基于GEO/MEO星座的卫星网络抗毁结构研究

设计并分析了一种基于链路冗余与修补方法的双层抗毁卫星网络。通过对网络中MEO星层进行基于快照周期的分群管理和群首备份选择机制,从星座组网结构方面提高卫星网络的抗毁性能;通过设计网络结构中群内、星层以及整个星座的通信链路,特别是对星座中MEO星层的通信链路进行充分的冗余设计,以及启用视距范围内间隔失效卫星间次相邻卫星节点链路连接的链路设计,从星座网络的通信链路上提高整个卫星网络的抗毁性能。最后对所设计的卫星网络的结构性能进行了简要分析。     

4G载波向5G重耕之前的5G业务覆盖能力研究

为了满足低成本建设5G广覆盖网络的需求,需要提前研究低频3G、4G网络向5G重耕的最佳方案。在没有进行重耕,因而没有理想的低频5G测试环境的情况下,采用理论分析的手段进行重耕后的覆盖能力估算。以未来L900重耕用于5G广覆盖为例,探讨了链路预算的关键设定、模型选择等问题,并通过多个本地网实际测试数据间接验证估算结果的合理性。所得结论已实际应用于某大运营商对全国900 MHz网络的规划方案,对于指导网络重耕具有重要的借鉴意义,也为面向覆盖和感知的6G网络演进及重耕提供了参考模型。     

保供电型光储微电网运营策略分析

针对传统应急电源车保供电存在的资产利用率不足、成本较高等问题,结合微电网的发展趋势,提出了一种保供电型光储微电网的运营策略,重点讨论了微电网应用于保供电领域的经济性。提出了光储微电网代替应急电源车的保供电思路,从初始投资成本、运维成本、收益三方面初步分析了微电网应用于保供电领域的经济性;为了解决现阶段储能投资效益差的难题,提出了供电企业向储能投资商给予补贴的建议,并为此提出了虚拟保电量的概念;为了合理确定供电企业给予储能投资商的补贴数额,提出了非博弈和博弈2种补贴方案,并对3种运营模式中共同博弈投资模式的内部交易和定价机制进行了详细讨论。基于算例分析了不同的运营模式下供电企业和社会资本的经济效益,以确定最优的运营策略。     

面向三维结构视觉检测的无人机覆盖路径规划

为了高效地规划无人机在三维覆盖检测任务的飞行路径,建立了满足覆盖率要求的路径规划模型,可分为两步：第1步确定无人机巡检的视点和视线,第2步计算视点的无碰撞访问序列。首先,从巡检目标的三维点云出发,提出基于K均值聚类生成候选视点的方法,构建候选视点互连的非完全图模型;其次,提出面向排序的混合蚁群算法(sorting-oriented hybrid ant colony algorithm, S-HACO)求取无人机巡检路径,优化目标考虑了路径长度、视点数目、急转弯次数等。仿真实验结果表明,该方法得到的视点数目较偏移法和随机采样法分别减少了96.25%和42.10%,并且S-HACO算法较传统算法相比性能更优,目标函数降低了19.14%,算法的运行时间减少了25.27%,验证了模型的有效性和算法的可行性。     

一种基于介质加载的地球覆盖波束天线设计

地球覆盖波束天线为低轨卫星与地面终端之间的数据传输建立了通道,文中研究了一种新型的介质 加载地球覆盖波束天线。基于介质加载的方法,文中提出了一种圆极化地球覆盖波束天线设计,该天线由馈电网 络、馈源和介质三部分组成,介质包括底部圆柱部分和顶部半球部分,馈源集成于介质内部。设计的地球覆盖波束 天线工作在C 波段,轴向0°~64°范围内增益在0 dBic 以上,40°方向增益为5. 2 dBic。天线尺寸紧凑,辐射波束具有 较好的空间截止特性,可满足立方星应用。     

