如何生成優(yōu)化的梯度是傳感器網(wǎng)絡(luò)定向擴(kuò)散中的一個(gè)關(guān)鍵問(wèn)題, 本文在分析一種基本梯度生成算法的問(wèn)題基礎(chǔ)之上,利用興趣包的轉(zhuǎn)發(fā)次數(shù)對(duì)其進(jìn)行改進(jìn), 設(shè)計(jì)了一種分布式的最短路徑梯度生成算法. 該算法極大的降低了鄰居節(jié)點(diǎn)間建立“平行梯度”和“逆向梯度”的概率, 可構(gòu)建從源節(jié)點(diǎn)到sink 節(jié)點(diǎn)的多條最短路徑. 仿真表明, 改進(jìn)的算法可建立更為有效的梯度, 從而使得定向擴(kuò)散中數(shù)據(jù)報(bào)文沿著更短的路徑傳輸, 無(wú)線傳感器網(wǎng)絡(luò)的能量利用率更高.
標(biāo)簽： 傳感器網(wǎng)絡(luò) 定向擴(kuò)散 機(jī)制 梯度
上傳時(shí)間： 2014-12-29
上傳用戶：han_zh
本文對(duì)MIMO OFDM 系統(tǒng)中基于iJlI練序列的信道估計(jì)問(wèn)題進(jìn)行了研究，針對(duì)信道沖擊響應(yīng)的最大抽頭數(shù)大于每個(gè)OFDM符號(hào)中導(dǎo)頻數(shù)的情況，提出一種有效的結(jié)合前后若干iJII練序列進(jìn)行信道估計(jì)的算法和結(jié)合方式。仿真結(jié)果表明，在基于無(wú)線局域網(wǎng)(WLAN)中打包傳送的MIMO OFDM系統(tǒng)里，本文的方法比采用塊狀訓(xùn)練序列的估計(jì)算法有著更小的歸一化均方誤差。
標(biāo)簽： MIMOOFDM 信道估計(jì)算法
上傳時(shí)間： 2013-10-23
上傳用戶：xianglee
本文采用Memetic算法進(jìn)行飛行控制系統(tǒng)PIO評(píng)估，提出了一種結(jié)合自適應(yīng)差分進(jìn)化和模式搜索的Memetic算法。以瑞典FOI開(kāi)發(fā)的飛機(jī)模型ADMIRE為研究對(duì)象，利用Memetic算法對(duì)存在不確定條件下的飛行控制系統(tǒng)進(jìn)行評(píng)估。評(píng)估結(jié)果表明，與工業(yè)傳統(tǒng)網(wǎng)格評(píng)估方法相比，改進(jìn)的優(yōu)化算法可以在全飛行包線范圍內(nèi)找出最壞的飛行狀態(tài)，具有更高的可靠性、效率。
上傳時(shí)間： 2013-11-24
上傳用戶：lina2343
基于機(jī)器人在平面區(qū)域運(yùn)動(dòng)的避障問(wèn)題，通過(guò)單一障礙物路徑長(zhǎng)度設(shè)計(jì)算法，利用MATLAB軟件進(jìn)行分別計(jì)算，綜合比較得出機(jī)器人從區(qū)域起點(diǎn)到達(dá)目標(biāo)點(diǎn)的避障最短路徑。
上傳時(shí)間： 2013-10-16
上傳用戶：yuanwenjiao
壓力傳感器是一種常用的傳感元件，由于其自身的非線性和外界測(cè)量條件的影響，傳感器的輸出特性大都為非線性，故存在多種誤差因素。這些誤差因素通常同時(shí)存在，但以溫度的影響最為明顯，所以對(duì)傳感器的溫度補(bǔ)償也就尤為重要。本文結(jié)合目前應(yīng)用比較普遍的各種溫度補(bǔ)償方法，通過(guò)編制程序，對(duì)壓力傳感器的輸出非線性作了補(bǔ)償。結(jié)果表明，基于最小二乘法的溫度補(bǔ)償方法簡(jiǎn)單，速度快，但是精度一般，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)男Ч茫撬惴◤?fù)雜。
上傳時(shí)間： 2013-12-13
上傳用戶：wyiman
電子發(fā)燒友網(wǎng) -> 上傳資料 .傳感器傳遞函數(shù)回歸算法及其應(yīng)用研究
上傳時(shí)間： 2013-11-15
上傳用戶：yd19890720
溫度控制的PID算法的C語(yǔ)言程序,里面有具體程序的實(shí)現(xiàn)，還有各個(gè)參數(shù)的意義介紹，十分詳細(xì)，非常有用
標(biāo)簽： PID 溫度控制 C語(yǔ)言程序 算法
上傳時(shí)間： 2013-10-22
上傳用戶：yepeng139
文中詳細(xì)總結(jié)現(xiàn)有的WSN的一些經(jīng)典定位算法，并比較各算法的優(yōu)缺點(diǎn)。
上傳時(shí)間： 2013-11-12
上傳用戶：bvdragon
稀疏表示分類算法（Sparse Representation-based Classification，SRC）在人臉數(shù)據(jù)庫(kù)上有很高的識(shí)別性能。然而，對(duì)于姿態(tài)變化，SRC的識(shí)別效果并不理想。針對(duì)SRC算法不能解決測(cè)試樣本與訓(xùn)練樣本存在偏移誤差的問(wèn)題，本文提出了基于SRC的改進(jìn)算法。該算法將每一類的訓(xùn)練樣本單獨(dú)作為訓(xùn)練字典，利用迭代校正和基于金字塔分層機(jī)構(gòu)的運(yùn)動(dòng)偏移估計(jì)方法得到最終的偏移量，最后對(duì)校正后的測(cè)試樣本使用SRC算法實(shí)現(xiàn)分類。實(shí)驗(yàn)結(jié)果表明該方法對(duì)于有偏移誤差的人臉圖像具有較好的魯棒性及識(shí)別率。
標(biāo)簽： SRC 算法 人臉識(shí)別 中的應(yīng)用
上傳時(shí)間： 2013-11-15
上傳用戶：haiya2000
介紹PID算法的好資料
上傳時(shí)間： 2013-11-09
上傳用戶：894448095
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
