全向传感器网络中基于虚拟力的三维覆盖增强算法

针对全向传感器网络中的三维覆盖增强问题,简单的把二维覆盖增强算法扩展到三维空间,会存在覆盖性能不稳定、能耗大等缺陷,提出了一种基于虚拟力的三维覆盖增强算法.该算法通过传感器之间的节点斥力和节点引力以及传感器与目标区域边界之间的边界斥力来确保传感器的均匀分布,并使用覆盖因子来消除传感器的无效移动.仿真结果表明,所提算法不仅具有较好的收敛性,还能够显著地提高无线传感器网络的覆盖率.     

基于加权虚拟力的无线传感器网络定位算法

针对AHLos算法容易出现误差累积的缺陷,基于邻居信标节点对未知节点的虚拟力,提出了加权虚拟力无线传感器网络定位算法。在虚拟力的作用下,未知节点从估计位置向真实位置移动;与此同时,使用加权因子,对在定位过程中具有不同可信度的信标节点加以区分;最后通过根据精度要求所设定的虚拟力门限值确定最终估计位置。仿真实验结果表明:所提出的新算法较之与AHLos算法,定位精度有所提高。     

加权广义逆矩阵的迭代算法

简要讨论了加权Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ广义逆矩阵的一些基本性质：给出了计算加权Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ广义逆矩阵的四种迭代算法，其中两种为线性算法，另外两种为高阶算法：讨论了诸算法间的相互关系，给出了高阶算法的一种较好的初始矩阵；讨论了诸算法的收敛性条件，给出了最佳的迭代参数；最后．讨论了算法在求解加权最小二乘问题中的应用。     

基于谱增益迭代的先验信噪比估计语音增强算法

结合经典的谱增益算法和迭代算法,提出了一种基于谱增益迭代的先验信噪比估计语音增强算法.也就是通过谱增益的循环迭代,实现纯净语音信号估计逐步逼近真正的纯净语音,然后根据先验信噪比定义更新先验信噪比的估计值,反过来,又更新了谱增益值,从而实现噪声消除.同时这种方法解决了基于直接判据算法,先验信噪比估计值比后验信噪比估计值延迟一帧的问题,从而有效地消除"音乐噪声".试验表明,这种算法能够有效地消除噪声.     

BICM-ID系统中的均匀重加权迭代译码算法

针对LDPC编码的BICM-ID系统,建立了正规因子图模型。从消息更新规则的角度,运用变分方法统一解释了均匀重加权置信传播算法和标准置信传播算法。将均匀重加权方法提高性能的特点与置信传播的特性相结合,推导出均匀重加权迭代译码算法,讨论了边出现概率对算法性能的影响。分别在高斯白噪声信道和不同调制方式下进行仿真实验。结果表明,提出的均匀重加权迭代译码算法性能均优于标准置信传播和差分映射置信传播等迭代译码算法。     

增强的迭代最长队列优先调度算法

针对高速路由交换机的高性能要求,提出了一种复杂度低、具有适用性的增强迭代最长队列优先调度算法（EILQF）,对于队列占用率较高的端口,EILQF将其赋予较高的优先权以保证调度算法在均匀和非均匀业务模式下均达到较高的性能;为了防止某些输入队列发生饥饿,EILQF在输入和输出端分别引入一个列表,并将信元等待时间信息融入调度算法中,保证等待时间超过一定限额的信元获得服务,理论分析证明了EILQF的稳定性,详细的仿真实验及与现有调度算法的对比证明了提出的EILQF具有更好的性能。     

基于彩色加权引导滤波-Retinex算法的导航图像增强

在夜间低照度环境下,轮胎式龙门起重机(RTG)常常需要执行自动驾驶导航任务,针对导航过程中地面引导线图像边缘难以检测的问题,提出一种彩色加权引导滤波-Retinex(CWGIF-Retinex)算法.首先,有针对性地改进加权引导滤波算法的权值估计方案,用矢量梯度方法提取经过Retinex算法处理的彩色图像边缘作为权值;进而,利用CWGIF算法估算引导线图像的照度分量,并通过单尺度Retinex算法计算得到反射分量;最后,通过算法计算得到色彩与轮廓边缘均增强的引导线图像.实验证明,CWGIF-Retinex算法相较于传统算法能够更好地增强弱光照区域的色彩,同时还能起到消除光晕伪影、颜色保真和增强引导线边缘对比度的效果.     

