【摘 要】
：
研究了基于正交频分复用(OFDM)的协同认知无线网络中联合资源分配问题。为了更好地适应实际的应用环境,考虑了多约束条件下的资源分配方案以最大化整个网络系统的吞吐量。针对不同的中继传输协议,提出了相应的联合子载波匹配、功率分配和最佳中继选择的资源分配算法。仿真结果表明该算法在大大降低算法复杂度的同时亦能获得较好的算法性能。
【机 构】
：
电子科技大学通信抗干扰技术国家级重点实验室
论文部分内容阅读
研究了基于正交频分复用(OFDM)的协同认知无线网络中联合资源分配问题。为了更好地适应实际的应用环境,考虑了多约束条件下的资源分配方案以最大化整个网络系统的吞吐量。针对不同的中继传输协议,提出了相应的联合子载波匹配、功率分配和最佳中继选择的资源分配算法。仿真结果表明该算法在大大降低算法复杂度的同时亦能获得较好的算法性能。
其他文献
针对传统K-means聚类算法对初始中心点比较敏感、易陷入局部最优,首先提出基于KD-树的初始聚类中心点选取方法。该方法通过建立KD-树将数据集分割成矩形单元,计算每个矩形的矩形单元中心、矩形单元密度,并将计算所得矩形单元密度降序排列,通过选取前k个矩形单元中心作为初始聚类中心,可有效克服传统算法对初始中心点的敏感。此外,针对传统K-means聚类算法不能有效处理动态数据聚类的问题,进一步提出了K
针对当前流行的窗口路线查询处理IWQE算法,若查询路线上节点选择不当(节点剩余能耗过低或节点相距偏远)而导致通信传输中断、查询结果丢失的问题,提出了相应的优化算法EIWQE。算法以剩余能耗为节点选择基础,采用基于位置的路由协议GPSR构建多边形,通过增加中继节点保证查询路线的连通性,并根据最大剩余能耗选择邻居节点分担信息收集与处理任务,以进一步降低查询路线上节点的能耗。给出了EIWQE的详细实现流
频谱接入技术的关键是解决认知用户如何选择合适的空闲信道以及认知用户间如何实现频谱共享。在公共控制信道较难获得的情况下,基于部分可观测Markov决策过程(POMDP)的频谱预测算法,可以显著地提高系统的吞吐量;由于认知用户之间缺少接入信息的交换,使得多个认知用户在同一时隙接入同一信道的冲突概率较大。针对多用户竞争冲突问题,通过引入竞争反馈的偏差因子,并利用均衡的混合信道选择策略对认知无线网络动态频
可重构安全协议对提高安全系统的灵活性和适应能力具有重要意义,它可根据具体上下文环境进行配置、移植,极大增强了系统的安全性,目前基于软件构件的协议重构方法无法满足安全协议对安全性和计算性的特殊要求。针对安全协议的安全性和高密度计算特性,提出了一种针对现有资源选择重构元的解决方法,给出协议可重构元匹配和基于Qo S的重构元质量满意度的协议重构选择算法,使系统可以尽快按照重构协议需求选择满意的可重构元。
车载自组网由于网络拓扑变化快,带宽有限,易导致通信链路不稳定。传统基于跳数判据的按需路由协议主要考虑协议的时延性能,忽略了路由的稳定性。路由的不稳定会带来频繁的路由发现过程,增大网络开销,降低路由协议性能。针对车载自组织网,对经典按需路由协议AODV进行改进,兼顾考虑路由的稳定性和时延,提出了一种由链路有效时间、队列饱和度和跳数组成的综合判据,实现了一种基于链路稳定性加权的路由协议。在路由发现过程
如何能够进行更好的覆盖优化是目前无线传感器网络研究的热点。针对目前的传感覆盖模型没有考虑覆盖范围、成本和连通性的问题进行改进,在人工鱼群算法(AFSA)的基础上,对初始阶段对人工鱼群采用广义高斯分布,在觅食阶段采用混沌算法,使得个体分布更加合理,有效减少了聚群行为的时间。仿真结果表明,改进后的人工鱼群能够有效地提高节点的覆盖率,降低了网络消耗和成本,为传感覆盖优化提供了一种新的方法。
针对田纳西—伊斯曼(Tennessee-Eastman,TE)过程具有的高度非线性、时变及多个操作模式等特征,为在线预测该过程产品流道中各种成分的含量,提出一种基于局部加权偏最小二乘的多模型建模方法。多模型建模方法首先要进行子模型的划分,将TE过程各种操作模式下的训练数据放入不同数据库中,利用贝叶斯分类器对在线测得的数据进行分类;然后采用即时(just-in-time,JIT)建模思想,基于局部加
针对传统串行空间碎片探测软件DEBIE存在的无法有效并行执行问题,设计和实现了DEBIE并行软件及WCRT计算方法。该并行设计采用处理单元划分、多线程执行等方法,并在构造的MSC语义图基础上,对共享缓存划分的最佳配置方式进行了优选。实验结果表明,该并行化方法是有效的,在真实环境和最坏情况下加速比均有显著的提升。
针对惯性传感器信号处理的特点,提出了基于稀疏表示的信号滤波处理系统模型和方法。通过K-SVD算法对信号学习训练获得字典,为了减少计算量,满足实时性,尽量降低字典的大小,仿真结果表明,在满足一定精度的条件下,字典的大小最小为3×10。在该字典下对信号进行稀疏表示和重构,改变信号的输入方式,可以实现信号的实时滤波。仿真结果表明提出的滤波方法能有效地消除噪声,改善输出信号精度,可以提高信噪比最大为4.5
针对面向聚类的特征选择算法效率和效果无法兼顾,并且对高维数据适用度不高的问题,提出了一种基于邻域分析的加权特征选择算法ENFSA。该算法首先基于信息熵构建候选特征集,降低加权特征选择的候选特征维度,在此基础上采用邻域分析法评估特征冗余度和相关性,并根据评估结果更新特征子集和权值向量,不断迭代,直至特征权值向量趋于稳定。在10种典型数据集上的测试结果表明,与传统的特征选择算法相比,新的算法特征约简效