改进的多用户协作通信系统中继选择策略

基于多用户非再生协作网络,提出改进的多用户协作通信系统中继选择策略。假设在源节点和中继节点功率相等的条件下,利用源到中继、中继到目的节点的信道统计信息定义等效信道增益,并将其与信噪比结合,选择不同的中继节点集合,使得系统中断概率最小。实验结果表明,在高信噪比情况下,当中断概率为10?3时,与中继放大转发算法相比,可获得0.2 dB的信噪比增益,与单中继转发算法相比,信噪比增益为3.5 dB,能提高系统资源利用率。     

协作通信的中继选择策略性能研究

在解码转发协议的基础上,研究了全选中继策略和机会中继选择策略的中断概率性能,推导了瑞利衰落下的两种策略的中断概率精确闭式结果,给出了高信噪比时的中断概率近似表达式.通过理论分析和数值仿真结果得出:在信噪比足够高或在中继-目的信道性能优于源-中继的信道性能的情况下,这两种策略具有相同的中断概率性能;源-中继的信道性能比中继-目的节点的信道性能越好,全选中继策略的性能越优于机会中继选择策略的中断概率性能.     

基于Ad hoc网络的最佳中继选择方案研究

针对多个源节点和目的节点的Ad hoc网络,提出了基于有限反馈的分布式最佳中继选择方案。该方案通过有限反馈,选出信道条件最好的作为中继节点。解决最佳中继冲突问题时,提出用最大化传输链路功率算法解决中低SNR时的功率分裂问题,使有限的总功率能够获得最大的成功传输数目。仿真结果表明,该方案具有更好的中断率性能,有效降低了中继选择时的信息交互开销,提高了系统的性能。     

最小中断率协作策略和功率分配

在源节点和中继节点总功率一定条件下,提出一种基于有限反馈的中断率最小的协作策略.在信道增益坐标平面内,对于解码转发和直接发射,文中分别给出了等功率和最优功率分配时系统中断率最小的发射模式区域.根据所提出的算法,目的节点只需查看当前信道状态所属的发射区域,并反馈1个发射参数到源节点和中继节点.相比于传统策略,本文提出的策略准确给出了任何信道增益下中断率最小的发射模式,并极大精简了反馈量和计算复杂度.     

一种面向电池供电中继节点的中继选择方法

在协作通信网络中,信道条件较好的电池供电中继节点可能被频繁选择用于数据转发,导致电量快速消耗,甚至缩短网络生命周期。针对该问题,提出一种兼顾电池能耗、电池余量和信道状态信息的中继选择方法。根据节点电池能耗与电池余量的比值对链路的信噪比加权,选择加权后中继链路信噪比最大中继链路的源节点或中继节点发送数据。推导系统的平均转发信道容量和中断概率表达式,在此基础上的仿真结果表明,该方法在保证转发信道容量和中断性能的同时,能有效降低中继节点的电池能耗,延长协作通信网络的生命周期。     

基于部分信道信息的中继选择算法

提出了一种在放大转发协作网络中,基于部分信道信息的中继选择算法。与前人研究基于两跳瞬时信道信息的中继选择算法不同,所提的中继选择算法基于第1跳的瞬时信道信息和第2跳的统计信道信息,选择第1跳的瞬时信噪比和第2跳的统计平均信噪比乘积最大的中继节点。推导了该中继选择算法的中断概率,给出了中断概率的闭式表达。结合推导过程,进一步给出一种在已知第1跳信道信息条件下最小化系统后验中断概率的增强型选择算法。仿真结果验证了理论推导的正确性,同时表明所提算法的性能优于其他算法。     

