基于T i n y O S 的無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu) 無線傳感器網(wǎng)絡(luò)WSN(Wireless Sensor Network) 由部署在監(jiān)測區(qū)域內(nèi)大量廉價的傳感器節(jié)點組成,通過 無線通信方式形成multi2hop 自組織的網(wǎng)絡(luò)系統(tǒng),其目的是協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知 對象的信息,并發(fā)送給觀察者。本文從分析無線傳感器節(jié)點Mica 和其上運行的操作系統(tǒng)TinyOS 出發(fā), 著重描述無線傳感器網(wǎng)絡(luò)節(jié)點應(yīng)用程序體系結(jié)構(gòu)和消息通信機(jī)制。
標(biāo)簽： Wireless Network Sensor WSN
上傳時間： 2013-12-19
上傳用戶：569342831
這個語法分析器用到的是自頂向下的遞歸調(diào)用的方法，根據(jù)Cminus語言的文法規(guī)則 的BNF范式編寫遞歸調(diào)用的代碼，parse方法是程序的入口，它調(diào)用的stmt_sequence完成整個語法分析工作，stmt_sequence背后是12個互相調(diào)用的方法，它本身也在語法分析的過程中被調(diào)用到。 每個方法在最后會返回一個構(gòu)造好的節(jié)點DefaultMutableTreeNode節(jié)點t給調(diào)用它的方法，然后調(diào)用它的方法用這個返回的節(jié)點繼續(xù)構(gòu)造，最后語法分析完成后會返回一棵完全構(gòu)造好了的樹節(jié)點，然后將這個樹節(jié)點作為根節(jié)點生成一個樹控件JTree顯示到窗體程序上
上傳時間： 2013-12-27
上傳用戶：6546544
一種嵌入可讀水印的自適應(yīng)盲水印算法， 本文提出了一種基于DWT的嵌入可讀水印的自適應(yīng)盲水印算法,通過分析圖像經(jīng)離散小波變換后細(xì) 節(jié)子帶系數(shù)的特性,把細(xì)節(jié)子帶系數(shù)的均值和方差作為水印信息的一部分來自適應(yīng)地修改圖像小波分解后某些細(xì)節(jié) 子帶的系數(shù)值,在滿足水印不可感知性的條件下自適應(yīng)地嵌入水印信息,實現(xiàn)了水印不可感知性和魯棒性之間的折 衷. 同時,水印的提取無須求助于原圖像,很好的實現(xiàn)了水印的盲檢測. 這里的水印是一幅有實際意義的二值圖像. 實 驗結(jié)果和攻擊測試表明,本文提出的算法對JPEG/ JPEG2000 壓縮、添加噪聲、剪切、像素移位等多種攻擊有較強的魯棒 性,同時對直方圖均衡化、對比度調(diào)整和高斯濾波等圖像處理操作也具有一定的抵抗能力.
上傳時間： 2017-08-30
上傳用戶：陽光少年2016
隨著 國 內(nèi) 遙感衛(wèi)星的迅 速發(fā)展衛(wèi)星 圖 像的 圖 幅越來 越大分辨率越來越高 。 在軌 遙感 圖 像的幾何 精 度 評價要求從待評遙感 圖 像和 多源 參考 圖 像之間精確 地提取出 分布 均 勻 的控 制 點 信 息 。 使用 濾波 對高 分辨率影像進(jìn) 行增強時 ， 會 產(chǎn)生過增強 和飽和 現(xiàn)象 影響 了 控制 點 提取效果。 為 了 克 服上述缺陷 提出 了 一 種基于 稀 疏識別的 自 適應(yīng) 圖像增 強算 法。 方法 首先計算 圖像子區(qū)域的 輻射質(zhì)量參數(shù)并構(gòu) 建 分類特征 ； 然 后通過 稀疏識別算 法確 定子區(qū)域的 地物 類型； 最后根據(jù)子區(qū)域所屬 地物類 型 ， 選擇不同 的 濾 波 參數(shù) 實 現(xiàn)整幅圖 像 的 自 適 應(yīng)增 強 并 在增 強 的 遙感圖 像上提 取控制 點 信息 實 現(xiàn)遙感圖像 的 幾何精 度 自 動 化評價。 結(jié)果 針 對資源 三號衛(wèi)星影 像的 實 驗結(jié)果表明 針對不同 的 子區(qū)域地物 類型進(jìn)行 自 適 應(yīng) 增強， 有 效 防 止了 基于全局統(tǒng)一 參 數(shù)的 濾波帶來 的 過增 強和飽和現(xiàn)象 有 效增強 了 高 分辨 率圖像 的紋理。 結(jié)論 提出 了 一 種 新的高分 辨率遙 感影像增強 策略 增強了 高 分辨率圖 像的 紋理， 提高 了控制 點的 獲 取數(shù) 目 和 準(zhǔn) 確 率。 關(guān)鍵詞： 稀疏識別 ； 輻射參數(shù) ； 自 適應(yīng) 增強； 提取控制 點
上傳時間： 2015-11-22
上傳用戶：chao1020
