M-WiMAX中马尔可夫预测的M-LWDF调度算法研究

在M-WiMAX系统中为了获得多用户分集增益,更好地发挥自适应调制编码(AMC)的作用,在改进的最大加权时延优先算法(M-LWDF)基础上设计出一个预测的M-LWDF跨层分组调度算法(Pre-LWDF)来调度系统中的实时业务。M-LWDF调度算法在调度判决表达中以调度时刻瞬时速率作为参数,这会影响调度的稳定性和整体性能,尤其在移动无线通信中更加明显。提出用马尔可夫预测模型来计算下一调度时刻的瞬时速率,平滑当前瞬时速率,减小移动无线信道瞬时速率对调度性能的影响。平滑后的瞬时速率能更好地代表移动信道传输速率的变化趋势。仿真结果表明,该调度算法保证了实时业务流的服务质量,提高了系统的平均吞吐量和公平性。     

MIMO系统中的自适应比例公平调度算法研究

在MIMO系统中,通过在每个时隙选择信道条件最好的用户进行通信,可以利用无线通信系统的多用户分集大大提高系统吞吐量,但该方法存在公平性差的缺点。主要关注应用机会波束形成的MIMO系统的公平性。提出了一种自适应比例公平调度算法来提高长时间处于较差信道条件下的用户的吞吐量,从而提高系统的公平性。在每个时隙,基站监测每个用户的实时请求速率和过去一段时间内的平均请求速率,并根据这两个速率来调整算法中的自适应参数。提出的算法较好地获得了系统吞吐量和公平性的折中,仿真实验结果也表明了算法的有效性。     

基于马尔可夫电池模型的节能调度算法研究

对于电池供电的便携式系统,电池的节能调度是提高系统性能的重要因素,而建立精确实用的电池模型是研究电池节能调度算法的必要前提。提出了一种电池建模方法,即在每个单位时间内模拟电池的基本行为,通过行为的叠加实现对电池整个放电过程的跟踪。仿真和实验结果均证明了建模方法的正确性,同时亦表明方法具有建模简单、模型精度较高等优点。针对现有的电池节能算法往往存在增加系统复杂度、影响系统实时性等缺点,文中提出两种改进的电池节能调度算法,并在电池模型上进行了仿真验证。结果显示,改进后的算法更易于实现,且在满足系统实时性能前提下,达到较好的节能效果。     

一种MIMO系统中保障公平的用户调度算法

在多用户MIMO下行系统应用中,在保证MIMO复用增益的情况下采用合适的用户调度算法保障用户的公平性一直是问题的关键.通过研究发现比例公平算法严格保障了用户的公平性,但用户公平性是通过单用户调度的方式实现的,这对系统容量有较大影响.提出一种基于用户集调度的比例公平算法,牺牲了一定的公平性以换取系统容量的提升.本文在基于块对角算法的MIMO系统上,对提出的算法进行了仿真验证.仿真表明,在用户集数目适当的条件下,所提出的算法将能在系统复用增益下降不大的前提下保证用户的近似公平.     

1xEV-DO Rev A中PF调度算法的实现

分析1xEV-DO Rev A中PDMA等技术对 PF调度算法的影响,给出算法的具体实现方法,通过仿真实验研究其性能。实验结果表明,包分复用、HARQ等技术的引入可以使PF算法在1xEV-DO Rev A 中获得较好的前向链路吞吐率,更好地满足实时业务的延迟需求。     

基于WCDMA系统混合业务的新型调度算法

WCDMA系统混合业务下设计调度算法要考虑信道条件,要区分业务保证用户的QoS要求,避免用户“饥饿”现象,同时也要尽可能提高整个系统的吞吐量和调度的公平性。由此,在比例公平调度算法（PFS）基础上基于C/I、QoS、饥饿权重提出区分业务类型的比例公平分组调度算法（CQSSD－PFS）,同时引入实时业务和系统容量补偿模型,仿真结果表明可有效确保各类业务之间的短期、长期公平性和较高的系统吞吐量。     

基于分集增益与能量增益的多用户分集性能研究

协作分集通过形成虚拟天线阵的方式可以有效降低无线信道衰落特性对系统性能的影响,当存在多个可用中继时,通常采用基于空时码的协作策略,该方法具有较高的实现复杂度。为了使系统容易实现,机会分集技术成为近来研究的热点,本文基于分集增益与能量增益对机会分集技术中的多用户分集做了研究,并与相同条件下基于空时码的协作策略作了性能比较。结果表明,多用户分集技术与基于空时码的协作策略具有相同的分集度,同时前者可以获得能量增益。     

