警用数字集群（PDT）通信系统总体技术要求
警用数字集群（PDT）通信系统总体技术要求9电气安全,2410电源适应性2411机械结构安全241.1结构..·.·2411.2表面温度.2412环境和电磁兼容要求·鲁专2512.1环境适应性2512.2电磁兼容性要求.13可靠性要求13.1信道设备可靠性55513.2控制和链路设备的可靠性.14运输和包装要求,,。非2图1网络基础设备示意图图2完全对等的系统互联网络架构。。。19图3 PDT-MPTI1327互联结构···.········,,,,.20图4安全机制示意图24表1PDT设备主要功能要求,。10表2信道设备总体性能指标表3基地台的发射机和接收机的射频指标.·非·静·着·非。章申·21表4手持台的发射机和接收机的射频指标。鲁表5车载台的发射机和接收机的射频指标1范围本技术要求规定了警用数字集群(PD)通信系统的技术特性、系统构成和功能要求作频段、网络管理、信道设备基本性能指标、交流供电系统、信息安仝和保密、环境和电磁兼容、可靠性等总体性要求。木技术要求适用」警用数字集群(PDT)通信系统的总体规划、网络设计、设备开发、生产、工程建设和验收2系统技术特性2.1基本技术体制2.1.1技术体制2.1.1.1信道划分米用频率和时间分割的方法划分信道。频率分割是在给定的350MHz到390Mz频段内按12.5kz信道间隔和10Ⅷz收发间隔划分载波信道。其他频段按照国家无线电管理部门的有关规定执行。时间分割时釆用时分复用/时分多址(TDMA)技术划分时隙信道。规定每载波时隙为两个,即物理信道为两个,再根据需要设置务和控制逻辑信道。2.1.1.2区域覆盖对于无线服务区的覆盖采用下列技术:大区制覆盖;频率复用;准同步发射;分时共享发射;直通模式⑩)/中转模式(RMO)/集群模式(TMO2.1.2射频调制方式射频调制方法采用四电平频移键控(4『SK)。2.1.3调制速率调制发送4800符号/秒,每个符号由两个比特信息组成。2.1.4语音编码语音编码速率应不低于2kbps,语音编码加上信道编码后的速率应为3.6kbpS2.2系统基本业务2.2.1用户终端业务用户终端业务是为用户终端之间提供完整通信能力的业务,系统应提供下列用户终端业务:语音和数据业务电话互联业务。2.2.2承载业务承载业务是在用户终端与网终接口之间提供信号传输能力的电信业务系统应提供下列承载业务:语音和电路数据传输业务短数据传输业务;分组数据传输业务2.3基本协议和信令基本协议和信令应符合警用数字集群(PDT)通信系统系列技术标准中所规定的有关协议和信令。2.4系统工作方式集群工作方式移动台在集群控制设备管理下的信道共享工作方式。2.4.2直通工作方式移动台之间直接互通的工作方式。2.4.3中转工作方式移动台通过中转台进行通信的工作方式2.4.4故障弱化工作方式基站和交换节点之间的链路或交换节点发生故障时,基站仍能以集群方式继续工作,支持本基站基本呼叫业务(单呼、组呼等)2.5呼叫建立时间同一交换局内组呼建立时间应不大」300ms。3系统构成和功能要求3.1系统构成3.1.1网络基础设备网络基础设备包括交换机、网关、网络管理设备、基站控制设备和基地台等,见图1。网关交换机网络管理设各基站基站基地台基地台基地台基地台图1网络基础设备示意图3.1.2用户终端设备用户终端设备包括移动台、有线台和调度台3.1.2.1移动台通过空屮接口和网络基础设备相连的普通用户终端设备,包括车载台、手持台等3.1.2.2有线台通过有线方式和网络基础设备相连的普通用户终端设备3.1.2.3调度台具有调度功能的用户终端设备,包括有线调度台和无线调度台。有线调度台通过有线方式和网络基础设备相连的调度台。无线调度台通过空中接口和网络基础设备相连的调度台3.2功能要求3.2.1功能定义3.2.1.1登记登记是移动台向集群系统发起入网请求及确认的过程,登记时必须要求进行鉴杈3.2.1.2去登记去登记是移动台向集群系统发出退出系统的通知过程。3.2.1.3漫游在由多个基站联网的系统中,移动台在归属基站以外的基站进行登记和继续使用系统提供的业务的功能3.2.1.4语音单呼语音单呼是移动台与其它用户终端之间建立的一种点对点的双冋语音呼叫,呼叫的参与方只有主叫和被叫两方。移动台之间的语音单呼分为 TOACSU和OACS两种。3.2.1.5语音组呼语音组呼是由·个移动台或者调度台发起的,多个移动台参与的点对多点的语音呼叫。