期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于RFID和ZigBee网络的通用分级考勤管理系统 被引量:4
1
作者 张琼英 王能河 +1 位作者 张伟刚 瞿少成 《广西科学》 CAS 2016年第4期381-384,共4页
【目的】针对考勤管理移动性差、数据难以共享、过于依赖网络和后台计算机等缺陷,设计一种基于射频识别技术(RFID)和ZigBee网络的通用分级管理考勤系统。【方法】基于MFRC500与STC89C52设计被动非接触式RFID考勤读卡子系统;采用CC2530设... 【目的】针对考勤管理移动性差、数据难以共享、过于依赖网络和后台计算机等缺陷,设计一种基于射频识别技术(RFID)和ZigBee网络的通用分级管理考勤系统。【方法】基于MFRC500与STC89C52设计被动非接触式RFID考勤读卡子系统;采用CC2530设计ZigBee无线传感网络;基于Linux/QT完成ARM主控平台开发。【结果】系统实现多RFID读卡子系统的自组网、子节点与主控平台的分级管理。【结论】测试表明,该系统部署灵活,能适应复杂的楼宇环境,且性价比较高,具有一定推广价值。 展开更多
关键词 RFID ZIGBEE 考勤管理
下载PDF
基于遗传算法的WSN节点定位技术 被引量:23
2
作者 章磊 段莉莉 +1 位作者 钱紫鹃 黄光明 《计算机工程》 CAS CSCD 北大核心 2010年第10期85-87,共3页
提出一种基于遗传算法的无线传感器网络节点自定位技术,在算法的第1阶段利用采样方法对节点初始位置进行初步估计,在第2阶段采用遗传算法对节点初始位置进行求精。仿真实验结果表明,该算法在锚节点比例较低的情况下仍然能够对未知节点... 提出一种基于遗传算法的无线传感器网络节点自定位技术,在算法的第1阶段利用采样方法对节点初始位置进行初步估计,在第2阶段采用遗传算法对节点初始位置进行求精。仿真实验结果表明,该算法在锚节点比例较低的情况下仍然能够对未知节点进行准确定位,且定位精度更高。 展开更多
关键词 无线传感器网络 遗传算法 节点定位 初步定位 定位求精
下载PDF
基于RSSI的无线传感器网络节点定位算法 被引量:23
3
作者 章磊 黄光明 《计算机工程与设计》 CSCD 北大核心 2010年第2期291-294,共4页
节点定位技术是无线传感器网络关键技术之一,介绍了节点定位技术的基本原理,提出了一种新的基于接收信号强度(RSSI)的无线传感器网络定位算法。该算法在第一阶段对节点初始位置进行初步估计,第二阶段对节点初始位置进行求精。仿真结果表... 节点定位技术是无线传感器网络关键技术之一,介绍了节点定位技术的基本原理,提出了一种新的基于接收信号强度(RSSI)的无线传感器网络定位算法。该算法在第一阶段对节点初始位置进行初步估计,第二阶段对节点初始位置进行求精。仿真结果表明,在锚节点比例较低的情况下,该算法仍然可以实现较高的定位精度,并且与dv-distance定位算法比较,表明该算法在相同条件下精度更高。 展开更多
关键词 无线传感器网络 基于接收信号强度 节点定位 初步定位 定位求精
下载PDF
基于粗糙集理论与灰色理论的属性约简算法 被引量:3
4
作者 杜晓 刘维亭 +1 位作者 杜茜 罗军生 《计算机技术与发展》 2008年第1期154-156,共3页
约简是粗集理论的重要概念,由定义计算约简是一个典型的NP问题且由于约简的不唯一,在面对大数据集或高维数据集问题时获得的属性集往往并非是最小的属性约简集。文中针对Rough sets理论的属性约简进行了研究。研究了通过可辨识矩阵求得... 约简是粗集理论的重要概念,由定义计算约简是一个典型的NP问题且由于约简的不唯一,在面对大数据集或高维数据集问题时获得的属性集往往并非是最小的属性约简集。文中针对Rough sets理论的属性约简进行了研究。研究了通过可辨识矩阵求得属性约简集,利用Rough sets与灰色理论相结合,提出一种属性约简的启发式算法,拟合结果表明本约简算法合有效。 展开更多
关键词 ROUGH SETS理论 属性约简 分辨矩阵 灰色关联
下载PDF
认知无线电网络中基于信任度的频谱感知技术 被引量:2
5
作者 章磊 段莉莉 黄光明 《计算机工程与应用》 CSCD 北大核心 2010年第27期103-105,共3页
提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知,但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都... 提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知,但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时,选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明,同常规能量检测算法相比较,该算法能够在控制信道带宽受限条件下,以较少的网络开销获得更好的频谱感知性能。 展开更多
