123,123

?一種基于RB-HARQ安全傳輸技術(shù)的吞吐量最大化方法[通信與網(wǎng)絡(luò)][信息安全]

在基于可靠度混合自動重傳技術(shù)（Reliability-Based Hybrid ARQ, RB-HARQ）的物理層安全編碼中，提出一種根據(jù)信道條件選擇最優(yōu)重傳比特數(shù)目的方法，該方法能夠在保證安全性的條件下實現(xiàn)吞吐量最大。在RB-HARQ技術(shù)中，接收端將碼字比特按照可靠度信息大小進(jìn)行排列，將最低可靠度的比特重傳給發(fā)送端。為了最大化吞吐量，利用密度進(jìn)化算法和軟合并的方法計算出相應(yīng)節(jié)點的信息概率密度，通過近似得出理論誤比特率，在此基礎(chǔ)上從理論上得出最佳重傳數(shù)目方案。仿真結(jié)果表明，所提算法與傳統(tǒng)的RB-HARQ算法相比，在保證安全性和可靠性的條件下，顯著提高了吞吐量，并且驗證了理論分析的正確性。

發(fā)表于：2018/11/1 13:34:00

基于流行度的P2P流媒體復(fù)制算法[通信與網(wǎng)絡(luò)][其他]

通過把赤字帶寬引入到流媒體文件流行度中，定義了一種新的流媒體文件的流行度, 以該流行度為依據(jù)，確定需要復(fù)制的流媒體文件，將節(jié)點按綜合性能指標(biāo)進(jìn)行排序，把副本放置在綜合性能高的節(jié)點上。在副本放置空間不足時需要進(jìn)行副本替換，替換掉副本實際數(shù)量與期望數(shù)量之比中比值最大的文件，以復(fù)制新的文件。實驗表明，和比例復(fù)制算法相比，本算法的工作負(fù)載更早進(jìn)入穩(wěn)態(tài)，平均提前了總仿真時間的13%。穩(wěn)態(tài)時，工作負(fù)載更小, 工作負(fù)載是比例復(fù)制算法的33.3% ；達(dá)到流媒體文件請求速率的節(jié)點數(shù)量比比例復(fù)制算法的節(jié)點數(shù)量平均多1‰左右；同時在暫態(tài)時，本算法的波動更加平穩(wěn)。

發(fā)表于：2018/11/1 10:38:00

能量獲取框架下的5G綠色通信小區(qū)選擇算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著蜂窩移動網(wǎng)絡(luò)中用戶數(shù)的增加，蜂窩網(wǎng)從以前的單一架構(gòu)轉(zhuǎn)變?yōu)楫悩?gòu)，基站的能量消耗也呈現(xiàn)出了指數(shù)型的增長。能量獲取是一種新興的技術(shù)，可以節(jié)省傳統(tǒng)電網(wǎng)的能量并減少無線通信中的碳排放量。異構(gòu)網(wǎng)絡(luò)中的小區(qū)選擇是影響系統(tǒng)性能的關(guān)鍵因素。從能量獲取、能量協(xié)作、異構(gòu)網(wǎng)絡(luò)等方面考慮，提出了一種折中能量獲取、能量消耗、負(fù)載均衡、接收速率等性能指標(biāo)的小區(qū)選擇算法。仿真結(jié)果表明，該算法可以減少基站對電網(wǎng)能量的需求，增加用戶選擇的可能，滿足公平性和有效性，可適用于5G綠色通信。

發(fā)表于：2018/11/1 10:08:00

基于卷積神經(jīng)網(wǎng)絡(luò)的詩詞隱寫檢測方法[通信與網(wǎng)絡(luò)][其他]

利用詩詞作為載體實現(xiàn)文本信息隱藏是近兩年非常熱門的研究方向。這一類方法具有隱藏容量大并且隱蔽性高的優(yōu)點。然而現(xiàn)在還沒有針對這一類方法的非常有效的隱寫檢測算法。提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的詩詞隱寫檢測算法，該算法能自動判斷輸入的文本是否含有隱藏信息。通過大量數(shù)據(jù)對模型進(jìn)行訓(xùn)練并測試，實驗結(jié)果顯示所提出的模型能達(dá)到94.8%的檢測準(zhǔn)確率，表現(xiàn)出非常高的詩詞隱寫檢測性能。

發(fā)表于：2018/11/1 9:57:00

基于連續(xù)時隙探測的防碰撞算法研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為進(jìn)一步提高標(biāo)簽的識別速度，針對動態(tài)幀時隙類算法對幀長調(diào)整的不靈敏性以及Q算法中Q值調(diào)整的高計算復(fù)雜度，提出了一種基于連續(xù)時隙探測的RFID防碰撞算法，詳細(xì)闡述了該算法的思想和運(yùn)算流程。該算法通過探測識別幀中連續(xù)時隙的應(yīng)答狀況，利用設(shè)定的規(guī)則調(diào)整幀長，使系統(tǒng)工作在最佳狀態(tài)。仿真結(jié)果表明，與標(biāo)準(zhǔn)QA算法相比，改進(jìn)的算法縮短了系統(tǒng)4%的識別時延，提高了系統(tǒng)6%的識別速度。

發(fā)表于：2018/10/31 14:04:00

一種基于RFID和WSN的分布式節(jié)點定位方法[測試測量][工業(yè)自動化]

