简介:基于低能量自适应簇层(Lowenergyadaptiveclusteringhierarchy)协议,提出面向能量采集WSNs的基于优化工作周期的簇协议,记为DC-LEACH。DC-LEACH协议利用工作周期(dutyCycling,DC)技术对LEACH协议进行改进。首先,给簇头选择设置DC,并保证簇头CH的比例。然后,基于节点的能量采集率和数据包到达率优化数据传输的DC,使得节点能够调整数据传输的工作周期,进而维持能量中和操作(EnergyNeutralityOperation,ENO),最终延长网络寿命。最后,分析了最优簇头CH数。仿真结果表明,提出的DC-LEACH协议在吞吐量和网络寿命方面的性能优于EA-LEACH和C-LEACH协议。
简介:论文介绍了在真实能谱衰减环境中,提出一套对核素进行识别学习算法的流程。采用SVD特征抽取对能谱数据降维,提取到能谱特征向量,在形成的特征向量数据集上,训练决策树分类器,进而通过AdaBoost集成学习算法对多轮的决策树算法的训练结果进行融合,使用K轮类别投票法结合策略,构建一个结果更为接近标签值的假设函数算法模型,解决了探测器检测的能量信息具有局部特征、存在重叠峰值导致核素判别出现错失误判的问题,提高核素识别率。
简介:管制指令语义理解对场面冲突判断至关重要,为了避免因管制员失误导致的场面冲突问题,需采用自动语音识别和自然语言处理技术在第一时间提取管制指令并进行理解。以无线电陆空通话规则及其基本语法理论为基础,设计了一种管制指令结构化模板。为了更细致地理解管制指令中动词与其他词之间的关系,基于格语法理论构建了管制指令语义网,并建立了动词-论元-关系三元组。该模板可用于解析实际管制指令,从而实现计算机自动理解管制指令功能。为了将管制语音转化为结构化管制指令,采用了自动语音识别和自然语言处理技术。试验结果表明,该模板可用于计算机对管制指令的自动理解。
简介:在有向传感网络(DirectionalSensorNetworks,DSN)中,关于覆盖目标的传统研究主要关注于最大化网络寿命,而忽略了目标覆盖的质量问题,尤其是具有异构覆盖要求的不同目标。为此,提出基于覆盖质量感知的最大化网络寿命(CoverageQualityaware-basedNetworkLifetimeMaximization,CQ-NLM)算法。CQ-NLM算法通过以最少的活动节点数最大化不同目标的覆盖质量,进而提高网络寿命。CQ-NLM算法先通过概率感测模型建立目标的覆盖概率,将剩余能量高的节点优先加入活动候选集。然后,建立目标函数,再由混合整数线性规划求解目标函数,进而提高网络寿命。仿真数据表明,与同类算法相比,提出的CQ-NLM算法以少的活动节点数换取了高的网络寿命。
简介:在高速光通信系统中,接收端收到的光信号脉冲强度随通信距离、光纤损耗等因素变化,因此需要检测平均光电流,以确定接收端光功率,对应调整放大器增益,实现不同通信距离情况下光信号的高速接收,避免放大器饱和或者增益不足的情况。提出一种光接收电路中平均光电流检测电路的设计。通过运放钳位光电二极管阴极和采样电路,实现对平均光电流的采样与输出。为克服随机失调对采样精度带来的影响,在运放设计中采用了OOS[1](输出失调存储,OutputOffsetStorage)技术,通过采保电路存储输出失调电压,并对应产生失调电流补偿输出失调电流,实现了失调电压的消除,保证了电流采样精度。所提出的平均光电流检测电路采用0.18μmCMOS工艺进行设计。测试结果表明,在1.25Gbps的通信速率下,实现了7.5%的平均光电流采样精度。
简介:在卫星收发系统中,圆极化天线是一种重要的器件,负责信号的接收和发送。而径向线螺旋天线是一种重要的圆极化天线,但为实现圆极化性能,天线高度需达到0.15λ。通过引入主径向线和副径向线之间的耦合,减小了天线的高度,从而实现了低剖面的径向线螺旋天线。通过在馈电结构中引入贴片电容,从而改善了天线的阻抗匹配性能。所提出的径向线螺旋天线的高度为0.0525λ,仅为传统径向线螺旋天线高度的34%。为验证理论预期的可实现性,设计了基板为FR4、中心频率在1.54GHz的低剖面径向线螺旋天线。实验结果表明,该天线的实测10-dB匹配带宽和3-dB轴比带宽分别为900MHz和27MHz,实测增益在2.9dBi,能够满足卫星接收天线的收发要求。
简介:传统基于在线学习的网络浏览行为数据分析平台,缺乏大数据分析能力,无法挖掘和管理用户网络浏览行为,分析效率较低,具有一定的局限性。构建基于分布式集群的网络浏览行为大数据分析平台,平台总体结构由视图层、控制层、服务层、数据持久化层和数据层构成,使用分布式存储系统HDFS与分布式计算系统Spark组成的分布式集群存储和管理网络浏览行为产生的数据,通过数据上传流程将海量网络浏览数据源存储到分布式存储系统HDFS中,在Spark分布集群内运算数据挖掘任务,利用决策树ID3算法准确挖掘网络浏览行为。实验结果说明,所设计平台各项功能符合预期结果,平台进行数据源管理、用户行为分析的整体响应时间比基于在线学习的网络浏览行为数据分析平台低508.25ms、836.5ms,说明所设计平台具有较高的网络浏览行为大数据分析效率。