AHP中不一致性判断矩阵的加权迭代调整算法

设计了一种用于调整不一致性判断矩阵的加权迭代算法,该方法充分考虑了判断矩阵的原始信息,且在满足一致性要求的前提下尽可能多的保留原始信息．实验表明：该算法是有效的、可行的．     

低秩矩阵恢复的近似迭代再加权算法

低秩矩阵恢复问题常常正则化为非凸非光滑的最优化问题,并用迭代再加权算法求解.本文借助迹算子的次梯度提出了一种近似算法,避免了求解线性方程组而直接求解.     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法.算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理.指出了该定位算法的关键技术,并对其进行了仿真验证.仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率.     

基于迭代算法的SFBC-OFDM系统

将尾抵消和循环重建应用于空频编码的正交频分复用（SFBC-OFDM）系统中，为了消除循环前缀对空频编码带宽损失的影响，使用了迭代算法来校正接收到的信号．由于采用了尾抵消和循环重建，较之传统的带有循环前缀的空顿编码，带宽效率得到了很大的提高．仿真结果显示，该方法在迭代次数很小时性能便可接近带有循环前缀的SFBC-OFDM系统．     

基于迭代算法的STBC-OFDM系统

为了消除循环前缀对空时分组编码的正交频分复用系统（STBC-OFDM）带宽损失的影响，使用了迭代算法来校正接收到的信号．与传统的带有循环前缀的STBC-OFDM系统相比，带宽效率得到了很大的提高．仿真结果显示，该方法在迭代次数很小时性能便可接近带有循环前缀的STBC-OFDM系统．     

加权最小二乘估计中选择权数的迭代算法

介绍了加权最小二乘估计的性质及其常见权数选择的方法,并给出评判一个好的二乘估计的标准,由此提出选择权数的迭代算法.     

一种基于网格划分的虚拟力部署算法的研究

针对移动传感器网络节点自部署的覆盖和能耗等关键问题,对部署区域进行正方形网格划分,结合虚拟力算法,提出了一种基于网格划分的修正虚拟力部署混合算法,并采用网格顺序编号法和网格螺旋编号法两种编号方法,分别对该部署算法的性能进行了仿真分析.仿真结果表明,与原始虚拟力算法相比,所提出的算法能更快更高地提高网络覆盖率;同时相较于顺序编号法,采用螺旋编号法时所提出的部署算法节能性能和能量均衡性能更好.     

基于交叉覆盖算法的改进算法-最近邻交叉覆盖算法

交叉覆盖算法分类时着重在于两类的交界部分,混杂在另外一类中往往无助于提高分类器的效率,反而会增加分类器的计算负担。本文提出一种基于交叉覆盖算法的最近邻交叉覆盖算法(NN-ACA):对进行训练的原始样本数据进行预处理,删除这些不同类的最近邻点,得到精简后的样本集,再对该样本集使用交叉覆盖算法。通过实验和与SVM的比较,结果表明NN-ACA在一定的样本规模表现了速度和分类正确性上的优越性。     

基于图形的加权蚁群算法

针对蚁群算法在开始的时候由于信息素较少导致收敛速度慢的问题,提出了基于图形的加权蚁群算法,利用蚁群算法最优路径的特点,对每个城市分别加权,从比较离散的点开始进行寻优,节省了在不可能构成最优路径上的计算时间,提高了运算速度.通过TSP问题检验的结果表明,新算法提高了标准蚁群算法的效率和计算结果的质量.     

迭代加权l1算法在双信号重构中的应用

讨论两个稀疏信号恢复问题,利用对数促稀疏函数提出新的双信号重构模型,并将其转化为无约束最小二乘问题.使用中的迭代加权l1算法(IRL1e1)进行求解.在适当假设下证明了该算法的收敛性.进行数值测试,并与Gist和IRLS算法进行了数值对比.实验结果表明我们的算法具有较少的CPU时间及迭代次数.     

基于粗糙集理论的聚类融合加权迭代模型

针对聚类融合问题,考虑了聚类成员的质量和噪声对聚类结果的影响,提出一种加权迭代的聚类融合模型,利用粗糙集理论中的决策表属性重要性的信息熵来衡量聚类成员的重要性,迭代更新聚类成员的权重。该文在模拟和真实数据集上进行了校验。结果表明,该模型能较好地处理聚类成员间的质量差异,并能有效地消减噪声对融合的影响,从而得到更好的聚类融合结果。