3.2.1.6组呼迟入某个组呼建立后至结束之前,控制信道冑期广播该组呼的建立信息,以保证刚开机或刚从其他基站漫游到该基站或刚从其他通话组释放出来的移动台能参与这个尚未结束的组呼。3.2.1.7组呼并入个组呼建立后至结束之前,某移动台呼叫这个已经建立的通话组,系统将该移动台作为被叫并入到已经建立的组呼。3.2.1.8广播呼叫播呼叫是一种特殊的语音组呼,呼叫建立后在业务信道上只有主叫具备发射权限,被叫用户只有接收权限,可以有效防止被叫用户干扰主叫的发射过程。3.2.1.9紧急呼叫紧急呼叫是用户在紧急情况下发起的一种特殊呼叫,具有最髙优先级,当无信道资源时,系统会释放其他低级别呼叫的信道资源来给紧急呼叫使用。3.2.1.10优先呼叫优先呼叫是指系统繁忙时优先获取资源的呼叫,获取资源的方式可以是抢占低优先级呼叫的信道,也可以是在排队队列中插队3.2.1.11报警报警是在紧急情况下用户通过操作移动台设备上的特姝按钮,在系统控制信道上向预先设冒的目的(移动台或者调度台)发送预定义的状杰消息,通知其他移动台或者调度台,该用户正处于紧急危险的状态。3.2.1.12环境侦听环境侦听是调度台向移动台发起的一种特姝呼叫,用于监听移动台周边的环境声音。被叫移动台在系统指定的业务信道上自动打开发射机和MIC,将环境声音发送给调度台。在整个环境侦听过程中(侦听建立、侦听发射、侦听结朿),移动台的显示、扬声器、提示音、指小灯等人杋芥面状态应与空闲待机时完全相冋。环境侦听过程中,如果移动台用户进行呼岀操作(包括发短消息等),环境侦听都应自动结束,)返冋控制信道。调度台可以随时结宋·个由其建立的环境侦听呼叫3.2.1.13监听监听是指授权用户终端获取指定的移动台、通话组或者信道上的语音的过程。3.2.1.14插话插话是指调度台在监听或参与语音通话的过程中,强制中断正在进行的讲话,夺取话权进行讲话;3.2.1.15强拆强拆是指系统强制中断正在进行的呼叫并释放所占的相应资源的过程3.2.1.16越区切换越区切换是指移动台在语吝通话的过程中切换基站而不闩断止在进行的业务的过程3.2.1.17通话限时通话限时是系统控制用户进行语音呼叫时允许的最大持续时间的功能,包括单次按讲限时和单次呼叫总时长限时3.2.1.18讲话方身份识别讲话方身份识别是指在语音呼叫的过程中,语音接听方利用随路信令或者嵌入信令识别当前讲话方身份的功能3.2.1.19PTT授权PTˆ授权是为了避免语音碰撞而规定的讲话权申请、分配控制过稈,只有获得讲话权的移动台才能发射语音。3.2.1.20遥毙遥毙是系统利用空∏信令禁用移动台的过程,被遥毙的移动台将失去所有操作功能,只有利用授权的编稈设备才能将被遥毙的移动台激活3.2.1.21遥晕遥晕是利用空口信令禁用移动台的过程,授权的网管终端或调度台可将目标移动台遥晕。被遥晕的移动台不能发起或者接收仼何网络的服务(包括各类呼叫、短消息等业务),但应保留登记、去登记、鉴权、复活和数据上拉服务(如玊星定位信息上拉服务等),用来帮助寻找丢失移动台。被遥晕的移动台可以通过空凵复活。3.2.1.22复活复活是利用空∏信令解禁被遥晕移动台的过程,授杖网管终端或调度台可以进行复活操作,使移动台恢复到正常工作状态3.2.1.23动态重组动态重组是授权网管终端或调度台利用空口信令向目标移动台临时增加通话组(动态组)的过程,移动台新增加的动态组在收到删除该动态组的信令前一直有效。授权的网管终端或调度台也可以利用空口信令将日标移动台中的动态组删除。3.2.1.24呼叫限制呼叫限制是系统对移动台的呼叫权限的控制,通过设置,限制其呼叫功能。移动台只能进行权限范围内的呼叫,超过权限范围的呼叫将被系统拒绝。3.2.1.25状态消息状态消息是指移动台之间或者移动台与调度台之间,利用控制信道传递7比特消息编码的过程。状态消息可以是点到点的单呼,也可以是点对多点的组呼。3.2.1.26短消息短消息是移动台之间或移动台与调庋台之间,利用控制信道传递有限长度消息的过程短消息可以是点到点的单呼,也可以是点对多点的组呼。PDT系统中,单条短消息的长度为23个汉字。3.2.1.27卫星定位信息传输卫星定位信息传输是指移动台利用空∏信令上传该移动台卫星定位信息的过程。3.2.1.28网络管理网络管理是为了保证系统的正常运行而进行的一些参数配置、运行状态监控、用户档案管理等操作。网络管理至少应具备用户管理、配置管理、故障管理、性能管理和安全管理等功能集。