室内定位中DS-TWR测距算法的优化

针对现阶段UWB室内定位的测距过程中易出现通信冲突且标签功耗高的问题,提出一种改进的DS-TWR算法.该方法通过一种基于Hash算法的时隙分配方法计算标签和基站的时隙,使每个标签和基站都有唯一时隙,以减少通信过程中标签冲突现象;同时不同于传统TOA测距流程,该方法设置一个主基站,标签只需与主基站进行通信,而从基站只需要进行监听;通过DS-TWR算法来实现标签与主从基站之间的测距过程,最终完成室内定位.实验结果表明,该改进方案可以有效地减少定位通信次数,假设定位基站有N个,改进算法的通信次数约为传统DS-TWR算法的4/3N,且基站越多,减少次数越多,有很强的工程应用价值.通过减少通信次数可以优化标签功耗过高的问题,使标签功耗节省33.3％;针对传统测距算法中通信冲突的问题,在加入Hash算法后,测距过程中基站标签的通信冲突率降低13％,从而使得系统中标签容纳量增加.     

CPU-GPU混合平台上动态场景光线跟踪的研究

提出了一种动态场景光线跟踪新方法,能有效地调度CPU和GPU的运行,提高渲染速度。根据加速结构kd-tree的特点,将其分成上层部分和下层部分,上层部分由于并行性较小,由CPU创建;而下层部分并行性较大,由GPU创建,提高动态场景加速结构的创建速度。同时充分利用CPU和GPU两个运算平台的特点,有效调度两者的运行,隐藏部分运算时间,进一步提高动态场景的渲染速度。实验结果表明,在安装了GeForce285GTX的PC机上,高真实感地交互渲染了包含11k三角面片的Kitchen动态场景。     

基于最小二乘法的室内三维定位算法研究

现如今,室内位置服务成为国内外科研人员共同关注的焦点,人们对于位置服务的需求逐渐由最初的室外定位转变为室内定位,同时诸多的室内定位技术得以快速发展。通过以超宽带(UWB)的通信方式为依托,借助到达时间差值(TDOA)的定位模型,着重分析了最小二乘法在求解三维定位坐标时精度误差产生的主要原因。针对传统的最小二乘定位算法在求解三维定位坐标时,由于基站几何布局所引起的定位精度问题,提出基于最小二乘法的三维定位优化算法。通过对实验结果进行分析,比较定位算法在优化前后的两种场景下定位的不同表现效果,发现优化后的最小二乘定位算法的三维定位精度得以明显提高且定位效果稳定,同时也降低了三维定位精度对于基站几何布局的依赖性。     

基于洪泛机制准同步的UWB定位效率优化研究

针对UWB定位中的标签容量限制和通信冲突的问题,提出了一种基于洪泛机制准同步的改进定位方法;该方法通过设置主从基站,利用洪泛机制逐级传递准同步报文实现基站和标签间的时钟准同步,满足了DS-TWR方法下TOA算法对通信中时钟误差的需求,从而提高了测距精度;同时通过多Hash运算为标签基站对分配唯一时隙,有效提高了多标签情况下的通信成功率;实验结果表明,改进后的系统多标签条件下平均通信成功率提高了16%,标签能耗降低了30%,单位时间内获取数据量提高了27.8%,在提高系统通信效率的同时降低了能耗,具有较高的工程应用价值。     

支持JPEG2K的高清图像分布式处理

高清图像的高效压缩及其服务是目前信息处理领域的热点。文章介绍了图像压缩技术国内外的研究现况以及最新的图像压缩标准JPEG2K,提出支持JPEG2K的高清图像分布式处理系统的设计,详细阐述设计的基本思想、总体架构、关键技术。测试结果表明,系统在图像压缩性能和业务远程提供上达到了满意的效果。     

快速傅立叶变换算法的比较分析

FFT算法通过分而治之的模式将长序列的DFT计算递归地分解为短序列的DFT计算,从而使计算量显著减少。快速傅立叶变换自诞生以来出现了多种算法,本文讨论了几种有代表性的FFT算法,并对这些算法的性能进行了比较。     

模糊测度下IEEE 802.11的DCF性能优化

提出了一种基于模糊测度的方法,采用Choquet积分模型定量测度IEEE 802.11的MAC协议中各参数及其参数之间的内在关系对系统性能的影响。根据测度结果优化MAC层协议参数集,获得对吞吐量影响最大的参数子集。通过调整子集中的参数,提出一种有效提高WLAN吞吐量的策略。仿真结果表明,根据测度结果只需调整子集中的参数以提高吞吐量,有效改善无线资源利用率。     

一个新的线索KD树并行算法

KD树是三维场景渲染中常用的空间加速算法.由于SIMD计算平台不支持递归操作,导致KD树在GPU上的应用受到限制,因此提出了一个新的基于SIMD架构的并行KD树算法.通过创建时对KD树线索化,不仅省去堆栈使用,且因无需回溯到根节点而减少大量无效遍历操作,实现了基于GPU的高效并行加速.实验结果表明,线索KD树算法每秒计...     

基于改进DCNN的烟火隐患检测方法

针对山火烟雾这类柔性目标图像存在的形状不固定所导致的识别精度低、泛化性差等问题,提出了一个基于YOLO的改进深度卷积神经网络(DCNN)识别方法.该方法通过数据增强算法优化训练网络;利用GIoU_Loss损失函数替换L2 Loss函数,大幅降低损失值;运用空间金字塔池化,将多尺度特征进行融合,增加网络的感受野,提高检测精度.实验结果表明,改进方法相对于原YOLO算法查全率提升了1.3％,查准率提高了2.1％.     

基于延迟预测的自适应媒体播放算法

针对AMP-Live模型中存在的问题,提出一种基于报文延迟预测的自适应媒体播放算法（NEWAMP）,采用未来信道和缓冲状态的预测值作为视频报文播放速率调整的依据,将速率变化的程度进一步细化,同时考虑应用要求的最大端到端延迟,提高算法性能,与传统播放算法相比,NEWAMP在保证报文因下溢和上溢而丢弃的概率足够小的前提下,缓冲延迟减小了约50%,而与普通AMP-Live方法相比,NEWAMP不仅减小了报文因下溢和上溢而丢弃的概率,还将缓冲延迟减小了约40%。实验结果证明了该算法的有效性。