导读:本文包含了延迟算法论文开题报告文献综述及选题提纲参考文献，主要关键词:DTN,紧急状态驱动,飞行控制,消息摆渡
延迟算法论文文献综述
张小亮,王立松,刘亮[1]（2019）在《延迟容忍网络中紧急状态驱动的多摆渡机飞行控制算法》一文中研究指出延迟容忍网络机制已经被很多研究证明能够应用到多无人机自组网通信中.无人机自组网中增加用于将消息从任务机摆渡到地面站的摆渡机能够改善通讯质量.现有研究中,摆渡机只能按照航路点在地面站和任务机飞行区域之间作简单循环飞行,无法根据网络中无人机的存储状态进行及时调整,从而导致平均消息延迟过长.针对这一问题,本文利用小面积延迟容忍网络可以通过低通量网络传递控制指令等消息的特点,设计了一种小面积延迟容忍网络的消息摆渡模型,并在简单循环飞行方式基础上提出了一种紧急状态驱动的多摆渡机飞行控制算法.对比仿真实验结果表明该控制算法能够有效减少平均消息延迟.(本文来源于《小型微型计算机系统》期刊2019年10期）
汪千松[2]（2019）在《一种基于Free RTOS实时系统改进的时间片延迟调度算法的设计》一文中研究指出通过对FreeRTOS同优先级任务的最后几次执行时间片进行优化,提出了改进的时间片延迟调度算法,使任务在最后几次执行时不进行时间片切换而继续运行。改进的调度算法在保证实时性的同时也大大提高了任务的执行效率,增大了系统吞吐率。(本文来源于《科技视界》期刊2019年28期）
陈正生,张清华,李林阳,李雪瑞,吕浩[3]（2019）在《电离层延迟变化自模型化的载波相位平滑伪距算法》一文中研究指出传统的单频载波相位平滑伪距算法因受到电离层延迟变化的影响,容易出现平滑结果发散和精度下降的问题,而现有的解决方案对精度提高有限或需要外部精密电离层改正数据的支持。本文研究了电离层的变化规律并建立回归模型,在此基础上提出了一种自模型化电离层延迟变化的单频载波相位平滑伪距算法。此算法利用伪距和载波观测量中含有的电离层延迟信息进行电离层延迟建模,从平滑伪距中扣除了历元间电离层延迟变化值,有效避免了平滑伪距的发散问题。利用自编软件GNSSer实现了电离层自模型化的载波平滑伪距算法,并采用静态与动态实测观测数据进行了定位试验和精度分析。算例结果表明:①长时段常规Hatch滤波受电离层影响非常严重;②自模型化电离层延迟可达厘米级的精度,在30 min窗口内,使用线性移动开窗拟合法效果最佳;③自模型化电离层改正可以有效消除平滑伪距电离层影响,随着时段窗口的增加,精度没有降低;④利用本文提出的算法进行逐历元单频平滑伪距单点定位,在静态与动态的NEU方向都达到了亚分米级别的定位精度,其中,动态定位测试中水平和高程方向精度为6.25和10.4 cm,比原始伪距分别提高了5.4倍和3.3倍。(本文来源于《测绘学报》期刊2019年09期）
李贵鑫,孙卿,张圣羽,朱敏[4]（2019）在《光接入网中低延迟高能效动态带宽分配算法研究》一文中研究指出巨大的能源消耗以及高延迟已经成为阻碍无源光网络进一步发展的主要困难.为了解决这个问题,绿色动态带宽分配算法最近被广泛地研究.然而,这些所提出来的方案并不能在降低能耗的同时满足低延迟的要求.在本文中,一个高能效低延迟的动态带宽分配方案被提出,称之为"组合配对动态带宽分配算法"(Pair-Wise Combination,PWC).本文所提出的PWC动态带宽分配算法能够动态地改变轮询次序,以压缩周期长度,提高了延迟性能.不仅如此,该方案在同时考虑了上、下行数据传输的情况下,还能提高无源光网络的能耗效率.仿真结果表明,该方案能够极大地降低能耗,同时还能有效地降低业务延迟.仿真结果表明,在光网络单元的个数为16,上行网络负载为0.3时,PWC方案下的上行延迟为1.18ms,节能效率为91.1%;而与之对比的ECS能耗节约方案的上行延迟为2.33ms,节能效率为89%.提出的PWC方案优于已有的ECS节能方案.(本文来源于《聊城大学学报(自然科学版)》期刊2019年05期）
康朝海,王思琪,任伟建,王博宇[5]（2019）在《基于高斯学习多峰延迟粒子群优化算法》一文中研究指出为克服粒子群在解决多峰函数复杂问题时存在收敛速度慢和极易陷入局部最优值的缺点,提出了一种基于高斯学习多峰延迟粒子群混合算法。首先引入改进的高斯学习提高算法的收敛速度,然后在此基础上,针对4种进化状态在算法中引入延迟因子避免局部最优问题。通过对6个单峰多峰测试函数进行仿真实验,验证了GLPSO(Gaussian Learning PSO)算法具有更好的收敛速度,同时验证了GLMDPSO(Gaussian Learning Multimodal Delayed PSO)算法在处理多峰函数复杂问题时具备更好的全局搜寻能力。因此,改进算法在解决多峰函数寻优问题时可有效跳出停滞状态,提高收敛速度并具有较好的寻优能力。(本文来源于《吉林大学学报(信息科学版)》期刊2019年04期）
