异构网络负载感知的动态增强型干扰协调方案

针对密集蜂窝网络中采用封闭用户集接入控制的微蜂窝对室内宏用户会产生强烈干扰的问题,提出了一种基于负载感知的动态增强型小区间干扰协调方案. 该方案使用基于马尔可夫链的预测算法,预估了网络负载变化趋势,避免了由于LTE系统时延引起近乎空白子帧错误配置最终导致系统容量下降的问题;该方案基于网络负载预测结果,动态调整微基站近乎空白子帧配置比例,建立基于动态近乎空白子帧比例配置的最大化系统吞吐量优化模型;仿真结果表明,与传统的增强型小区间干扰协调方案对比,该方案可以在吞吐量性能上获得显著的提高.     

动态信道切换及静默策略下的LTE-U共存方案

提出了一种针对非授权频段的长期演进(LTE-U)系统在5 GHz非授权频段与WIFI系统共存的方案.该方案基于先听后说(LBT)信道接入机制,通过引入动态信道切换技术,有效避免了因LTE-U系统长时间占用同一信道而对无线保真(WIFI)系统造成的干扰.在此基础上,对LBT机制中的静默时长进行了优化,以进一步提升LTE-U与WIFI系统共存的效率.理论分析和实验结果表明,所提方案可使LTE-U与WIFI在同频段和谐共存,并取得较好的系统性能.     

异构网络中几乎空白子帧存在时干扰协调方法

针对异构网络中几乎空白子帧存在时用户接入选择和资源分配方法过于复杂的情况,以及吞吐量需求难以得到满足问题,以最大化系统总吞吐量为目标提出一种易于实现的蚁群算法.在考虑不同用户不同需求的前提下,根据微基站用户在几乎空白子帧和正常子帧时受到干扰的不同,把一个微基站划分为两个虚拟基站,将所存在的问题建模为广义分配问题进行求解,同时解决了用户接入选择和资源分配问题.仿真结果表明,所提出方法与参考文献方法及两种增强型小区干扰协调固定配置结果相比,可以有效提高系统总吞吐量,同时兼顾小区边缘用户吞吐量,实现了良好的综合性能,能够更好地满足用户需求并在实际系统中易于实现.     

LTE-A异构网络中新的用户选择接入和资源分配联合方法

将信干噪比估计不确定问题引入到有几乎空白子帧存在时的异构网络中,在异构网络中提出一种新的用户选择接入和资源分配联合算法。为了用最少的无线资源满足用户的传输速率需求,将问题建模为最小-最大差值广义分配模型,然后进行求解。仿真结果验证了本文方法的可行性。     

基于ZigBee/WiFi的农业网关设计

针对精准农业监测系统中终端设备通过WiFi接入到无线传感网络的需求,设计ZigBee/WiFi农业网关。该网关通过ZigBee协调器传输终端节点采集的温湿度和光照信息;以LPC1768为主控制器,WiFi模块为信息转换器,实现ZigBee信息到WiFi信息的相互转换;将WiFi模块配置指令写入主控制器,省去使用网关前的配置操作。定义ZigBee数据包,设计ZigBee协调器串口和无线数据接收、主控制器双串口和配置WiFi模块程序等。测试结果表明,该网关能够满足各终端设备WiFi接入,且传输转换信息稳定。     

一种基于Android平台的QoS感知WiFi分流系统

建立一种基于Android操作系统具有QoS感知能力的WiFi分流系统架构。该系统利用Android系统提供的WiFi类库和方法对用户客户端周围网络信号进行扫描,分流算法依据网络信号、设备状态等QoS参数值大小,选择参数值最大的网络信号为最优网络,并由客户端或服务器端发起分流。实验结果表明,分流系统可为智能终端在复杂的异构网络条件下连接到信号最强最优的网络,较之传统方法该系统更好地满足了用户QoS需求、提高了WiFi分流工作效率。     

基于UCB算法的交替深度Q网络

在深度强化学习中,智能体需要与环境进行交互学习,这就需要智能体能够很好地去平衡利用与探索. 因此如何提升算法的样本有效性,增加算法的探索能力,一直是深度强化学习领域中非常重要的研究方向. 结合已有研究成果,提出了一种交替使用多个不同初始化深度Q网络方法,使用网络随机初始化带来的探索性能. 基于最大置信度上界算法先构造一种交替选择深度Q网络策略. 并将该调度网络策略与多个随机初始化的深度Q网络结合,得到基于最大置信度上界的交替深度Q网络算法. 在多个不同的标准强化学习实验环境上的实验结果表明,该算法比其他基准算法有更高的样本效率和算法学习效率.     

多重无线异构网络的智能云控制系统的设计

介绍一个多重无线异构的云控制系统,该系统主要包括云端服务器、网关和众多终端节点,集成了ZigBee、WiFi、GSM等通信协议,实现不同协议之间的数据异构融合,将其应用于各种不同的复杂环境,实现对复杂环境的智能化监控.在本文中,以智慧家庭为例,搭建硬件实验平台构建智能化监控系统.其中,前端构建ZigBee星型网络进行数据采集,网关对不同制式的协议统一封装,实现异构网络共性融合;云端服务器对来网关的数据进行统一处理,并对终端节点进行智能控制.实验结果表明,智慧家庭中不同制式的异构网络数据无缝衔接,云服务器与采集终端实现了信息交互,对家庭设备进行了智能化控制.因此,该系统具有很强的实用性、可靠性好、稳定性高、操作简单,可用于车联网、智慧家庭、智能农业等领域.     

