党建引领下的高职育人队伍链路构建

立足于新时代中国特色社会主义教育背景,以党建为抓手,探析高职院校育人队伍链路,健全高职院校立德育人和思政育人机制,加大提升职业院校思政育人、立德树人的针对性、实效性和有效覆盖面,结合高职院校的实际情况,该文从宿舍建设、班级建设、团学干部建设入手,以发展入党积极分子为主,建立育人第一链路;将辅导员选聘和教师党员队伍建设结合,建立育人第二链路;通过实施全员协同育人、全过程贯通育人、全方位融通育人,由全体教职工组建育人全链路,有效形成党建引领下的高职育人队伍链路。

基于遗传算法的电力物联网链路负载智能控制方法

由于电力物联网链路频带传输状态是实时变化的,导致电力物联网链路负载的波动幅值存在明显的不稳定性。为此,基于遗传算法对电力物联网链路负载智能控制方法展开研究。在充分考虑信号带宽和频带利用率的基础上,构建了链路频带传输模型。设置负载分配方案作为初始化种群,以最小化链路负载差异作为控制目标,使用标准差作为适应度函数,在交叉操作处理的基础上,将适应度变化小于预设阈值的输出结果作为电力物联网链路负载方案。测试结果表明,整体波动幅值基本稳定在-5.0~5.0 Kb/s范围内,具有较高的稳定性。

基于边缘计算的高速光纤通信链路时延估计研究

由于未对接收信号进行去噪处理,导致光纤通信链路时延估计存在估计误差大、准确率低的问题,为了解决方法中存在的问题,提出基于边缘计算的高速光纤通信链路时延估计方法。通过边缘计算设计了高速光纤通信网络架构,基于网络架构中的边缘计算层,通过直射链路的方式构建高速光纤通信链路模型,接收光信号,并使用广义相关算法对接收到的信号进行去噪处理,根据去噪处理结果,结合卡尔曼滤波方法与Round-trip算法估计信号时延。实验结果表明,所提方法的高速光纤通信链路时延估计准确率高、效果好,具有较高的实际应用价值。

基于非相干光频域反射的多芯光纤网络链路缺陷智能检测

为了保证通信安全稳定、数据传输完整,提出了一种基于非相干光频域反射的多芯光纤网络链路缺陷智能检测。先构建多芯光纤网络数学模型,约束光纤节点映射和频谱分配,使频谱数量最少的同时占用的频隙数最大。然后利用分簇检测建立数据传输链路模型,得出通信传输函数,根据相关匹配滤波器调整链路,通过波特间隔均衡完成链路数据采集。最后运用非相干光频域反射步进频率调制产生的瑞利散射光波,结合傅里叶逆变换获得网络健康状况空间分布位置,实现多芯光纤网络链路缺陷智能检测。实验结果表明,所提方法能够准确检测出链路缺陷,对链路阻塞缺陷检测、链路平均故障风险检测率、链路频谱利用率缺陷检测误差分别小于0.4%、0.2%和0.5,且检测时长控制在1.5 s以内,可帮助网络及时恢复运行。

基于主备路由的电力通信网关键链路识别算法

随着电网智能化的发展,电力通信网络结构日趋复杂,业务数量日益增多。为识别电力通信网关键链路,提出基于主备路由的电力通信网关键链路识别算法。首先,根据各业务重要度、带宽以及主备路由分布情况,在电力通信网络模型基础上融入电路模型,得到网络服务层和传输层的初始可靠性。然后,根据链路失效后对原本流经失效链路的业务重新分配路由后的网络服务层和传输层可靠性的下降程度,计算链路重要度。最后,设计关键链路识别算法,根据链路重要度值识别关键链路。在中国内蒙古自治区东部某市和江苏省某市电力通信网进行仿真实验,并与不同关键链路识别算法进行对比分析,验证所提算法的合理性。

链路预测的若干基础问题探讨

链路预测是网络科学最具活力的分支之一,其目标是基于已知的网络拓扑结构估计未观察到的链接的存在可能性。该文对链路预测中仍需重点关注的4个基础性问题——网络选取、链路抽样、模型训练和算法评价进行了研究,报告了这4个方面目前的研究进展,并指出尚未解决的关键问题。最后,对亟待解决的一些关键研究问题进行了总结。

基于多源数据和改进链路预测的新能源汽车技术机会研究

[研究目的]在绿色低碳发展的背景下,旨在识别新能源汽车领域的技术机会,为未来新能源汽车的技术研发与商业化方向提供借鉴参考,助力新能源汽车的发展。[研究方法]搜集反映新能源汽车领域基础研究、应用研究和商业化的多源数据,采用三螺旋模型,将基于改进链路预测方法得到的预测结果“节点链”进行融合对比分析,得到最终细化的新能源汽车技术机会。[研究结论]验证了基于多源数据融合思想和改进链路预测的方法识别新能源汽车技术机会的可行性。研究结果表明:新能源汽车未来技术机会主要集中在动态无线充电技术、磁悬浮技术与自动驾驶技术的结合;通过碳化硅材料等改进的驱动技术;通过光催化等改进的电池技术;制氢与车载储氢等。

基于离散时间量子漫步的链路预测算法

量子漫步算法能模拟游走粒子在图上的量子相干演化,粒子的运动状态由量子态的相干叠加而成.与经典随机游走算法相比,量子漫步算法具有寻找目标节点时间少和源节点扩散至其他节点时间少的优点.提出一种基于离散时间量子漫步的链路预测(link predictionbased on discrete time quantum walk,简称LP-DTQW)算法.研究结果表明:相对于其他7种算法,LP-DTQW算法有更高的预测精度;LP-DTQW算法的时间复杂度远低于经典RWR(random walk with restart)链路预测算法的时间复杂度.因此,LP-DTQW算法具有更强的预测性能.

