无线通信理论与技术 ch5; 线性空间和希尔伯特空间 矩阵的值域与零空间
标签： 无线通信
上传时间： 2018-10-15
上传用户：13527452341
《Java网络编程（第四版）》实用指南全面介绍了如何使用Java开发网络程序。你将学习如何使用Java的网络类库既快速又轻松地完成常见的网络编程任务，如编写多线程服务器、加密通信、广播到本地网络，以及向服务器端程序提交数据。作者提供了真正可实用的程序来讲解他介绍的方法和类。第4版经过全面修订，已经涵盖REST、SPDY、异步I/O和很多其他高级技术。本书主要内容有：研究Internet底层协议，如TCP/IP和UDP/IP；了解Java的核心I/O API如何处理网络输入和输出；发现InetAddress类如何帮助Java程序与DNS交互；用Java的URI和URL类定位、识别和下载网络资源；深入研究HTTP协议，包括REST、HTTP首部和cookie；使用Java的底层Socket类编写服务器和网络客户端；利用非阻塞I/O同时管理多个连接
上传时间： 2018-12-24
上传用户：liudagong
《Java网络编程（第四版）》实用指南全面介绍了如何使用Java开发网络程序。你将学习如何使用Java的网络类库既快速又轻松地完成常见的网络编程任务，如编写多线程服务器、加密通信、广播到本地网络，以及向服务器端程序提交数据。作者提供了真正可实用的程序来讲解他介绍的方法和类。第4版经过全面修订，已经涵盖REST、SPDY、异步I/O和很多其他高级技术。本书主要内容有：研究Internet底层协议，如TCP/IP和UDP/IP；了解Java的核心I/O API如何处理网络输入和输出；发现InetAddress类如何帮助Java程序与DNS交互；用Java的URI和URL类定位、识别和下载网络资源；深入研究HTTP协议，包括REST、HTTP首部和cookie；使用Java的底层Socket类编写服务器和网络客户端；利用非阻塞I/O同时管理多个连接
上传时间： 2018-12-24
上传用户：liudagong
网络中基于IEEE 1588,由多个节点和多元化的连接,每个连接连接至少两个节点允许节点之间的通信,包括根据网络协议的消息交换,IEEE 1588的同步提高,允许多个主时钟系统中同时操作。为此，根据IEEE 1588标准，许多节点组成一个实现高可用性主时钟的子系统。
上传时间： 2019-04-25
上传用户：AoBa77
本书是一本采用全新体系结构的计算机网络基础教材。全书共分为４篇，分别从４个角 度观察计算机网络，理解计算机网络的工作原理：第１篇是在一个平面上观察计算机网络，分 别介绍计算机网络的两个基本元素———链路和节点上的基本通信技术；第２篇是从立面上观 察计算机网络，主要介绍几种计算机网络的体系结构；第３篇是从计算机网络工作时通信双 方的关系上观察计算机网络的工作原理；第４ 篇是从实现的角度观察计算机网络的工作原 理。这４篇将计算机网络的基本原理分解成相对独立的４个层次。读者每学习完一个层次 的内容，对计算机网络工作原理的认识就会上升到一个新的高度。通过以上４个方面的学 习，读者将会建立全面的、较为深刻的计算机网络的基本概念，掌握计算机网络的基本技术原 理。
标签： 计算机网络
上传时间： 2020-02-16
上传用户：tpdado
