基于BP神经网络的RFID室内定位算法研究

室内定位技术的研究一直都是近年来物联网研究的热点.为了验证一种廉价的RFID(Radio Frequency Identification)设备也有着良好的室内定位效果,提出一种基于廉价的n RF24l01芯片的主动RFID标签与K-means,SVM(Support Vector Machine)和BP(Back Propagation Neural Network)神经网络三种算法相融合的定位算法.首先借助参考标签来建立指纹数据库,通过K-means的聚类算法,把收集到的指纹数据聚成K类,以此将定位区域划分为K个宏区域,再对每个宏区域建立SVM分类模型以及BP神经网络模型.最后采用具体实例对于室内定位性能进行测试.结果表明,当对区域划分为2类,3类,4类的时候,算法的均方根误差分别为1. 0863 M,0. 9265M,0. 9567M,可见当划分3类宏区域时,误差最小,该误差范围满足了室内定位研究的需求.

高效的H.264并行编码算法

CABAC是H.264/AVC视频压缩标准主要档次中采用的熵编码机制,结合RDO模式选择技术,可以降低20%的编码码率,但是编码器计算复杂度却同时大大增加.对算法进行并行化是有效加快编码速度的方法,但是,由于CABAC具有自适应编码的特点和RDO模式选择对熵编码的使用,使得顺序编码的宏块之间存在着严格的数据相关性,限制了并行编码算法的开发.本文结合基于宏块区域划分的数据级并行编码机制MBRP和码率估计技术,为采用CABAC熵编码机制的H.264编码算法提供了一种高效的并行编码方案:将H.264编码算法划分为模式选择和码流生成两个部分,使之构成典型的生产者-消费者关系;将RDO模式选择中的CABAC替换为码率估计,去除模式选择过程中因CABAC导致的严格数据相关性;对模式选择部分采用MBRP并行机制;码流生成部分由单独的处理器完成,并和模式选择部分实现流水化并行处理.通过4处理器系统模拟器进行实验,发现在保持视频压缩性能几乎不变的情况下,该并行算法的加速比可以达到4.7.