3.2.1.29安全功能安全功能包括鉴权、端到端加密和空口加密3.2.1.30PDT系统之间的互联PDT系统之闫的互联是利用规定的互联协议完成PD交换控制中心之间的信息交互,实现系统间漫游及呼叫控制等功能。3.2.1.31有线电话呼叫有线电话呼叫是移动台利用空口及系统网关设备与PAB、PSTN等有线电话之问进行的呼3.2.1.32功率控制系统利用空口信令调整移动台的发射功牽,达到保障通信效果和降低移动台功耗日的。3.2.1.33包容呼叫包容呼叫是移动台在已经建立呼叫的业务信道上发起的,将其他目标移动台拉入当前业务信道通话的呼叫。3.2.1.34呼叫转移呼叫转移是指把来电转栘到预先设定的其他号码上的业务。呼叫转移叮由自身或第三方设置和取消,转移的条件分为无条件转移和有条件转移。3.2.1.35繁忙排队繁忙排队是当系统业务信道资源全忙时,系统将新发起的呼叫排入呼叫等待队列,待系统有空闲资源时对等待队列中的呼叫进行处理的过程。3.2.1.36分组数据分组数据是利用系统的业务信道,遵循分组数据传输协议实现多用户共享业务信道,进行数据传输的业务过程。3.2.1.37空口加密空∏加密是对移动台与基站之问空∏信令和语音、数据等业务信息的加密。3.2.1.38限定基站呼叫限定基站呼叫是指系统可以利用参数配置限定呼叫参与基站的范围,配置范围外的基站不参与该呼叫。3.2.2PDT设备主要功能要求PDT设备主要功能要求见表1。表1PDT设备主要功能要求编号功能网络基础设备移动台调度台1登记、去登记、鉴权、漫游单呼组呼4组呼迟入组呼并入6广播呼叫紧急呼叫789报警环境侦听监听、插话、强拆越区切换12通话限时13讲话方身份识别14PTT授权遥毙16遥晕、复活
- 2020-12-10下载
- 积分：1
多目标自适应和声搜索算法
提出了一种利用Pareto支配来求解多目标优化问题的自适应和声搜索算法（MOSAHS）。该算法利用外部种群来保存非支配解，为了保持非支配解的多样性，提出了一种基于拥挤度的删除策略，这个策略能较好地度量个体的拥挤程度。用5个标准测试函数对其进行测试，并与其他多目标优化算法相比较。实验结果表明，与其他的算法相比，提出的算法在逼近性和均匀性两方面都有很好的表现，是一种有效的多目标和声搜索算法。102011,47(31)Computer Engineering and Applications计算机工程与应用HMS;(4)和声记忆保留概率HMCR的上下界;(5)音调调节其中,n为所得解的个数,d1为第个解对应目标向量与其最近概率PAR的上下界;(6)最大迭代次数M。的目标向量之间的距离,d为d的平均距离。SP=0表示算步骤2初始化和声记忆库。法所得的解均匀的分布在 Pareto前沿。该指标反映算法所得步骤3产生新解。每次可以通过三种机理产生一个新解分布的均匀程度。解。(1)保留和声记忆库中的分量:(2)随机选择产生;(3)对多样性指标:将算法获得的所有非劣解按某个目标函数(1)、(2)中某些分量进行微调扰动产生。每次产生M个新个体。值的大小有序地分布在目标空间上,h为相邻两点间的距离,步骤4外部种群的更新。从记忆库租新个体中找出非支h为h的平均值,b,b分别为算法获得的边界解与相应极端配解放在外部种群中,计算外部种群的支配关系删除支配解之间的距离,则多样性指标△为解,把非支配解侏留在外部种群中。若外部种群中非支配解的数目超过外部种群规模,则删除多余的个体,每次仅删除hy+h,+∑|h-b(8)个,直到达到外部种群的规模。h,+h1+(n-1h步骤5更新记忆库。计算记忆库和新产生的个体的序极端解指某一目标函数值最大而其他目标函数值最小的并将其按照从大到小的顺序进行排列,前HMS个个体作为新解。n为非劣解的个数。当算法获得的非劣解完全均匀的分的记忆库,进入下一次进化布在均衡面上,h=0,h1=0,所有的h=h,这时△=0。因步骤6判断是否满足终止条件,若满足,则停止迭代,输此,A指标反映非劣解能否均匀的分布在整个均衡面上。出 Pareto最优解集,否则,返回步骤3。4.2数值结果334算法分析为了验证本文提出的算法的有效性,本文采用具有不同由亍和声搜索算法主要是基于邻域搜素的,初始解的好 Pareto前沿的几个典型函数进行仿真实验测试。测试函数坏对搜索的性能影响很大。和声搜索算法可以随机产生初始ZDT1、ZDT2、ZDT3、ZDI4、ZDT6是二维目标函数。由于处理解,也可以通过使用其他的启发式算法或其他方法产生较好多目标优化问题的和声搜索算法还不是很多,所以本文仅与的初始解。