链路电源技术在Pyxos嵌入式网络中的应用

为了降低了Pyxos嵌入式网络的成本、占用空间和使用的复杂性,介绍了链路电源技术在Pyxos嵌入式网络中的应用,利用电源变压器、整流滤波电路、稳压电路和直流电源滤波器所设计的链路直流供给电源模块向网络供给24V直流电,利用交流滤波电路和电源变压器所设计的链路交流供给电源模块向网络供给24V交流电,链路节点电源模块采用低通滤波器将同一电缆同时传输电源信号和数据信号的电源信号输入Pyxos节点并通过开关电源电路向Pyxos芯片提供3.3V的工作电压。为保证网络性能可靠,还提出了确定Pyxos节点与链路供给电源模块的距离的方法。实际应用表明链路电源技术降低了设备的安装时间和成本。

基于时序图卷积的动态网络链路预测

动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution, DNLP-SGC).针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系.进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测.在2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision, recall, AUC指标上均优于对比的基线模型.

基于ARM架构柔性直流控制保护系统的低链路延时优化设计

基于进阶精简指令集机器(ARM)架构多核处理器芯片设计了柔性直流控制保护系统新一代平台,提出适用于柔性直流输电的4层控制系统通用架构,给出新平台控制保护主机配置方案及功能配置原则。建立换流器高频阻抗简化模型,推导得到负阻尼频率与控制链路延时的数学关系。分析柔性直流控制系统的链路延时构成,提出一种链路复用的在线延时测试方法;基于多核架构与高速接口,研究控制系统的低延时优化方案。最后,在基于实际工程参数的实时仿真系统中,对ARM架构新平台开展了功能和性能测试,并验证了低延时优化方案的有效性。

基于蝴蝶优化算法的通信传输链路抗干扰仿真

为了避免干扰信号影响信息在链路中的传输效果,提出可见光通信高速传输链路抗干扰方法。建立可见光通信网络模型,对链路抗干扰问题建模;针对上述模型建立可见光通信高速传输链路抗干扰优化目标函数,并选取信道容量、信道误码率和链路中断概率作为约束条件;引入蝴蝶优化算法求解目标函数,实现可见光通信高速传输链路抗干扰。实验结果表明,所提方法的误码率低、信息传输成功率高、抗干扰能力强,能够确保通信传输的顺畅性,具有实际应用价值。

基于指数雨胞雨衰模型的微波链路雨强反演方法

为了提高微波链路雨强反演的准确性,基于指数雨胞雨衰模型提出了一种新的微波链路雨强反演方法,并利用瑞典哥德堡市21条微波链路和距链路2 km范围内8个雨量站的实测数据,将指数雨胞雨衰模型与传统幂律模型和ITU-R P.530-16雨衰模型进行了雨强反演对比。结果表明:指数雨胞雨衰模型在雨强反演方面表现优异,决定系数和纳什效率系数均为0.78,平均绝对误差为0.39 mm/h,均方根误差为0.68 mm/h;与幂律模型相比,指数雨胞雨衰模型在准确度和稳定性方面有显著提升,与ITU-R P.530-16雨衰模型相比也有所改进,特别是在短链路和中小雨的雨强反演中表现出明显的优势,对于进一步提升微波链路雨强反演精度和改善降水监测效果具有重要价值。

基于链路关联度模型的绿色节能路由框架

随着信息技术的高速发展,互联网的规模逐渐增大,与此同时,网络的能耗也随之攀升。业界普遍采用关闭利用率较低的链路来降低网络能耗。然而,目前的网络节能方案并不能有效平衡能量节约率、计算开销和路径拉伸度三者之间此消彼长的关系。为了应对上述问题,文中提出了一种基于链路关联度模型的绿色节能路由框架。该框架支持不同的链路关联度模型,仅需要网络拓扑结构,而不需要网路中的实时流量矩阵,更易于在实际网络中部署。基于提出的链路关联度模型的绿色节能路由算法的框架,文中实现了链路行关联度算法LRC(Link Row Correlation)、链路列关联度算法LCC(Link Column Correlation)、链路行-列关联度算法LRCC(Link Row Column Correlation)和链路介数关联度LBC(Link Betweenness Correlation)4种不同的绿色节能路由算法。实验结果表明,在The Internet Topology Zoo公布的真实拓扑和由Brite模拟生成的拓扑中,LRC,LCC,LRCC和LBC的平均能量节约率比DLF算法的平均能量节约率高12.65%和7.17%,且它们的平均路径拉伸度比DLF算法的平均路径拉伸度低3.00%和13.75%。

