改进的解码转发多跳中继系统及最优功率分配

多跳信道的中断性能较差,且节点接收设备上的多跳分集信道较为复杂。为此,基于解码转发多跳信道和多跳分集信道,提出一种改进的解码转发多跳中继系统,解决上述2种信道性能和复杂度的矛盾。推导中断概率的计算公式,以最小化系统中断概率为目标,利用拉格朗日乘子优化各节点的功率分配。仿真结果表明,改进系统能获得比传统多跳中继系统更低的中断概率,最优功率分配方案下系统的中断性能优于均匀功率分配方案,并且性能优势随跳数增加更为明显。     

基于物理层网络编码的两跳中继改进方案

根据物理层网络编码可以提高无线通信系统通信效率的特点,提出一种提高无线通信系统通信效率的改进方案。该方案在物理层网络编码方案的第2阶段将PCMA思想与物理层网络编码相结合,达到通信双方不间断地交换信息的目标,使得两跳中继模型在3个单位时隙内完成2个数据帧的交换。实验结果表明,与物理层网络编码方案相比,该方案能减少信息交换的时间,通信效率提高60%。     

在认知中继网络中基于放大转发与最佳中继的最优功率分配算法

由于受认知无线电与中继通信技术的启发,提出了一种认知中继网络模型.该模型由源节点、目的节点、认知中继节点及主用户(primary user,PU)构成.认知中继节点以与PU共存的方式为源节点辅助传输信息到目的节点,只要保证其对PU通信造成的干扰在PU干扰门限值以下.假设源节点、目的节点和认知中继节点之间的瞬时信道边信息(channel side information,CSI)和认知中继节点到主用户之间的均值信道增益已知的前提下,研究该模型中的认知中继节点分别采用放大转发(amplify-and-forward,AF)和基于AF的中继选择(selection AF,S-AF)下的功率分配策略,该策略以最小化系统中断概率为目标,同时也满足认知中继节点的发射功率约束(包括总发射功率和个体发射功率约束)和对主用户的干扰功率约束.最后,通过数值仿真来验证推导出的功率分配策略.仿真结果表明:本文提出的最优功率分配策略,无论在AF,还是S-AF下,均能明显的改善系统的中断性能和平均吞吐量;同时在S-AF下最优分配策略可以得到更高的平均吞吐量,因此中断概率更小.     

衰落信道下无线多跳网络的连通性研究

基于齐次泊松点过程的节点分布模型,在不同的衰落信道模型下推导了网络无孤立点概率的闭型表达式,用作网络连通概率的上界。特别分析了对数正态阴影衰落和瑞利衰落信道的相关物理参数对连通性的影响。此外,还讨论了协作通信对于网络连通性能的提高作用。最后,在仿真构造的无线网络中测试得到的连通性能的仿真值与理论分析结果吻合。     

多跳无线网络通用网络编码结构研究

编码结构是决定运用网络编码与否的一个重要因素.根据多跳无线网络的特点,在现有的网络编码结构的基础之上,提出三种可以在无线网络中进行网络编码的通用编码结构:泛I型、泛Y型和泛X型结构.研究了网络节点对于这三种编码结构的发现、编码和解码的具体算法和过程,并对所提出的三种通用编码结构的编码有效性进行了实验仿真,仿真结果表明,编码结构的使用可以有效提升无线网络的平均吞吐量.     

基于网络编码的无线多跳网络生存时间优化研究

在能量有限的无线网络中,网络生存时间往往需要尽量延长.针对网络生存时间优化问题,综合考虑了随机拓扑环境中的无网络编码场景、双向网络编码场景和侦听网络编码场景,结合功率控制模型、数据流个数、业务需求分布和每个节点的初始能量,使用内点方法对这些场景下的网络生存时间进行评估和优化.仿真结果说明了在弱功控情况下,网络编码可提高生存时间增益,该增益和计算开销都随数据流个数的增加而增加,而业务需求分布和节点初始能量对生存时间性能影响可忽略,另外也说明了双向网络编码对生存时间的改进性能与侦听网络编码相似,而计算开销更低.     

基于SC-FDMA的宽带认知无线电网络中最优功率分配的研究

研究了基于单载波频分多址(SC-FDMA)的宽带认知无线电网络中非授权用户(NU)的最优功率分配(OPA)问题.首先给出了基于SC-FDMA的宽带认知无线电网络中非授权用户对授权用户的干扰功率模型.在此基础上,分别在下述两种约束条件下利用凸优化理论推导出了两种使非授权用户的和速率最大的最优功率分配(OPA)算法.约束条件一为:任一非授权用户的任一子载波对授权用户的干扰功率受限(IPCs);约束条件二为:所有非授权用户的所有子载波对授权用户的干扰功率受限(IPC).仿真结果表明,与等功率分配(EPA)和传统最优功率分配(C-OPA)算法相比,所提出的算法显著提高了非授权用户的可达和速率.     

无线多跳网络视频流的联合源编码优化算法

由于网络媒体的共享性和不可靠性,对无线多跳网络中视频流的支持面临更大的技术挑战.研究了视频流优化问题并提出了一种联合源网络编码机制.该机制将视频流的源分段,并分为不同的世代,以达到视频流质量的最大化.算法首先分析世代规模对网络性能如源速率、编码效率和解码延时的影响,然后为了使源速率较大,在源端产生较多数据分组,并设计一种联合网络编码机制确定各个中间节点发送到网络中分组的最佳数量,使视频流的质量达到最高.仿真实验结果表明,在世代规模合适的情况下,使用所提联合源编码机制可以增强无线多跳网络视频流的性能.     