和声记忆库HM的大小M是和声搜索算法的种和声搜索算法 IMOHS相比,然后与4种多目标优化算法个重要参数,和声搜索算法之所以具有更强的全局搜索能力,相比,测试结果见表1-表4很大程度上依赖于HM的存在,一般来说,M越大,找到仝局表1MOHS和 MOSAHS的G表2 IMOHS和 MOSAHS的sP最优区域的能力越强。但是随着M的増人,计算量将会变IMOHSMOSAHSIMOHSMOSAHS4大,从而影响到最终搜索到最优解的速度。和声保图概率Dm1781420241-01Dm11433D031.0OE-350100E-0055.3E-36.5328E-004HMCR是和声搜索算法的另一个重要参数,其取值范围是0到5.39-42.1293L-0043.3E-30.0059之间,它决定每次迭代过程中新解产生的方式。在和声搜索ZDT2ZDT224E-48.8573E-0052.4E-35.9104E-004算法中,因新解产生时每个变量都依赖于HMCR,故HMCRDT39.80E-465670E-004ZDT32.|B-20.0077应取较大的值,通常HMCR的值在0.8到1.0之间。音调调节1.7OE-324699E-00529E-28.5088E-004率PAR在和声搜索中起控制局部搜索的作用,它可使搜索逃表3儿种多目标优化算法的GD离局部最优,其值一般取0.1到0.5之间。NSGA-IISPEA2MOPSOIOSADE MOSAHS1.3437E-33.8175E-31.8564E-11.2485E-329624EZITI14078E-449142E-37.7429E-297574E-550100E-0054数值实验9.8112E-48.6104E-352428E-19.8051E-42.1293E-004ZDT241算法性能的评价指标6.4138E-42.5973E-32.9699E-149107E-58.8573E-005多目标优化问题的解质量评价主要集中在所求得的解与2.4783E-397165E-34.3418E-2.1620E-36.5670E-004ZDT31.2746F-45.2305F-364880E-219962F-42.4699E-005理论最优值之间的差距,以及求得的解的分散程度和多样性,5.1635E-29.2512E12010E-349244E-004这里采用由 Van veldhuizen和 Lamont在1998年提出来的世ZDT413281E-34.282lE-18.3745E-549411E-005代距离( Generational Distance,GD)来衡量所求解与理论解75-21.909-252103E-22656-31190-004ZDT6之间的差距,世代距离被定义为如下形式:60797E-31.3994E-32.4963E-21.0967E-48.0065E-006表4儿种多目标优化算法的AGD=NSGA-IISPEA2MOPSO MOSADE MOSAHS0.504290.296440.2038050.131950.4063其中,n为最优解数目,d,为所求得第i个个体在目标空间与理ZDTI3.9251E-21.0850E-116956E-25.692lE-300219论 Pareto最优前沿的最小欧氏距离。世代距离GD越小,算法0.487750.505170.2880260.120990.3764ZDT2逼近 Pareto最优解集的程度越妤,当所得到的解刚好和从最优2.7686E-21.8356E-11.7580E-279444E-300359前端取得的点重合时,GD=0。0.590250.503100.6177960.437830.6388ZDT33.0439E-29.7283E-23.5019E-28.0801E-300103解的分散程度用下式来度量0.375240.727660.3235490.118270441ZDT42.4448E-25.515-13.2953E-25.869E-30.0227SP=n-/~(d-d1)0.486ll0.296441.1232580.1331904325(7)ZDT63.6054E-21.0850E-11.731E-19.8303E-300363InInj∈(1,n)②/(x)-/1(),=1,2,…,n,i≠其中表1、表2中MOHS算法的数据来源于文献5],和o