A Class of Cross‐Layer Optimization Design for Congestion and Energy Efficiency with Compressed Sensing in Wireless Sensing Networks

In wireless sensor networks (WSNs), the congestion problem not only causes packet loss, but also leads to an increase in delays and energy consumption. The actual performance of wireless sensor networks (WSNs) can be severely influenced by the quality of the communication channel and the bit in transmission. In this paper, the distributed protocols, which attain global optimum control for signals by the compressed sensing technique and achieve fair channel allocation by the scheduling algorithm, are proposed for WSNs. We take into account the congestion problem by robust optimization with congestion ratio for two classic aspects in energy limited WSNs: minimum transmission rate and maximum transmitted information. To achieve the goal, three protocols are developed. In the first protocol, the desired control input is designed based on the compressed sensing technique. A minimal bit of signal is provided to reduce the transmission flow for the congestion model. The second protocol is resource allocation. The resources can be allocated increasingly to the channel in order to avoid more severe congestion. This can also avoid conservative reduction of resource allocation for eliminating congestion. Channel selection abides by the fair resource allocation principle. The above protocols separately are implemented through a congestion ratio at network layer, transport layer, and MAC layer. Simulation results demonstrate that the proposed algorithm effectively relieves congestion, and achieves higher throughput and lower energy consumption.     

多编组协同任务分配模型及DLS-QGA 算法求解

为解决多智能体编组协同任务分配问题, 定义任务、智能体编组和相关的分配过程变量, 建立以最高任务执行效率为目标的数学模型. 在问题模型中设计考虑资源损耗的编组资源能力更新机制, 提出用于求解该模型的动态列表规划和量子遗传算法的混合任务分配算法, 使用动态列表规划选择处理的任务, 利用量子遗传算法为选定任务分配最合适编组. 最后通过算例表明, 所提出的方法在解决时序逻辑任务分配时能够得到更优更稳定的方案.

     

基于部分信道信息的中继选择与功率分配算法

针对传统中继选择算法反馈开销大、信道条件利用不充分以及等功率分配算法资源利用率低等问题,在放大转发协作通信网络中,以最小化系统中断概率为目标,提出基于部分信道状态信息的中继选择与功率分配算法。指出源-中继-目的节点传输链路所能获得的信噪比受制于源-中继及中继-目的链路中接收信噪比较小者,各中继依据自身到源及目的节点链路的统计信道状态信息,采用不同的反馈策略向源节点进行信息反馈,由源节点完成中继选择,通过凸优化方法对所选择的源和中继节点进行功率分配。仿真结果表明,与基于第一跳信道信息的算法相比,该算法在仅增加少量反馈的条件下可明显降低系统的中断概率,且与同等反馈负荷下的其他算法相比,仍能获得较好的中断性能。     

一种非对称多核SDR的任务调度和分配算法

针对软件无线电(SDR)应用同步数据流的特点,提出一种非对称多核SDR的任务调度和分配算法。该算法综合考虑任务之间的通信时间和任务固定流水,保证任务调度和分配的通用性和并行性。利用整数线性规划(ILP)方法对任务调度和分配进行建模,采用任务拆分方法优化调度和分配的结果,进一步提高任务调度和分配的执行效率。在目标SDR平台上实现IEEE 802.11a频偏估计处理的任务调度和分配,实验结果表明,该算法能提高5.97%的软件无线电平台吞吐量和3.03%的处理器核平均利用率,并减少34.31%的处理器核最长空闲等待时间。     

基于混合组合双向拍卖的网格资源分配方案

针对组合双向拍卖中节点或实体在单次拍卖中分别扮演资源提供者和资源需求者时所具有的不同特点,提出了混合组合双向拍卖模式,即在拍卖中节点本身不单是资源提供者同样也是资源需求者。在此前提下,结合信任度在资源分配安全性以及服务质量方面的作用,将信任度引入到定价调整中,从而优化资源的分配。仿真实验结果表明,所提出的资源分配方法在提高拍卖效率和单位效用正向激励以及防止恶意节点方面均优于已有方案。     

基于发射功率最小化的MIMO-OFDM系统资源分配算法

研究了一种针对多用户MIMO-OFDM系统的资源分配算法. 该算法是在保证用户公平性的前提下,基于发射功率最小化对系统进行子载波和比特分配. 首先按照用户信道增益状况由最差到最好的顺序进行子载波的初次分配,之后再比较其功率大小找到最终适合用户的子载波,最后利用贪婪注水法对子载波进行比特分配. 仿真结果表明,算法降低了系统的发射功率,并提高了系统的性能.     

一种权重融合模型的物联网频谱分配方案及其免疫实现

采用认知无线电技术, 设计了一种空闲频谱资源选择排序方法。在进行频谱选择时, 提出了一种无偏好信息的主客观权重融合方法, 提高权重设置的合理性, 并将求解权重转换为一个最优化问题, 通过免疫优化算法进行求解。实验结果表明, 该算法可以有效选择满足物联网节点传输需求的频谱, 并具有较高的网络吞吐量。     

一种基于RAN架构无线接入网系统容量最大化的功率分配算法

针对新型RAN架构无线接入网中功率分配问题进行研究, 建立系统容量最大化的最优化数学模型, 提出了一种基于RAN架构无线接入网的系统容量最大化的功率分配算法, 并且应用人工鱼群算法求解了算法中目标函数的全局最优解, 即一组使系统容量最大化的发射功率。仿真结果表明, 与现有的分布式网络架构中非合作的功率控制博弈算法相比, 新算法可以显著提高系统容量, 即证明了该算法的有效性。     

B/S架构的宿舍管理信息系统研究与开发

论述了B/S架构的宿舍管理模式的特点以及在该领域的优势,分析了系统建模的方案和数据库结构体系的设计.提出了宿舍的自动化分配和与财务系统进行集成的方案,解决了高校学生宿舍分配的难题.基于以上方案和技术,开发了B/S架构的宿舍管理信息系统,并且在安徽省芜湖市某高校中已成功应用.     

移动终端动态加载机制研究

随着移动终端系统深入发展,应用程序扩展能力已成为一个基本需求,中低端移动终端系统迫切需要一种机制能使系统在运行状态时动态添加模块。该文提出一种内存分配策略及基于虚拟函数表结构动态加载机制,给出了应用程序加载实现方法。实验结果表明:基于该机制所开发的加载器具有体积小,运行速度快,性能稳定等特点。