蜂窝车联网侧行链路信道测量与分析

蜂窝车联网侧行链路接口(PC5)采用终端到终端直接通信的形式,因其通信延迟低、传输容量大和传输可靠性高的特点而具备广阔的科研和工程前景。为了实测蜂窝车联网侧行链路信道特性,使用具有PC5接口的车载板卡在城市道路进行了通信测量工作,并依据测量结果从信道特征对PC5接口信道进行了分析。分析了通信收包时延随距离和信噪比变化的特征,将实测参考信号接收功率值与自由空间和双射线两种路径损耗经验模型及对数距离和双斜率两种路径损耗拟合模型的预测值进行了对比,并引入了四种相关性分析算法,从数值偏移量、线性相关程度和几何形态相似度等角度分析了模型预测值与实测数据的关联性,最终验证了双斜率路径损耗模型最适合表征PC5接口通信信道在城市环境下的衰落特征,基于该模型测算得到的路径损耗指数和阴影衰落方差也进一步说明此模型能够更好地结合实验环境表征信道特性。

基于复杂信道服务模型的高效可靠链路控制方法

面向无线通信网络化应用发展趋势,针对无线链路容错概率高、实时变化大、信道带宽窄导致链路可靠控制难的问题,提出了基于复杂信道服务模型的高效可靠链路控制方法;分析了无线传播复杂信道服务模型的多种特点,提出了基于无线信道服务模型紧密耦合高效适配的控制机制,设计了无线链路层自适应分组反馈控制流程,结合帧结构设计给出了数据分组长度、最大重数次数等关键参数演算方法;在物理层最小分组长度对应传输成功率85%~99%条件下,仿真给出最佳分组长度为最小分组的2~9倍,最大重数次数为9次缩减至4次;仿真验证表明:在业务数据包长度为最小分组长度的10~100倍时,相比无链路控制状态,传输成功率由1%~90%改进至99.99%以上,平均吞吐量可提升两倍以上。

一种MAKLINK图多节点链路建模的路径规划研究

针对传统MAKLINK图规划路径线路改变时,其最优化路径易与环境约束条件冲突的问题,提出了在MAKLINK图中各链路上增加节点数目的方法,以提高系统建模的适应性和鲁棒性。设计的多节点链路通过dijkstra算法得到更为理想的次优化路径,由蚁群算法进行迭代计算获得最优化路径,实现了在保证路径适应度的前提下,提高优化路径对环境约束条件的适应性。实验结果表明,与基本MAKLINK图路径规划算法相比,多节点链路的建模路径规划算法可有效提高次优路径的建模精度,最优路径的适应度值较单节点链路减小了1.43%,具有一定的建模优势。

基于扇形链路策略的改进蚁群分簇路由协议

针对网络覆盖区域较大、节点数量较多的无线传感器网络,容易出现部分节点过早死亡等情况,提出一种基于扇形链路策略的改进蚁群分簇路由协议RACO-SL。通过加入奖惩因子,同时对精英个体采用蚁群优化算法的概率生成新的后代个体,对于普通个体,通过与随机选择的精英个体进行交叉变异操作,改进蚁群优化算法,以整个网络每次通信的能耗为优化目标选取较优的簇头节点集。为待转发簇头节点设计从可动态调节的扇形区域中选择下一跳中继节点的链路转发策略。实验结果表明,与现有协议相比,该协议在延长网络寿命、提高通信链路质量、增强网络覆盖度方面表现良好。

星基ADS-B系统空天链路的建模与仿真

星基广播式自动相关监视(ADS-B,automatic dependent surveillance-broadcast)系统是一种新型的航空器监视技术,在未来空中交通管理系统中具有广阔的应用前景。为了深入研究星基ADS-B系统中航空器到卫星的空天链路通信性能,将专业软件Matlab和STK(system tool kit)有效联合,构建符合国际标准的星基ADS-B空天链路完整模型;通过离散事件动态交互模拟ADS-B消息的发送与接收全过程,最后统计得出体现星基ADS-B空天链路通信性能的消息识别概率(POI,possibility of identify)、消息检测概率(POD,possibility of detective)、信号接收功率、信号冲突概率、卫星覆盖范围等指标。仿真结果表明,随着区域内航空器数量上升,POI、POD下降,消息冲突概率上升。

阿尔茨海默病的多层脑网络链路预测重构

功能脑网络的构建工作是阿尔茨海默病辅助诊断中的基础任务.针对基于全频域的单层网络构建方法难以处理小频段间的异质性特征以及脑网络中可能存在错误边或缺失边的问题,提出一种基于多层网络链路预测的功能脑网络模型.利用多层网络框架使节点间存在多个频段描述下的连接关系,并设计融合层间相似性和节点重要性的局部相似性指标,进而基于多层网络拓扑结构进行链路预测,以重构网络结构.实验结果表明,与当前先进的脑网络模型相比,该模型在阿尔茨海默病分类诊断中性能表现更好,证明所提模型能有效提升网络表达的精准性,且在计算机辅助诊断中具有良好的应用价值.