定位技术在无线传感器网络中占有重要的地位。
近似三角形内点测试算法（APIT）是一种硬件要求低，定位性能良好的定位算法。
APIT算法在节点密度较低的场合，易产生PIT误判，S-APIT算法采用面积和判断进行近似三角形内点测试，改善了APIT算法的PIT测试，但是在存在测距误差时，S-APIT算法并不能有效的减少PIT误判的发生。
针对该问题，提出了一种将未知节点的临近信标节点作为修正节点的N-APIT算法，仿真结果表明：算法能够改善环境因素的影响，减少测距误差，改善定位精度。
近似三角形内点测试算法（APIT）是一种硬件要求低，定位性能良好的定位算法。
APIT算法在节点密度较低的场合，易产生PIT误判，S-APIT算法采用面积和判断进行近似三角形内点测试，改善了APIT算法的PIT测试，但是在存在测距误差时，S-APIT算法并不能有效的减少PIT误判的发生。
针对该问题，提出了一种将未知节点的临近信标节点作为修正节点的N-APIT算法，仿真结果表明：算法能够改善环境因素的影响，减少测距误差，改善定位精度。
2024/2/23 4:28:43
1.26MB
1
计算均方误差MSE信噪比SNR峰值信噪比PSNR绝对平均误差的matlab函数
2024/2/21 23:29:23
24KB
1
为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一种基于灰色径向基函数（RadicalBasisFunction，RBF）和神经网络光伏发电功率预测模型。
该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。
最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法
该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。
最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法
2024/2/20 1:51:04
838KB
1
在分步傅里叶法求解非线性薛定谔方程的基础上，介绍了一种时间窗口和步长动态自适应调整的改进算法，该算法根据时域脉冲的扩散情况调整时间窗口，采用局部误差法控制计算步长，在保证精度的同时提高了计算效率。
讨论了数值计算时如何正确选取正、逆傅里叶变换的形式，分析了如何由离散的计算结果近似连续的时域和频域波形。
模拟了光子晶体光纤中超连续谱的产生，验证了算法的正确性。
讨论了数值计算时如何正确选取正、逆傅里叶变换的形式，分析了如何由离散的计算结果近似连续的时域和频域波形。
模拟了光子晶体光纤中超连续谱的产生，验证了算法的正确性。
2024/2/6 15:02:43
1.07MB
1
该表格为某电厂350MW亚临界汽轮机性能试验计算公式，得到了制造厂家和电厂技术人员的认可，计算误差较小。
（需要采用杨宇教授的水蒸汽表动态链接库WASPCN64.dll）
（需要采用杨宇教授的水蒸汽表动态链接库WASPCN64.dll）
2024/2/1 9:08:51
169KB
1
基于小波变换的自适应多阈值图像去噪-基于小波变换的自适应多阈值图像去噪.rar摘 要 小波图像去噪是小波应用较成功的一个方面,其中最重要的一个环节是最优阈值的确定,为此,提出了一种新的基于小波变换的自适应多阈值图像去噪方法———Multi2Thresholdshrink去噪法,这种方法是在不同子带和不同方向上选择不同的最佳阈值,而最佳阈值的选取是基于Bayes理论,并认为图像的小波系数是服从广义高斯分布的。
通过实验证明,这种方法能很好地对图像去噪,与Donoho等人提出的Visushrink去噪方法和Chang等人提出的Bayesshrink去噪方法相比,不仅提高了去噪后图像的信噪比和最小均方误差,而且也使图像更加清晰,并能更好地适合人眼的视觉特性,从而可在客观和主观上同时获得更佳的去噪效果。
关键词 阈值 去噪 小波变换
通过实验证明,这种方法能很好地对图像去噪,与Donoho等人提出的Visushrink去噪方法和Chang等人提出的Bayesshrink去噪方法相比,不仅提高了去噪后图像的信噪比和最小均方误差,而且也使图像更加清晰,并能更好地适合人眼的视觉特性,从而可在客观和主观上同时获得更佳的去噪效果。
关键词 阈值 去噪 小波变换
2024/1/31 22:48:07
811KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB