一种基于直线扫描事件及移动锚节点的定位算法

    公开(公告)号:CN105307265A

    公开(公告)日:2016-02-03

    申请号:CN201510523131.2

    申请日:2015-08-24

    CPC classification number: H04W64/006 H04W84/18

    Abstract: 本发明属于无线传感器网络研究中的定位技术领域,具体涉及一种基于直线扫描事件及移动锚节点的定位算法。本发明包括每轮定位产生两个事件,两个事件的光束扫描角度相差90度,分别对两个事件进行一次定位;按照感知到光束的先后顺序将所有节点的ID排成一个序列称为节点序列,从节点序列中提取出锚节点序列;未知节点将每个事件得到的位置区域取交集,对得到的交集区域用质心法求未知节点的位置坐标,定位结束。本发明要求两次移动之间只取两个事件,且这两个事件的扫描角度相差π/2。LLSEMA是利用少量的外部代价换取了更加高效,更加精确的定位结果。所以LLSEMA算法相对于LLSE算法总体性能上更优。

    一种基于频谱聚合的认知无线电频谱分配方法

    公开(公告)号:CN104105104A

    公开(公告)日:2014-10-15

    申请号:CN201410353539.5

    申请日:2014-07-24

    Abstract: 本发明涉及一种基于频谱聚合的认知无线电频谱分配方法,其特征在于:系统中K个认知用户U1到UK接入到网络中,从用户信息中获取认知用户U1到UK相应的传输速率需求到需求因子Q1到QK;针对每个认知用户,求出满足传输速率需求的条件下至少要聚合的子载波数n;计算出认知用户U1到UK相应的最大频谱利用率η1,max到ηK,max;结合需求因子和最大频谱利用率,计算出认知用户U1到UK相应的最大需求频谱利用率;根据认知用户最大需求频谱利用率的大小决定认知用户获得频谱资源的顺序。

    一种基于环形扩散事件及移动锚节点的定位算法

    公开(公告)号:CN105228099A

    公开(公告)日:2016-01-06

    申请号:CN201510523105.X

    申请日:2015-08-24

    CPC classification number: H04W64/006

    Abstract: 本发明涉及一种基于环形扩散事件及移动锚节点的定位算法。本发明包括:在一个无线传感器网络中,无线传感器网络区域为圆形区域且大小已知,设为S,则半径为计算单轮事件数RankEvents和最小锚距离MinAnchorDst;进行一个轮次的定位,总共产生RankEvents个事件,每个事件以环形向外扩散,对于同一事件,根据感知到事件的先后顺序排列所有节点得到一个节点序列,节点序列中同时包含锚节点和未知节点。LADEMA算法相对于原始LADE算法引入了移动锚节点的思想,付出了一定的外部代价,换取了更高的定位效率和定位精度,总体而言性能更优。

    一种基于分簇的无线传感器网络移动锚节点定位算法

    公开(公告)号:CN105163280A

    公开(公告)日:2015-12-16

    申请号:CN201510522234.7

    申请日:2015-08-24

    CPC classification number: H04W4/02 H04W64/00 H04W84/18

    Abstract: 本发明涉及一种基于分簇的无线传感器网络移动锚节点定位算法。本发明包括:确定网络区域中的簇头节点,选择通信范围内含未知节点最多的点为簇头并将整个簇进行标记,除去标记节点继续按上述要求选择簇头,直到所有节点都被标记;锚节点选择有最多待定未知节点的簇的簇首位置作为初始位置,准备按规划好的路径策略进行移动。本发明有效且低成本得解决了锚节点共线问题。传统移动模型在定位时需要借助雷达等外设或者增加一些信号接收阵列装置来解决此问题,而本算法在具有较多节点的簇内的移动路径为以簇首为中心的正六边形,大大减小了未知节点收到三个共线的位置信息的可能性。

    一种多AUV三维协同航路规划方法

    公开(公告)号:CN111307159B

    公开(公告)日:2022-11-18

    申请号:CN202010197447.8

    申请日:2020-03-19

    Abstract: 本发明公开了一种多AUV三维协同航路规划方法,主要包括:三维环境抽象建模和水平集函数的初始化、水平集函数演化、最优航路点选择、协同航路方案设计、航路冲突判定与重规划、输出规划结果。本发明通过改进水平集算法,使其可以在航行空间同时规划出多条航路,提高算法的规划效率,并在协同方案设计时要求所有AUV同时到达终点,每艘AUV需要依据延迟时间逐一出发,此外在考虑快速性以及隐蔽性的情况下,设计出隐蔽性与航行时间相融最优的协同规划方案,本发明同时考虑了海流以及声速因素的影响,加入冲突判定以及重规划环节,使得协同航路更加安全;三维航路规划的实现相比于二维航路规划更加具有实用性,能够更好的满足实际航行需要。