基于启发式算法降低比例公平调度开销策略

在多处理器系统中已经证明了比例公平(proportion fair, Pfair)算法是调度周期任务最优的全局调度算法。然而在该算法的最坏执行情况下,任务在每个调度时刻均产生切换或迁移,导致系统开销过大。针对这一问题,对Pfair算法进行深入研究后发现,任务的分配过程是一个重要原因。基于此,提出基于启发式算法的模拟退火比例公平(simulated annealing-proportion fair, SA-Pfair)调度算法,即在Pfair算法做出调度决策后,用启发式算法将任务分配给处理器,以弥补原算法的不足。最后,采用LITMUS-RT平台对SA-Pfair算法和以此为基础设计的调度器进行仿真。结果表明,新算法在一定程度上减少了任务的切换次数以及50%以上的任务迁移总量,且能够有效地降低调度过程中的系统开销。     

基于QoS效用函数的比例公平调度算法

比例公平调度算法应用于多媒体业务调度时,不能满足其多方面的服务质量(QoS)需求,尤其是当有业务的瞬时QoS参数值接近业务可忍受的QoS阈值时,该业务的调度优先级变化趋势不明显,使该业务不能被及时调度,降低了多媒体业务的通信质量。为此,在PF算法调度优先级判断表达式中引入QoS因子参数项,加强服务质量需求参数项对调度的影响,提出基于QoS效用函数的比例公平调度算法。实验结果证明,该算法可以迅速增加接近QoS阈值多媒体业务的调度机会,使VolP业务的平均延时降低44%、公平性提高3%。     

OFDMA中继系统中基于速率约束的资源调度算法

针对无线资源调度算法中系统吞吐率与用户公平性之间的矛盾,研究了OFDMA多用户多中继系统中的比例公平调度算法,并提出了基于速率约束的资源调度方案,该方案充分考虑不同用户对传输速率的最小约束,通过给不能满足速率要求的用户增加优先权,使其优先分配子信道,保证了用户的速率QoS要求。仿真结果表明,该方案在满足系统吞吐率的同时能更好地保证用户的公平性。     

基于Markov模型与轨迹相似度的移动对象位置预测算法

针对低阶Markov模型预测精度较差,以及多阶Markov模型预测稀疏率高的问题,提出一种基于Markov模型与轨迹相似度(MMTS)的移动对象位置预测算法。该方法借鉴了Markov模型思想对移动对象的历史轨迹进行建模,并将轨迹相似度作为位置预测的重要因素,以Markov预测模型的预测结果集作为预测候选集,结合相似度因素得出最终预测结果。实验结果表明,与k阶Markov模型相比,该方法的预测性能不会随着训练样本大小及阶数k的变化受到很大的影响,并且在大幅降低k阶Markov模型预测稀疏率的同时将预测精度平均提高了8%以上。所提方法不仅解决了k阶Markov模型的预测稀疏率高及预测精度不足的问题;同时提高了预测的稳定性。     

基于线性预测与马尔可夫模型的入侵检测技术研究

入侵检测技术是现代计算机系统安全技术中的重要组成部分．该文提出了基于线性预测与马尔可夫模型相结合的入侵检测方法．首先提取特权进程的行为特征,引入时间序列分析技术——用线性预测技术对特权进程产生的系统调用序列提取特征向量来建立正常特征库,并在此基础上建立了马尔可夫模型．由马尔可夫模型产生的状态序列计算状态概率,根据状态序列概率来评价进程行为的异常情况．然后,利用马尔可夫信源熵与条件熵进行参数选取,对模型进行优化,进一步提高了检测率．实验表明该算法准确率高、实时性强、占用系统资源少．     

基于改进马尔可夫链的航线预测算法

在交通领域,研究分析旅客的出行目的地会产生很多商业价值。针对旅客出行目的地的不确定性造成研究困难的问题,现有方法利用熵衡量移动的不确定性来描述个体的出行特性,并同时考虑个体轨迹的时空相关性,并不能达到理想的预测精度,因此,提出了基于改进马尔可夫链的航线预测算法来对旅客的出行目的地进行预测。首先对旅客历史出行的距离分布、地点分布和时间规律特性进行了分析;然后又分析了人类移动对历史行为和当前地点的依赖性;最后将旅客的常住地特性和新航线的探索概率加入到转移矩阵的计算中,提出并实现了改进的马尔可夫链航线预测算法,进而对旅客的下一次出行进行预测。实验结果显示,该模型可以达到66.4%的平均预测精度。研究成果可以应用在航空领域的用户出行分析中,使航空公司更好地了解和预测旅客的出行,提供个性化的出行服务。     

