搜索资源列表
OPNEThelp
- opnet modeler使用文档，具体来说，网络仿真技术是一种通过建立网络设备、链路和协议模型, 并模拟网络流 量的传输，从而获取网络设计或优化所需要的网络性能数据的仿真技术。从应用的角度上 看，网络仿真技术有以下特点：（1）全新的模拟实验机理，使其具有在高度复杂的网络环 境下得到高可信度结果的特点。网络仿真的预测功能是其他任何方法都无法比拟的；（2） 使用范围广，既可以用于现有网络的优化和扩容，也可以用于新网络的设计，而且特别适 用于大中型网络的设计和优化；（3）初期应用
33957049WTE
- 阐述了GPS坐标时间序列分析的原理和方法，包括线性拟合、相关函数法、AR（P）模型预测、功率谱、小波谱以及小波熵，通过仿真实验验证了各种方法的优点。-2. The theory and methods of GPS coordinate time series analysis are expounded, including linear fitting, correlation function, AR (P) model prediction, power spectrum, wavele
Cprogram
- 该程序是通信中认知无线电的频谱预测模型的相关源代码，对通信方面的同学非常有用，带平台-The program is the communication of cognitive radio spectrum prediction model related to the source code, for communications students very useful, with platform
Underwater-GPS-Positioning
- 提出了基于无线传感器网络的浮标网络水下GPS定位系统模型，分析了 该模型的结构、功能以及工作过程，并从几何角度探讨了水下目标的声学定位算 法。结合Range-Free算法与分布式算法的思想，设计了一种传感器节点自定位算 法，称为BSR（Beacons Signal Ring）定位算法，并对该算法的性能进行了评估与 比较。该算法在锚节点处的信标信号中引入能量等级的机制，无需相邻传感器节 点间信息交换，有效降低了算法复杂度与通信开销。性能分析结果显示，该算法 性能良好，在应用
Burg.m
- AR模型的Burg算法，线性预测。 场景为V2V车载场景，使用Jakes模型-Burg s algorithm based on AR model,whose environment is V2V.
K-order Markov Chain in Mobile Social Networks
- 针对移动社交网络中节点中心性预测问题，提出基于K阶马尔科夫链的中心性预测方法。在真实移动社交数据集的中计算信息熵分析节点中心性的过去与未来规律性，研究了节点中心性的可预测性。利用节点中心性的历史信息，构建状态转移概率矩阵，预测节点未来中心性值, 并通过分析真实值与预测值之间的误差评估了这些预测方法的性能。结果表明，当阶数K=2时，与四种基于时窗的中心性预测方法比较，基于K阶马尔科夫链的预测模型在MIT数据集和Infocom 06数据集中虽不在个体上优于已提出的预测方法，但在整体上达到了优化。(w
mat
- 利用SGP4模型读取TLE根数，并对卫星轨道进行预测(Using SGP4 / SDP4 model, the tle data, that is, the number of track elements in two lines, is read and the track is predicted.)
Longley-Rice model代码
- 经典无线链路预算模型，预测了在自由空间中由地形的非规则性造成的中值传输衰落。该模型适用于频段为20MHz至40GHz、路径长度为1km至2000km的情况。对于给定的传输路径，该计算机程序通过频率、路径长度、极化方向、天线高度、表面绕射率、地面有效半径和地面导电常数等参数可以确定传输损耗的大小。(Classic wireless link budget model, forecasts the in free space caused by terrain of regularity in th
stanley
- 车辆模型预测控制方式 其中一种基于几何模型的控制方法(Vehicle model predictive control One of the control methods based on geometric model)