加热器仿真算法与仿真结果分析

文章介绍了加热器的仿真算法,采用Runge——Kutta算法,将输入控制量经过计算得到温度值输出,列出仿真算法程序,给出仿真平台与控制系统的接口电路,最后由仿真曲线与实测曲线对仿真结果进行分析。     

基于OpenMP的星载SAR回波信号并行仿真

本文首先介绍了星载SAR回波信号仿真相关技术,包括星地空间几何模型、回波信号数学模型和距离频域脉冲相干法。在此基础上给出了一种星载SAR回波信号仿真方案,并详细给出了其仿真算法流程。然后通过对仿真算法流程的并行性分析,以并行编程标准OpenMP为基础对仿真算法进行了并行化。仿真实验结果证明了并行仿真算法的正确性和高效性。     

改进MSR图像增强算法的分析与研究

为了提高图像处理效果,提出一种改进MSR图像增强算法。首先将MSR算法中的对数函数改为双曲正切函数,然后采用MSR算法对图像进行增强处理,以提高图像的增强质量。采用仿真实验对改进MSR算法与其它图像增强算法进行对比。采用具体仿真实验对改进MSR算法的性能进行验证。仿真结果表明,相对于其它图像增强算法,改进MSR算法明显提高了图像增强后的质量,具有良好的视觉欣赏效果。     

最小二乘恒模波束形成算法的研究与仿真实现

恒模波束形成算法是利用期望信号本身的特性实现波束形成的,而不需要参考信号,这种盲波束形成算法主要用于移动通信系统中,最小二乘恒模算法(LSCMA)是一种能够快速收敛的恒模算法。本文首先介绍了最小二乘恒模算法基本原理和权值迭代公式,然后通过计算机仿真实现了该算法,给出了仿真结果,并研究比较了算法取不同参数时的仿真结果,对静态LSCMA和动态LSCMA算法的收敛特性也进行了比较。     

基于小波变换的图像数字水印算法仿真与研究

分析了目前常见的三种水印算法,并提出了一种基于小波变换的水印嵌入算法。编写了此算法的MATLAB仿真程序并进行仿真实验,还对算法的鲁棒性进行检验,实验结果表明,该算法鲁棒性较好,对噪声攻击都有一定的抵御能力。     

考虑继电保护与安全自动装置模型的北京电网连锁故障仿真平台

基于用户自定义建模方法,实现了大规模电网继电保护与安全自动装置的仿真建模,并对模型算法进行优化,详细解释了算法流程及拓扑Kosaraju算法。同时,开发连锁故障并行仿真算法,将整个仿真任务分为不同的子网进程,解决模型数目庞大、计算效率低的问题。基于上述方法,开发了北京电网连锁故障仿真平台,能够模拟大规模电网的连锁故障过程,并能有效提高仿真效率,对于北京电网预防大面积停电事故具有重要意义。     

Ad Hoc网络分簇算法的改进

在Ad hoc网络层次式组播路由协议中,分簇算法对于协议的性能有着至关重要的作用,首先详细分析了WCA算法,然后针对其不足提出了改进的EWCA算法,最后利用网络仿真软件NS对EWCA算法进行了仿真实验与分析。     

DTN中基于ACK机制的改进的多副本路由算法

针对DTN中基于多副本的路由算法中存在网络开销和存储开销严重,导致算法的性能受到抑制等问题,提出一种基于ACK机制的改进的多副本路由算法（IAER算法）。该算法中,接收节点通过发送ACK消息来有效地管理节点缓存。此外,根据计数器的值和生成时间来对消息的发送顺序进行优化。通过ONE仿真软件对IAER算法进行仿真验证。理论分析和仿真结果表明,IAER算法能够在保证消息投递率的条件下,显著减少网络开销和存储开销等。     

LDPC码在高速移动环境下的编译码实现

为便于硬件实现,选择了一种块状结构的Block-LDPC码。编码算法采用与Block-LDPC码结构相对应的基于近似下三角矩阵的编码算法,这种算法无须改变矩阵结构,便可实现编码。高速移动下的信道模型是一类频率选择性信道现有的信道仿真模型,为便于硬件仿真采用频率选择性确定性信道模型中的多径瑞利衰落信道仿真模型。实验证明了该模型基本符合当前仿真需求。译码算法采用UMP BP_Based算法,不需要信道估计、复杂度较低,特别适合硬件实现。采用上述算法并通过Matlab编程实现了整个编译码平台的搭建。     

车联网智能路灯中的LDPC译码算法仿真

LDPC码已被列入5G信道编码长码标准方案,在考虑车联网应用场景下,本文从不同码长、不同码率、不同最大迭代次数对BP-Based译码算法进行BER性能仿真分析,以及对其改进算法Normalied BP-Based译码算法和Offset BP-Based译码算法进行BER仿真,对比相同仿真条件下的三种译码算法的BER性能,考虑到改进算法校正因子的不确定性,最终建议车联网采用BP-Based译码算法作为其物理层PPDU帧DATA域的信道编码方案。     

