一种新的球形解码初始半径确定方法

球形解码(Sphere Decoding, SD)是多输入多输出系统(MIMO)系统中一种非常高效的解码算法.它的初始搜索半径对算法的计算复杂度有很大的影响.提出一种名为 IR-ZF-OSUC的初始搜索半径确定方法.它利用了SD内嵌的QR分解结果来得到初始半径.相比其他类似方法,因半径更为接近最优值,且无需专门的处理步骤,使SD具有更低的计算复杂度.仿真表明,使用IR-ZF-OSUC来确定初始半径的SD相比基于其他策略的SD,在很宽的SNR范围内具有最低的计算复杂度.     

四元数五轴联动插补算法的研究

在深入分析五轴数控系统的运动机构配置的基础上,针对传统的基于矩阵或欧拉角的插补算法在旋转空间难以解决线性插值和加工要求等问题, 设计一种基于四元数五轴联动的插补算法,不仅简化了插补计算量,同时能够使刀具从一点平稳的运动到另一点,而且插补的轨迹更光滑连续.文章引入四元数理论,重点研究了四元数在构造数学模型和运动变换中的应用,并在Matlab中成功的进行了仿真.实验结果表明了该算法的可行性和可靠性.     

最小约简问题的一个免疫离散粒子群算法

把求决策表最小属性约简问题归结为一个不含非线性约束的0-1组合优化问题,证明了两个问题之间最优解的等价性.针对问题的特性,对原有的二进制粒子群算法进行改进,引入基于决策表差别矩阵的疫苗接种机制以及k-精英保优策略,由此提出一个免疫二进制粒子群算法并用于求解转化后的组合优化问题.仿真计算结果表明该算法有效地提高了获得最小属性约简的可能性,同时还具有较快的收敛速度.与其它类型的最小属性约简算法相比较,该算法取得明显的改进效果.     

一种有腿机器人步态轨迹生成算法

目前存在一类有腿机器人,由于其底层动力学控制参数难于获取,行走设计无法使用已有的控制方法,现有的基于建模的步态存在缺乏完善规划,固定规划步态与实际步态相差较大的问题,针对这个问题,提出一种使用曲线拟合生成步态轨迹的想法,通过引入遗传算法,让机器人能自主的搜索良好的行走步态轨迹,在四足步行机器人平台上取得了良好的实验结果.     

多样性监控的免疫微粒群算法

标准微粒群算法的种群多样性随进化变差是造成陷于局部最优的主要原因,本文提出了一种多样性监控的免疫微粒群算法.利用多样性函数对种群的多样性进行监控,并在多样性下降到一定程度时,引入免疫机制中的克隆选择算子和免疫记忆特性来对粒子进行更新,从而有效地克服了微粒群算法易陷于局部最优以及对多峰值函数搜索效果不佳的缺点.用经典benchmark测试函数对算法进行仿真实验,实验结果表明该算法比标准微粒群算法有着更好的收敛性能.     

基于微粒群的K均值聚类算法在图像分类中的应用

提出一种新的图象分类算法椈谖⒘Ｈ旱腒均值聚类图象分类算法.将此算法和K均值聚类算法以及微粒群图像分类算法分别应用于MRI人脑图象的分类,并进行了比较.实验结果表明:基于微粒群的K均值聚类图象分类算法具有较好的全局收敛性,不仅能有效克服K均值算法易陷入局部极小值的缺点,且全局收敛性能优于微粒群图像分类算法.     

广义M-J集的边界构造及分维数计算

讨论逃逸时间算法、Lyapunov指数法、反函数法和同胚分形插值法等方法的适用范围,提出构造广义M-J集分形边界的一种通用算法即边界检测算法.利用设计的检测模板将广义M-J集的边界部分提取出来并计算这种分形边界的盒维数 .实验结果表明,与几种现有的算法相比较,新算法具有普适性和精确性,用于构造任意形式复映射的广义M-J集的分形边界.     

IXP2400的高速二层交换设备性能测试技术

针对网络互连设备性能飞速发展的现状,结合高速网络交换设备的性能评估需求,提出了利用基于网络处理器构建的网络测试系统对高速二层网络交换设备的四个重要性能指标进行测试的方法.文中介绍基于IXP2400网络测试系统的研究价值及选型原则;概述其设计与实现;讨论吞吐量、丢帧率、延迟、背对背四个性能指标的定义、公式及算法,并简要阐述了其测试目的及重要性;既而通过与官方测试结果进行分析对比,验证了方法及该测试系统的可用性、正确性.在文章最后展望本文提出的基于IXP2400的网络测试系统及方法的发展前景.     

一种高效的动态概率广播算法及其概率模型检测分析

在Ad Hoc网络中,广播有着相当广泛的应用,其算法的效率极大地影响着网络的性能.本文基于DP算法提出了BN-DP算法,考虑了节点分布、计数器值以及收发节点间距离对广播算法的影响,赋予处于接收边缘的节点更高的转发概率.然后使用概率模型检测工具PRISM,分析了计数器值和节点分布对BN-DP算法性能的影响.结果表明:在相同可达率的情况下,所提出的BN-DP算法与FP、DP算法相比,减少了转发分组的数量,提高了广播效率.     

压缩频繁序列模式集

压缩频繁序列模式集是针对频繁序列模式的全集太大这个问题的一种解决方法.为了得到高质量的压缩效果,先对频繁序列模式聚簇,再从每个簇中挑选出有代表性的序列模式,使这些有代表性的序列模式的数目尽可能地少.一个贪婪算法和一个基于候选集的快速算法是压缩频繁序列模式集的有效算法.有代表性的序列模式集合是频繁序列模式的一种子集,实验结果表明它能取得很好的压缩效果.