基于隐藏终端的时隙802.15.4网络吞吐量研究

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:huntout
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高802.15.4网络吞吐量性能,设计了一种改进的节点状态转换过程,提出了一种考虑隐藏终端问题和重传的节点接入信道模型,并对模型进行分析计算。基于计算结果和信道状态模型分析,对考虑隐藏终端问题的数据碰撞概率、丢包率和网络吞吐量进行推导。最后研究了数据包到达率、退避指数和隐藏终端对网络吞吐量性能的影响。实验表明,模型较好地描述了节点接入信道过程,能够对网络吞吐量进行精准的动态分析。实验结果表明,与无重传机制的802.15.4网络相比,网络吞吐量增加了83. 9%左右。与部分条件休眠的方法比较,网
其他文献
针对近景摄影测量中对编码标志点的精确定位和准确识别的要求,提出一种环状编码标记点的设计和识别算法。在传统环状编码标记点的基础上添加三个定位符,用于确定标志点的精确位置和增加标志点的数量。解码时先检测定位符坐标及其在标志点中的位置,然后对编码标志点进行透视变换以实现图像校正的目的,最后用提出的基于圆环扫描的方法进行解码。实验结果表明,该算法对任意旋转角度下的编码标志点均有较好的检测识别效果;当摄像机
针对目前大蒜自动播种机难以解决直立播种的问题,而已有鳞芽朝向识别算法过于复杂,提出了基于深度学习的方法来解决大蒜鳞芽朝向识别问题。该方法不用特意提取蒜瓣的轮廓特征,也不用计算蒜尖和质心位置,而是直接将蒜瓣图像作为输入,模型自行抽取图像特征,隐式地从训练数据中进行学习来自动识别大蒜鳞芽朝向。实验结果表明,当使用1 700张蒜瓣图片作为训练集时,模型在400张图片组成的独立测试集上的识别准确率达到97