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net陈莹珍,高岳林:多目标自适应和声搜索算法2011,47(31)0.900.80.80.60.70.70.40.60.60.20.30.20.40.10.10.800.10.20.30.40.50.60.70.80.91.000.10.20.3040.50.60.70.80.91.000.10.20.30.40.50.60.70.80.9图1ZDT1图2ZDT2图3ZDT3声记忆库的规模为10,和声保留概率的上下界HMCR==0.95,5总结HMCR=0.85,音调调节概率的上下界PAR、=0.2,PAR=本文将和声搜索算法应用于多目标优化问题的求解,提0.15,最大迭代次数为1000.为了消除实验中的随机性,并进出了一种新的基于拥挤度的多目标和声搜索算法 MOSAHS。行算法性能指标评价,对每个测试函数均重复计算10次。表3、该算法利用单个解与解之间的距离以及单个解与整体解之间表4中 NSGA-II,SPEA2, MOPSO, MOSADE的数据,来源于文的距离,删除种群中的个体,并利用序来更新和声记忆库。数献[161。对丁本文提出的多目标和声搜素算法 MOSAHS,和值实验数据表明,提出的算法在逼近性和多样性两方面都有声保留概率的上下界分别为095085,音调调节概率的上下界很好的表现是一种有效的多目标和声搜索算法。然而,和声分别为0.2、0.15,和声记忆库的规模为10,外部种群的规模为搜索算法和其他群智能算法一样,收敛性的理论证明很困难100,最大迭代次数为10000,算法运行10次。有待进一步的深入研究。表1中上行表示算法收敛度指标GD的平均值,下行表示GiD的标准方差;表2中上行表示分散度指标SP的平均值,下参考文献:行表示SP的标准方差;表3中上行表示算法收敛度指标GD的 Schaffer J D Multiple objective optimization with vector evaluat-平均值,下行表示GD的标准方差;表4中上行表示多样性指ed genetic algorithms[C]//Proceedings of the lst IEEE International Conference on Genetic Algorithms. Lawrence Erlbaum标Δ的平均值,下行表示多样性指标△的标准方差。1985:93-100从表1、表2可以看出本文提出的算法 MOSAHS在收敛(2]HomJ, Nafpliotis N, Goldberg D E A niched Pareto genetic al度和分散度上均优于 IMOHS;从表3、表4可以看出,与NSgorithm for multi-objective optimization[C],Proceedings of thGA- SPEA2、 MOPSO、 MOSADE算法相比,本文提出算法Ist IEEE Conference on Evolutionary Computation, PiscatawMOSAHS的收敛性优于前面四种算法,在多样性方面,与NS994.1:82-87GA- I SPEA2算法相当,此 MOPSO、 MOSADE算法稍差。[3] Srinivas N, Deb KMulti-objective function optimization using图1~图5是本文提出的算法( MOSAHS)对ZDT1,ZDT2non-dominated sorting genetic algorithms[J]. Evolutionary CompuZDT3,ZDT4,ZDT6的函数图像。tation,l994,2(3):221-248[4] Deb K, Pratap A, Agarwal S, et al. A fast and elitist multi-objective genetic algorithm: NSGA-IIJ.IEEE Transactions on Evolu0.8tionary Computation, 2002, 6(2): 182-1970.7[5] Zitzlcr E, Thiclc L Multi-objcctivc evolutionary algorithms: a0.6comparative case study and the strength parel approach0.5IEEE