车辆自组织网络中新型NP-CSMA随机多址协议研究分析

智能交通的出现使得车辆自组织网络受到越来越多的关注。车辆自组织网络的动态拓扑结构变化非常剧烈,这对网络的吞吐率、传输速率等性能提出了很高的要求。提出1种具有握手机制协议的自适应多通道双时钟NP-CSMA随机多址接入协议。该协议首先区分2种P-CSMA协议,握手机制成功解决了隐藏的终端问题,双时钟机制减少了平均空闲时间,多通道机制增加通道数量和划分用户优先级的同时提高了系统吞吐率,自适应机制能够使系统在高负载下保持稳定吞吐率。还对该协议的传输速率进行了分析,得出该协议的传输速率相对较高的结论。通过平均周期方法推导吞吐率和传输速率的计算公式,仿真结果与理论推导一致。     

连续时间完全服务与门限服务两级轮询系统性能研究

在信息分组以连续时间规律到达系统的基础上，对于轮询系统中不同优先级的业务问题，提出区分优先级的两级轮询服务模型。首先，在该模型中，低优先级站点采用门限服务，高优先级站点采用完全服务；然后，在高优先级转低优先级时，将传输服务与转移查询并行处理来降低服务器在查询转换期间所耗费的时间，提高轮询系统的效率；最后，运用马尔可夫链和概率母函数的方法建立了系统的数学模型，通过对数学模型精确解析，得到了连续时间两级服务系统每个站点的平均排队队长和平均等待时间的表达式，精确解析出平均排队队长和平均等待时间的值。仿真实验结果表明：理论计算值与实验仿真值近似相等，说明理论分析正确合理。该模型既能保障低优先级站点服务质量，又能为高优先级站点提供优质服务。     

战术数据链网络的介质访问控制层优化控制及性能分析

为解决战术数据链中优先级问题,提出一种基于完全接入策略和非对称门限接入策略的区分优先级两级轮询控制策略,用于战术数据链网络的媒体接入控制中。在该轮询控制策略中,对战术数据链中的低优先级前哨站点采用非对称门限接入策略,对高优先级前哨站点采用完全接入策略;在网络控制站点由高优先级前哨站点转低优先级前哨站点时,将传输服务与转移查询并行处理来降低查询转换期间所耗费的时间,提高轮询系统的效率。运用马尔可夫链和概率母函数方法建立了系统的数学模型,精确解析出各个前哨站点内等待发送的平均信息分组数表达式。结合循环周期2阶特性量近似方法,解析出前哨站点内信息分组平均等待发送时间的近似表达式。仿真实验结果表明,实验值与理论值大致相等且高优先级前哨站点的服务质量优于其他站点,证明理论分析正确,该模型达到了区分优先级的目的。     

无线局域网视频传输控制协议研究

采用嵌入马尔可夫链理论和概率母函数的分析方法，用完全服务规则和门限服务规则构造出两级循环查询无线局域网传输系统的分析模型，并对其系统性能进行分析，给出高优先级数据业务和低优先级数据业务的平均排队队长和平均时延解析式。将理论计算与计算机仿真结果进行比较，二者具有较好的一致性。     

基于现场可编程门阵列战术数据链中自适应轮询接入控制协议的设计与实现

在战术数据链系统中,战术单元随时都有可能被摧毁而引起网络拓扑结构动态变化,导致系统服务效率降低。为了解决这一问题,基于动态调整轮询顺序的思想,提出一种自适应轮询接入控制协议（APACP）。采用概率母函数的方法和嵌入式马尔可夫链理论对系统进行建模,得到系统平均排队队长和平均轮询周期的解析解;利用数学软件MATLAB和现场可编程门阵列仿真验证协议的正确性。仿真结果表明,APACP能够根据战术数据链网络拓扑结构的动态变化自动调整轮询顺序,明显降低系统平均排队队长和平均轮询周期,克服传统轮询接入控制协议中空轮询的问题,节约了服务时间,提高了服务效率,改善了系统性能。     

新型随机多址接入无线传感器网络MAC控制协议与能量有效性分析

提出了一种新的随机多址接入无线传感器网络的MAC控制协议,在发送分组的时间1+a中,采用P概率检测与1-坚持的联合控制策略,并对多通道的随机多址接入无线传感器网络进行了分析,理论分析了系统的吞吐量和多通道中不同业务的吞吐量,以及信息分组的发送时延等参数,理论分析与仿真实验结果相一致.还结合无线传感器网络的能量有效性,通过对概率P值的选取,控制忙周期侦听信道的节点数和空闲期的休眠站点数,采用休眠技术实现了系统的节能效果.通过对2种无线传感器网络控制协议的能量有效性分析,证明了改进的控制协议其节点具有更长的生命周期,更适合作为无线传感器网络的MAC控制协议.     

