摘要：综述了多跳无线网络MIMO(multiple-input multiple-output)技术的研究进展,分析了MIMO技术的引入对多跳无线网络各层及整体设计的影响.以跨层协议设计为重点,详细介绍了当前典型的基于MIMO的多跳无线网络协议算法的核心机制,并比较分析了这些算法的特点和性能差异与存在的缺陷.最后,结合本领域内的研究现状,指出了基于MIMO的多跳无线网络走向实际工程应用环境所亟待解决的关键问题,指出了基于MIMO技术设计自适应调整、高性能多跳无线网络跨层模型及协议的重要性.

摘要：针对非均匀网络环境下链路层的能耗控制问题,提出了一种基于链路级功率控制的分簇路由算法(CLPC算法)。CLPC算法基于最优连通功率成簇,并利用双信道机制和干扰反制策略在网络层解决链路层的冲突重传及信道访问公平性等问题,以期达到提高网络整体性能的目的。最优连通功率机制可以减少网络中节点间的冲突域,降低节点间的竞争强度;双信道机制则通过控制信道和数据信道分别对数据分组和控制分组进行收发,来降低数据传输的冲突概率,提高信道的空间复用率;干扰反制策略通过对具有高发射功率的干扰节点进行反制,来保障低发射功率的节点在共享信道上的公平性。实验仿真结果表明,CLPC算法进一步提高了网络的能量有效性和网络有效吞吐量。

摘要：针对复杂噪声环境中有效提取出微弱传感信号的问题,设计了一种实用的锁相放大器电路。该设计通过产生两路正交的矢量参考信号与经低噪声放大和带通滤波后的被测信号相乘实现信号相位差检测,经过低通滤波和均方根计算等实现对微弱信号的提取。该设计采用了一种基于变换的方波乘法器,实现了动态范围宽、直流漂移小、线性度高的乘法运算,进一步提高提取信号的精度。测试结果表明,该设计不但提取的信号精度高,而且电路结构简单,对元件一致性要求低,克服了普通放大器需要被预知被测信号和参考信号相差的问题。

摘要：为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3DCNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3DCNN的输入对象;接着通过设计的6层3D CNN提取体素网格图像的高水平特征,捕捉结构信息;最后在输出层利用Softmax函数进行分类,得到最终的分类结果。实验结果表明,在自建的点云图像船舶数据集上,所提方法的分类准确率达到了96.14%,比3DShapeNets方法和VoxNet方法分别提高了5.97%和2.46%。在悉尼城市目标数据集上,与现有一些方法相比,所提方法的分类准确率较高。这些结果均证明所提方法具有良好的分类性能。