无线传感器网络中的数据压缩研究——结合小波提升算法和差分机制

对无线传感器网络中的数据进行处理具有重要意义。引入小波变换中的提升算法对数据进行压缩处理,克服传统的小波变换方法计算量大,耗时较长的缺点。针对现有机制没有考虑到数据的时间相关性的缺陷,提出一种全新的数据发送机制——差分机制,从源头上消除冗余数据,减少数据发送量。实验表明,采用提升算法和差分机制能够有效去除无线传感器网络的冗余数据,降低节点的能量消耗,延长整个网络的生命周期。

一种基于多层优先级和差分服务机制的CSMA/CA改进算法

针对CSMA/CA算法的回退指数变化固定、对第2次CCA检测信道为忙时的处理不当这2个不足,提出一种基于多层优先级和差分服务机制的时隙CSMA/CA算法。通过优先级设定不同的回退指数BE,采用CCA2失败时再执行1次CCA的方法来克服以上2个不足。OPNET仿真结果表明,该算法在吞吐量、网络时延、成功接入信道概率方面优于原CSMA/CA算法。

低复杂度的自适应置信差分迭代译码算法

针对中短码长的低密度奇偶校验规则码(Low Density Parity Check,LDPC)规则码,该文采用消息更新规则改进和因子图变换方法,提出一种低复杂度差分迭代译码算法。在置信传播算法的基础上,仅当变量节点的消息值振荡时引入差分映射策略,得出一种选择性的置信差分规则,自适应地调整校验节点消息的归一化系数,提高译码性能。同时,采用展开校验节点的图变换方法,将计算复杂度从随节点度分布指数性增长降至线性增长。分别在高斯白噪声信道和瑞利衰落信道下进行仿真实验,结果表明该算法和基于图变换的其他低复杂度译码算法相比,性能优越且复杂度低,和对数似然比的置信传播算法(LLR-BP)相比,高信噪比区域内的性能优异,低信噪比区域内的计算复杂度明显降低。

基于超密度圆环排序机制的5G网络信号传输算法

当前5G网络信号传输算法较难实现正交化接收,使得传输子信道频率混叠严重,且超密度传输过程中存在节点互干扰的现象。为此,提出一种能够改善频率漂移难题的5G网络信号传输算法。依据传输子信道及小区基站间频率混叠过程中存在的频率漂移特征频率,构建超密度圆环排序结构,将处于超密度状态下的接收节点进行正交化排序,减少信道-信号间频率干涉现象,提高数据传输精确度,基于差分机制设计方位角精度优化方法,降低数据误码率。仿真结果表明,与当前5G领域常用的混沌频率漂移消除优化传输机制、高精度数据传输调节机制相比,该算法具有更高的数据吞吐水平与数据传输质量,且其传输误码率更低。

基于差分人工蜂群算法的梁结构裂纹识别

采用差分人工蜂群算法对裂纹梁结构进行损伤识别。人工蜂群算法是一种元启发式算法,具有结构简单,方便执行但易于陷入局部最优的特点。为改善这一不足,在引领蜂阶段引入差分进化机制增强算法的全局搜索能力,在观察蜂阶段引入新的搜索公式来加强算法的局部搜索能力。另一方面,通过利用完全开口裂纹梁的前几阶固有频率建立损伤识别的目标函数,然后利用改进方法优化目标函数得到识别结果。数值算例和实验验证的结果表明,在仅知道前几阶固有频率的情况下,差分人工蜂群算法能够有效地识别损伤参数,优于原始人工蜂群算法、遗传算法和粒子群算法并且对测量噪声不敏感。

中国FDI的区位选择及其影响因素分析

文章利用1988-2004年的省际面板数据研究FDI在华的区位选择和决定机制,并以一阶差分广义矩估计(DIF-GMM)方法研究FDI差异的决定机制,弥补了普通最小二乘法和固定效应(FixEffect)模型在利用动态面板数据回归中的内生性问题,使得估计结果更加稳健、可靠。回归结果表明一国对外开放程度、市场容量、市场化程度和优惠政策与FDI之间呈显著正相关关系,而工资率水平与FDI呈显著负相关关系,实证结果与先前的大部分假设相符,对于出现的不符情况,本文尝试作出可能的解释,最后提出了下一步的研究方向。

求解改进布谷鸟算法的置换流水车间调度问题

针对实际工况下置换流水车间调度问题,文中以最小化完工时间为目标对标准布谷鸟算法进行了改进。为提高优化解的稳定性和算法的计算精度,该算法将淘汰概率引入动态自适应机制,将局部搜索引入差分进化机制,并在初始种群的生成中引入NEH算法。文中将改进的布谷鸟算法运用于解决实际工况下的置换流水车间调度问题,通过与标准布谷鸟算法仿真优化结果进行对比,证明了改进布谷鸟算法具有更好的解的稳定性和更高的寻优精度。