一种双向多跳中继选择算法与信息交互模型

在协同通信中,针对多跳中继通信传输网络,在单向传输模式的基础上,提出了一种双向通信模式下基于维特比算法的双向中继选择算法(BRSVA)。根据各传输中继节点间的瞬时信噪比,对维特比算法中的支路度量和路径度量进行重新定义,并且构建滑窗以限制内存,对通信网络进行研究分析,以当前跳滑窗内具有最大路径度量值的路径上第一簇中继作为该簇的最佳中继。随着滑窗向前推进,对整个中继网络每一簇进行最佳中继的选择,进而得出一条由最佳中继构成的最佳路径。最后在此路径上提出了一种新的混合型双向信息交互模型,实现通信双方的信息交互。为了验证该中继选择算法与该信息交互传输模型的效果,将其仿真结果与理想内存下的最优中继选择算法做对比,结果证明在有限的内存需求与复杂度下,该算法的中断性能可接近最优选择。     

分析基于单片机的嵌入式多节点网络通信系统设计

嵌入式系统将传统的人为控制系统转变为机器控制系统,提升了系统的精确性与稳定性,有效地节省了传统模式产生的损耗问题。随着电子技术的不断发展,基于单片机的嵌入式多节点网络通信系统设计逐渐完善。嵌入式系统设计的核心就是单片机,而stm32作为一种32位微控制器,在嵌入式多节点网络通信系统应用中的效果显著。基于此,文章主要对基于单片机的嵌入式多节点网络通信系统设计进行了简单的分析论述。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于多视图立体视觉的沙堆三维尺寸测量研究

利用从运动中恢复结构方法(SFM),提出了一种基于多视图立体视觉的沙堆三维重建及三维尺寸测量方法。首先根据SFM方法的求解不稳定特点,结合光束平差法对SFM求解过程进行分析及优化;其次针对SFM重建结果为稀疏点云的问题,利用基于面片的稠密重建算法重新生成稠密的三维点云,再利用泊松算法对密集点云进行三维曲面重建;最后获得模型的三维尺寸信息。对某建筑工地的沙堆进行了三维尺寸的测量实验,实验结果验证了该方法的有效及可行性,提高了重建能力及精度,同时考虑了目标实际测量误差与重建误差,能够满足实际智能测量的应用需求。