排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
由于评价图像Hash性能时,要求对两幅图像是否在感知上相似做出判断,因此针对这一需求,提出了一种衡量感知相似程度的评价测度。该测度的确定是先对图像进行低通滤波,再进行图像重叠分块;然后运用相关系数检测法计算每一对分块的相似程度,并对相似系数归一化,再分别计算若干个最小和最大的归一化相似系数的乘积;最后用最小相似系数乘积与最大相似系数乘积的比值作为感知相似性的测度。实验结果表明,该测度不仅可有效反映图像视觉质量的变化,而且能较好地区分两幅图像是否存在重要的视觉差异,其对感知相似进行评价的性能优于峰值信噪比。 相似文献
3.
ATSC组织通过实测,综合考虑了内径相关性、多普勒频移、莱斯因子以及交叉极化因子等因素对系统性能的影响,得到了移动场景和固定场景的广播网MIMO无线信道模型。而基于这两种场景的信道模型还没有统一的评估方法用于后续研究和优化。文中对这两种场景的信道模型进行了仿真,提出了这两种场景的相应评估方法。对于移动场景的Helsinki2信道模型,由于其移动的特性,选取一段时变信道作为一个仿真周期,评估其链路吞吐量性能。对于固定场景的MGM信道模型,测试50条静态信道,按95%的覆盖率来确定其信噪比区间,以此评估系统性能。文中对信道模型的系统仿真以及提出的评估方法,将对后续的研究和优化工作有重要作用。 相似文献
4.
本文提出了一种基于核岭回归和粒子滤波的室内移动目标追踪算法,该算法在离线阶段采用核岭回归方法提取传感器之间的距离与RSSI(Received Signal Strength Indicator)信号值之间的非线性关系,从而训练出一种非线性回归距离模型;在线追踪阶段,利用非线性回归模型和粒子滤波算法实现室内移动目标的定位和追踪。本文在典型的室内办公环境下进行实验,并通过MATLAB对实测数据进行仿真。实验结果表明,相比WKNN算法和KF算法,本文所提出的算法能到达更好的定位精度,误差均值为1.2743 m。 相似文献
5.
提出了一种对无线传感器网络的优劣、可靠性和通信效率的评估方案,在现有的硬件平台的基础上,搭建了一个Zig Bee网络侦听系统;该系统用于监测整个网络,同时又独立于受监控网络,不会干扰整个系统的运行;硬件平台的无线模块采用的是TI的CC2430射频芯片。基于IEEE802.15.4标准和实际应用的需要,在底层传感器节点上用C语言编写节点侦听程序,完成对Zig Bee网络中数据包的获取;在上层pc端用C#语言编写数据分析软件,实现对ZigBee网络中数据包的解析和网络拓扑的生成,并对网络状态进行评估。 相似文献
6.
7.
8.
9.
10.
动态环境室内定位容易受到人员随机行动、障碍物等环境的干扰,信号强度的时变性、数据采集的不稳定性对定位算法产生很大的影响。针对该问题,本文提出了一种基于粒子群优化在线顺序极限学习机算法(Particle swarm optimization online sequential extreme learning machine,PSO-OS-ELM)。该算法继承了在线顺序极限学习机(Online sequential extreme learning machine,OS-ELM)算法的数据采集成本低、适应环境变化快、收敛速度较快且定位精度较高等特性,同时又利用粒子群优化(Particle swarm optimization,PSO)解决OS-ELM算法中奇异值问题和鲁棒性问题。在3种不同环境下采集数据,将PSO-OS-ELM算法、OS-ELM算法和WKNN算法进行实验对比。实验结果表明:在动态变化的室内环境中,PSO-OS-ELM算法定位误差较小且鲁棒性增强,优于其他算法;平均定位误差相较于其他算法减少了约15%;算法耗时性相较于传统定位算法加权K近邻算法(Weighted K-nearest neighbor,WKNN)算法减少了约55%。 相似文献