面向安卓自动化测试工具综合评估

自动化测试工具是安卓应用质量保障的主要手段.随着安卓版本多样性、底层硬件差异性(碎片化)以及逻辑复杂性增加,自动化测试迎来新的挑战.为解决这些问题,近年来,业界开发出大量自动化测试工具.但是现有工具数量多,并且测试重点多样,测试人员选择工具时存在一定的困扰.为帮助测试人员选择最佳测试工具,实现对自动化测试工具的统一评估,提出了面向安卓自动化测试工具多特征综合评估方法(comprehensiveevaluation of Android automated testing, CEAT),并将其实现为便于测试人员使用的平台. CEAT在引入测试领域广泛接受的3个评估指标,即代码覆盖率、异常检出率、融合多版本兼容度得分的基础上,进一步基于变异测试的思想引入变异杀死率,并从用户体验出发引入UI控件覆盖率.以上5个指标构成CEAT整个体系,从而实现安卓自动化测试工具的综合多维评估.为验证CEAT的效果,生成了1 089个变异应用的待测应用集,在包含6个移动设备的真机集群中部署实验,对5个自动化测试工具适配并执行5 040次测试任务.最终结果表明:i) 5个指标从不同角度对自动化测试工具进行评估,...     

最小权点覆盖下的智能电表通信故障区域预警方法

电表通信故障预警可以保证智能电表的通信安全,有利于实现对智能电能表的全过程质量管控。但是,智能电表的工作轨迹具有随机性,跟踪难度较大,其故障变量信息的提取难度较大。为此,提出了基于最小权点覆盖的智能电表通信故障区域预警方法。利用智能电表运行状态的观测向量作为故障检测的关键变量,计算出运行状态观测向量的平均轨迹。根据智能电表通信故障数据变量在不同时刻的运行轨迹,提取出智能电表通信故障的关键变量信息,完成智能电表通信故障的检测。在最小权点覆盖下,采集智能电表通信故障数据。利用Fisher准则,计算出智能电表通信故障属性的重要程度,通过设计智能电表通信故障区域预警算法,实现智能电表通信故障区域的预警。实验结果表明,研究方法可以成功预警智能电表通信故障,通过较高的预警准确率确保了智能电表的稳定运行。     

基于多目标生物习性激励的WSN传感器节点部署

为确保无线传感器网络(WSN)覆盖和连通性最大化以及能量消耗最小化的有效监测,提出一种基于多目标生物习性激励(MOBHI)的传感器节点部署算法。首先,将传感器节点的区域(领地)根据诸如最大覆盖、最大连通性和最小能耗等多个目标,基于领地捕食者气味标记行为进行标记,并模仿气味匹配识别其监测的位置;其次,对多个目标的优化问题应用非受控Pareto最优,将其分解为多个单目标优化子问题并同时对它们进行优化,得到所需目标的解。仿真实验结果表明,本文提出算法在网络覆盖、连通性和能耗等性能指标方面都优于其他传感器节点部署的多目标和单目标优化算法。     

一种室外无线覆盖方案的设计与实现

随着移动互联网的发展,智能手机的快速普及,无线网络迅速融入当代人的主流生活,逐渐成为人们工作、学习与生活的基本需求。为了提高用户满意度,进一步提高网络覆盖面积,实现园区室外无线覆盖,文章提出了一种园区室外无线覆盖解决方案,有效解决了用户室外无线上网的需求。     

An improved multi-objective genetic algorithm for heterogeneous coverage RFID network planning

Recent research has demonstrated the potential benefits of radio frequency identification (RFID) technology in the supply chain and production management via its item-level visibility. However, the RFID coverage performance is largely impacted by the surrounding environment and potential collisions between the RFID devices. Thus, through RFID network planning (RNP) to achieve the desired coverage within the budget becomes a key factor for success. In this study, we establish a novel and generic multi-objective RNP model by simultaneously optimising two conflicted objectives with satisfying the heterogeneous coverage requirements. Then, we design an improved multi-objective genetic algorithm (IMOGA) integrating a divide-and-conquer greedy heuristic algorithm to solve the model. We further construct a number of computational cases abstracted from an automobile mixed-model assembly line to illustrate how the proposed model and algorithm are applied in a real RNP application. The results show that the proposed IMOGA achieves highly competitive solutions compared with Pareto optimal solutions and the solutions given by four recently developed well-known multi-objective evolutionary and swarm-based optimisers (SPEA2, NSGA-II, MOPSO and MOPS²O) in terms of solution quality and computational robustness.