在无线传感器网络的节点定位过程中,未知节点在x轴和y轴方向上的定位精度较z轴更重要。为此,在RSSI高斯混合(RGM)算法的基础上提出一种基于平面投影的定位算法。通过缩小未知节点空间定位误差区域在xoy平面上的投影面积,提高未知节点在x轴和y轴方向上的定位精度。仿真结果表明,与RGM算法相比,该算法可在不增加时间复杂度及网络通信量的基础上,有效提高节点的x轴和y轴定位精度。
基于无线传感器网络(WSN)的智能抄表系统可提高抄表效率,但由于其功耗较大,因此传感器节点通常采用监听-休眠的工作模式以节省电力消耗。针对此工作模式,在手持机抄表应用场景下提出一种WSN快速节点唤醒方法并对系统进行设计。通过提升手持机和传感器节点之间的通信速率降低传感器节点的平均电流。分析结果表明,该方法可有效降低系统的平均电流,并且在较短的监听-休眠周期下功耗节省优势明显,适用于需要即时响应的手持机抄表应用场景。
当无线传感监测网中事件分布不均匀时,使用以数据为中心的存储算法会出现热点现象。为此,引入存储阈值与时间优先级,选择存储节点时考虑节点剩余存储空间,提出一种新的蛇形时隙数据存储算法。根据事件优先级确定事件存储位置到查询节点网格的距离,减少数据存储和查询过程中的能量消耗。通过定义节点存储阈值确定是否进入下一轮时隙分配。当网格内节点都达到存储阈值时,将数据存储于其他同一优先级的邻居网格内。当同一优先级的所有网格内节点都达到某一存储阈值时,重新分配工作时隙,以解决节点能量分布不均的问题。仿真结果表明,该算法在节点剩余能量和网络生命周期方面性能均优于基于事件优先级的蛇形时隙存储算法。
某国产处理器微结构模拟器(MASim)无法支持同时多线程(SMT)技术,难以满足研究与工程需求。为此,提出一种新的微结构模拟器。将MASim和SMT技术相结合,从架构模拟、仿真速度、仿真精度与灵活可控等方面采用模块化和队列优化等技术进行设计与实现。实验结果表明,该模拟器的仿真精度、仿真速度与原有的单线程微结构模拟器基本相当,SMT技术对该系列国产处理器具有性能提升作用,每时钟周期执行指令数平均提升29.61%。
测试用例集约简是软件测试中的重要研究问题之一,目的是以尽量少的测试用例达到测试目标。为此,提出一种新的测试用例集约简方法。应用二分K-means聚类算法对回归测试的测试用例集进行约简,以白盒测试的路径覆盖为准则,对每个测试用例进行量化,使每个用例变成一个点。以黑盒测试的功能需求数作为聚类数,在聚类结果的每一簇中,按照离中心点的距离进行排序,依次从每一簇中选择测试用例,直至满足所有测试需求,得到约简的测试用例集。实验结果表明,该方法能有效地减小测试用例集的规模,降低用例集检错率。
对比分析基于别名认证和基于群签名认证2种方案,提出一种混合认证方案。构建一个用于相邻节点间互换别名的交换协议,节点向可信权威(TA)申请与附近节点进行交换的密钥。TA利用非对称密钥实现交换双方的交换主体和别名的不可伪造性。该交换协议能够有效抵御合谋攻击,交换后的别名仍可用于可信节点的签名与认证,并引入群签名作为身份属性标签,群签名标签保证了消息的不可伪造性和可审计性。理论和效率分析表明,该方案引入了针对别名的白名单机制,此机制下单个报文的验证效率明显提高,同时可以有效抵御利用别名的回放攻击。
利用仿射聚类(APC)方法分析数据量庞大的功能磁共振成像(fMRI)数据时,在时间复杂度、数据存储和聚类效果等方面存在局限性。为此,提出一种融合稀疏仿射传播聚类(SAPC)和相似度矩阵约减的新方法(SDAPC)。对fMRI数据进行稀疏逼近后,结合高斯密度函数和欧式距离对稀疏数据进行密度分析,完成约减后fMRI数据的功能连通性检测。任务态数据实验结果表明,对于单被试,SDAPC的ROC曲线与SAPC接近,但运行速度比SAPC提高了约3倍;对于多被试,SDAPC和SAPC的ROC曲线效果均优于其单被试的ROC曲线。静息态数据实验结果进一步表明,SDAPC能成功提取出9个静息态脑网络。
针对乘性偏好信息下的决策问题,引入乘性偏好关系的有序一致性、满意一致性以及一致性指数等概念,建立以偏差变量最小化为目标函数的优化模型,进而构建基于乘性偏好关系一致性的决策方案优劣关系排序算法,并证明迭代算法收敛。该决策算法在满足一定条件下能够利用乘性偏好关系的有序一致性特征快速有效地做出决策,同时能够运用最小非负偏差变量对非一致性乘性偏好关系进行一致性调整,使得调整后的乘性偏好关系满足满意一致性条件,从而得到决策方案的排序向量,最终使得决策者获得合理可靠的决策结果。通过综合补给船的选择实验说明该决策算法是合理有效的。
为改善多源灰度图像的融合效果,结合有限离散剪切波变换(FDST)较高的方向敏感性和平移不变性,提出一种新的灰度图像融合算法。对经过配准后的原图像进行FDST分解,获得不同尺度和不同方向的高频子带系数与低频子带系数,对低频采用区域平均能量和平均梯度相结合的融合算法,对高频选用相对区域方差和平均梯度相结合的融合方法。利用有限离散剪切波逆变换重构得到融合图像,并对融合结果进行主观视觉和客观评价。实验结果表明,与基于小波变换的低频区域能量融合和高频区域方差的融合算法等相比,该算法能获得较好的融合效果和原图像细节描述。
为提高Delta机器人的动作速度,提出一种离线寻优与在线查询相结合的时间最优轨迹规划方法。网格化机器人主传送带上的工作区域,选择每个网格中心点为标准点,在笛卡尔空间采用直线、圆弧插值获得门型轨迹的位置离散序列,经逆运动学计算出对应关节空间的角度离散序列。采用引力搜索的粒子群算法,以时间最优为适应度函数,在满足关节速度、加速度、脉动连续平滑及约束的条件下,构造7次B样条曲线,获取离线插值关节空间的角度-时间节点序列,并利用在线查询三维数组的方式获得最优时间节点序列。实验结果表明,该方法简单易行,以实验室Delta机器人为例,将主传送带上的物件抓取到固定位置,所用时间范围为0.676 1 s~0.786 9 s,克服了传统轨迹规划方法运动速度较慢的不足。