徐小恒,莫华均,李东仓,杨磊,朱朝阳[6]（2019）在《铑自给能探测器延迟信号数字处理算法与实验研究》一文中研究指出铑自给能探测器(RSPND)输出电流信号的慢响应特性严重影响反应堆内中子注量率的实时测量,不利于反应堆的控制和安全管理。采用反函数计算或各种补偿方法改进其响应特性,有利于RSPND的使用。本文研究了前向差分变换法、后向差分变换法、阶跃响应不变法及双线性变换法等4种数字处理算法,有效缩短了铑自给能探测器输出信号的响应时间,时间常数缩短到5s以内。通过数字实验系统,验证了算法的正确性,为该探测器用于反应堆内中子注量率测量的快速响应提供了可行性。(本文来源于《核动力工程》期刊2019年04期）
韩雨涝[7]（2019）在《面向带状无线传感网低延迟可靠数据收集算法》一文中研究指出带状无线传感网为长距离带状分布,现有的数据收集算法无法很好解决其数据收集延迟较大的问题。提出了一种主动定位移动Sink的数据收集算法DCFAN(Data Collection based on Forwarding of Agent Nodes),DCFAN构建移动Sink的同步代理节点以及存储同步代理节点的线节点序列,通过获取同步代理节点转发感知数据到Sink汇聚点。仿真结果表明,DCFAN算法能有效降低网络节点能耗以及数据收集延迟,同时提升数据收集率,适用于对数据收集延迟具有一定要求的带状无线传感网应用场景。(本文来源于《计算机工程与应用》期刊2019年21期）
徐蒋林[8]（2019）在《CORS系统下对流层延迟改正模型建立与算法》一文中研究指出全球卫星导航系统GNSS(Global Navigation Satellite System)技术在全球的多元化发展,使得各行业中GNSS系统都有所涉猎,导航定位这一方面体现的尤为突出。当GNSS信号经过大气时,接收信号会有所延迟,因此不能进行精确定位,会产生相应的误差。在进行误差分析的同时,对于大气中产生的延迟是人们研究的重点,对于定位的精度显得非常重要,这也决定在导航定位时能不能进一步提高精度。本文首先对国内外对流层延迟误差计算方法进行了阐述,全球定位系统在定位过程中会受到很多误差的影响,讲述了影响GPS定位的误差源。同时对现阶段发展迅速的连续运行参考站 CORS(continuously operating reference stations)系统进行原理及运行流程的简单介绍。然后利用GAMT软件解算IGS站对流层延迟,选择不同投影函数模型和参数进行比较分析,解算结果与IGS站之间差值比较分析,对模型建立的数据和参数提供可靠性分析。再通过GAMIT软件解算苏州CORS站的数据得到对流层延迟量,结合支持向量机算法,建立支持向量机模型并以其作为研究对象。将对流层假想为一个无限薄的单层膜,然后将穿刺点坐标作为输入量,对应的对流层延迟作为输出量,建立支持向量机模型。在区域内选择一个站点穿刺点坐标并估计该站点对应的对流层延迟,经过对比分析能够得出模型估计精度在2cm以内。图19表18参80(本文来源于《安徽理工大学》期刊2019-06-10）
许妙强[9]（2019）在《网络RTK下区域电离层延迟改正模型建立及算法研究》一文中研究指出一直以来,电离层延迟是影响网络RTK定位精度的主要误差之一,为了减少电离层延迟对网络RTK定位精度的影响,有必要建立一个合适的区域电离层延迟改正模型,研究出一种提高测站电离层延迟误差改正数精度的算法。本文采用美国中部CORS站间双差电离层延迟数据,构建网络RTK下区域电离层延迟改正模型。通过实验论证对于网络RTK区域,内插模型和BP神经网络模型均可达到电离层研究与应用所需的精度。本文主要的工作和结论如下:(1)结合相对定位差分模型,推导出双差观测模型,并在此基础上推导出双差电离层延迟公式,通过实验论证在不同距离下双差电离层延迟的变化情况。实验表明:短距离下测站间双差电离层延迟的误差整体上优于长距离下测站间双差电离层延迟的误差3～5cm。在长距离条件下各测站间的双差电离层延迟误差均在0.03m以上,个别测站间的双差电离层延迟误差高达0.26m。总体上,随着测站间水平距离的的增长以及卫星高度角减小,测站间的双差电离层延迟会逐渐变大。