    一种多AUV三维协同航路规划方法

    公开(公告)号:CN111307159A

    公开(公告)日:2020-06-19

    申请号:CN202010197447.8

    申请日:2020-03-19

    Abstract: 本发明公开了一种多AUV三维协同航路规划方法,主要包括:三维环境抽象建模和水平集函数的初始化、水平集函数演化、最优航路点选择、协同航路方案设计、航路冲突判定与重规划、输出规划结果。本发明通过改进水平集算法,使其可以在航行空间同时规划出多条航路,提高算法的规划效率,并在协同方案设计时要求所有AUV同时到达终点,每艘AUV需要依据延迟时间逐一出发,此外在考虑快速性以及隐蔽性的情况下,设计出隐蔽性与航行时间相融最优的协同规划方案,本发明同时考虑了海流以及声速因素的影响,加入冲突判定以及重规划环节,使得协同航路更加安全;三维航路规划的实现相比于二维航路规划更加具有实用性,能够更好的满足实际航行需要。

    一种基于多模态医学影像数据模型的医学数据提取和并行加载方法

    公开(公告)号:CN105184074A

    公开(公告)日:2015-12-23

    申请号:CN201510551820.4

    申请日:2015-09-01

    Abstract: 本发明属于医疗信息技术领域,具体涉及一种基于多模态医学影像数据模型的医学数据提取和并行加载方法。本发明包括:数据准备;数据建模;数据提取;数据加载;数据使用。本发明提出的多模态数据模型是对医学影像数据的一个统一模型。提出的基于多模态数据模型的DICOM提取和并行加载技术实现了医学影像数据的统一建模和存储。这种统一建模的数据提取和加载技术对原始数据的利用率很高,不同类型数据之间的关系也被精确完整地表达,从而扩展了基于医学影像数据的数据挖掘的挖掘范围和深度。采用统一模型对所有模态的数据建模,使数据的后期使用和更新具有更好的通用性和一致性。

    一种基于图熵的医学图像聚类方法

    公开(公告)号:CN105139430A

    公开(公告)日:2015-12-09

    申请号:CN201510534713.0

    申请日:2015-08-27

    Abstract: 本发明属于医疗信息技术领域,具体涉及一种基于图熵的医学图像聚类方法。本发明包括:(1)待聚类图像提出聚类请求;(2)图像预处理过程;(3)图的稀疏化;(4)基于图熵的带权无向图聚类;(5)展示结果。本发明提出利用图熵的方法对医学图像进行聚类,通过将医学图像集抽象成完全图,之后对其进行稀疏化剪枝处理,所留下的边说明两张图像均认为与对方很相似,最后提出带权无向图的聚类方法。通过以上过程对医学图像进行聚类,可以有效的降低聚类时间而且聚类的准确率也没有明显的降低,利用这种方法可以辅助医生在日常工作中对病人的病情进行诊断。

    一种基于正六边形的无线传感器网络递增式定位算法

    公开(公告)号:CN105068045A

    公开(公告)日:2015-11-18

    申请号:CN201510447922.1

    申请日:2015-07-28

    CPC classification number: G01S5/02

    Abstract: 本发明涉及一种基于正六边形的无线传感器网络递增式定位算法。本发明将WSN区域划分为n个同心正六边形;将锚节点放置到网络区域的中心,作为移动的起始点;锚节点每移了Rm长度,广播自己的位置信息;判断区域内的节点是否都已完成自定位,若是没完成,重复步骤(5),否则,定位结束。该算法也缩短了传统的基于锚节点的策略的路径长度,计算复杂度不高,但定位精度较高。该算法选择高效的静态锚节点,降低网络系统的计算和通信开销,同时也降低递增式定位所带来的累计误差。

    一种基于狼群优化的人工神经网络频谱感知方法

    公开(公告)号:CN104092503A

    公开(公告)日:2014-10-08

    申请号:CN201410334044.8

    申请日:2014-07-15

    Abstract: 本发明涉及一种基于狼群优化的人工神经网络频谱感知方法,决策中心依次打开各个子区域内的主用户信号模拟发射机,决策中心接收来自认知用户的本地检测结果,将接收的认知用户发送的本地检测信息及统计和计算的认知用户的检测概率信息,生成训练样本集,根据神经网络结构及训练样本生成神经网络测试函数;基于神经网络测试函数和训练后生成的神经元权值矩阵,运用狼群优化方法对权值矩阵进行优化处理,将优化后的权值矩阵输入神经网络工作模块中;认知用户对主用户信号进行检测,决策中心将接收到的认知用户的本地检测结果与累计的认知用户检测概率进行融合,融合值输入优化后的神经网络,判断主用户信号是否出现。

Patent Agency Ranking