【摘 要】
：
无线传感器网络可通过对数据信息进行处理,根据外界的反馈,将传感器节点所接收到的外界信息进行转化,形成数据的交换以及传递。其中节点定位技术作为如今研究发展的热门,应用于各种场景之中,负责对目标的定位跟踪,识别等一系列功能,且具有部署层面简单,开销能耗低等优点,目前被广泛学者所研究。本文主要通过研究节点定位技术中的DV-Hop定位算法,分析其产生误差的因素,然后对其原因进行优化改进,主要工作如下:（1
论文部分内容阅读
无线传感器网络可通过对数据信息进行处理,根据外界的反馈,将传感器节点所接收到的外界信息进行转化,形成数据的交换以及传递。其中节点定位技术作为如今研究发展的热门,应用于各种场景之中,负责对目标的定位跟踪,识别等一系列功能,且具有部署层面简单,开销能耗低等优点,目前被广泛学者所研究。本文主要通过研究节点定位技术中的DV-Hop定位算法,分析其产生误差的因素,然后对其原因进行优化改进,主要工作如下:（1）改进传统灰狼优化算法,改进点主要在于采用动态惯性权重因子以及自适应搜索调整策略,将狼群贡献度以及适应度进行横向对比,再选择更优的位置更新公式,从而提高算法的寻优精度。（2）分析通信半径对于跳数的影响,从而导致DV-Hop定位算法的定位精度误差,通过改变传统单通信半径设置,重新设置为双通信半径,使未知节点与信标节点之间所返回的跳数值变成不再是单纯的整数,而是整数再加上通信半径R,从而使估计距离更接近实际值。（3）在传统DV-Hop算法的最后一步计算未知节点位置时,改变传统矩阵方程,使用改进灰狼算法代替常规的计算方法,寻找最优值。实验结果表明,改进DV-Hop算法有效减少了定位过程所产生的误差,并且在定位精度上有了显著的提高。
其他文献
图像匹配把两个及以上的图像进行统一转换,使其在同一个坐标系中得到充分的应用,在机器视觉中占有重要地位。在成像平台方面,光学成像平台具有成像质量好、分辨率高、成像直观和易于识别的特点,而SAR成像平台则具有很强的穿透性,可以全天时、全天候工作。将两者结合起来,可以充分利用两种不同的图像资料,最大程度地提取出目标的地形特征,无论在民用还是军用方面,都有着重要意义。而实现这一目标的前提就是高精度、稳定、
在知识经济时代,创新占据战略支撑地位,是推动企业、国家、民族向前发展的关键性力量。我国政府做出“必须把创新作为引领发展的第一动力”的重大战略抉择,还提出必须强化企业创新的主体地位,而对于企业来说,创新能力的高低决定着未来发展命运的好坏。近年来,随着创新驱动经济的快速发展,在各种利益的驱使下,环境破坏问题、企业道德丑闻、责任伦理缺失等事件层出不穷,由此,企业社会责任（Corporate Social
高质量清晰图像是图像处理的基础,也是机器视觉、人工智能等技术应用的关键。然而,原始图像在获取过程中会因各种退化因素干扰不可避免地出现模糊降质。运动模糊图像复原作为图像复原技术的一个重要分支,当前仍存在许多问题值得研究,如稀疏正则复原模型的建立和求解、模糊核估计的准确度以及神经网络的优化设计,等等。基于此,本文研究了图像退化模型、正则化理论和PSF估计等图像复原的相关理论,在当前研究的基础上提出几种
在后疫情时代,国家经济增速放缓,发展动力不足。因此,为了促进经济发展,作为发展源泉的组织创新能力显得越来越重要。而要提升组织创新能力,就要提升员工创造力。员工创造力受到领导力的影响,尤其是变革型领导,是提高员工创造力的最重要因素之一。但是通过文献回顾,本研究发现变革型领导并不总是对员工的创造力产生积极的影响,它们之间的关系是模糊的,同时存在着显著正向、不显著,甚至显著负向的关系,存在着一定程度的悖
行人识别是对行人进行定位获得其运动轨迹从而持续跟踪目标行人,而行人重识别是在跨摄像头跟踪中解决目标行人因为视野丢失后重新检索出目标行人的技术。行人重识别在刑事侦查、智能安防、人工智能等领域引起了许多研究人员的关注,并取得了丰富的研究成果。当前行人重识别方法在单一场景下进行行人身份识别,公开数据集上取得的识别准确率超过人类识别。但是在摄像拍摄角度差异大、光照变化、行人运动模糊以及遮挡等复杂环境下行人
随着科技革命的兴起以及国际政策的影响,近年来我国实现自主研发技术的创新显得尤为关键。而突破现有的技术与知识以开辟新市场和新技术领域的突破性创新是我国实现创新驱动发展的重要手段,是国家和企业在国际市场与行业市场保证竞争优势的破局之举。从复杂多变的新形势下识别并且抓住突破性创新产生的机遇,对国家及行业政策制定与企业的战略决策都非常关键。然而,公司内部如何识别并倒逼突破性创新的产生,作为谋划者的高层管理
图像匹配是计算机视觉领域的一项基本技术,广泛应用于图像配准、图像拼接、图像融合等任务中。在多谱段图像匹配任务中,图像之间不仅存在着显著的灰度差异、光照差异,还存在着不同传感器成像导致的非线性强度差异。基于手工设计的特征提取方法在多谱段匹配任务中表达能力有限,不能准确地提取图像间的共有特征,因此本文利用深度学习的方法,通过卷积神经网络的强大特征提取能力和学习能力对多谱段图像进行特征提取,学习一个具有
当前世界各地经济联合,跨国并购已成为企业获取资源、扩张规模以及快速实现国际化的重要手段。在这其中,高管决策的影响逐渐进入人们的视野。与此同时,人们也注意到,高管激励尤其是薪酬激励对高管的行为动机有着深远的影响。然而,大多数企业的高管薪酬都存在着粘性特征,这种粘性特征会如何影响高管在企业经营中的动向,成为了高管薪酬研究中亟需解决的重要问题。虽然目前学术界都对高管薪酬粘性展开了广泛的研究,但对于这种粘
随着计算机视觉技术的不断发展,图像语义分割广泛地应用在自动驾驶、智慧安防、医学图像、土地检测等领域。图像语义分割是指为图像中每个像素分配其对应的语义类别标签的过程,通过图像中语义特征得到图像表达的信息,是理解计算机场景的关键步骤。基于深度学习的图像语义分割能通过提取图像中各层特征,达到更好的分割效果,因此研究基于深度学习的语义分割有着重要的理论意义和研究价值。针对语义分割中浅层特征利用不充分、小目
经济社会正在经历信息革命,人类脑力被充分利用,数字化工具等实现科技生产,GPT-3技术的突破使计算机模型更好地理解世界并与之互动,或是北斗全球导航系统使超精确定位成为了可能。技术创新及其成果深刻影响着社会经济发展的方方面面,企业的创新环境随之以前所未有的速度变化,这给许多处于或寻求技术创新的公司带来了新的挑战。制造业企业作为立国之本,通过双元技术创新活动提高自身技术创新水平是其跨越发展瓶颈的重要途