基于BSO-BP改进动态帧时隙算法的密集环境下RFID标签读写优化方法

无线射频识别技术作为物联网的关键技术,正在不断发展并广泛应用于我国制造业领域。为了解决大量无线射频识别标签读写时相互竞争信道而产生的数据碰撞现象,需要对标签数量进行准确估计。文章在传统动态帧时隙算法的基础上,利用天牛群搜索算法寻找BP神经网络的最优初始权值和阈值,并将最优值应用到BP神经网络的参数设定中,实现了对标签数量的准确估计。通过实验和企业实际使用RFID绑定电源线的生产效果证明,与传统的动态帧时隙算法相比,所提出的改进算法既保证了读取的准确性,又缩短了读取时间,有效地提高了系统的效率。

密集环境中无人机协同机动飞行运动规划方法综述

从单无人机机动飞行向多机协同扩展的通用规划框架出发,介绍了其中各模块相关研究的基本原理、代表性方法和前沿研究,主要包括用于环境障碍感知的实时导航地图构建、离散空间的路径规划、连续空间的轨迹规划、基于离散连续混合空间的规划、多航迹或轨迹的协同规划。综合无人机通用规划框架的关键技术,提出了无人机协同机动规划下一步需要重点研究的方向。

密集环境下多目标无线定位技术研究

在密集环境中,如何保证多目标定位的准确性及精度一直都是研究的重点。研究了密集环境下多目标无线定位技术并予以分析,并主要从系统误差修正、密集多目标定位与跟踪模型的建立两方面对其进行阐述,仿真结果证明其具备一定的实际意义。

密集环境下RFID系统滤波方法研究

从海量射频识别(RFID)标签数据中滤除冗余标签信息成为RFID应用中亟需解决的问题。读滤波方法标签数据源数量大,滤波效率较低。基于阅读器读滤波算法及空中接口标签群管理方法,提出利用几何方法的空中接口滤波算法;结合读滤波及空中接口滤波算法,提出一种新的RFID系统滤波方法。利用查询概率模型及滤波时间测试方法,对所提出滤波方法进行仿真测试。测试结果表明,相较于读滤波方法,该方法滤波效率提高了50%。

密集环境下无源超高频系统RFID标签识别性能研究

密集环境中标签间互耦效应会对标签识别性能产生重要影响。该文以密集环境下超高频射频识别系统中的无源双标签为研究对象,基于天线散射理论并利用高频电磁场仿真软件HFSS分析不同标签间距下互耦模型的输入阻抗,以及标签天线在不同负载条件下的单站雷达散射截面RCS,得到密集环境下标签天线的最大识别距离,并通过实验验证了计算结果。研究结果将有助于优化标签天线设计,提高密集环境下的标签识别性能。

浅谈人口密集环境的空气调节

近年来我国对人口密集环境空气质量的问题引起高度了重视，由于各种人为原因引起室内空气品质问题，改善室内空气品质是一个系统且复杂的工程。世界卫生组织已确认不良空气品质会引发建筑病综合征、大楼并发症以及多种化学过敏症。因此，建筑工程界要行动起来，将目前认为有效的方法如良好的空气调节应用到实际，应该尽嚣避免工程中出现对健康不良的因素。

密集障碍环境下的改进DWA避障算法

针对传统动态窗口法(DWA)算法在密集障碍环境中容易绕行障碍物区域和避障性差等问题,提出一种基于A*的改进DWA算法。首先在A*算法的评价函数中引入偏移代价来引导算法快速朝目标方向搜索,改善规划效率低的问题,并对路径点进行优化得到全局最优路径点。其次在DWA算法中通过障碍物方位和距离动态调整评价函数各项权值,解决算法在密集障碍环境的避障性差问题。最后融入全局最优路径点,确保改进DWA算法能够在实现实时避障的同时保证路径最优。仿真结果显示,相比于其他2种算法,改进DWA算法可以有效提高机器人在密集障碍环境下的避障性,路径长度和行进步数均可降低15%以上,且能够有效躲避随机障碍物,安全性更高,鲁棒性更强。

