一种异构网络多协议并行数据分发方法

跨技术通信迅猛发展推动着单一网络向异构无线网络的转变,该转变极大地提高异构无线设备(如Wi-Fi和ZigBee)的高效共存和协作,但也给异构无线网络中的数据分发问题带来了挑战.由于异构网络节点通信范围差异和低占空比节点周期性睡眠的特点,传统数据分发方法不能高效地利用信道资源而导致较低的分发效率.为了解决这些问题,该文提出一种适用于异构网络的并行数据分发方法.通过数据分发时延和能耗定义新的系统损失函数,并证明了损失函数的合理性,利用信标控制的延迟接收数据包的分发策略,从而实现对周期性睡眠的ZigBee网络进行高效数据分发.进一步地,该文根据动态规划的思想,推导出系统的整体能量损耗和时延的最优值.通过仿真实验证明,在考虑时延和能量损耗的前提下,该文的数据分发方法的性能优于传统的数据分发方法.     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

基于距离预测的移动自组网路由发现算法

提出了一种基于距离预测的扩展环路由发现方法,该方法通过提取历史记录中的长程信息和瞬时信息,通过加权修正之后,预测到目标节点的距离跳数,在此基础上,计算扩展环搜索的3个参数:起始TTL值、广播阈值和扩展步长,减少了路由发现的盲目性.仿真结果表明,与洪泛和传统扩展环搜索相比,该方法节省了路由开销,降低了分组的端到端时延,提高了网络性能.     

基于接收信号强度非齐性分布特征的半监督学习室内定位指纹库构建

室内定位中半监督学习的指纹库构建方法能够降低人力开销,但忽略了高维接收信号强度(RSS)数据不均匀的非齐分布特点,影响定位精度,针对此问题该文提出一种基于RSS非齐性分布特征的半监督流形对齐指纹库构建方法。该算法运用局部RSS尺度参数以及共享近邻相似性构造权重矩阵,得到精确反映RSS数据流形结构的权重图,利用该权重图通过求解流形对齐的目标函数最优解,实现运用少量标记数据对大量未标记数据的位置标定。实验结果表明,该算法可以显著降低离线阶段数据采集的工作量,同时可以取得较高的定位精度。     

现阶段企业离退休职工思想政治工作的重要性及对策

做好离退休职工的思想政治工作是坚决贯彻党的思想政治工作路线、方针的具体表现,也是构建社会主义和谐家庭的基本要求。现阶段我们的离退休职工思想政治工作既面临着难得的机遇也可能会遇到一些不可避免的困难。我们可以主要从加强支部建设、落实生活待遇、开展多种多样的活动、教育和自我学习相结合几个方面去做好离退休职工思想政治工作。     

融合外部语义知识的中文文本蕴含识别

基于神经网络的文本蕴含识别模型通常仅从训练数据中学习推理知识,导致模型泛化能力较弱。提出一种融合外部语义知识的中文知识增强推理模型(CKEIM)。根据知网知识库的特点提取词级语义知识特征以构建注意力权重矩阵,同时从同义词词林知识库中选取词语相似度特征和上下位特征组成特征向量,并将注意力权重矩阵、特征向量与编码后的文本向量相结合融入神经网络的模型训练过程,实现中文文本蕴含的增强识别。实验结果表明,与增强序列推理模型相比,CKEIM在15%、50%和100%数据规模的CNLI训练集下识别准确率分别提升了3.7%、1.5%和0.9%,具有更好的中文文本蕴含识别性能和泛化能力。     

全站仪似水准测量及其应用

介绍全站仪似水准测量的方法、误差来源及误差消除和减弱措施。通过实例分析,表明这种方法在山区能够达到三等水准测量的精度。     

“移动通信”课程研究型教学模式探讨

研究型教学是培养大学生创新能力的重要手段。在"移动通信"课程中引入研究型教与学,通过借助多媒体教学,依托教师的科研课题和学生自己创设的研究型课题,实行大班授课小班研讨、开放实验室等方式,收到了良好的教学效果。     

非对称异步移动传感网中低延时邻居发现算法

邻居发现即通过一定的手段快速而有效地去感知与节点能够直接通信的一跳范围内的邻居的问题,是移动传感网（MSN）的重要部分。非对称异步MSN中,已有的算法需要大量的时间和能量去完成相互发现。针对此问题,基于信标与活动时隙分离的邻居发现模型,提出一种适用于异步对称场景的BMCS-A算法,信标在工作周期的不同时隙进行广播以保证邻居发现的确定性。其次,扩展BMCS-A,提出一种持续性广播的BMCS-B算法,节点在第一个子周期内持续性广播信标,接收到该信标的节点将自适应地调整信标的发送时刻以加快邻居发现过程。最后,实现协作式BMCS-B算法,基于已发现邻居的睡眠苏醒调度信息,节点主动发送信标去发现潜在的邻居。仿真实验结果表明,与Searchlight、G-Nihao和Disco相比,协作式BMCS-B将最坏发现时延分别降低了84.62%、85.71%和81.82%。