Transactions on Evolutionary Computation, 1999, 3(4)0.40.2[6 Zitzler E, Thiele L SPEA2: improving the strength pareto evolu-0.1ionary algorithm for multi-objcctivc optimization[R].Rcscarch00.10.20.3040.50.60.7080.91.0JrL,2001[7 Knowles J, Corne D The pareto archived evolutionary strategy图4ZDT4A new baseline algorithm for multi-objective optimization[C]//1.0Proceedings of the Conference on Evolutionary Computation Pis-0.9ltaway, NJ: IEEE Press, 1999: 98-10508[8] Tsai S J, Sun T Y, Liu CC, et al. An improved multi-objparticle swarm optimizer for multi-objective problems[J]. ExpertSystems with Applications, 2010, 18(2): 1-150.4[9 Geem Z W, Kim J H, Loganathan G V.A new heuristic optimi-0.zation algorithm: Harmony scarch[J]. Simulation, 2001, 76(2): 60-80[10] Mahdavi M, Fesanghary M, DaInangir E An improved harmony0.20.30.40.50.60.70.80.91.0search algorithm for solving optimization problem] AppliedfMathematics and Computation, 2007, 188(2): 1567-1597图5ZDT6(下转174页o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net1742011,47(31)Computer Engineering and Applications计算机工程与应用插值算法对(a)放大3×3倍后的效果图;图6〔g)是采用本文中个像素需24位。在实现本文算法时,需在读取位图文件信息的插值算法对(a)放大3×3倍后的效果图,其中(a-b-1/6,头时进行判断是属哪类图像(灰度/24真彩色),对于灰色图像1=2=15°)。图7(a)是256×256的原始图像,(b)为原图经只需对图像进行逐像素(也即逐字节)的处理即可。而对于24降采样生成的128×128的缩小图像;(c)、(d为分别采用最邻位彩色图像则分别对每一像素中的3个分量分别处理即可,所近插值、双线性插值算法对(b)放大2×2倍后的效果图。(e)是得到的结果与灰度图是一致的,如图8所示。(b)用 Prewitt算子检测到的图像边缘效果图,(f)是采用本文提出的插值算法对(b)放大2×2倍后的效果图,其中(a=b=1/4,q1=92=15°)。从灰度值显示及图像效果可以看出本文所提出的算法在一定程度上突出了边缘,并修复了部分断裂的边缘,图6(d)中的像素灰度值显示当放大倍数为2×2时,修复边缘的效果更加显著。(a)原图(b)双线性插(c)本文算法(2×2)值(2×2)(a=b=16,1=2=15°)图8采用不同插值算法放大的图像效果图5结论基于图像边缘信息的双线性插值算法充分利用了图像的(a)原图(b)原图降采样(c)最邻近插边缘信息对放大图像边缘上的插值点及边缘邻接点做了较好值法(2×2)的插值处理,这种处理方式使放大后的图像在很大程度上保护了图像的细节,较其他插值算法简单且效果明显,更优于传统双线性插值算法。(d)双线性(e)用 Prewitt算(f)本文算法(2×2)参考文献:插值(2×2)子检测到的边缘(a=b=14,91=中2=15[] Castleman K R数字图象处理[M]北京:清华大学出版社,202图7采用不同插值算法放大的图像效果图117-119[2]孙成叶,桑农图像双线性插值无级放大及其运算量分析[计算上述实验采用的是8位的灰度图像,其实本文所提出的算机工程,2005,31(9:167-169法同样适用于彩色图像,尤其是24位的真彩色图像。