基于对象Petri子网模型的列车群分布式仿真

为提高效率,增强真实度和可信度,采用分布式仿真解决列车群行为的分析和验证问题,并基于列车群的对象Petri子网模型(TGOSOPS)实施分布式仿真系统。针对模型到仿真系统的逻辑映射、运行中的动态关联以及依靠模型处理仿真冲突和时间协调等问题,提出由终端上的列车仿真应用模块和服务器上的全局控制模块构成分布式仿真系统框架,并对TGOSOPS按照功能进行划分,使其和分布式框架有机结合和映射。根据系统结构,结合动态离散事件系统的仿真思想,明确系统中各类实体和事件间的逻辑关系,采用定时与主动对象(主动成分)扫描相结合的方法,建立分布式仿真策略,包括客户端和服务器端两部分,从而实现模型到系统的动态关联,并采用空消息算法消除策略死锁。采用一个统一的全局时钟来调整局部时钟的时间周期,以实现分布时钟的协调。路网图、运行图、模型库和各种信息库等都以全局数据库的形式存储在服务器上,在仿真过程中,根据实验推进的需要可以随时从服务器上读入所需信息和数据。

面向对象Petri网的网络传感器管理系统建模

传感器资源管理是一个复杂的系统工程 ,特别是在分布式传感器网络中 ,传感器种类繁多 ,使用一般的Petri网建模方法很难对系统作一形象描述。本文提出了一种应用面向对象Petri网对该系统进行建模的方法 ,并针对网络传感器管理特点 ,构造了网络传感器管理系统模型。

基于分层思想的基本通信系统CPN建模

针对通信系统建模复杂度高、可靠性差、模型缺乏形式化验证方法以及可重用性差的问题,提出一种基于分层思想,并结合面向对象的概念,利用着色Petri网(CPN)对基本通信系统进行建模的方法。该方法融合CPN和面向对象技术的优点,从形式化、可视化的角度描述基本通信系统的运行过程。以一个简单的基本通信系统为例进行建模,证明该模型与实际系统中的对象可以相互对应,易于理解和实现。

Contrast enhancement in retinal image via multi-scale geometrical analysis

We present a new multi-scale geometrical analysis method for ophthalmic image contrast enhancement based on the contourlet transform. The contourlet transform has better performance in representing edges than wavelets due to its anisotropy and directionality,and is therefore well-suited for multiscale edge enhancement. We modify the contourlet coefficients in corresponding subband and take the noise into account for mere precise reconstruction and better visualization. We compare this approach with enhancement based on the ourvelet transform,and the traditional Histogram Stretching （HS）. Our findings are that contourlet based enhancement out-performs other enhancement methods on low contrast and dynamic range images,and can clearly identify the vessels and nerves in an ophthalmic image.