射頻識別（RFID）技術(shù)和無線傳感網(wǎng)（WSN）技術(shù)在當(dāng)今移動定位、目標(biāo)識別與跟蹤方面具有廣泛的應(yīng)用。針對這兩種技術(shù)在定位領(lǐng)域的應(yīng)用局限，如感應(yīng)距離、識別效率、組網(wǎng)能力等方面限制，提出一種網(wǎng)絡(luò)節(jié)點定位方法，將具有標(biāo)識能力的射頻識別（RFID）技術(shù)與具有通信、傳感能力的無線傳感網(wǎng)（WSN）技術(shù)相結(jié)合。首先，利用射頻標(biāo)簽的感應(yīng)范圍獲取準(zhǔn)確的參考區(qū)域；然后，采用基于指紋的非測距定位方法在選定參考區(qū)域估算移動節(jié)點實時位置。仿真結(jié)果表示，在分布式網(wǎng)絡(luò)定位應(yīng)用中，所提出的算法有效提升了移動節(jié)點的定位精度，同時節(jié)約了網(wǎng)絡(luò)資源，提升了定位效率。

發(fā)表于：2018/10/31 13:51:00

基于VR技術(shù)的培訓(xùn)系統(tǒng)設(shè)計與實現(xiàn)[測試測量][物聯(lián)網(wǎng)]

隨著計算機(jī)技術(shù)和虛擬技術(shù)的發(fā)展，虛擬現(xiàn)實技術(shù)已經(jīng)被廣泛的應(yīng)用到建筑、醫(yī)學(xué)、電力、航空航天、軍事等各個領(lǐng)域的培訓(xùn)學(xué)習(xí)和模擬中。使用虛擬現(xiàn)實技術(shù)可以在有限的空間內(nèi)模擬無限的空間環(huán)境，同樣可以讓很多危險的操作在絕對安全的情況下進(jìn)行還原，還可以完美地還原各種環(huán)境使得體驗者進(jìn)行沉浸式交互體驗，而且可以進(jìn)行反復(fù)作業(yè)培訓(xùn)，深入學(xué)習(xí)。介紹了一種基于虛擬現(xiàn)實培訓(xùn)系統(tǒng)的設(shè)計與實現(xiàn)方案，此方案已經(jīng)開始在中國南方電網(wǎng)中推廣應(yīng)用，并取得良好效果。

發(fā)表于：2018/10/31 13:43:00

改進(jìn)指紋庫精度下的室內(nèi)定位算法研究[測試測量][工業(yè)自動化]

隨著傳感器網(wǎng)絡(luò)的不斷發(fā)展，基于位置服務(wù)逐步成為研究熱點，其中的室內(nèi)定位技術(shù)發(fā)展更為迅猛。為準(zhǔn)確而快速地確定室內(nèi)待測節(jié)點位置，通過對ZigBee無線網(wǎng)絡(luò)的研究，提出在離線建庫階段使用基于離群點檢測與雙閾值濾波算法(頻率閾值和均值閾值)處理采集到的不同接入點(Access Point, AP)的信號強(qiáng)度指示(Received Signal Strength Indication, RSSI），建立高精度指紋數(shù)據(jù)庫，然后在線定位階段，結(jié)合使用模糊C均值聚類(Fuzzy C-Means, FCM)和基于頻率因子的加權(quán)K最鄰近算法(Weighting K-Nearest Neighbor, WKNN)計算出待測節(jié)點的最終位置，并給出“備用位置”。結(jié)果表明，采用該研究方法建立的指紋庫在精度上有較大提升，同時定位精度也顯著提高。

發(fā)表于：2018/10/29 14:49:00

?融合多視角信息的RGB-D圖像協(xié)同顯著性檢測[嵌入式技術(shù)][其他]

圖像協(xié)同顯著性檢測旨在檢測一組內(nèi)容相關(guān)的圖像中的共同的顯著目標(biāo)。盡管在視覺特征學(xué)習(xí)以及檢測算法等方面已有大量研究工作，但是大多數(shù)協(xié)同顯著性研究集中于RGB圖像，并沒有充分利用圖像深度等顯著信息?？紤]到上述不足以及采用單一圖模型可能在檢測過程中丟失重要信息，提出了一種基于多視角信息融合的RGB-D圖像協(xié)同顯著性檢測算法。該方法首先針對單幅圖像采用深度學(xué)習(xí)網(wǎng)絡(luò)獲得高質(zhì)量的顯著圖，接著采用基于多圖的流行排序算法融合圖像的多種特征初步檢測到協(xié)同顯著區(qū)域，然后進(jìn)一步利用深度信息進(jìn)行顯著增強(qiáng)，最后采用秩約束算法進(jìn)行顯著信息融合。在標(biāo)準(zhǔn)數(shù)據(jù)集上的實驗結(jié)果證明了該方法的優(yōu)異性能。

發(fā)表于：2018/10/29 14:43:00

MEMS個人導(dǎo)航系統(tǒng)設(shè)計與試驗研究[測試測量][工業(yè)自動化]

設(shè)計了微機(jī)電系統(tǒng)（Micro-Electro-Mechanical System，MEMS）個人慣性導(dǎo)航系統(tǒng)。該系統(tǒng)導(dǎo)航算法在傳統(tǒng)慣導(dǎo)算法的基礎(chǔ)上，引入零速校正技術(shù)，并結(jié)合個人的步行特點，首先采用四元數(shù)法構(gòu)造觀測方程，并使用畢卡算法的定時采樣增量法對方程進(jìn)行解算，然后通過擴(kuò)展卡爾曼濾波算法獲取慣性導(dǎo)航器件的姿態(tài)，采用零速檢測算法和UD分解的卡爾曼濾波算法對速度、位置誤差進(jìn)行校正。最后，通過室內(nèi)步行試驗，驗證了算法的有效性，為進(jìn)一步研究提高室內(nèi)導(dǎo)航精度奠定了基礎(chǔ)。

發(fā)表于：2018/10/29 14:34:00