基于智能网的GSM-R动态组呼业务研究

语音组呼业务（VGCS）为铁路通信的稳定性和可靠性提供了较好的保障,但是,VGCS业务在实际应用中,存在一定的缺陷。本文在对VGCS进行研究的基础上,引入动态组呼业务（DVGCS）的概念,探讨了其基于智能网的实现方法,分析了动态组呼对无线子系统的影响,验证其可行性。     

一种支持业务优先级的卫星网络信道动态接入策略

针对远程作战飞机接入卫星信道的业务具有优先级且高优先级业务存在突发性影响信道利用率与吞吐量的问题,提出了一种支持业务优先级的卫星网络信道动态接入策略。该接入策略通过引入认知无线电技术构建频谱池以共享信道,设置高优先级业务透明接入信道的同时通过预留信道保证低优先级业务成功接入信道,未接入信道的业务采用排队模型等待接入。仿真结果表明,该策略能够高效地保证高优先级业务接入信道的成功率,有效降低接入时延;同时较好地减小高优先级业务的突发性对低优先级业务接入的影响,有效地提升了卫星信道的综合利用率,降低了低优先级业务的接入时延,保证了低优先级业务接入卫星网络的吞吐效率。     

应急通信系统中基于集群智能的动态信道分配

应急通信系统中频谱资源在时间和空间上的动态变化,使得寻找一条稳定的公共控制信道十分困难。为此,将认知无线电技术引入应急通信系统中,建立了应急认知无线电网络模型,提出一种基于集群智能的动态信道分配算法。系统中每个节点根据检测到的可用信道信噪比和邻居节点对信道的选择情况,采用信道选择更新函数,选择公共控制信道。应急通信系统中的所有节点构成一个集群,节点进行各自的信道更新并与其他节点交互形成集群智能。各节点周期性地进行消息发送与监听,依据频谱资源的动态变化及时更新公共控制信道的选择,最终达到全局公共控制信道的动态选择。仿真结果表明,算法能够达到公共控制信道的有效收敛,有很好的可扩展性,并且能够快速地适应频谱资源的动态变化。     

基于SIP协议的组呼功能分析与实现

组呼作为专有通信系统中的特有功能,在公共服务、生产活动等领域具有重要的现实意义.通过对组呼功能的分析和研究,提出了基于SIP信令协议的IP组呼模型;针对专有通信系统中的调度要求及组呼特性,采用多种机制完善了组呼的实现;最后给出了系统的设计方案,具体说明了组呼的实现流程.该方案克服了原有组呼方式的缺陷,具有更好的实用性.     

一种多接口多信道VANET动态信道分配算法研究

为了合理地实现多接口多信道车载自组织网络（VANET）车辆节点间通信信道的动态分配,提出了一种基于通信双方车辆节点信道切换队列的动态信道分配算法。定义了车辆节点的射频接口状态,给出了信道的性能因子以及信道切换队列的生成方法,通过综合考虑通信双方车辆节点的射频接口状态和信道切换队列,快速自主地建立通信链路,从而解决了信道公平接入和分配不合理的问题。通过软件仿真比较可以看出,该算法实现了信道的动态分配,减小了平均端到端时延,增加了网络平均吞吐量,显著提高了多接口多信道VANET的网络性能。     

一种信道控制权分配的动态分时法

介绍了动态分时方法来分配信道访问控制权，并在总线型网络上用令牌的方法实现了集散式计算机控制系统的多机通信。为了保证令牌交换的可靠性。对令牌进行的异或效验，由于集散控制系统底层的各个模块都是采用8032或8098，为了在大批量数据的通用不影响控制模块的正常工作，网络的通信采用单片机串行口的模式2和9位异步通信。     

基于CSM优先级的CogWMN联合路由与信道分配策略

认知无线Mesh网络(CogWMN)中的节点可以自主切换通信频率。当节点寻找路由和分配信道时,容易出现信道分配的不均衡化。为了提高非授权频段的利用率,发挥多信道并行传输的优势,提出一种在没有全局控制信道条件下的基于信道统计度量(CSM)优先级的联合路由与信道分配策略,以解决信道分配不均衡化问题,使网络内节点能以较少的跳数接入AP。仿真结果表明,所提策略能提高网络吞吐量和减少网络时延。     

一种基于改进神经网络的动态信道分配算法

提出了一种基于改进神经网络的整体优化的动态信道分配方案(GODCA),该算法尽量保证最大程度的紧致分配,网络优化采用Hopfield神经网络,克服了传统动态信道分配方案实现方式繁杂,且往往不能达到紧致分配方式的不足,同时针对神经网络算法随机性强的弱点,提出一种优化的收敛算法。分析和仿真表明,该算法不论在业务量较大,还是较小都有较小的呼阻率和较高的频谱利用率。     

TD-SCDMA系统中动态信道分配技术研究

作为第三代移动通信系统的标准之一,时分-同步码分多址(TD-SCDMA)系统由于采用了时分双工(TDD)方式而在性能上显示出了不同于其他两个主流标准的优势,它能更充分满足日益兴起的不对称传输服务的需求。动态信道分配(DCA)技术是TD-SCDMA系统中的一种关键技术,它从业务服务的实际情况和趋势出发,更合理地分配信道,缓解频谱资源的紧张状态。本文主要是在现有的动态信道分配技术的基础上提出一种改进算法,通过仿真分析确认该改进算法可以减少数据掉包概率,使得系统资源得到更好的利用,更好的提高无线频谱利用率,防止网络阻塞。     