能源消费影响因素分解方法的比较研究

在能源消费研究中经常要将其变化分解为各种因素,通过各种因素的影响程度来分析影响能源消费的变化原因.自20世纪70年代以来,已经发展了多种分解方法,这些方法的假设前提与算法都有较大差异.本文从能源消费变化量与能源强度两个角度介绍了各种分解算法,对其进行了对比,并运用中国制造业的相关数据比较了分解的结果.能源消费变化量的分解方法中,Shapley算法与M-E算法分解结果相同,但是Shapley算法按照各因素的贡献加权来计算各因素对能源消费量的影响,更适合多因素分解;Se-Hark Park算法与AWT-PDM算法能较好地体现经济结构对能源消费量的影响,但AWT-PDM算法由于权数的确定问题,使得该算法存在不能分解的剩余项.能源强度变化的分解方法分为乘法分解和加法分解两大类,乘法分解反映的是能源强度变化率,加法分解反映的是能源强度变化量.Fisher算法与LMDI算法均是对能源强度的完全分解,而Laspeyres算法与AMDI算法均存在剩余项;方法是对AMDI算法的改进.研究者在研究能源问题或环境问题时,应根据研究要求及所掌握的数据选择恰当的分解方法.     

信息系统用户感知算法焦虑的内涵及其结构维度研究

【目的/意义】聚焦用户在使用信息系统过程中的算法焦虑现象,探索用户感知算法焦虑的内涵和结构维 度,以期推动算法焦虑的量化研究。【方法/过程】采用扎根理论的方法分析用户访谈数据及网络评论数据,探索信 息系统中用户感知算法焦虑内涵和结构维度。【结果/结论】算法焦虑包含算法歧视焦虑、算法霸权焦虑、算法沉迷 焦虑、算法质量焦虑、算法失效焦虑、算法安全焦虑六个维度。【创新/局限】本文构建了算法焦虑的结构维度。在未 来研究中,将进一步开发算法焦虑的测量量表以及利用量表研究不同用户群体的算法焦虑。     

基于遗传禁忌的数据库多连接查询优化算法

针对数据库多连接查询优化问题,提出一种基于遗传禁忌算法的数据库多连接查询优化策略。把遗传算法作为查询优化的主框架,禁忌搜索作为遗传算法的变异算子,增加种群多样性,克服遗传算法收敛慢、局部搜索能力差等缺陷。仿真结果表明,遗传禁忌算法加快了求解数据库多连接查询优化问题的速度,而且提高了查询优化效率,得到较满意的查询优化结果。     

基于插值预测的快速查找算法

针对二分法的不足,提出了一种基于拉格朗日插值的动态预测查找算法,并将该算法和二分法结合得到改进的插值预测查找算法。改进算法在最坏的情况下,在含有n个元素的有序数列中,查找一个元素的最大循环比较次数为1到[log2n]＋1之间,优于二分查找的[log2n]＋1,最后从理论上证明了这一结论,并在求解一元高次方程实数解的应用中验证了这一结论。     

一种新型混合遗传算法及其应用

根据遗传算法和人工蜂群算法各自特点,在遗传算法框架上,利用人工蜂群算法中跟随蜂选择\搜索策略,代替遗传算法中的变异操作,提出一种基于人工蜂群算法跟随蜂选择\搜索的混合遗传算法,并应用到0-1背包问题中。实验结果表明了该算法的有效性。     

一种GA-BP算法的研究及性能分析

遗传算法具有搜索全局最优解的能力,并且有很强的鲁棒性,而BP算法具有很好的泛化能力和非线性映射能力,基于两种算法的特点,设计了一种GA-BP算法,该算法将遗传算法应用到神经网络中权值和阈值的优化中,将最优解的分布范围缩小,然后通过BP算法进行再次优化和精确求解,以防止神经网络陷入局部极小点,从而达到加速收敛、减少训练次数的目的;并且通过对比实验给出该算法的可行性和有效性分析,进一步验证了该算法在收敛速度和误差精度上的优越性。     

改进的GMDH算法及其应用

在对经典GMDH算法和几种改进的GMDH算法论述的基础上,研究了其理论基础——K-G多项式和参考函数所带来的大量冗余变量项问题;提出二重GMDH算法来简化最终模型,剔除冗余的变量项,以得到更简洁的、健壮的模型。     

基于相似传播和情景聚类的网络协同过滤推荐算法研究

互联网时代,个性化推荐系统逐渐被应用到各个不同的领域,随之个性化推荐算法也成为目前研究的热点。然而,传统的推荐算法往往存在着冷启动、数据稀疏等问题。本文在对传统推荐算法研究的基础上,提出了一种基于相似传播和情景聚类的协同过滤推荐算法,根据计算用户间的情景相似度对用户进行聚类,然后根据相似传播原理找出目标用户更多的最近邻居,最后根据预测目标用户对项目的评分进行推荐。借助网上公共数据集在Matlab上实现了该算法并验证了算法的有效性。实验结果表明,本文所提算法的准确性相比传统算法有所提高,同时缓解了传统推荐算法存在的冷启动和数据稀疏性等问题。     

一种新的基于层次凝聚的高效复合聚类算法

复合聚类算法是在改进的单连接算法和基于距离的聚合算法的基础上叠加形成。改进传统的单连接算法可以缩短数据聚合的时间,而基于距离的聚合算法则可以增大结点规模,满足数据量大、复杂度高的要求。实验结果表明,采用复合聚类算法能够有效地提高数据聚集的准确率和缩短响应时间。