一种改进的减少状态逐幸存处理均衡器

提出了一种带有FIR前置滤波器的减少状态逐幸存处理均衡器．该均衡器通过训练序列估计信道的特性，利用RLS算法对信道的估计值进行更新．在RSSE-PSP处理之前加入一个FIR前置滤波器，使全信道近似呈现最小相位特性,该FIR滤波器为一个信道匹配滤波器和一个预测误差滤波器的级联，采用Levinson-Durhin算法进行求解,仿真结果表明，该均衡器在具有符号问干扰的信道中比传统均衡器有着更优异的性能．     

适用于DPSK调制的盲均衡技术

提出了一种适用于DPSK调制的盲均衡算法。通过对接收信号的过采样，使原单信道等价为多信道。通过对信迫的辩识，采用简单决策反馈均衡器(DFE)实现信道的盲均衡。模拟结果显示，该方法具有较好的均衡效果。     

基于无线Mesh网络的一种信道分配算法及路由协议

提出了在多信道环境下的无线Mesh网络中的一种混合型路由协议TOIRP(tree-based and on-de-mand integrated routing protocol)以及一种分布式的信道分配算法CLBCA(channel load based channel assign-ment).TOIRP协议采用HWMP(hybrid wireless mesh protocol)所提出的混合路由技术,将基于树的路由与传统的AODV(ad hoc on-demand distance vector)路由相结合,减少路由发现的时延,同时采用了一种新的路由判据CETTI(cumulative expected transmission time with interference).该路由判据充分考虑多信道的特性,设计了一种量化通信干扰的方法,将干扰分为外部数据流对路径的干扰以及路径内部数据流的干扰两个方面,并综合考虑了跳数、时延等因素,提高了网络的吞吐量.信道分配算法分为收发器与邻居节点绑定和收发器与信道绑定两个部分,将信道的负载作为选择信道的标准,避免了多信道中常见的信道依赖所造成的影响,并且提高了信道的利用率.模拟结果表明,采用新的路由判据后,网络的吞吐量最优情况下得到提升.     

一种基于GAF拓扑控制的加权质心定位算法

针对无线传感器网络节点定位的能量均衡问题,提出采用蜂窝结构GAF算法进行拓扑控制的基础上,使用改进的加权质心算法进行节点定位。该算法通过区域划分增加信标节点选择的有效性,通过对距离加权减少多径效应影响。性能分析和仿真结果表明该算法可构造良好的网络拓扑结构,均衡节点能耗,延长整个网络的生存周期,提高节点定位精度,在密集型网络中可获得良好的定位性能。 更多还原     

BP神经网络模拟软件的设计和实现

本文介绍一个窗口系统下用Ｃ语言实现的后向传播神经网络（ＢＰ网络）模拟软件，该软件能够模拟多至四层的ＢＰ网络，多层神经元数及网络工作参数可以通过对话窗口输入，采用该模拟软件对三输入奇偶校验模式识别问题进行了处理，得到了满意的结果。     

基于优化Paillier算法的两层无线传感器网络范围查询计算方法

针对现有两层无线传感器网络范围查询中数据计算效率较低以及感知节点能耗消耗较高的问题,提出一种基于优化Paillier算法的两层无线传感器网络范围查询计算方法。首先,利用具有可验证性的优化Paillier方法加密感知数据,在保证数据安全隐私的前提下实现密文下的数据运算,将计算平台从查询节点转移到存储节点,提高数据运算效率。其次,提出一种基于最左0-1编码和HMAC数据摘要算法的低功耗数值比较方法,在保证数据稳定性的前提下,降低感知节点能耗。最后,给出该方法的具体设计与实现,并利用树莓派和温湿度、光照强度传感器构建感知节点,利用英伟达TX2边缘计算平台构建存储节点,以此构建实验平台,将范围查询计算方法在该平台进行移植与实现。与现有方法在感知节点能耗、数据计算效率方面进行对比分析,结果表明,本文方法能够在降低感知节点能耗的基础上提高数据计算效率。     

基于蚁群系统的传感器网络广播与数据聚集算法

针对无线传感器网络能量受限和多跳路由的特点，将蚁群系统原理用于网络的广播和数据聚集中，提出并仿真实现了一种能够最小化传感器网络的总能耗算法．理论分析和仿真数据表明，基于启发式蚁群系统的算法，能够较快的收敛，并找到最优解或是近优解；在网络节点数不同（10～50）的情况下，该算法的单次广播能耗和通信距离比现有的两种主流广播协议算法分别减少了20％～60％和14％～20％，因此其网络生存时间增加了10％～100％，表明该算法总体性能优于传统算法．     

一种新型频域均衡器在水声通信中的应用

在传统频域均衡器的基础上,结合多载波频移键控调制方式的频谱结构,利用接收信号和参考信号的相关性及均衡器的滤波系数,提出了一种兼具均衡与解调功能的新型频域均衡器结构.该均衡器简单、有效地克服了水声信道中多径传播产生的码间干扰和频率选择性衰落等问题,简化了水声通信系统接收机的复杂度. 新型频域均衡器的解调原理以非相关解调算法为基础,但由于利用了均衡器的计算结果,其差错性能优于传统的非相关解调算法,计算机仿真试验表明,改进后的方法使差错性能提高了2 dB;实际水声通信实验表明,该均衡器能够有效地提高水声通信系统的可靠性,具有很好的应用前景.     