关键词 认知无线电 频谱感知 信任度 双门限
下载PDF
椭圆型偏微分方程的三角形单元有限元的数值解法
6
作者 俞辉 杨臻豪 +1 位作者 奉继明 瞿少成 《华中师范大学学报(自然科学版)》 CAS 北大核心 2016年第4期489-495,共7页
本文以椭圆型偏微分方程问题为背景研究三角形单元的有限元方法.随着计算机图形学的发展,三角形单元划分取得了巨大的成就,可以得到质量非常好的三角形单元,进而提高偏微分方程的有限元方法的数值解的精度.本文采用节点增量算法,对问题... 本文以椭圆型偏微分方程问题为背景研究三角形单元的有限元方法.随着计算机图形学的发展,三角形单元划分取得了巨大的成就,可以得到质量非常好的三角形单元,进而提高偏微分方程的有限元方法的数值解的精度.本文采用节点增量算法,对问题区域进行三角形单元划分,得到的三角形单元满足Delaunay条件,再对三角形单元的所有节点采用自适应编号,最后运用三角形单元的有限元方法得到椭圆型偏微分方程的数值解.通过数值实验,得出相比传统的三角形单元的有限元方法,本文的三角形单元的有限元方法减小了舍入误差,提高了计算精度. 展开更多
关键词 Delaunay三角形单元 自适应编号 舍入误差
下载PDF
基于LEACH的无线传感器网络簇首选取改进算法 被引量:13
7
作者 赵亮 兰智高 熊志利 《电子测量与仪器学报》 CSCD 北大核心 2019年第12期86-93,共8页
针对无线传感器网络(WSNs)LEACH路由协议中簇首选取不合理和能耗过高等问题,提出了一种基于LEACH的簇首选取改进算法LEACH-M。通过利用ZigBee协议中的分布式地址分配策略,首先计算出各节点的网络地址,然后结合其剩余电能来优化簇首选取... 针对无线传感器网络(WSNs)LEACH路由协议中簇首选取不合理和能耗过高等问题,提出了一种基于LEACH的簇首选取改进算法LEACH-M。通过利用ZigBee协议中的分布式地址分配策略,首先计算出各节点的网络地址,然后结合其剩余电能来优化簇首选取阈值。此外,通过在LEACH-M中加入簇首竞争轮换机制,一方面均衡了WSNs的能耗负载,另一方面避免了簇首提前死亡而导致的路由瘫痪。NS-2.35仿真实验表明,在100 m×100 m的小面积监测和300 m×300 m的大面积监测中,所提出的算法最多能够延长33%的网络寿命,降低46%的网络能耗,增加68%的基站数据接收量。 展开更多
关键词 无线传感器网络 LEACH 路由算法 簇首选取 NS-2.35
原文传递
IPTV中基于集群技术的LVS研究与应用 被引量:1
8
作者 张燕 张国平 +1 位作者 刘文冈 葛镜 《微计算机信息》 北大核心 2008年第15期32-33,97,共3页
随着目前IPTV业务的日益增长,享受该业务的用户数也在不断增多,EPG作为用户体验IPTV系统的门户,快速稳定成为决定它是否高效的重要因素之一,本文研究分析了当前集群技术中的均衡技术和负载调度算法等关键问题,提出了利用集群技术部署EP... 随着目前IPTV业务的日益增长,享受该业务的用户数也在不断增多,EPG作为用户体验IPTV系统的门户,快速稳定成为决定它是否高效的重要因素之一,本文研究分析了当前集群技术中的均衡技术和负载调度算法等关键问题,提出了利用集群技术部署EPG服务器的方案,通过该技术可以有效的提高EPG的工作能力,改善用户体验,提高系统效率。 展开更多
关键词 集群 LVS IPTV EPG
下载PDF
基于平衡正交多小波的MR图像去噪算法研究
9
作者 张艳华 李玲远 《通信技术》 2009年第3期236-238,共3页
磁共振图像中的噪声分布的特殊性不仅大大降低了图像的质量,影响医学诊断,而且为噪声的去除提出了更高的要求。平衡正交多小波同时满足正交性和对称性,不仅具有比单小波分解更加精确、去噪效果更好的特点,同时避免了普通多小波分解过程... 磁共振图像中的噪声分布的特殊性不仅大大降低了图像的质量,影响医学诊断,而且为噪声的去除提出了更高的要求。平衡正交多小波同时满足正交性和对称性,不仅具有比单小波分解更加精确、去噪效果更好的特点,同时避免了普通多小波分解过程中的预处理过程。文中对磁共振图像进行平衡正交多小波分解后,采用了一种自适应性更高的阈值确定函数与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明:该方法优于97提升小波及ghm多小波方法,去噪效果进一步提高。 展开更多
关键词 磁共振图像 去噪 平衡正交多小波 自适应阈值 半软阈值函数
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部