摘要：为了提高电动汽车行驶的稳定性,提出了一种集成的汽车和车轮稳定性控制系统,并对汽车行驶的稳定性控制效果进行仿真。创建电动汽车模型简图,给出电动汽车动力学方程式。采用模型预测控制技术,设计了一种集成的汽车和车轮稳定性控制器。采用MATLAB软件对电动汽车横摆角速度、行驶速度和侧滑角进行仿真,与无模型预测控制器输出结果进行对比。结果显示:采用无模型预测控制器,电动汽车横摆角速度、行驶速度跟踪误差较大,振动幅度较大,产生的侧滑角较大。采用模型预测控制器,电动汽车横摆角速度、行驶速度跟踪误差较小,振动幅度较小,产生的侧滑角较小。采用模型预测控制器,能够提高电动汽车行驶的稳定性,避免汽车在突然转弯时发生侧翻现象。

摘要：针对无人机图像中小目标占比高所导致的漏检的问题,提出了一种融合Swin-Transformer的YOLOv7-tiny改进网络多尺度无人机航拍小目标检测算法。增加下采样倍数为4的特征层以加强模型对小目标位置信息的利用;提出了一种新的特征金字塔网络应用于多尺度特征融合,并在网络中引入了新设计的金字塔池化模块;在主干网络末端嵌入坐标注意力机制加强网络对小目标位置信息的获取能力。该文算法通过对多尺度特征信息的利用,较好的平衡了特征中语义信息与位置信息此消彼长的矛盾,可以有效避免目标区域产生的漏检,提高了准确率。在VisDrone2019公共数据集上进行训练与测试结果表明,所提方法可以提高无人机航拍小目标的检测精度,具有较好的检测性能。

摘要：利用细胞神经网络(CNN)模型对彩色图像边缘检测时,首先要解决彩色空间的选择以及颜色距离的计算问题,其次网络参数的选择也是一个重要问题。为了达到在确保边缘检测准确的同时有效抑制噪声的目的,对整幅图像进行分块自适应检测,采用熵来度量图像的各个子区域的不同性质,然后根据该区域的性质选择一组合适的网络参数,对提取该区域图像边缘的CNN模板进行了理论分析和鲁棒性研究,提出一个设计符合相应功能要求的CNN鲁棒性定理,它为设计相应的CNN模板参数提供了解析判据。仿真实验表明,该算法具有较好的健壮性。

摘要：基于Kleinberg小世界模型设计一个结构化P2P网络文本检索协议。P2P网络由一些相互连接节点类构成,根据节点文本相似程度实现复杂查询。通过预先设定节点类参数,可以动态地调整节点类大小来平衡网络负载。节点类之间存在一些长程连接,缩短了查询路由步数。实验结果表明,随着网络规模的扩大,搜索开销呈对数平方曲线增长,维护开销呈线性增长,选择合适的节点类内部节点的数量,可以使得总开销最小。

摘要：针对车联网中消息多样性与多模态的混合传输需求,多网络介质融合已成为构建车联网网络的必然趋势.如何根据通信需求优化网络资源已成为车联网中亟待解决的问题.基于传统网络协议,本文针对数据链路层协议中调度算法,提出了异构车联网逻辑链路控制层(Logical Link Control,LLC)链路调度算法(HetVNETs Link Scheduling Algorithm in LLC,HLSA).该算法将车联网中交通流密度、数据报文优先级和链路通信状态作为参数,对车联网中不同链路进行调度.首先,根据车联网协议标准,本文定义了四种数据优先级.同时,定义了RTT因子和拥塞因子对数据链路层协议中各个路径状态进行表征.并且,设计了链路相似度(Data Priority-based Link Similarity,DPLS)为分发数据报文提供调度依据.该相似度利用路径中待交互数据报文的优先级与已缓存的数据报文优先级的相似度进行统计.其次,利用Pareto最优计算出IEEE 802.11p链路中非安全短消息数据报文的最大分发频率上界.基于DPLS和该最大分发频率上界,最终设计并实现了面向数据报文优先级的链路调度算法,并根据理论分析,给出算法的时间复杂度为O(n).最后,根据稀疏、中等、密集和极度密集四种交通拥塞场景进行大量实验验证,证明了HLSA算法相对于现有算法,在面向安全与非安全数据报文混合传输场景中数据链路层链路调度算法的有效性.

摘要：多核系统的广泛应用提高了任务的并发性,同时也带来了任务核间通信这一额外开销.对于具有数据关联性的任务,核间通信会极大地影响任务的调度长度和实时性.结合车联网多任务混合并发的应用特点,针对多核系统中任务响应实时性问题,该文提出了一种面向车联网应用的数据关联性任务调度算法(DTSV).首先,根据车联网协议标准中针对车联网应用相关的三类数据及其特性进行了描述与分析.车联网应用中任务被分为安全关键类、交通效率类和安全无关类,每类任务都包含大量参数.有些参数并不仅存在于一个任务中,而会同时被多个任务所应用.因此,在车联网中,任务之间存在着大量的数据关联性.基于常用关联性任务模型以及车联网中任务特性,定义了一种基于车联网应用的数据关联性模型.其次,根据任务相关性模型给出了任务关联性评价函数,该评价函数的建立主要依据与计算型任务有关的所有通信型任务,生成一个多维的向量,以表示任务与内核中任务之间的强弱关联关系.再次,根据上述关联性模型和评价函数设计了基于此评价函数的关联性任务调度算法,通过将数据关联性较强的任务分配到同一个内核,以减少任务执行过程中核间通信量.算法分为初始化阶段和运行阶段.算法的初始化阶段主要解决了车联网系统启动时大量周期性任务的分配问题,能够明显地减少周期性任务的周期调度长度.算法的运行阶段主要解决了车联网系统运行中随机产生的非周期性任务的分配问题,考虑到非周期性任务的特性,算法能够在一定程度上提高其实时性.同时,在算法的运行阶段,通过对非周期性任务的数据关联的预处理,更进一步提高了非周期性任务的实时性.最后,通过实验将DTSV与传统多核任务调度算法做出了比较,结果显示DTSV平均能够缩短10.6%整体任务调度长度,同时非周期性任务的响应时间平均能够减少33.5%.实验证明,DTSV相对于传统多核调度算法,针对具有数据关联性的周期性任务以及非周期性任务都能有效地降低其核间通信延时,缩短任务调度长度,提高任务响应实时性.

摘要：对于切碎英文文档自动拼接还原中无法利用碎纸片几何形状特征的问题,提出一种基于灰度值矩阵的文档碎片拼接方法。利用碎片图像的特征向量消除同行字母处于不同高度的负影响,提取其特征位置作为动态聚类的分类标准,依据文本行特征进行动态聚类和类间排序,设计了一种基于原图像碎片边界矩阵的四邻拼接算法进行逐一高效地拼接还原。仿真结果表明,该方法准确率较高且操作简便,对规则碎片拼接还原具有良好的实际意义。

摘要：针对无线信道环境中各低信噪比情况下主用户信号检测率较低的问题,提出一种基于循环自相关估计(CAE)和AdaBoost的认知网络频谱感知算法。对信号采用循环自相关估计算法进行特征参数提取,生成训练样本和待测样本,采用AdaBoost算法分别对有无主用户情况下的信号进行分类检测。仿真结果表明,与人工神经网络和最大最小特征值算法相比较,该算法在各低信噪比情况下,具有较高的分类检测性能,有效地实现了对主用户信号的感知。