多跳无线网络中基于网络编码的多路径路由

提出了一种基于网络编码的多路径路由机制CAMP(network coding-aware multi-path routing).该机制能够根据路径的可靠性和编码机会,动态地在多条路径上进行数据包的传输.CAMP的路由发现机制能够向源节点返回多条可能的路径以及各条路径的每条边上的ETX(expected transmission count).与以往的多路径路由机制不同, CAMP可以通过转换它的传输路径来动态地创造而非仅仅等待编码机会.利用这一独特的路由机制,CAMP可以让多条路径分摊网络流量负载,并且最大化路径转换收益,从而改进网络的吞吐量.实验结果表明,在无线网络的数据传输过程中,CAMP能够取得比其他路由机制高得多的网络吞吐量.     

多跳无线网络启发式网络编码协议研究

当前许多研究表明,在多跳无线网络中,网络编码技术可以显著提高网络通信性能.首先深入分析研究现有的机会网络编码机制及存在的问题,在此基础上,提出一种通用启发式网络编码协议(GHNC).该协议包含机会转发节点选举、吞吐量计算和动态调整三个过程.其核心思想是:根据网络状况的变化,采用启发式方法自主地改变参与竞争转发节点的个数,以最大化网络吞吐量.另外,考虑到多跳无线网络的动态变化特性以及对服务质量的需求,分别提出动态启发式网络编码协议(DHNC)和快速启发式网络编码协议(FHNC).仿真结果表明,GHNC、DHNC以及FHNC能够快速适应网络环境的变化,显著提高网络性能.     

基于线性网络编码的无线网络信道接入机制

为了提高无线自组织网络的通信性能,针对当前网络信道接入机制存在的不足,提出一种基于线性网络编码的信道接入机制(LNC)。首先对传统网络信道接入机制的工作原理和缺陷进行分析,然后采用线性网络编码方式提高数据包传输效率,最后运用马尔科夫链模型对LNC进行数学建模,并通过仿真实验对其性能进行分析。仿真实验结果表明,相对于传统网络信道接入机制,LNC不仅提高了网络的吞吐量,降低了节点的数据包丢失率,而且提高了信道利用率。     

基于网络编码的802.11 DCF信道接入机制

提出一种基于网络编码的802.11 DCF信道接入机制(NCA-DCF)。采用冲突避免的主动确认策略,使相应节点形成编码意识,通过编码包的机会转发,提高数据包传输效率,结合无线网络编码的特性,运用马尔科夫链模型对NCA-DCF进行数学建模。分析结果表明,与传统的DCF信道接入机制相比,NCA-DCF不仅可以避免节点发送分组的碰撞,有效提高信道利用率,而且能够明显提高全网吞吐量。     

基于TinyOS的多跳式传感器网络

针对城市环境大气污染的监测,设计一种基于TinyOS的多跳式传感器网络。该网络采用层次化结构,基于TinyOS操作系统,实现传感器网络的多跳式通信。为对大气污染数据进行分析,将一种分布式k-mean聚类算法应用于该传感器网络的数据挖掘。仿真实验表明,该系统能有效地实现数据的多跳传输和分布式数据挖掘。     

基于负载均衡的多跳中继网络接纳控制算法

针对多跳中继无线网络提出一种基于负载均衡策略的呼叫接纳控制算法。在新的用户业务到达时,小区内服务基站根据当前小区负载情况,同时检测邻居小区的负载情况,判断是否将位于小区边缘的固定中继站切换到邻居小区,以减轻当前小区的负载,接纳更多的用户。仿真分析表明,基于负载均衡的接纳控制算法可以有效控制热点小区的业务量,降低新进用户阻塞率和切换用户掉话率。     

基于TinyOS的多跳式传感器网络

针对城市环境大气污染的监测,设计一种基于TinyOS的多跳式传感器网络.该网络采用层次化结构,基于TinyOS操作系统,实现传感器网络的多跳式通信.为对大气污染数据进行分析,将一种分布式k-mean聚类算法应用于该传感器网络的数据挖掘.仿真实验表明,该系统能有效地实现数据的多跳传输和分布式数据挖掘.     

基于多播的网络编码研究

最大流最小割的理论决定了网络的最大吞吐量,网络编码可以使这一理论在单元多播的网络环境下得以实现,其核心思想是在网络的中间节点引入编码功能,对收到的数据包进行相应编码后再转发出去,有别于传统网络的简单存储和转发操作.文章介绍了网络编码的原理、优势,分析了线性网络编码理论,并对其构造方法进行了改进,降低了复杂度.     

非负局部约束线性编码图像分类算法

基于特征提取的图像分类算法的核心问题是如何对特征进行有效编码. 局部约束线性编码(Locality-constrained linear coding, LLC) 因其良好的特征重构性与局部平滑稀疏性, 已取得了很好的分类性能. 然而, LLC编码的分类性能对编码过程中的近邻数k的大小比较敏感, 随着k的增大, 编码中的某些负值元素与正值元素的差值绝对值也可能增大, 这使得LLC越来越不稳定. 本文通过在LLC优化模型的目标方程中引入非负约束, 提出了一种新型编码方式, 称为非负局部约束线性编码(Non-negative locality-constrained linear coding, NNLLC). 该模型一般采取迭代优化算法进行求解, 但其计算复杂度较大. 因此, 本文提出两种近似非负编码算法, 其编码速度与LLC一样快速. 实验结果表明, 在多个广泛使用的图像数据集上, 相比于LLC, NNLLC编码方式不仅在分类精确率上提高了近1%～4%, 而且对k的选取具有更强的鲁棒性.