带有碰撞感知的MANET可用带宽估计方法

准确获知当前可用带宽信息是更加合理、有效使用Ad hoc网络资源的前提。该文提出了一种基于数据帧重传预测的Ad hoc网络可用带宽估计方法。该机制通过平均竞争窗口大小估计数据帧碰撞以及重传情况,进而通过多个节点协同工作的方式来估计当前可用带宽。仿真结果表明基于平均竞争窗口的估计方法能够比较准确地估计碰撞情况,采用该机制所估计的可用带宽数值与实际测量值比较接近。     

无线传感器网络与以太网络帧结构转换

对下一代有线数字电视传送网络用户端以太数据帧,与家庭无线传感器网络数据帧相互转换进行了研究。相互转换的关键网元是汇聚节点sink,合理设计以太网侧数据帧结构,配置有线侧与无线侧帧结构比例,设计转换算法,有效完成了在sink节点上无线传感器网络与以太网络的数据帧结构转换。     

利用自主策略机制实现联合无线资源管理

提出了一种基于案例推理的最优策略产生方法,用于异构无线网络系统自主高效的无线资源管理及优化.该方法利用案例检索与匹配算法,从案例库中寻找最合适的再用策略;利用基于相似度概率的策略再用算法,改进新策略学习的效率和质量;应用贪婪算法,产生没有可用案例情况下的应对策略.此外,该方法在学习的基础上对策略案例库进行实时的更新.仿真结果表明,该算法具有高效的在线学习能力,能够有效提升网络在频谱效用和阻塞率方面的性能,实现自主的无线资源管理.     

异构网络中丢包隶属度函数的构建方法

异构网络中TCP丢包区分机制对无线网络的稳定性起着重要的作用,包对探测包的单向传输时延(ROD)作为区分参数对不同丢包类型进行区分,算法的准确度依赖于ROD样本的隶属度函数及其参数估算。为了更加准确地区分丢包类型,通过对传统高斯混合模型的EM算法进行分析,提出了基于势函数的初始化方法,并且在网络拥塞和无线误码同时存在的情况下,将改进的EM算法(PEM)应用于不同丢包模式下隶属度函数的构建中。仿真验证了该算法具有较好的收敛特性和稳定性,并且对不同丢包模式隶属度函数的确定达到了很好的构建效果。     

一种基于无线传感器网络分簇路由的改进算法

为了提高无线传感器网络能量的有效性,延长网络生命周期,在分析了无线传感器网络路由协议中的LEACH算法和SEP算法机理的基础上,提出了改进型SEP算法．改进型SEP算法能够在能量异构的网络模式下,通过改进选举簇头机制,提高了剩余能量较高的节点当选为簇头的概率,增加了选举簇头节点的合理性,有效地均衡了网络中的节点能耗,延长了网络的生命周期．实验结果表明：改进后的算法与LEACH算法和传统的SEP算法相比,在平衡节点能量和延长网络寿命方面具有更加优越的性能．     

MANET多路径负载均衡方法

提出了一种移动自组织网络（MANET）中均匀分配业务量、减轻网络局部拥塞的多路径负载均衡方法. 通过基于Bloom滤波器的流量检测方法获得每个节点的负载,在源节点进行负载均衡. 多路径负载均衡方法路径选择标准为链路生存时间、端到端时延和转发路径当前的负载情况. 通过仿真对其性能进行了衡量和分析,仿真结果表明,该方法在分组投递率、端到端时延和所需的控制包开销方面优于传统多路径机制,该方法适用于节点密度较小的场景.      

基于异质模体特征的社交网络链路预测

现有链路预测方法大多是针对同质网络,没有考虑到真实网络多数是节点或连边性质具有差异的异质网络,无法充分利用不同类型节点或连边的拓扑结构信息.提出了一种基于异质模体特征的链路预测方法,将网络中的用户以性别差异作为节点类型划分,构建区分节点类型的异质模体特征进行异质网络中的链路预测.在此基础上,提出融合同质模体与异质模体特...     

无线传感器网络IPv6地址自动配置方案

提出一种无线传感嚣网络IPv6地址自动配置方案,该方案将无线传感器网络划分为多个簇,针对簇首节点和簇内节点分别给出了相应的IPv6地址格式,并采用哈希函数除留余数法为簇首节点和簇内节点分配IPv6地址,采用线性探测法解决IPv6地址冲突问题.从重复地址检测开销、地址配置总开销及地址配置总延迟时间三个方面对该方案与现有方...     

泊松簇过程部署的窄带蜂窝物联网性能分析

针对窄带物联网（NB-IoT）与蜂窝移动网同频共存网络,借助随机几何理论工具,采用泊松簇过程建模NB-IoT用户节点位置,推导了异构网络上行链路的中断概率和用户传输容量的解析表达式,探究了簇半径以及NB-IoT基站部署密度对网络中断性能和用户传输容量的影响,对比了基于泊松点过程建模异构网络的中断性能.理论分析和仿真结果表明,调整簇半径和NB-IoT基站的部署密度能够有效提升共存网络的中断性能和用户传输容量.     

时延Elman递归神经网络及其在PMSM的混沌控制中的应用

针对Elman递归神经网络存在的高深度、低分辨率问题,提出了一个结构简单的时延Elman递归神经网络模型。通过在Elman递归神经网络中引入多步的时延结构和反馈结构增强网络的记忆深度和分辨率。针对永磁同步电动机(PMSM)中存在的混沌运动,设计了时延Elman递归神经网络控制器和辨识器,推导出时延Elman递归神经网络的动态反传算法。运用离散型Lyapunov稳定判据,推导出此神经网络控制器和辨识器的权值自适应学习速率的取值范围,确保了控制系统的稳定性和快速收敛性。仿真结果表明,作者提出的时延Elman递归神经网络在动态系统的辨识和控制等方面具有良好的性能。