基于图注意力网络的三维网格分割算法

针对三维网格模型分割质量提升问题，提出了感知几何的图注意力网络。首先，定义了感知几何的图注意力系数，利用节点之间的边特征扩展由网络学习得到的注意力系数，引入与节点局部几何信息相关的注意力系数，更好地反映节点之间的相似性。然后，通过调整网络架构，将三维网格模型的几何特征与标签信息共同作为图注意力网络的输入，使标签信息参与网络训练和验证，并通过残差形式的线性连接实现网络的更稳定输出。大量实验结果表明，本文算法能够获得精确的分割边界，其在PSB数据集上的分割准确率较现有经典算法提升约2个百分点，也取得了更好的兰德指数。同时，通过消融实验验证了算法的合理性。     

基于卷积循环神经网络的短波时变信道盲均衡算法

针对短波时变信道码间干扰严重、误符号率高等问题,采用卷积循环神经网络(convolutional recurrent neural network,CRNN),即将卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)相结合,提出一种基于CRNN的短波时变信道盲均衡算法,设计了针对短波时变信道(瑞利平坦衰落信道和频率选择性衰落信道)的卷积循环神经网络盲均衡器(convolution recurrent neural network blind equalizer,CRNNBE)。该盲均衡器基于CNN收敛速度快和RNN便于处理序列信号的特点,克服码间干扰问题,有效提高了通信质量。仿真实验结果表明:相比基于RNN与CNN的盲均衡器,训练完成后的CRNNBE准确率更高、交叉熵损失值更低,并且收敛速度明显高于RNN盲均衡器,模型在20次左右即可完成收敛;在短波时变信道中,整体而言,相比其他均衡器,在相同信噪比条件下,CRNNBE的误符号率最低,通信可靠性最高。     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｌｉｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样．对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论．此外，还分析了初始突触强度对学习效果的影响，计算了不同存储图样数目下的平均吸引半径．     

无线传感器网络中的一种分布式能量有效成簇算法

为了延长无线传感器网络的生存时间,需要设计适合无线传感器网络特点的能量有效的协议。成簇算法能够减少无线传感器网络的能量消耗,对增强网络的可扩展性和延长网络的生存时间有着重要的作用。现有的算法对多路衰退的链路并不十分能量有效,针对这些算法的不足,提出了一种基于     

基于GA的BP网络模型及其应用

提出了一种基于实数编码的GA-BP复合算法，该算法对BP网络初始权值、结构、学习规则进行优化，从而在解空间中搜索出最优解，文中还给出了应用该算法解决油气产能预测的实例。     

基于LonWorks现场总线技术的氮气加热器控制系统研究

氮气加热器用于石化工业丙烯精制工程，给再生氮气加热．针对新疆独山子石化厂氮气加热器．利用LonWorks现场总线控制技术构成网络，采用前馈控制PID算法．通过周波调整法对电加热管的加热功率进行控制，在保证的规定时间内连续输出合乎温度要求的高温氮气．本控制网络的核心技术是神经元芯片(Neuron Chips)、智能网络节点和Lon Talk通信协议．本文介绍了LonWorks技术以及氮气加热控制系统总体方案与网络结构设计，节点模块设计与配置，控制电路设计，控制算法设计与软件编程．     

Kohonen网络在电容CT图像重建中的应用

提出一种采用Ｋｏｈｏｎｅｎ网络算法进行１２电极电容ＣＴ系统的图像重建的方法．该网络由输入和输出两层神经元组成,输入为１２电极电容ＣＴ系统测量所得的６６个电容值,输出对应管道介质的空间分布模式．该网络采用竞争算法无监督学习,实验结果证明,该网络有较强的抗噪声能力,可重建出较精确的介质分布图像     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

RBF神经网络集成多个气象数值产品的方法研究

对MM5V3模式中16组组合区域气候模拟试验所得的结果,分区域以RBF神经网络进行集成,分析了网络结构参数的不同对集成结果的影响,最后对整个区域的温度场进行了集成.结果表明:选择合适的网络结构参数是至关重要的,神经网络的非线性集成结果均明显优于单个参数化方案和16个方案线性集成的预测结果,整个区域的温度场集成结果比MM5模拟更接近于实况场,均方根误差场也较原MM5方案明显减小.这些结果对于区域气候的集成预测以及进一步优化神经网络的性能有一定的参考意义.     

自适应权重的GPSR压缩感知重构算法

在压缩感知信号重构的过程中,为使投影梯度稀疏重构算法（GPSR）在保持低复杂度的同时,能有效提高重构性能,引入了自适应思想,给重构模型添加具有惩罚意义的权重系数,以寻找算法复杂度和精度之间的最佳平衡点;根据解的收敛进程不断调整权重值,以加速收敛.仿真实验表明：在相同条件下,该算法的计算效率优于传统的GPSR算法和典型的OMP算法,能在较短的运行时间内大幅度提高重构精度.