(2)以LIM模型和DIM模型为研究目标,依次对这两种模型公式进行了推导,并将其运用于网络RTK下区域电离层延迟改正模型的研究。通过实验表明:LIM模型内插精度较高,内插误差大部分在0.05m以内;而DIM模型精度相对较差,内插误差绝大多数都大于0.05m。总体上,对于长距离网络RTK,LIM模型和于DIM模型的内插精度均达到了厘米级,但DIM模型的内插精度没有LIM模型的内插精度高。(3)结合BP神经网络模型的优点,将BP神经网络模型运用于网络RTK下区域电离层延迟改正模型的研究。通过实验表明:对于网络RTK区域,BP神经网络模型估计测站间双差电离层延迟精度均达到了厘米级。与LIM模型和DIM模型相比,BP神经网络模型的双差电离层延迟的内插精度优于DIM模型0.01～0.02m,略优于LIM模型,同样适用于区域电离层延迟建模。图[47]表[4]参[81](本文来源于《安徽理工大学》期刊2019-06-10）
李洋[10]（2019）在《非线性延迟微分方程的两类预估校正算法》一文中研究指出现实生活中,微分方程与人类社会是密切相关的,人们使用微分方程这一工具建立了很多模型,比如人口发展模型、交通流模型……然而,由于实际问题的变化复杂多样,建立起的微分方程往往结构复杂,要给出解析解是十分困难的,针对这种现象,专家学者采用数值方法来求解微分方程.常用的数值方法分为显式方法和隐式方法两大类,而它们又各有优缺点,显式方法计算过程虽然简便,但是计算产生的误差比较大;隐式方法误差较小,不过计算过程繁琐,实时性较差.于是,专家学者将这两种方法结合起来,先利用显式格式提供一个预估值,再将这个值代入隐式格式中,得到的值称为校正值,这种方法也就是我们所熟知的预估校正算法.预估校正算法兼备显式方法和隐式方法的优点,又弥补了它们的不足,在实际运用中具有很大的价值,但是近二十年来,专家学者数对预估校正算法的研究还是比较少的.本文构造了非线性延迟微分方程一般格式的单支预估校正算法和线性多步预估校正算法,并分别讨论它们的稳定性和收敛性,得到了一般性理论结果,最后通过数值实验进行验证.本文的主要内容有:第一部分,介绍本文相关背景、研究意义以及研究现状.第二部分,给出了本文所研究的问题和相关的稳定性、收敛性结论.第叁部分,构造了一般格式的单支预估校正算法,讨论在一定条件,该算法的稳定性和收敛性.证明得出该预估校正算法的稳定性与其子方法稳定性之间的关系,以及预估校正算法收敛阶与其子方法收敛阶的定量关系,并用数值实验验证结果.第四部分,构造了一般格式的线性多步预估校正算法,根据线性多步法与单支方法之间的转化关系,得出线性多步预估校正算法稳定性和收敛性与其子方法稳定性和收敛性的相关结论,并从数值试验的角度进行验证。(本文来源于《广西师范大学》期刊2019-06-01）
延迟算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过对FreeRTOS同优先级任务的最后几次执行时间片进行优化,提出了改进的时间片延迟调度算法,使任务在最后几次执行时不进行时间片切换而继续运行。改进的调度算法在保证实时性的同时也大大提高了任务的执行效率,增大了系统吞吐率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
延迟算法论文参考文献
[1].张小亮,王立松,刘亮.延迟容忍网络中紧急状态驱动的多摆渡机飞行控制算法[J].小型微型计算机系统.2019
[2].汪千松.一种基于FreeRTOS实时系统改进的时间片延迟调度算法的设计[J].科技视界.2019
[3].陈正生,张清华,李林阳,李雪瑞,吕浩.电离层延迟变化自模型化的载波相位平滑伪距算法[J].测绘学报.2019
[4].李贵鑫,孙卿,张圣羽,朱敏.光接入网中低延迟高能效动态带宽分配算法研究[J].聊城大学学报(自然科学版).2019
[5].康朝海,王思琪,任伟建,王博宇.基于高斯学习多峰延迟粒子群优化算法[J].吉林大学学报(信息科学版).2019
[6].徐小恒,莫华均,李东仓,杨磊,朱朝阳.铑自给能探测器延迟信号数字处理算法与实验研究[J].核动力工程.2019
[7].韩雨涝.面向带状无线传感网低延迟可靠数据收集算法[J].计算机工程与应用.2019
[8].徐蒋林.CORS系统下对流层延迟改正模型建立与算法[D].安徽理工大学.2019
[9].许妙强.网络RTK下区域电离层延迟改正模型建立及算法研究[D].安徽理工大学.2019
[10].李洋.非线性延迟微分方程的两类预估校正算法[D].广西师范大学.2019