摘 要 在网络越来越发达的今天，人们对网络的依赖越来越多，越来越离不开网络，由此而产生的聊天工具越来越多，例如，国外的ICQ、国内腾讯公司开发的OICQ。随着网络聊天一类的聊天系统的发展日新月异，因此产生了制作一个类似QQ的网络聊天工具。Java是一种程序设计语言，它具有简单的、完全面向对象以及与平台无关的结构，也具有可移植性、高性能和安全性，并提供了多线程的功能，而Java语言最大的成功之处在于它的平台无关性和具有强大的网络编程功能，基于Java网络编程的强大功能，本人将用Java编写一个网络聊天系统。论文首先论述了系统的开发背景，并对所用到的开发工具与关键技术做了简单的介绍。接着对系统的研究意义，研究现状及设计目标进行分析，通过对系统需求和可行性进行分析，确定了系统的功能模块，并画出相应的功能结构图、模块图和数据流图。其次按系统总体设计的结果，对系统中的数据库进行结构设计。一般来说，聊天工具大多数由客户端程序和服务器程序,外加服务器端用于存放客户数据的数据库组成，本系统采用客户机/服务器架构模式，通过Java提供的Socket类来连接客户机和服务器并使客户机和服务器之间相互通信，由于聊天是多点对多点的，而Java提供的多线程功能，用多线程可完成多点对多点的聊天。数据库管理系统用SQL Server2000，完成并通过JDBC-ODBC桥访问数据库。聊天系统完成后将可进行多人对多人的聊天，对好友进行添加、删除，对新用户的注册，发送消息、接受消息，传输文件等功能。界面设计细分化，方便使用者操作和理解。服务器实现了查询和修改等功能，程序逻辑联系较紧密。 关键词：JAVA，C/S，SQL Server 2000, 多线程, 数据库管理系统
上传时间： 2021-10-25
上传用户：XuVshu
通信：不同的独立系统利用线路互相交换数据便是通信。通信的主要目的是将数据从一端发送到另一端，以实现数据的交换。网络：构成整个通信的线路称为网络。计算机网络：交换信息的系统若为计算机系统，则称为计算机网络（Computer Network）通信。发送端：就是根据协议将数据利用一定的程序通过线路发送出去。接收端：根据协议将数据收集起来并存储或显示在屏幕上
标签： 串行通信
上传时间： 2021-11-30
上传用户：
本文就5G通信技术应用场景与关键技术进行了相关研究，关键技术包括新型网络构架、多天线传输、智能化、D2D技术以及同时同频双全工等；而应用场景包括mMTC型应用场景、低延时和高可靠应用场景、超密集部署、宏覆盖增强应用场景、uRLLC型应用场景、eMMB型应用场景、机器间通信场景等。
上传时间： 2021-12-22
上传用户：
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
基于人工神经网络实现智能机器人的避障轨迹控制摘 要：利用人工神经网络中的二级 BP网。模拟智能机器人的两控制参数(左 、右轮速)间的函数关系。实现避 障轨迹为圆弧或椭圆弧的轨迹控制 。并且通过调整椭圆长、短轴大小。能实现多个及多层障碍物的避障控制．该方法 的突出特点是方法简单、算法容易实现 。使机器人完成多个及多层避障动作时。不滞后于动态环境里其它机器人(障 碍物)位置的变化．在仿真实验中。取得了理想的效果． 关键词；BP神经网络I多个及多层避障控制I椭圆轨迹1 弓I言(Introduction) 在机器人中，避障轨迹的生成是一个重要的问 题．对于不确定的动态环境下的实时避障轨迹生成， 是较为困难的．有关这方面的研究，目前已有许多方 法．一些神经网络模型被设计出来，产生实时的轨迹 生成．文献113[23提供的神经网络模型产生的轨迹 生成仅能处理在静态环境下及假设空间中没有障碍 物的情况．[3]提供的神经网络模型，能为智能机器 人产生导航的避障轨迹，然而模型在计算上相当复 杂．文献[43提供了Hopfield神经网络模型，能在动 态环境下产生时实的避障轨迹生成，并在文献[5] 中，严格证明了因该方法生成的轨迹没有遭受局部 极小点逃离问题．并且文献[63用两个神经网络层叠 加起来，每层构造相似于[43中的网络结构．它是利 用第二层网络来发现下一个机器人位置的无监督模 型，然而它却加倍了计算量，尽管文献[4，6]提供的 方法能在动态环境下，产生时实避障轨迹，但都具有 较慢的运动速度，在快速变化的环境下不能恰当地 完成动作执行，因为机器人要比较好地完成避障动 作，必须不能滞后于障碍物动作变化
上传时间： 2022-02-12
上传用户：得之我幸78
