LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

空间重采样的宽带多重信号分类算法高分辨方位估计

空间重采样法是宽带恒定束宽波束形成的一种重要方法,采用声矢量阵推导了基于空间重采样的宽带MUSIC算法,并和相干子空间FFT插值法做了仿真比较,结果表明,所提算法的性能优于FFT插值法,表现为更低的分辨信噪比门限和估计均方误差上.     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.     

高重合度人字齿轮轮齿最佳修形优化设计

基于斜齿轮轮齿接触分析技术,建立了考虑人字齿轮典型安装误差的抛物线人字齿轮轮齿接触分析方法。综合考虑人字齿轮的传动误差与啮合特性,采用带精英策略的快速非支配排序遗传算法对高重合度人字齿轮的传动性能进行了多目标优化设计,该算法克服了优化结果的局部收敛,获得了人字齿轮最佳的齿廓、齿向抛物线修形参数。通过实例表明,修形优化后的齿面啮合印痕与传动误差较优化之前得到了明显的改善,有效地改善了高重合度人字齿轮的齿面偏载现象,降低了齿轮传动过程中的啮合冲击。对加工的人字齿轮在减振降噪试验台上进行带载试验,对比优化前后的噪音分贝值,进一步验证了该优化方法对人字齿轮副减振降噪具有一定作用。     

囿于控制多边形的NURBS拐点分析与控制

从变形的观点出发,首先研究了一般平面参数曲线变形过程中产生拐点的充分必要条件以及判定拐点的一个泛函方程。在此基础上,给出了研究非凸控制多边形NURBS曲线拐点的方法,特别研究了正则单拐、双拐多边形NURBS曲线拐点的分布问题,得到了分析与控制相应曲线拐点的条件和判据。本文的结果可应用于调节与控制曲线形状的算法设计,也可指导CAD造型工程师的交互设计。     

论音乐在智力开发中的作用

音乐对人的智力开发起着重要的作用,音乐教育是实施全面素质教育的一个重要组成部分,它具有其它学科无法替代的功效。     

电子稳像中运动矢量一致性的优化算法

针对电子稳像技术传统块匹配法求运动矢量的固有缺点,采取四叉树———一种变块匹配方法计算运动矢量,使求得的运动矢量有较好的一致性.与其它变块匹配方法相比,该方法克服了其它变块匹配法的不足.实验表明,使用该法求出的运动矢量有较好的一致性和准确性.     

一种新的基于二阶统计量的信道盲辨识与均衡算法

通过对接收信号进行过采样,应用过采样接收信号产生的循环平稳特性,给出单输入单输出系统的等效单输入多输出系统模型,据此模型给出了一种新的基于二阶统计量的盲辨识与均衡算法,给出的算法只需要接收信号的二阶统计量即可以辨识与均衡信道。     

基于改进SUSAN算法的红外目标边缘检测

从3个方面改进了传统的SUSAN算法:①自适应选取阈值,以提高算法自动化程度:②使用双几何阈值,增强算法的抗噪性;③加入目标点判断因子,减少计算时间.利用改进的算法进行了红外目标边缘检测,结果表明,改进算法比传统的SUSAN算法有更强的噪声抑制能力,更快的边缘检测速度,显示出更加优良的性能.对对比度比较低的红外图像,改进算法可以减少40%以上的计算时间,而对对比度较高的红外图像,改进算法可以减少70%以上的计算时间.     

基于码相关的自适应多波束形成算法

给出了一种基于码相关的GPS接收自适应多波束形成算法.这种算法的优点是在形成波束对准期望信号并消除干扰时,不需要直接给出这些信号的DOA信息.计算机仿真结果给出了对抗干扰的性能.