基于能量收集技术的无线协作网络中继选择

针对目前能量收集技术能够收集到的可用能量受限,导致无线协作网络中继节点处易出现能量短板的问题,为了避免整个网络因中继节点大量死亡而瘫痪,提出了一种基于能量收集技术的无线协作网络中继选择方案,即联合最大能量和最大数据传输链路的中继选择方案。首先,基于节点的能量收集状况,选出每跳中能量最大的节点进行解码转发;然后,结合每连续两跳的链路传输状态,选出与源节点和目的节点之间的数据传输信道最优者作为中继节点。结合Nakagami-m信道衰落模型,将该方案与随机选择方案、最大数据链路信道增益(MaDs)方案和基于中继-窃听链路最小信道增益(BNBF)方案进行对比分析,结果表明:在满足收集的能量足够用于下一时隙能量收集和数据传输的前提下,用于能量收集的比例越小,网络中断概率越小;联合最大能量和最大数据传输链路的中继选择方案在网络中断性能方面优于其他方案,其中断概率随信噪比的增大而减小,特别是当平均信噪比为38dB时,网络中断概率降到10^-5。     

无线协作网络中的能量有效性中继选择算法

研究了无线协作网络中的中继选择问题,允许中继具有缓存数据的能力,提出了一种带有buffer的能量有效性中继选择算法,以延长网络生命周期并提高系统吞吐量。该算法综合考虑链路信息,中继的队列状态以及节点的剩余能量信息,通过加权效用公式选择最优接收数据中继与最优发送数据中继。考虑源节点与中继节点间的功率分配,以降低因源节点到中继节点以及中继节点到目的节点间的信道速率不一致所引起的系统丢包率。仿真实验结果表明,该算法有效地延长了网络的生命周期,随着中继个数的增加网络吞吐量有明显的提高,考虑功率分配后,有效降低了系统丢包率。     

SR门限中继选择算法研究

中继选择是协作通信领域的关键问题,尤其对于电池供电能量有限的无线移动设备。与基于两跳瞬时信道信息的中继选择算法不同,介绍了一种基于源到中继信道信息的SR门限比较算法。该算法在中继节点设置合适的信噪比门限,将源和多个中继节点的信噪比与门限值比较,选择出最优中继进行传输。在该算法的基础上,理论分析了最优中继及目的节点处的输出信噪比,仿真结果表明该算法可以获得与基于两跳瞬时信道信息算法相近的性能。但由于中继只需考虑自身和源节点之间的瞬时信道状态,所以中继的功耗大大减小,算法的复杂性降低。     

ICRN功率分配与中继选择联合优化

针对工业认知无线电网络中出现的无线干扰和冲突严重,特别是工业现场的金属环境和移动特性造成多径与阴影衰落,从而使得传输可靠性难以保证的问题,引入感知信道概率及信道可用度概念,提出一种联合优化中继选择与功率分配的算法。该算法给出3种认知中继选择方案,分别是信道增益最大准则、最近准则及调和平均准则,并在源节点和所选中继节点之间进行最优功率分配,以最小化网络中断概率。仿真结果表明,与平均功率分配算法相比,所提算法能更好地降低系统中断概率,提高传输可靠性。     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

VoIP认证与计费的设计与实现

基于RADIUS的VoIP认证系统，采用分散受理、集中管理的接入认证管理体系，数据集中存放在认证中心(RADIUS服务器)，用户身份认证由PC向网守发起，网守通过RADIUS协议向认证中心的认证服务器发起认证请求。这样，可以保证用户安全地使用网络资源，以确保用户身份的合法性。同时其落地话单经过处理，可进行计费及其它帐务处理。文中论述了RADIUS对VoIP的支持，提出了一个Gatekeeper与RADIUS结合的整体解决方案。     

基于CAN总线实时应用的可靠调度性研究

CAN总线是一种高级的串行通信协议，适用于各种分布式控制系统。在实时应用中，标准的CAN协议使用静态优先级算法，对传输信道的利用率比较低。对基于CAN总线通信的动态优先级调度算法进行研究后，提出了一种基于指数分配方式的MTS算法，在保证强实时性消息的同时兼顾了低优先级消息的公平性。     

VCR智能无扰动特性的精确数值运算

根据智能变进制(VCR)的变溢性、拓展性及申缩性有机结合的技术,提出一种新颖智能的、无数字扰动的精确数值运算.该运算结果值的精确位数.是可以任意或无限地确定的,它可以很好地解决了计算机数值分辨率即由CPU字长制约的有效数字位教不足而造成的数值精确计算PC(Precise Computing)的扰动性问题,例如对中国古代数学家祖冲之曾研究圆周密率π值实验数据(π=355/113)的除法精确计算.     

