处理过的训练数据利用改进的核极限学习机进行训练,得到定位预测模型。仿真结果表明,在相同数据集下,改进的核极限学习机训练用时短、定位速度快;在相同噪声干扰情况下,此算法定位预测误差小。经验证,该算法不但能提高网络的训练速度、定位速度,还能有效地降低噪声的干扰,提高定位精度。     

TCPS-jump:卫星信道拥塞控制新算法

由于卫星通信系统具有的长时延特性以及无线信道误码率高的特点 ,传统的应用于Internet的TCP拥塞控制机制在卫星通信链路上进行TCP数据包传输时不能充分利用网络的吞吐量 ,导致网络效率低下 .因此提出一种新的基于TCP拥塞控制窗口大小的改变新算法TCP Sjump ,旨在有效提高卫星通信链路上的网络利用率 ,并给出了在实际环境中和利用计算机进行仿真试验的研究模型     

分类均值—加权中值混合滤波器

研究了受混合噪声污染图像的降噪滤波问题,并提出了一种基于均值滤波和加权中值滤波的混合滤波方法,该方法将输入样本集按照某种分类方法分成若干子集,在各自子集内进行求均值,然后根据不同子集的样本个数进行加权中值滤波。经分析和计算机模拟表明,此种方法能较好地消除高斯和脉冲混合噪声的影响,并且计算简单。     

基于谱聚类的BaaS资源负载均衡调度算法

Fabric作为超级账本的核心项目,以其多通道的设计为用户提供更为隐私的交易空间,为了解决基于分布式架构下的多通道资源负载均衡问题,提出了基于NJ W谱聚类的区块链即服务(BaaS)负载均衡调度算法SC-channel.该算法将平台子节点的数量作为划分类簇数量的依据,首先,基于通道采用peer之间的Jaccard系数构造相似矩阵;其次,计算拉普拉斯矩阵,求取前k个特征值和特征向量并将特征向量单位化;最后,用基于数量加权的k-means算法完成聚类.在Kubernetes平台上对这种方法进行验证,并与采用经典k-meansi的NJW算法默认调度算法下的资源负载均衡度做了比较分析.结果表明,采用基于谱聚类的BaaS资源负载均衡调度算法可提高资源利用的均衡程度,增强了平台的可用性与可靠性.     

双L型阵列的二维DOA估计方法

针对双L型均匀线性阵列的二维到达角(direction-of-arrival,DOA)估计问题,提出一种基于扩展传播算子(propagator method,PM)的估计方法.该方法结合双L型天线阵列的结构特征,虚拟地将其划分为2个独立的L型子阵列,并对每个L型阵列的阵元输出数据重排整理.通过2次利用扩展孔径的传播算子算法,并依据均匀线性阵列的旋转不变性,得到4个包含角度信息的旋转矩阵.根据置换矩阵的性质,利用求最小范数的方法进行角度配对.该方法无需谱峰搜索步骤,计算量小.计算机仿真实验结果表明,该方法比现有一些文献中的估计方法的估计误差更小,角度估计性能更优,在不同信噪比和不同角度组合下都有良好的性能表现,有一定的实用价值.仿真验证了该方法的有效性和优越性.     

装载机工作装置连杆机构设计

本文评述了目前装载机工作装置连杆机构的各种设计方法,分析了具有放平性能的反转式连杆机构的设计特点.基于大量的作图、分析以及电子计算机辅助设计,提出满足连杆运动要求的综合图解设计法;并作过初步验证,取得了比较满意的结果.     

引入阈值和判决指导的DFT信道估计算法

针对传统的基于离散傅里叶变换（discrete Fourier transform, DFT）的信道估计算法中滤噪性能不够理想的问题,提出了一种在正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中引入阈值和判决指导的DFT信道估计算法,采用阈值法对噪声进行两次降噪处理。仿真结果表明,该算法在高信噪比和低信噪比下均可提高信道估计的性能,其归一化均方误差(normalized mean square error, NMSE)指标优于传统算法。     

基于循环中值滤波根信号的边缘检测器

研究了受噪声污染图像的边缘检测问题,提出一种基于循环中值滤波的边缘检测算法,该算法在进行边缘检测时对不同噪声都有较好的抑制能力。计算机模拟表明,该方法抗噪能力较好,计算较简单。     

网络性能评价中重要事件采样仿真

介绍了重要事件采样仿真技术,分析了其仿真原理和实现方法,给出了典型的仿真算法,仿真表明,对于分数整合滑动平均过程为输入的单服务队列,系统的溢出率与业务的长相关有密切关系,仿真结果与大偏差等分析结论较为一致,说明了仿真的可靠性。     

WKPowerMeans多径簇识别算法

针对KPowerMeans聚类算法多径散射簇的估计过程复杂及聚类结果高度依赖随机初始簇中心的问题,提出了一种改进的多径簇识别算法——WKPowerMeans算法.首先利用小波变换的尖峰检测技术估计出多径散射簇的数目和初始簇中心的位置,然后以结合了多径功率加权的多径分量距离为准则进行多径簇聚类.仿真结果表明:与KPowerMeans算法相比,采用所提出的WKPowerMeans算法能得到更稳定、准确的聚类结果,而且具有较低的时间复杂度.