一种静态最少优先级分配算法

随着实时系统越来越多地应用于各种快速更新系统,尤其是各种片上系统,如PDA(personal digital assistant),PSP(play station portable)等,性价比已成为系统设计者的主要关注点.实际应用中,实时系统通常仅支持较少的优先级,常出现系统优先级数小于任务数的情况(称为有限优先级),此时,需将多个任务分配到同一系统优先级,RM(rate monotonic),DM(deadline monotonic)等静态优先级分配算法不再适用.为此,静态有限优先级分配是研究在任务集合静态优先级可调度的情况下,可否以及如何用较少或最少的系统优先级保持任务集合可调度.已有静态有限优先级分配可分为两类:固定数目优先级分配和最少优先级分配.给出了任意截止期模型下任务静态有限优先级可调度的充要条件以及不同静态有限优先级分配间转换时的几个重要性质,指出了系统优先级从低到高分配策略的优越性,定义了饱和任务组与饱和分配的概念,证明了在任务集合静态优先级可调度的情况下,最少优先级分配比固定数目优先级分配更具一般性.最后提出一种最少优先级分配算法LNPA(least-number priority assignment).与现有算法相比,LNPA适用范围更广,且复杂度较低.     

基于动态双向优先级的任务分配与调度算法

提出了一种基于动态双向优先级的任务分配与调度算法,称作动态双向优先级(DDDP)算法。该算法综合考虑了实时任务的优先级和子机的优先级,构造了动态双向优先级任务分配模型,实现了数据传输中主机/子机模式的任务动态分配与调度。在模拟实验中,通过使用正常负载和过载情况下的典型数据对算法进行仿真研究表明,这种算法比单纯考虑截止期的EDF算法在性能方面有明显的改进和提高。     

三协作节点的功率分配及其信道容量

针对多协作用户的功率分配及其信道容量问题,讨论了在三个协作用户的通信模型中,当信道增益固定情况下的功率分配。以信道容量为目标函数,给出了最优的功率分配算法。实验结果表明,当信源节点到目标节点的信道增益大于信源节点到各中继节点的信道增益时,信源节点可以直接传送给目标节点。当信源节点到各中继节点的信道增益的平方与信源节点发射功率的乘积小于相应中继节点到目标节点信道增益的平方与相应中继节点发射功率的乘积时,信源节点可以完全通过中继节点来传送给目标节点,在其它情况下,信源节点可以一部分通过中继节点传输,一部分直接传输到目标节点。     

基于反馈优先服务策略的产品研发管理模型研究

为了研究产品开发排队系统的平稳分布和稳态性能,运用排队理论对产品开发过程进行建模和分析,在改进传统反馈服务笨略基础上,构建产品开发反馈优先排队模型;通过构建拟生灭过程求解反馈优先服务策略下排队系统稳态性能指标,并对传统反馈服务策略和反馈优先服务策略下的性能指标进行比较.结果表明,反馈优先的存在对产品开发任务的时延产生较大影响,通过算例对反馈优先服务策略下产品开发排队系统稳态性能指标进行验证,数值模拟表明产品开发排队系统中的反馈优先服务策略优于传统的反馈服务策略.     

基于非定长系统调用序列的程序行为动态度量方法

针对目前程序动态度量研究中实时性与准确性较差的问题,提出了一种利用程序行为特征进行度量的方法。 通过筛选程序运行过程中产生的系统调用,依据其关联特性构成非定长系统调用序列作为程序的行为特征;采用后缀树结构设计实时特征度量匹配算法（feature matching with updating suffix tree,FMUS）,实现了程序运行过程中的实时特征匹配。 实验表明,该方法具有较高的准确率和低时间耗费比。     

基于数据流向的片上网络动态缓存分配机制*

为了有效利用缓存资源,提出一种动态分配片上网络路由器端口缓存的方法,根据传输方向将输入端口接收到的数据分成不同的组,每个组对应一个输出端口,并将数据以组的形式进行存储,控制部件根据各个组数据规模为其动态分配缓存资源。与基于虚通道的动态缓存分配方式相比,该方法降低了控制和仲裁的复杂度。仿真结果表明,获得同等性能的条件下,该方法可以有效降低缓存的需求。     

Spark Streaming动态资源分配策略

针对Spark Streaming作为混合大数据计算平台流处理组件时资源调整周期长和不能满足多应用多用户个性化需求的问题,提出了一种多应用下动态资源分配策略（DRAM）。该策略增加了应用全局变量来控制动态资源分配过程。首先,获取历史执行数据反馈和应用全局变量;然后,进行资源增减计算;最后,进行资源增减执行。实验结果表明,所提策略能够有效调整应用资源配额,且在稳定数据流和不稳定数据流两种情况下,其处理延时相比原Spark平台的Streaming策略和Core策略都有所降低;同时该策略也能够提高集群资源利用率。     

Colorization coding based on iterative regression with major group priority

Colorization-based image coding is a new color image compression technique which compresses the color information of a color image into a small set of representative pixels (RP). The main issue in colorization-based coding is to design good RP extraction and colorization methods such that the compression rate and the quality of the reconstructed color become good. In this paper, we propose an iterative local regression method for RP extraction which takes the major group priority into account. It is shown that the problem of computing the RP can be formulated into a local regression problem. The local regions are obtained by performing a hierarchical image segmentation on the luminance channel both in the encoder and the decoder. Then the local regression parameters, i.e., the parameters that express the local relationship between the pixel values in the luminance channel and the chrominance channels are computed by taking the hierarchical structure into account. At the initial stage, the local regression parameters are calculated to fit the major tendency of the pixels in the segmented regions of the largest scale in the hierarchical structure. After that, additional regression parameters are extracted to reduce the remaining residual errors between the original color and the colors reconstructed by the previously computed local regression parameters. By repeating these steps, an RP set is extracted which can colorize the image in the decoder with sufficient detail. Experimental results show that the proposed algorithm performs better than the JPEG standard and conventional colorization-based coding methods in terms of the compression rate, PSNR and SSIM values.