一种基于LMS的改进变步长算法及其应用

在分析定步长LMS算法和变步长LMS算法的基础上,提出了一种改进的LMS算法,改进的LMS算法是利用瞬时误差的绝对值的三次方和遗忘因子共同来调整步长的.理论分析和系统辨识的仿真结果均表明,新算法确实具有更快的收敛速度.     

基于流量预报的无线传感器网络自适应拥塞控制路由协议

基于按需距离向量路由协议,提出了一种针对无线传感器网络的自适应拥塞控制路由协议,所提出的协议根据时间序列预报算法获得未来时刻的网络流量预报值,并由此判断节点的拥塞程度以便预先采取分流措施,实现对路由的自适应控制. NS2仿真实验表明,该协议有效地提高了网络性能,特别是对网络拥塞和流量均衡的改善较大.     

非平稳与非完美通信条件下的CI分布式算法

在无线传感网中,传感节点需从物理世界中估计一些兴趣参数,因此分布式估计是一个重要问题.为解决这一问题,该文发展了CI(consensus-plus-innovations)分布式算法,并从理论上分析了非平稳条件及非完美通信条件下CI分布式算法的均值收敛性能,说明CI分布式算法是均值收敛的,此外还分析了算法的渐进正态性.研究表明,非平稳条件和非完美通信条件并不影响CI算法的收敛性和渐进正态性,但会影响渐进方差.通过仿真验证了CI分布式算法的合理性.     

PSO结合SA优化算法的无线传感器网络路由协议

针对无线传感器网络(WSN)经典分簇协议LEACH的分簇不均匀问题,提出一种融合粒子群优化(PSO)和模拟退火(SA)优化的WSN分簇协议.在分簇阶段考虑4种节点参数:节点距Sink节点的距离、剩余能量、先前成为CH的次数和距其他CH的距离.通过PSO-SA算法对分簇参数进行优化,自适应调整簇头选举阈值中的各项参数值,获得最适合当前环境的分簇结构,从而均衡网络能耗、提高网络寿命.实验结果表明,相比能量感知LEACH-EP协议、SA优化的协议和GA优化的协议,提出的协议在网络寿命和网络延迟方面具有更好的性能.     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

基于时变T-S模型的自适应控制及其在养老保险系统中的应用

模糊控制算法已经广泛应用于商业和工业领域.讨论了基于时变系统T-S模糊模型的自适应控制方法,及其在养老保险信息系统中的应用.推广了一种基于参数辨识的自适应控制技术,这种自适应控制技术可以在控制过程中在线地调节系统的参数与结构,不断提高其适应能力.通过实际应用案例表明,提出的基于T-S模型的自适应控制技术在时变系统中是成功的.     

一种自适应的线搜索Levenberg-Marquardt算法

通过自适应的选择Levenberg-Marquardt(LM)算法的LM参数,结合Armijo线搜索技术给出一种自适应的线搜索LM算法.在局部误差界条件下,证明了新算法具有二次收敛性.用新算法求解非线性方程组,数值结果表明,新算法稳定,有效.     

多任务模糊聚类驱动的多任务TSK模糊系统模型

该文提出了一种多任务Takagi-Sugeno-Kang(TSK)模糊系统建模方法.首先给出了一种新的多任务模糊c均值聚类算法,能够有效提取所有任务之间的公共信息和每个任务的私有信息,进而利用所得的聚类中心构建多任务TSK模糊系统的前件参数.其次设计了一种具备多任务协同学习机制的后件参数优化方法,可以优化多任务TSK模糊系统的后件参数.最后基于优化的前后件参数,构建出具体多任务模糊聚类方法驱动的多任务TSK模糊系统模型(multi-task fuzzy c-means based multi-task TSK fuzzy system, MTFCM-MT-TSK-FS)以用于实际应用.分别在合成和真实数据集上进行实验,结果验证了该模型的有效性.     

基于剩余能量和距离的WSN混合路由算法

针对低功耗自适应集簇分层型协议(Low-Energy Adaptive Clustering Hierarchy,LEACH)在簇头选举和数据传输过程存在的不足,提出了一种基于剩余能量和距离的WSN混合路由算法.算法在分簇建立阶段,综合考虑节点剩余能量和簇头到基站距离2种因素对无线传感器网络(Wireless Sensor Networks,WSN)分簇的影响,采用了2种因素乘积形式对阈值(n T)进行修正.在数据传输阶段,采用混合路由方式进行数据通信,即比较节点到簇头、基站的距离,当节点距离基站较近时,节点直接与基站进行通信,反之,则通过簇头与基站进行通信.结果表明,考虑剩余能量和距离的混合路由算法的网络性能较为优越,其网络生命周期和基站接收数据包数量较传统LEACH算法都有较大提高.     

Kademlia协议中的路由表自适应调节机制

为提高DHT网络在抖动条件下的性能,该文研究Kademlia协议及其路由表自适应调节机制,提出一种k 桶容积参数K 值的自适应调节算法,根据路由数据的可用概率判断网络的抖动状况,通过调节K 值来实现路由表的规模对抖动强度的自适应. 仿真实验结果表明,该算法能有效缩短抖动情况下的查询延迟,将网络的崩溃点提高了近10%,使网络在抖动强度波动时仍能保持较高性能.