基于LVM 的系统扩容技术研究

近年来,随着大数据业务的使用,系统在运行时会产生大量的数据信息与日志文件并保存在磁盘中。由于在系统规划初期,对系统分区大小规划预期不足,很难合理规划磁盘空间,造成后期系统运行中经常出现系统分区磁盘不足的问题。当发生此类告警时,通常的分区很难动态调整大小,通常采用暂停业务,更换磁盘,数据备份与恢复的方式,该方式操作困难,程序复杂,有数据丢失的风险。在Linux系统里使用LVM(逻辑卷)技术,支持在线空间扩容,可以在用户无感知的情况下扩展系统分区容量,达到合理利用磁盘空间的目的。本文介绍了LVM技术,并在Linux系统里将分区做成逻辑卷,达到合理利用磁盘空间的目的。     

深度强化学习研究综述

深度强化学习是指利用深度神经网络的特征表示能力对强化学习的状态、动作、价值等函数进行拟合,以提升强化学习模型性能,广泛应用于电子游戏、机械控制、推荐系统、金融投资等领域。回顾深度强化学习方法的主要发展历程,根据当前研究目标对深度强化学习方法进行分类,分析与讨论高维状态动作空间任务上的算法收敛、复杂应用场景下的算法样本效率提高、奖励函数稀疏或无明确定义情况下的算法探索以及多任务场景下的算法泛化性能增强问题,总结与归纳4类深度强化学习方法的研究现状,同时针对深度强化学习技术的未来发展方向进行展望。     

区域生长辅助的地图配准在室内定位中的应用

地图匹配（ MM）算法通过粒子滤波（ PF）利用室内地图信息来抑制基于惯性传感器的室内定位系统的误差累计。利用区域生长（ RG）算法结合当前步长和方向信息在地图上找到合理的落脚范围,并以此来判断粒子的有效性。这种方法能有效改善地图配准算法的实用性和计算复杂度。提出一种改进的零速度（ ZV）检测算法能准确提取步伐信息,间接提升了零速度更新（ ZUPT）算法和地图配准算法的精度。实验结果表明：该算法的定位误差小于1.0%,定位精度比单纯的航位推算（ DR）算法平均提高了5.97%。     

基于C_nV结构的自动语言辨识研究

与说话人识别、连续语音识别相比,自动语言辨识是一个相对较新的研究,而且是一项较难的课题。与音素配位学相比较韵律是语言辨识的更有希望的一个语言辨识特征。论文介绍了一种基于伪音节结构CnV的自动语言辨识方法,该系统提取了辅音、元音构成的伪音节结构的MFCC和!MFCC特征参数,使用了与语言无关的GMM算法模型化该特征。经过对OGI-TS数据库中的英语、法语、汉语测试表明,元音、辅音特征信息在语言辨识中起到一定作用,伪音节结构模型也是语言辨识的有效模型之一。     

综合系统管理与网络管理实现技术的研究

该文提出了适应于大型计算机网络和通信网络及应用系统的综合系统管理与网络管理体系结构,研究了基于大型数据库和Web技术的网管、网络自动拓扑发现、策略描述与策略服务以及资源依赖性分析服务等关键技术。该文将这些关键技术应用到综合系统管理与网络管理原型系统的工程实践中,为最终研制高性能、可伸缩和实用的系统管理与网络管理产品提供强有力的技术支持。     

基于数据仓库的数据采掘技术应用

本文首先分析了基于数据仓库的数据采掘的主要方法,技术和应用,然后通过实例讨论了数据采掘在股票分析与决策系统中的应用。