神經(jīng)網(wǎng)絡(luò)在智能機(jī)器人導(dǎo)航系統(tǒng)中的應(yīng)用研究1神經(jīng)網(wǎng)絡(luò)在環(huán)境感知中的應(yīng) 用 對環(huán)境 的感 知 ，環(huán)境模型 妁表示 是非常重要 的。未 知 環(huán)境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環(huán)境，在滿足 精度要求 的情況下，必定要占用大量的內(nèi)存，并且采用柵 格法進(jìn)行路徑規(guī)劃，其計算量是相當(dāng)大的。Kohon~n自組織 神經(jīng)瞬絡(luò)為機(jī)器人對未知環(huán)境的蒜知提供了一條途徑。 Kohone~沖經(jīng)網(wǎng)絡(luò)是一十自組織神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)的結(jié) 果能體現(xiàn)出輸入樣本的分布情況，從而對輸入樣本實現(xiàn)數(shù) 據(jù)壓縮 。基于 網(wǎng)絡(luò) 的這些特 性，可采 用K0h0n曲 神經(jīng)元 的 權(quán)向量來表示 自由空間，其方法是在 自由空間中隨機(jī)地選 取坐標(biāo)點xltl【可由傳感器獲得】作為網(wǎng)絡(luò)輸入，神經(jīng)嘲絡(luò)通 過對大量的輸八樣本的學(xué)習(xí)，其神經(jīng)元就會體現(xiàn)出一定的 分布形 式 學(xué)習(xí)過程如下：開 始時網(wǎng)絡(luò)的權(quán)值隨機(jī)地賦值 ， 其后接下式進(jìn)行學(xué) 習(xí)： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經(jīng)元 1在t時刻對 應(yīng)的權(quán)值 ；a(∽ 謂整系 數(shù) ； (『l網(wǎng)絡(luò)的輸八矢量；Ⅳ()：學(xué)習(xí)的 I域。每個神經(jīng)元能最 大限度 地表示一 定 的自由空間 。神經(jīng) 元權(quán) 向量的最 小生成 樹可以表示出自由空問的基本框架。網(wǎng)絡(luò)學(xué)習(xí)的鄰域 (，) 可 以動 態(tài)地 定義 成矩形 、多邊 形 。神經(jīng) 元數(shù)量 的選取取 決 于環(huán)境 的復(fù)雜度 ，如果神 經(jīng)元 的數(shù)量 太少 ．它們就 不能 覆 蓋整十空間，結(jié)果會導(dǎo)致節(jié)點穿過障礙物區(qū)域 如果節(jié)點 妁數(shù)量太大 ．節(jié)點就會表示更多的區(qū)域，也就得不到距障 礙物的最大距離。在這種情況下，節(jié)點是對整個 自由空間 的學(xué) 習(xí)，而不是 學(xué)習(xí)最 小框架空 間 。節(jié) 點的數(shù) 量可 以動態(tài) 地定義，在每個學(xué)習(xí)階段的結(jié)柬．機(jī)器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節(jié)點 來 覆蓋整 十 自由窯 間，需要增加 網(wǎng)絡(luò)節(jié)點來 重新學(xué) 習(xí) 所 138一 以為了收斂于最小框架表示 ，應(yīng)該采用較少的網(wǎng)絡(luò) 節(jié)點升 始學(xué)習(xí)，逐步增加其數(shù)量。這種方法比較適臺對擁擠的'E{= 境的學(xué)習(xí)，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結(jié)構(gòu)表示 。 采用Kohonen~沖經(jīng)阿絡(luò)表示環(huán)境是一個新的方法。由 于網(wǎng)絡(luò)的并行結(jié)構(gòu)，可在較短的時間內(nèi)進(jìn)行大量的計算。并 且不需要了解障礙物的過細(xì)信息．如形狀、位置等 通過 學(xué)習(xí)可用樹結(jié)構(gòu)表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術(shù)報容易地被找到 在機(jī)器人對環(huán)境的感知的過程中，可采用人】：神經(jīng)嘲 絡(luò)技術(shù)對 多傳 感器的信息進(jìn) 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環(huán)境信息 ，因此只有秉 甩 多種傳感器 才 能提高機(jī)器凡的感知能力。 2 神經(jīng) 網(wǎng)絡(luò)在局部路徑規(guī)射中的應(yīng) 用 局部路徑 規(guī)刪足稱動吝避碰 規(guī)劃 ，足以全局規(guī)荊為指 導(dǎo) 利用在線得到的局部環(huán)境信息，在盡可能短的時問內(nèi)
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 智能機(jī)器人 導(dǎo)航
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
自適應(yīng)天線原理
標(biāo)簽： 天線
上傳時間： 2013-07-04
上傳用戶：eeworm
微型自鎖按鍵
上傳時間： 2013-07-22
上傳用戶：eeworm
自復(fù)保險絲
標(biāo)簽： 自復(fù)保險絲
上傳時間： 2013-08-05
上傳用戶：eeworm
電子技術(shù)（電工學(xué)Ⅱ）典型題解析及自測試題
標(biāo)簽： 電子技術(shù) 典型 電工學(xué) 自測試
上傳時間： 2013-06-14
上傳用戶：eeworm
自適應(yīng)濾波器原理（第三版）
標(biāo)簽： 自適應(yīng)濾波器
上傳時間： 2013-05-18
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
