低轨道卫星通信中越区切换信道分配算法研究

该文根据低轨道卫星通信中,呼叫请求到达的特点,以带滞后结构的马尔可夫链模型来模拟信道的占用和分配状态,对新呼叫阻塞率和切换呼叫中断率进行评估。仿真结果表明:较低通信量负载时,这种信道分配策略简单有效,在保证切换呼叫中断率小于0.05%的情况下,呼叫阻塞率大大降低,同时提高资源利用率。     

基于改进的Markov过程模型和作战评估

为解决水雷工作制度、扫雷概率未知的情况下扫雷作战效果评估难于求解的问题,在Markov过程的基本评估模型基础上并考虑到雷区清扫一次水雷可能动作多次的情况,文中设计实现了基于Markov过程的效果评估改进模型,在分析约束条件的基础上探讨了模型求解方法:逐步回归和遗传算法。最后通过实例仿真计算了模型相关性能指标,结果表明:在小样本数据条件下模型可以取得较为准确的评估结果。     

优化P2P业务传输的新型EPON接入网

提出了一种优化端到端（P2P）业务传输的以太无源光网络(EPON)接入网结构及其P2P业务重定向机制,采用马尔可夫链数学模型进行理论分析,并进行了Matlab仿真计算. 仿真结果表明,所提方案能有效降低P2P协议报文所经历的网络距离,并且降低核心网的数据流量负担.     

基于马尔可夫随机场的低分辨率车牌图像复原算法*

由于采集到的车牌图像分辨率较小,为获取高分辨率的图像,提出基于马尔可夫随机场模型的车牌图像超分辨率复原算法。首先对图像进行分块;然后利用马尔可夫随机场对这些分块进行建模,通过模型学习训练库中高低分辨率图像的关系,预测待复原的低分辨率车牌图像的高频细节信息。实验结果表明,本算法对车牌图像取得较好的复原效果,算法复原的超分辨率车牌图像更接近于真实图像,具有更高的峰值信噪比。     

基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法

提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥罗夫方程的概率转移算法对带式输送机堆煤时刻进行预测:基于图的状态序列遍历算法通过寻找当前状态到堆煤状态的通路确定剩余时间;基于切普曼-柯尔莫哥罗夫方程的概率转移算法通过粒子群优化算法及切普曼-柯尔莫哥罗夫方程交叉验证来获取训练样本上失败状态的概率阈值,并计算当前的状态迁移到超过失败状态概率阈值的转移次数来确定剩余时间。基于煤矿生产实际数据集的实验验证了该方法可有效预测带式输送机的堆煤发生时刻。     

优化SVR的加权马尔可夫链用电量预测

研究电力系统中用电量的准确预测问题.由于影响用电量的因素众多,并且用电量数据与相关因素之间呈现高度的非线性关系,传统的预测方法很难捕捉用电量的变化趋势,预测精度较低.为了提高预测的精度,提出了一种马尔可夫链优化的SVR模型.上述模型根据支持向量回归机原理,以网络搜索交叉验证的思想优化模型参数,通过加权马尔可夫链原理优化预测结果,将原来的数值预测转化为概率区间上的预测.同时,在利用加权马尔可夫链的预测信息之后,也提高了预测的精度.最后,将改进模型应用于江苏省全社会用电量的预测分析,实验结果表明优化的支持向量模型优于其它对比模型,有较高的泛化能力和预测精度.     

OFDM在LMS信道下的BER性能研究

正交频分复用（OFDM）应用于卫星宽带通信,前提需建立适用的卫星信道模型,目前常用的卫星信道模型主要为窄带模型,因而宽带系统性能分析的基础,首先得建立卫星信道宽带模型。对已有陆地移动卫星（LMS）信道模型进行研究,提出了一种便于仿真实现的四状态宽带信道模型,以此仿真得到OFDM在LMS信道下的BER性能结果。结果表明,宽带状态和窄带状态下BER性能变化较大,在不同环境下的BER性能亦有不同,可将该模型应用于卫星宽带通信的研究分析。     

基于声音识别的多阀门泄漏检测系统

阀门在石油工业中使用频繁且出现泄漏现象不易检测。论文阐述了通过软件方式根据声音信号识别阀门泄漏的方法。系统利用声音传感器采集有效时间段的声音信号,提取其MFCC特征参数作为观测序列,并利用隐马尔可夫模型对其进行建模训练,使其能够识别故障信号,及时发现阀门泄漏,并进行报警处理,从而保证输油泵正常工作。实验证明,系统能够有效地识别阀门泄漏故障。     

基于shell命令的内部攻击检测

信息系统不仅面临着外部攻击的威胁,同时也面临着来自系统内部的威胁。本文针对系统内部攻击,首先对信息系统的内部威胁和内部攻击进行简要阐述和分析。基于用户操作行为的一般规律,提出几种检测模型,通过对比检测结果找出检测效果好的检测模型。基于SEA公开数据集,采用词袋、TF-IDF、词汇表以及N-Gram几种方法进行特征提取,使用不同的机器学习算法建立检测模型,包括XGBoost算法、隐式马尔可夫和多层感知机(MLP)。结果显示：测试样本采用词袋+N-Gram特征模型和XGBoost学习算法的精确率和召回率较高,检测效果最好。     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。