基于全向小波的图像边缘检测算法

 针对现有边缘检测算法难以提取图像任意方向的边缘特征,提出基于全向小波的图像边缘检测算法.首先,定义了全向小波的概念、构造其模型并推导了全向小波的最大值与梯度模值相等的关系.理论分析表明本文算法始终沿小波变换值的最大值方向提取边缘.然后,选择二维高斯函数实例化模型,以8方向和3×3变换窗为例进行算法设计.标准图像对比试验表明本文算法能提取更多方向的边缘特征、边界清晰度也比SADD算法、Canny算子分别高出约2.17%、8.66%.     

低占空比、低碰撞的异步无线传感器网络MAC协议

提高信道监听质量是降低能量消耗和提高通信效率的有效方法。提出了一种低占空比、低碰撞的PB-MAC(predict-base MAC)协议。通过发送节点精确预测接收节点的唤醒时间,降低占空比;采用基于预测的重建连接机制和数据重传机制,有效地避免碰撞和实现高效重传。OMNet++仿真实验结果表明：在50节点随机网络中,PB-MAC的平均占空比、发送消息耗能和平均碰撞次数分别比RI-MAC少68.60%、24.75%、68.05%,比X-MAC少64.39%、64.05%、70.54%。同时,在网格网络中PB-MAC的性能也优于RI-MAC和X-MAC。     

基于支撑集保护的回环匹配算法

针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,提出了一种基于支撑集保护的回环匹配算法（LM-P）。该算法依据最小残差内积初始化非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对应投影绝对值最大的元素添加到受保护支撑集,迭代获得受保护支撑集,从而重构原始信号。实验结果表明,对于非零值服从正态分布且稀疏度小于观测值一半数目的稀疏信号,LM-P算法的重构准确率超过86%;对于低信噪比稀疏信号,该算法的重构准确率能够维持在99%以上;与OMP、CoSaMP、SP和GPA算法相比,LM-P精确重构所需观测值数更少;此外,LM-P算法在二维图像信号的重构中也有较好性能。     

低幂平均列相关性测量矩阵构造算法

压缩感知是一种新的信号描述、采样和重构理论,其核心问题包括测量矩阵的选择和构造以及重构算法设计.本文首先提出感知矩阵幂平均列相关性定义,进而得出测量矩阵的择优原则;然后依据等角紧框架理论和特征向量近似法,提出新的测量矩阵构造算法,减小感知矩阵的幂平均列相关性.实验结果表明,本文算法达到了降低感知矩阵列相关性的目的.另外,当重构算法相同时,采用本文算法得到的测量矩阵比采用Gaussian、Elad、Xu和Vahid算法得到测量矩阵的重构错误率要低.     

信道公平分配的局部拥塞控制算法

提出基于信道公平分配的局部拥塞控制算法FCA(fair channel allocation),在缓解局部拥塞的同时增强信道分配的公平性。为减少获取邻居节点实时缓存信息的通信开销和提高以单一节点缓存是否溢出为检测模型的准确性,FCA采用以节点实时缓存长度预测为基础的邻居节点缓存总长度和分组平均传输延迟作为检测指标的拥塞检测模型。为避免使用独立拥塞通告消息增加信道负载,FCA采用在ACK控制帧中增加一个节点地址位携带拥塞信息。在去拥塞阶段,FCA采用基于实时缓存长度和队列优先权值的信道分配机制保证公平传输和防止部分节点因缓存增速过快导致溢出分组丢失。实验结果表明,FCA在碰撞次数、分组传递率、吞吐量和公平性等方面相比802.11、CODA和PCCP具有显著优势。