基于信道预测的水下传感器网络功率控制算法

来源 :计算机应用研究 | 被引量 : 3次 | 上传用户:yuen370181406
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
针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-plus-noise ratio)模型,分析接收端的累积干扰状态,然后发送端在信道预测的基础上,以最小化网络中断概率为目标调整发送功率。实验仿真结果表明,基于信道预测的功率控制(power control based on predicted chann
其他文献
语法和语义层次的组合并不足以保证仿真组件组合的完整性、有效性和实用性,在语用组合问题分析的基础上,提出了基于扩展有限状态自动机的仿真组件模型形式化描述,包含了仿真组件行为语义和仿真运行语境约束信息,并在此基础上设计了基于XML的仿真组件模型描述规范。最后,通过应用实例具体描述了面向语用组合的仿真组件模型组合过程。组合中考虑了模型发现、组合判定、仿真运行与仿真语境之间的关系,并且实现了面向语用的仿真
为了有效表达图像的轮廓,给出了一种新颖的关键点描述轮廓方法。首先采用一种快速的点弦累加距离技术(chord-to-point distance accumulation,CPDA)用来提取角点;然后用椭圆模型找到相邻角点间的平面曲线的极值点,这样可以更好地表达轮廓的结构,通过相邻点间的曲线拟合出图像的轮廓。通过理论的推导和实验结果验证了所提出的方法比前人的工作有了更准确的模拟。
为了将计算机辅助植物叶片分类算法从理论研究向实际应用推进,利用基于内容的图像分析与无线传感器网络技术实现了移动设备终端的植物叶片分类功能。利用基于Sobel边缘检测子
为了提高词义消歧的质量,对歧义词汇的上下文进行结构分析,提出了一种利用句法知识来指导消歧过程的方法。在歧义词汇上下文的句法树中,提取句法信息和词性信息作为消歧特征;同时,使用朴素贝叶斯模型作为消歧分类器。利用词义标注语料对分类器的参数进行优化,然后对测试数据中的歧义词汇进行消歧。实验结果表明,消歧的准确率有所提升,达到了66.7%。
在人脸识别中,传统有效的鉴别分析方法需要更多样本评估类内散度信息。由于人脸的单样本问题,导致某些经典的方法如Fisherface和Eigenface等失效,解决的方法通常是生成各种虚拟样本来扩充训练集以实施这些算法。针对这个问题,根据人脸的对称相似理论,人脸样本的相关变化信息可以从它的对称脸上提取,提出组合原始训练样本及它的虚拟平均脸、对称脸作为训练样本集,应用稀疏理论进行加权积分融合,分两步进行
针对目前通用隐写分析中集成分类器泛化能力不强、检测率不够高的问题,提出一种基于混合扰动机制的集成支持向量机音频隐写分析算法。算法提取帧内音频质量测度、音频二阶差分频谱特性、改进Markov特征、小波域特征等对音频进行描述形成原始特征空间,利用特征相关性进行降维生成优化特征空间,减小计算复杂度,再利用独立成分分析法与核函数参数的随机生成同时进行特征与模型的双重扰动,生成具有差异性的个体分类器,最后利
为了有效解决PUE攻击检测问题,提出了一种基于码元上升沿特征提取的PUE攻击检测方法。在论证码元上升沿特征可以作为细微特征提取的基础上,结合统计分析,定义特征加权差,放大不同辐射源的特征差异,并以此构建新的PUE攻击检测方法。该方法运算简单有效,满足认知无线网的实时快速检测要求。仿真实验表明该方法具有较好的可靠性和稳定性。
针对现有灰度图像加密方法的不可逆性,通过引入由简单混沌映射产生的随机矩阵降低了计算复杂度,同时仍保持很好的有效性和安全性。提出的方法成功地解决了现有灰度图像加密方法的不可逆问题,并且该方法能够抵抗Hermassi等人提出的攻击方法。
针对蚁群算法局部搜索能力较弱,易于出现停滞和局部收敛、收敛速度慢,不能较好地应用于谐波平衡中的问题,提出了混合蚁群算法。该算法采用蚁群算法的全局搜索能力在全局中搜索初始最优解,利用拟牛顿算法较强的局部搜索能力逐步迭代,最终得到最优解。仿真结果表明:该算法与蚁群算法相比,迭代次数减少了45次,解的收敛可靠性增加了16.23%,同时仿真数据与实测数据拟合较好。混合算法兼顾了蚁群算法和拟牛顿法的优点,明
为了提高基于覆盖率的缺陷定位方法的效率和准确率,将执行轨迹中被失效执行所覆盖的基本块(Cfailure)、被全部执行所覆盖的基本块(C-all)和未被任何执行所覆盖的基本块(C-non)这三个小概率事件进行了分析,指出这些小概率事件的出现包含大量信息,据此提出三条缺陷检测新规则。然后利用执行轨迹所收集的覆盖率度量值计算缺陷贡献率CDCR,给出了缺陷贡献率算法(Codes-TCC)。研究主要创新在于