摘要:射频识别RFID(Radio Frequency Identification)系统内的读卡器在识别大数量标签时常因信号的碰撞而导致系统识别效率降低.动态时隙冲突跟踪树算法DSCTTA(Dynamic Slots Collision Tracking Tree Algorithm)采用动态时隙应答机制可减少前缀开销和迭代开销,但会产生大量空闲时隙.本文将DSCTTA和比特转换方式(BCM)相结合,得到改进型动态时隙冲突跟踪树标签防碰撞算法(IDSCTTA)以防止标签冲突,加快标签识别速度.理论分析及仿真结果表明,IDSCTTA不仅具有DSCTTA的全部优点,而且能够有效地减小识别时延和提高时隙效率,并且标签数目越大,算法性能越优越.
摘要:本文针对复杂多目标优化问题Pareto前沿搜索难度大的特点,设计了一种结合多种群间捕获竞争、强化学习机制的多种群Memetic学习策略与进化计算模型.受种群进化、捕食种群与被捕食群体间的竞争等生态学原理的启发,提出了一种基于生态种群捕获竞争模型的多目标Memetic优化算法(Multi-Objective Memetic Algorithm based on Ecological Population Preying-competition Model,ECPM-MOMA).ECPM-MOMA算法设计并运用了捕获竞争、强化学习算子进行全局搜索,在种群进化过程中结合了Memetic搜索算子进行局部搜索.理论分析与实验结果表明,本文所提出的算法具有良好的收敛性能和分布特征,生态种群捕获竞争策略与进化计算模型对于解决复杂多目标优化问题是有效的.
摘要:随着网络规模的不断扩大,经典的复杂网络重叠社识别算法已不能高效处理现有的大规模网络图数据.本文在GraphLab并行计算模型上提出了基于重要节点扩展的重叠社区识别算法DOCVN (Detecting the Overlapping Community algorithm based on Vital Node Expanding in GraphLab).算法选取网络中PageRank值大的节点作为重要节点,计算其他节点归属于重要节点的节点归属度,并以重要节点为中心形成核心社区及扩展社区,最后根据重要节点间的连接紧密度合并核心社区及扩展社区,并计算出每个节点在所属社区里的节点重要度,实现了大规模网络的重叠社区识别.实验表明该算法与PD (Propinquity Dynamics)等现有并行算法相比更能有效地识别大规模网络的重叠社区结构.
摘要:为了降低空频分组编码的多输入多输出正交频分复用(Space Frequency Block Coding Multiple Input Multiple Output Orthogonal Frequency Division Multiplexing,SFBC MIMO-OFDM)系统中传统选择性映射(Selected Mapping,SLM)算法的计算复杂度,本文提出了结合时域信号的循环移位和等效SFBC编码来产生更多具有不同峰均功率比(Peak to Average Power Ratio,PAPR)的备选序列的方法.接收端通过比较反向旋转序列与最近星座点的距离来恢复出循环移位因子和相位旋转因子,从而实现接收信号的盲检测.仿真结果表明,本文提出方法能有效地抑制SFBC MIMO-OFDM系统的PAPR.另外,本文提出方法明显降低了传统SLM算法的计算复杂度,而且可以获得与传统SLM算法在已知边带副信息情况下相似的比特误码率(Bit Error Rate,BER)性能.