无线Mesh网络链路非相关多径发现算法

非相关路径的使用对于提高网络性能有极其重要的作用,但当前无线Mesh网络的路由协议都不支持链路非相关多径的寻找.在分析DSR协议不足的基础上,提出了一种基于DSR改进的链路非相关多径寻找算法EDSR(enhancedDSR).其核心思想是在DSR路由寻找完成后,利用网络节点的路由缓存发现和寻找源节点与目的节点间的链路非相关路径.通过非相关路径的使用,提高网络吞吐率,从而达到提高网络性能的目的.仿真结果表明,EDSR算法能以较少的代价获取非相关路径,提高网络性能.

基于深度学习的气体分布建图

为避免传统气体分布建图(GDM)方法对先验气体扩散模型和人工参数设定的依赖,将深度学习方法运用到气体分布建图研究中,借鉴单图像超分辨率神经网络,提出基于改进增强深度超分辨率(EDSR)网络的气体分布建图方法.基于气体扩散仿真平台模拟气体扩散过程,生成气体分布仿真数据集进行网络训练与调优,同时进行泛化测试,与传统气体分布建图方法进行对比.结果表明:基于改进EDSR网络的气体分布建图方法得到的建图误差较传统插值方法和高斯核外推法降低了一个数量级,且具有较好的泛化效果.