标签密集环境下天线互偶效应研究

基于射频识别技术原理及Friis传输方程,导出了无源超高频射频识别系统链路模型,结合二端口网络分析方法,导出了标签密集环境下的标签天线互阻抗计算表达式.利用单阅读器单标签时的标签阻抗匹配条件,基于功率传输系数及调制因子,分析了互偶效应对系统链路的影响.在开阔室内环境中,测试了双标签及标签单、双平面布置情形下的阅读器天线最小发射功率及系统识别率.测试结果表明,双标签及双平面情形下,阅读器天线最小发射功率变化率分别为(7%,11.6%)及(10%,12.5%).

密集信号环境下基于星座轨迹图调制识别算法

在密集高阶幅相调制信号环境下,解调过程中相邻信号的频谱干扰,使得解调信号聚合度较差,此时传统的基于理想解调的特征提取算法识别性能快速下降。针对这一问题,提出一种基于高阶幅相盲接收机解调信号星座轨迹图的调制识别算法。所提算法基于高阶幅相盲接收机对信号进行解调,根据解调星座图的幅值曲率分布和轨迹信息来构造星座轨迹特征进行识别。理论分析和仿真实验表明,这种基于星座轨迹图调制识别方法比传统的基于星座图幅相信息的识别算法性能更好,特别是在密集信号非理想解调环境下,在信噪比为9 dB时信号识别率均到90%以上。

数据密集型科学环境下的情报服务与发展

数据密集型科学环境的兴起与发展,使得情报服务的内容与方式发生了变化,基于科学数据的保存、发现、分析等服务成为了信息服务机构的服务增长点。文章对科学研究的第四范式、数据密集型科学环境的形成与推动因素进行了概述,重点对数据密集型科学环境下的情报服务内容与发展途径进行了分析。

数据密集型科研环境下的科研数据管理框架研究

随着科学研究第四范式概念的不断深入,科学研究越来越依赖于从大量科研数据中发现新的知识和科学规律,科研数据的管理成为科学研究第四范式发展面临的首要问题。通过文献调研,梳理数据密集型科研环境下科研数据的特征,分析科研用户对科研数据管理的具体需求,并梳理科研数据管理各阶段的具体任务,基于此提出科研数据管理框架。结合国内外实践现状,对科研数据管理框架的发展提出建议,为科研数据管理平台或工具的开发提供借鉴和参考,对解决数据密集型科研环境下缺乏数据管理工具的困境具有一定意义。

数据密集型环境下农业科研信息化发展路径研究

随着数据密集型科研范式变革的不断深入,如何应用先进的信息技术推动农业领域海量数据融入实际应用场景、引领农业科技创新体系可持续发展,已成为当前农业科研机构科研信息化发展所面临的首要问题。为推动农业科研创新,通过分析数据密集型科研环境下科研活动所面临的新问题和新需求,以信息化支撑能力建设为视角,从信息化基础环境、科研大数据中心、智能化装备和新型科研平台4个维度探讨构建数据密集型科研范式变革下的科研信息化发展路径框架模型。基于此路径框架模型,提出了面向科研人员数据能力提升与创新需求的信息化重点建设举措和发展方向,以期能够全面提升科研信息化在农业科研创新与管理过程中“融入环境,嵌入过程”的能力,促进未来农业科研机构科研信息化从支撑辅助到引领发展的转变。

密集杂波环境下确定性退火DA-HPMHT跟踪算法

在对Homothetic概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)和确定性退火(deterministic annealing,DA)技术深入研究的基础上,结合扩展卡尔曼算法,提出了DA-HPMHT算法。针对密集杂波环境对多目标跟踪性能的影响,给出了DA-HPMHT算法在匀速直线交叉运动目标,机动转弯目标和匀速直线邻近目标的仿真实验,并同HPMHT算法进行了仿真比较。仿真结果表明,在初始值与真实值相差较大的情况下,HPMHT算法跟踪性能下降,而DA-HPMHT算法仍能保持较好的跟踪精度,并且满足实时性要求,证明DA-HPMHT算法对密集杂波环境下多机动目标跟踪的有效性。

