802.11无线网状网中基于时频信道的准动态信道分配算法

该文首次在多天线多信道802.11无线网状网中提出了时频信道的概念。时频信道是通过在时间和频率两个维度划分无线资源取得的。这种划分方法增加了信道数量,使信道划分更加精细,为提高系统的信道利用率做了准备。在时频信道的基础上,提出了准动态信道分配算法。该算法可以和现有的固定信道分配算法结合,实现准动态信道分配,根据链路上负载变化,取得最大的吞吐量。该算法先根据固定信道分配算法为各链路分配相同数量的时频信道,剩余部分当作公共信道。在通信过程中,各链路首先使用分配给自己的信道和空闲的公共信道。如果分配给一个链路的信道不够,且别的链路上的信道有空闲,该链路还可以暂时使用这些空闲信道。理论分析和仿真结果证明该算法可以有效提高系统的吞吐量。     

基于长短期记忆网络的UKF动态谐波状态估计

传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能。为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory, LSTM)的时序预测方法。通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter, UKF)中预测模型精度。在改进IEEE34节点三相不平衡系统上进行了测试分析。与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好。     

无线传感器网络跳数和通信距离自适应差错控制策略

无线传感器网络(WSNS)的动态信道特性、网络带宽和节点能量受限等特点,使得在无线环境下为数据传输提供可靠性保证面临更大的挑战.本文提出一种适用于WSNS的自适应链路层差错控制策略(AEC-Hops/RSSI),以便改善WSNS的通信性能.首先建立数学模型,分析数据帧被转发所经历的跳数与能效的变化规律,然后分析前向纠错...     

基于无线传感器网络的一种改进Dv-Hop算法

无线传感器网络中的Dv-Hop算法是一种无需测距的节点定位算法,经仿真观察,该算法在信标节点密度较低时节点平均误差较大且稳定性不好.提出了一种改进Dv-Hop算法,即在一个网络区域的边缘设置信标节点.经仿真验证,该算法在和Dv-Hop同等信标节点密度的情况下,在定位精度、节点定位的稳定性以及能源消耗方面都有所改善.     

无线传感器网络动态密钥管理方法

设计安全、合理的密钥管理方法,是解决无线传感器网络安全性问题的核心内容.提出了EEHS(a novel energy efficient and highly survivable dynamic key management scheme),是一种基于EBS(exclusion basis system)的、适合于大规模分簇式无线传感器网络的动态密钥管理方法,它具有安全性强、能量效率高、动态性能好、可扩展性强等特点.一种新型多项式密钥(同化多项式密钥)被运用在了EEHS的EBS管理密钥中,显著地提高了网络的抗捕获能力.当节点被捕获时,EEHS还可以动态取消并更新被捕获节点所拥有的全部密钥,最终驱逐被捕获的节点.为提高网络的能量效率和鲁棒性,EEHS将密钥分配和密钥生成等功能分配给簇内不同的功能节点,且传感器节点轮流作为功能节点使用.仿真与分析结果表明,与相关工作相比,EEHS可以显著提高网络的能量效率、延长网络寿命、加强网络安全性.     

基于区间多目标量子文化算法的无线传感器网络覆盖能效优化

针对不确定环境下无线传感器网络覆盖能效优化问题,提出一种传感器节点区间感知模型;进而考虑网络覆盖率和节点冗余率,将其转化为区间多目标优化问题。基于一种新型区间个体依可能度占优关系,提出区间多目标量子文化算法,根据区间占优个体信息提取隐含知识,用于指导量子个体更新及进化个体变异与选择。不同环境下的仿真结果表明：基于所提出算法获得的Pareto解具有更好的收敛性、分布性和延展性;相应的无线传感器网络布局更合理。     

硅基毫米波共面波导可缩放神经网络模型

随着微电子工艺技术的发展,硅基CMOS器件的截止频率已经达到毫米波频段,使硅基微波单片集成电路实现成为可能。因此,建立硅基毫米波频段共面波导结构模型使准确设计硅基微波单片集成电路成为必要。文章提出了一种基于神经网络技术的共面波导结构(CPW)毫米波可缩放模型,采用3层神经网络结构,根据共面波导的测试结果,用神经网络来学习其物理变量和测试的相应S参数空间映射关系。仿真与测试结果比较表明:基于神经网络方法建立的毫米波共面波导可缩放模型对不同几何参数CPW能够快速和准确地给出对应的CPW的S参数结果。     

有向加权网络的局域世界演化模型

现实世界中的很多网络既是连接间具有不同权值的加权网络又是连接间具有方向的网络。针对这一现实,在局域世界网络拓扑结构中同时引入有向性和权重。在局域世界演化模型基础上,建立了有向加权网络的局域演化模型（LWDW）,并提出了节点的出强度与入强度的概念。采用平均场理论导出这一模型节点的强度分布、出强度以及入强度的分布,同时分析了复杂网络的其他拓扑参量聚类系数和平均路径长度,并通过数值仿真实验验证了理论分析的正确性。     

广义模糊推理与广义模糊RBF 神经网络

在提出广义模糊推理概念的基础上,提出并分析了广义模糊径向基(RBF)神经网络模型,给出了该网络的广义学习算法。仿真结果验证了广义模糊RBF神经网络模型具有良好的函数逼近能力,所提出的学习算法是可行和有效的。     

无线传感器网络中基于自适应定时器策略的分簇算法

提出了一种适用于无线传感器网络的基于自适应定时器策略的分簇算法,该算法通过自适应调整节点的等待时间来保证较多电池能量的节点有更大的机会成为簇首.理论分析表明该算法不仅实现了系统的动态负载均衡,并且能够通过参数的设置确保簇首的均匀分布.仿真结果显示该算法有效地延长了系统生命,提高了网络的能耗效率.