灰度图[3]谢美华,王正明基于图像梯度信息的插值方法中国图象图形像的存储文件带有图像颜色表,此颜色表共有256项,图像颜学报,2005,10(7):856-861色表中每一项由红、绿、蓝颜色分量组成,且红、绿、蓝的颜色4Liⅹi, Orchard M T New edge-direcled inlerpolalionJJIEEE分量值都相等。而且,灰度图像的每个像素由8位组成,其值Transactions on Image Processing, 2001, 10(10): 1521-1527范围从0到25,表示256种不同的灰度级,每个像素的像素值5岁立摩,杨勋年基于细分的图像抽值算法门计算机轴助设计与是图像颜色表的表项入∏地址。对于彩色图像而言,若是伪图形学学报,2006,18(9):1311316.彩色图像,则其与灰度图像相似,其存储文件中也带有图像颜孟晋字,华思基于形状的二维灰度图象插值门中国图象图形色表,整幅图像也仅有256种颜色,每个像素由8位组成,但在学报,2003,3(3):312-316图像颜色表中的红、绿、蓝颜色分量不全相等,此时,每个像素I] Yang Xunnian Normal based subdivision scheme for curve design[J]. Computer Aided Geometric Design, 2006, 23(3): 243-260的像素值不是出每个基色分量的数值决定,而是把像素值当s]杨淑莹vC+图像处理程序设计M2版北京:清华大学出版社做图像颜色表的表项入口地址。而24位的真彩色图像的存储2005:130-132文件中则不带有图像颜色表,图像中每一像素是由RGB三个19G0 nzalez r o. Woods e数字图像处理M2版北京:电子1分量组成,每个分量各占8位,每个分量的取值是0到255,每业出版社,2009:463-471上接111页)[15 van Veldhuizen D A, Lamont G B Evolutionary computation[11] Kang S L, Geen Z W.A new structural optimization methodand convergence to a Pareto front[C]/Koza J R Late Breakbased on the harmony search algorithm[J]. Comput Struct, 2004ing Papers at the genetic Programming Conference, Stanford82(9/10):781-798University, California, Stanford Bookstore, 1998: 221-228[12] Geem Z W. Optimal cost design of water distribution networks[l6]刘思远,刘景青.一种新的多目标改进和声搜索优化算法门计算using harmony search[J].Eng Optimiz, 2006, 38(3): 259-280机工程与应用,2010,46(34):27-30[131 Deb K Multi-objective optimization using evolutionary algorithm(M. [17] Wang Yaonan, Wu Lianghong, Yuan Xiaofang. Multi-objectiveChichester: lohn Wiley&Sons, 2001self-adaptive differential evolution with elitist archive and[14]陈莹珍,高岳林混沌自适应和声搜索算法太原理工大学学crowding entropy-based diversity measure[J]. Soft Compute报,2011,42(2):141-1442010:193-209o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
- 2020-12-07下载
- 积分：1