密集杂波环境下的机动目标跟踪算法

针对密集杂波环境下的机动目标跟踪问题提出了一种新的算法，即交互式多模型数据关联算法。基本思路是利用概率数据关联处理多余回波，同时利用交互式多模型算法处理目标的机动问题，而且将机动目标“当前”统计模型引入其中，将它们结合起来处理密集杂波环境下的单机动目标跟踪问题。仿真结果证明该算法是解决此种问题的一种非常有效的方法。

数据密集型科研环境下的高校图书馆发展与思考

数据密集型科学环境的兴起与发展,使得高校图书馆在数据处理与科研支撑面临挑战,也将使高校图书馆的资源建设向上游转移、数据服务成为主要服务、数据素养成为图书馆员必备素养。

复杂密集信号环境实时模拟器结构设计

提出了一种实时模拟复杂密集信号环境的模拟器的结构设计方法 ;给出了一个以TMS32 0C30和TMS32 0C31并行处理的视频信号模拟器的设计实例 ,这种模拟器以微机为主控机、以多片高速数字信号处理器并行处理作为从机 ,构成其控制系统 ,可同时模拟用户现场指定的多种不同类型的辐射源信号 ,具有实时性高、易于修改、可扩展性好等特点。

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。

动态密集标签环境下RFID多路接入控制协议研究

提出一种静态密集标签环境下基于ALOHA和查询树的多路接入控制协议(S-TMAC),分析了该协议的原理、步骤及性能参数。接着将其扩展为动态密集标签环境下的多路接入控制协议(M-TMAC),定义了协议结构,建立了动态系统模型,并对标签识别时间、入射角、最大速度等参数进行了分析。仿真表明,动态系统模型下的M-TMAC的标签识别时间与S-TMAC相当,仅为ALOHA算法的1/2、树形算法的1/3;且在满足预设识别率和干扰率时,允许的标签有较大的入射角和运行速度。

密集障碍环境下机器人路径智能搜索方法仿真

为了更好的提升机器人路径规划的环境适应和高效动态避碰的能力,需要进行密集障碍环境下机器人路径智能搜索。但是采用当前方法进行机器人路径智能搜索时,无法计算出密集障碍环境下机器人的最短路径,存在路径搜索误差大的问题。为解决上述问题,提出一种基于蛙跳的密集障碍环境下机器人路径智能搜索方法。上述方法先融合于蛙跳方法设定障碍物的密集动态值,利用栅格法获取两个相邻栅格间的连接长度,给出可选栅格集,利用粒子群思想理论将路径长度作为对路径智能搜索的适应度函数,引入路径平滑度,将机器人路径智能搜索中心区域的范围界限定义为个体粒子和全局粒子所发现的距个体极值和全局极值最大距离的中间位置,以此为依据完成对密集障碍环境下机器人路径智能搜索。实验结果表明,所提方法路径搜索精度高,可以为开发智能机器人导航功能奠定基础。

迭代框架优化的密集场景单棵树木检测

现有基于深度学习的单棵树木检测方法一般是对同个树木对象产生重复的候选框,然后通过非极大值抑制方法进行过滤,以确定每个对象最终的边框.这种方法对于孤立的树木对象能够起到很好的作用,但对密集重叠的树木场景中的单棵树木检测结果并不理想.本文提出一种基于迭代框架的密集场景单棵树木检测方法.该方法采用迭代框架统合两轮训练过程,首先在第1轮训练中提取边框,然后在第2轮训练中引入迭代边框,对候选边框进行筛除后再执行非极大值抑制过程,最后将非极大值抑制结果和迭代边框进行合并整合,这种方法将重叠边框分配到两轮训练中分别处理,减少了候选框之间的干扰;此外,该方法在两轮训练中可以采用不同的网络,本文通过实验得到最为适配的组合.为验证本文方法的有效性,本文采集和标注了密集重叠场景的树木数据集,并在该数据集上进行了实验和结果分析,实验结果表明本文提出的方法与现有方法相比,树木检测的准确率和召回率分别提升了2.4%和2.7%,能够有效提升密集场景树木检测的准确率.