基于QoS的D2D能效优化

为解决基站数十亿通信设备的通信能耗和D2D通信过程中复用频谱资源对蜂窝用户造成的干扰问题,建立一种优化模型系统,解决用户通信服务质量(quality of service,QoS)和系统能效的权衡问题。针对优化问题中遇到的NP难题,提出一种启发式资源分配算法1-search,降低用户搜索范围以及匹配用户的搜索时间;利用松弛的方法忽略次要干扰的影响,降低算法复杂度。仿真结果表明,1-search算法可以提高系统能效,具有较好的收敛性。     

新的降低OFDM系统峰均比的PTS技术

为有效降低OFDM系统峰均功率比,以最大效率开发利用电力线通信资源,提出一种新的降低峰均比的部分传输序列技术,采用微正则退火算法优化相位因子。仿真结果表明,该算法以较快的收敛速度取得较优的相位因子序列,显著降低了正交频分复用系统的峰均比,提高了电力线通信系统的性能。     

基于相似度和信任度的关联规则微博好友推荐

针对关联规则个性化好友推荐中规则挖掘效率及推荐有效性不高的问题,首先提出基于散列及位图的改进关联规则算法BHA。该算法通过引入散列技术,减少了频繁2项集挖掘所需的时间;利用位图及相关性质,压缩无关候选项,减少了数据集所需的遍历次数。另外,在BHA的基础上,提出基于相似度及信任度的推荐算法STA,利用出、入相似度定义信任度,有效解决了新浪微博未提供显示信任关系的问题,同时弥补了相似度推荐未考虑用户间远近层次关系的缺陷。采集新浪微博用户数据进行实验,在关联规则挖掘效率的对比上,BHA挖掘所需的平均时间仅为改进AprioiriTid算法的47%;在好友推荐的有效性上,推荐算法STA较SNFRBOAR算法在准确率及召回率上分别提升了15.2%和9.8%。实验结果表明,STA能够有效降低规则挖掘所需的平均时间,并使实际好友推荐的有效性得到提升。     

改进人工蜂群算法在信道分配上的应用

移动通信网络中频率资源是有限的,为了提高无线资源的利用率,将改进的人工蜂群算法用于解决无线信道分配问题。提出的算法用逐步减小邻域搜索范围的动态步长来均衡局部与全局搜索能力;对单个体引入选择性变异技术,增加了种群的多样性,加快了算法的收敛速度。仿真结果表明,改进后的算法能较好地解决无线信道分配问题,提高了算法的收敛率和收敛速度。     

基于EEMD的全质心UWB室内定位算法

针对室内环境下的非视距(non-line-of-sight,NLOS)及多径(Multipath)传播给定位结果带来较大误差的问题,本文先将通过超宽带(ultra wideband,UWB)室内定位系统中的TOA模型测得的目标节点(携带定位终端的人或物体)分别到三个锚节点(下位机)的距离值进行集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)分析除噪,再运用三角形全质心定位算法求出目标节点在二维坐标系中的坐标值,最后从这一组定位结果中随机选一个坐标值作为目标节点最终的定位结果。结果表明:与传统的粒子滤波法、贝叶斯滤波法、BP神经网络法、泰勒级数法、小波滤波法等提高定位精度的算法相比,该算法提高了定位精度及鲁棒性等性能。     

基于改进K-means聚类算法的室内WLAN定位研究

位置指纹法定位中所建立的位置指纹库能否正确反映指纹信号与位置之间的映射关系将影响最终定位效果。本文将一种改进的K-means聚类算法运用于WLAN室内指纹数据库的建立,较之传统K-means聚类算法所建立的指纹数据库,采用了改进K-means聚类算法所建立起来的指纹数据库优化了初始聚类中心选择方法及准则函数,避免了被聚类的指纹数据陷入局部解现象。实验结果表明:本文所提算法建立的指纹数据库可提高WLAN室内定位精度,缩短定位时间。     

遥感图像变化检测在外来植物种入侵上的应用

外来植物种入侵给生态系统带来了诸多正面和负面影响,并成为了当前学术界关注的热点问题之一。为了有效地监测和控制外来入侵植物以及合理地开发利用外来入侵植物,变害为利,需要对外来入侵植物的空间分布和动态变化进行监测。本文将用于处理遥感图像变化检测时所采用的非下采样Contourlet变换和模糊C均值聚类算法相结合的方法,引用到生物物种入侵的动态监测,已取得更佳的检测结果。     

基于小波分析与类内最小方差法的车道线检测

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中。在道路图片中,为了能提取出完整的直车道线,本文提出了一种基于小波分析与计算梯度方向角类内最小方差法相结合的算法。该算法首先利用小波分析计算出边缘像素点的梯度幅值和梯度方向角,得到道路图像的边缘;然后将二值化处理过的图像用8领域面积去噪法去除噪声区域,并进行连通域的标记;在提取直车道线时,利用类内最小方差法计算各个连通域边界上点的梯度方向角最小方差,最后设定阈值分离出直线车道线,达到车道线检测的目的。实验仿真结果表明,本算法能够很好的检测出直线车道线,相比于目前其他文献的方法有较高的检全率。将有助于智能驾驶辅助系统研究技术的发展。     

PCA与随机森林相结合筛选高信息量SNP位点——应用于羊的品种鉴别

针对品种鉴别中面临的SNP（Single Nucleotide Polymorphisms）数据高维小样本的难点,研究利用少数高信息量SNP位点正确鉴别品种的方法,提出了一种新的SNP位点筛选方法。先利用PCA提取SNP主要位点,随后使用随机森林方法,根据平均精度下降和Gini指数下降对主位点的重要性进行评估,训练分类模型。最后分别选取重要度排名前48和96的位点,以这些位点为分类特征,建立分类模型进行品种鉴别。将该模型应用于6种绵羊Illumina OvineSNP50的SNP数据。实验表明,可以从46 013个位点中分别筛选出49、96个高信息量位点用于品种鉴别,鉴别准确率达到97%以上。该方法减少了用于品种鉴别的SNP位点个数,降低了品种鉴别成本。     

基于K-SVD算法改进BayesShrink小波阈值去噪

提出了一种基于BayesShrink小波阈值去噪算法和稀疏字典学习算法(K-SVD)相结合的图像去噪算法.针对现有的小波去噪算法只处理了细节子带系数,而没有处理近似子带的系数最终导致去噪效果带有局限性的问题,在实际应用中,噪声不仅改变了细节子带系数同时还改变了近似子带的系数,提出了使用K-SVD算法处理图像小波变换近似子带系数以改进现有小波阈值图像去噪算法的效果的缺陷,仿真实验结果表明:改进后的算法能够有效的去除图像的高斯噪声,提高图像的峰值信噪比,明显的改善图像的视觉效果.