基于动态分类的Markov用户浏览预测模型

针对多Markov链用户浏览预测模型分类算法的时间复杂度过高问题,提出一种基于动态分类的Markov用户浏览预测模型。该模型通过学习提取用户浏览特征,利用这些特征对用户浏览路径进行分类,实现预测并动态更新用户浏览特征。实验结果表明,该模型可明显降低用户浏览路径预测的时间,并得到较为准确的预测结果。     

一种基于马尔可夫模型的稀疏轨迹终点预测算法

随着移动设备的普及与定位技术的成熟,涌现出了各种基于地理位置的应用软件不断涌现。为了使这类应用软件给用户提供精准的基于地理位置的服务,实时、准确、可靠地预测移动对象的不确定性轨迹显得尤为重要。目前大多数传统的轨迹终点预测方法都是通过计算轨迹之间的相似度来预测给定轨迹的终点,这种算法的弊端是没有充分考虑轨迹数据时间序列之间的前后联系,导致预测结果偏差较大。理论证明,马尔可夫模型对处理时间序列数据具有较好的效果。因此,针对轨迹终点预测的问题,提出了一种基于马尔可夫模型的预测算法。同时,针对样本运动空间提出一种新的划分网格策略——K-d tree网格划分。实验结果表明,相比于传统方法,运用马尔可夫模型预测轨迹终点的算法的精度有明显提高,预测时间会大大缩短。     

基于无偏灰色马尔科夫预测WSN数据融合算法

为了降低无线传感器网络节点的能量消耗,延长网络工作时间,提出基于无偏马尔科夫链预测的井下数据融合算法.该算法考虑矿井下监测数据的时间相关性,通过无偏灰色马尔科夫链预测模型,利用以往的数据对未来的数据进行预测,并设置阈值来判断是否需要上传数据,减少数据上传量,从而减少整个网络传输数据的能量消耗,延长网络寿命.仿真结果表明随着阈值的增加,上传的数据比率越小,网络的能量消耗更少,网络的寿命得到有效的延长.     

Parallel and interacting Markov chain Monte Carlo algorithm

In many situations it is important to be able to propose N independent realizations of a given distribution law. We propose a strategy for making N parallel Monte Carlo Markov chains (MCMC) interact in order to get an approximation of an independent N-sample of a given target law. In this method each individual chain proposes candidates for all other chains. We prove that the set of interacting chains is itself a MCMC method for the product of N target measures. Compared to independent parallel chains this method is more time consuming, but we show through examples that it possesses many advantages. This approach is applied to a biomass evolution model.     

小无线网络中基于BLUF的包调度算法

在无线网络的多用户资源分配中,一个重要的问题就是设计高效的调度算法来保证用户的公平性,并充分利用有限资源和保证用户服务质量要求。提出一种基于缓冲区长度效用函数的多用户包调度（BLUF）算法,该算法充分考虑无线信道的时变特性,用缓冲区长度的效用函数来表示调度的服务质量需求的紧急程度,用户当前信道速率与其获得的平均信道速率的比值表示用户公平性和系统效率的权衡程度。仿真结果表明,与存在的比例公平性无线包调度（PFS）算法相比,BLUF算法能够保证实时任务的时延需求的前提下,获得更好的公平性、系统吞吐量等性能。     

基于隐马尔可夫模型的文本分类算法

自动文本分类领域近年来已经产生了若干成熟的分类算法,但这些算法主要基于概率统计模型,没有与文本自身的语法和语义建立起联系。提出了将隐马尔可夫序列分析模型（HMM）用于自动文本分类的算法,首先构造表示文档类别的特征词集合,并以文档类别的特征词序列作为不同HMM分类器的观察序列,而HMM的状态转换序列则隐含地表示了不同类别文档内容的形成演化过程。分类时,具有最大生成概率的HMM分类器类标即为测试文档的分类结果。该算法构造的分类器模型一定程度上体现了不同类别文档的语法和语义特征,并可以实现多类别的自动文本分类,分类效率较高。