检索结果

Select

1. 面向用户需求的低轨卫星资源分配算法

陈发堂, 黄淼, 金宇峰

《计算机应用》唯一官方网站 2024, 44 (4): 1242-1247. DOI: 10.11772/j.issn.1001-9081.2023050561

摘要（123）

HTML （2）

PDF （2078KB）（39）

低轨（LEO）卫星多波束通信场景下，传统固定资源分配算法无法满足不同用户对信道容量的差异需求。以适应用户需求分配为主要目标，建立联合信道分配、带宽分配和功率分配的最小供需差优化模型，并引入图样分割多址接入技术（PDMA）提升信道资源的利用率。针对该模型的非凸特性，通过Q-learning算法学习资源分配最优策略为每个用户分配适合的信道容量，并引入奖励阈值进一步改进算法，加快算法的收敛，且使算法达到收敛时供需差异更小。仿真结果表明，改进后的算法收敛速度约是改进前的3.33倍：改进算法能满足更大的用户需求，比改进前Q-learning算法提升14%，是传统固定算法的2.14倍。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于八叉树空间分割的k近邻搜索算法

黄淼张海朝李超

计算机应用

摘要（1870）

PDF （669KB）（1211）

以三维扫描得到的散乱点云为基础，提出了一种基于空间八叉树的快速k近邻搜索算法，通过对点集建立包围盒，利用八叉树记录分割过程，从而使近邻点的搜索只局限于采样点所在的包围盒及其周围的包围盒，并通过剪枝策略使搜索范围进一步缩小。大量真实数据的实验结果表明：该算法可以很好地提高近邻点的搜索速度。

相关文章 | 多维度评价

Select

3. 基于RBF神经网络的点云数据曲面重建快速算法

黄淼张海朝普杰信李超

计算机应用

摘要（1744）

在分析现有重构方法局限性的基础上，给出了一种基于神经网络的点云数据重构三维网格形状的快速算法。首先对点云数据进行归一化处理；然后进行特征线提取，并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点或曲面的控制网格,通过神经网络的权值约束实现曲线段或曲面片之间的连接。实验结果表明，使用该方法能快速获得形状良好的网格曲面。