基于能量均衡高效WSN的分簇路由算法

针对无线传感器网络(WSN)节点能耗不均衡导致网络生存时期短的问题,提出一种基于改进人工蜂群算法(CTABC)和模糊C均值(FCM)聚类的分簇路由算法(AFCR).簇构建阶段,基站采用由CTABC优化的FCM对网络节点聚类分簇;每个簇内,节点基于自身状态分布式竞选簇首;簇间路由阶段,通过引入经济学中的基尼系数对蚁群优化(ACO)进行改进,提出一种基于改进ACO的簇间路由算法;簇内通信阶段,引入区分忙闲节点的轮询控制机制.在不同的场景中对所提协议进行仿真,实验结果表明,与FIGWO和GAFCMCR算法相比,AFCR能够有效地均衡网络能耗,延长网络生存期,提高网络吞吐量.     

贝塔混合模型的变分贝叶斯学习及应用

贝塔混合模型（Beta Mixture Model,BMM）是一种重要的非高斯概率模型,常用于有界数据的统计分析.但是由于其表达式复杂,BMM的参数估计比较困难.针对该问题,本文提出一种高效的变分贝叶斯学习方法进行参数估计.该方法采用形式简单的自由分布,通过不断最大化初始变分目标函数的下界,迭代逼近得到真实的贝叶斯后验分布.在合成数据集与实际数据集上进行实验,实验结果证明了所提出算法的有效性和可行性.     

5G切片架构下具有重传机制的轮询系统研究

面对海量应用场景及客户需求,传统的轮询系统方案不能满足轮询系统中每个站点所需要的服务质量要求。为降低系统时延,适应更大的网络规模,提出基于5G网络切片的轮询方案。将5G网络切片划分为增强型移动带宽切片、海量机器通信切片和高可靠低时延通信切片,再将这3类切片各自划分出N个更低层子切片,构建3个独立的具有重传机制的完全服务轮询模型。信息分组按照先进先出的规则进入各子切片,由通用服务器进行统一发送。在此基础上,采用概率母函数及马尔可夫链建立非理想信道环境下基于5G网络切片架构的轮询系统数学模型,推导系统平均排队队长和平均等待时间的精确表达式,进行信息分组出错概率和重传阈值与轮询系统性能之间的定量关系分析。基于Matlab的仿真实验结果证明了该模型的正确性,其较重传门限服务时延更少,能够为非理想信道环境下基于5G网络切片架构的轮询系统分析提供一种快速评估机制。     

基于正交设计的折射反向学习樽海鞘群算法

为克服基本樽海鞘群算法(SSA)存在的收敛速度慢、高维求解精度低等不足,提出正交折射反向学习机制和自适应惯性权重策略,嵌入SSA中,得到一种基于正交设计的折射反向学习樽海鞘群算法(OOSSA)。正交折射反向学习策略中,采用基于透镜成像原理的折射反向学习策略以加强对反向解空间的勘探,极大地降低了算法陷入局部最优的概率;采用正交试验设计构建若干部分维上取折射反向值的部分反向解,深度挖掘并保存当前个体和折射反向个体的优势维度信息。此外,在跟随者位置更新阶段引入惯性权重因子,有效地改善跟随者的搜索模式并增强算法的局部开采能力。采用CEC2017基准函数进行仿真实验,同时使用Wilcoxon秩和检验、Friedman检验等方法来评价OOSSA算法的优化性能,测试结果表明所提算法的寻优精度和收敛速度明显优于基本SSA算法、8种新近的改进SSA算法和9种前沿的群体智能优化算法。此外,将所提算法应用于一个工程设计问题,结果表明该算法在工程优化方面的性能优于对比算法。最后,针对求解自主移动机器人路径规划问题,提出一种基于OOSSA的路径规划算法。在3种环境设置下对所提算法进行仿真实验,并与PSO、ABC...