生物基生物可降解非织造材料的发展现状和趋势

非织造布因工艺流程短、剪裁方便、质轻、功能多样化等优点广泛应用于包装、个人护理、医疗卫生、过滤防护、装饰等领域。传统非织造布来源于石油基材料,其使用之后产生的大量废弃物难以回收、不可降解,造成严重的环境污染。使用可降解的生物基材料为原料,开发可降解、功能性且高附加值的新型非织造产品是非织造布领域的发展趋势。本文从原料、降解性能、纤维性能、非织造布种类等方面重点对纤维素、聚乳酸、生物基聚对苯二甲酸-己二酸-丁二醇酯、聚羟基脂肪酸酯为原料的生物基纤维及其非织造材料发展现状进行总结,并对非织造布领域发展趋势进行展望。

D2D网络功率和频谱资源分配策略

针对蜂窝通信系统高能耗、低通信资源利用率和低信道利用率的问题,提出一种基于能量效率(energy efficiency,EE)与频谱效率(spectral efficiency,SE)联合优化的网络资源分配策略.首先,在保证通信用户服务质量(quality of server,QoS)的前提下,提出一种基于启发式算法的信道选择策略,为系统内的D2D(device-to-device)用户分配信道复用资源;其次,在通信系统干扰门限和回程容量限制约束下,利用Lagrange对偶分解迭代实现系统功率和频谱资源分配.仿真结果表明,该算法能有效扩充系统内D2D用户的数量,提高能量效率及信道利用率,增加频谱利用率,为D2D用户分配最优的功率,增强业务承载能力,降低通信系统能耗并减少资源浪费.

高原山区D2D网络能量效率优化算法研究

针对高原山区丰富植被和山地丘陵给通信用户带来严重的路径损耗,增加通信系统能耗问题,提出一种基于能量效率(energy efficiency,EE)的优化算法。首先,利用多峰绕射模型模拟高原山区电波传输损耗,在保证通信用户服务质量(quality of server,QoS)的前提下,最大化系统中端到端(D2D)用户设备的总能量效率,将优化问题分解为功率控制和信道选择两个子问题进行求解;其次,利用拉格朗日对偶和Dinkbach算法联合解决功率控制;最后,利用Gale⁃Shapley匹配算法实现信道匹配。仿真结果表明,与现有算法相比,本文算法能够有效约束同频干扰,增加系统内信道资源利用率,提高系统的能量效率,降低系统能耗,提高系统性能。

基于改进遗传算法的D2D资源分配策略

针对D2D(Device to device,D2D)通信技术在蜂窝系统中的资源分配与干扰问题,提出一种基于改进遗传算法的D2D资源分配策略。首先,确定保证蜂窝用户和D2D用户通信质量的功率范围,然后提出一种改进的遗传算法来确定D2D的最佳发射功率,最大化系统吞吐量。该算法在保证蜂窝系统服务质量(Quality-of-service,QoS)的同时,让交叉算子和变异算子随进化代数进行自适应变化,从而达到全局最优。仿真结果表明,本文所提算法可有效提升系统吞吐量并提高D2D用户的信道利用率。

联合模式选择的D2D信道分配

针对在蜂窝系统中引入终端设备直通(Device-to-Device,D2D)技术带来的干扰以及D2D复用蜂窝网络资源时造成的资源无法充分利用的问题,本文提出一种改进的遗传算法(Improved genetic algorithm,IGA)来为D2D用户选择通信模式和分配信道。在保障蜂窝用户服务质量的前提下将系统吞吐量达到最高,提高资源利用率。首先,确定模式选择的标准,选择适合的通信模式;然后,采用加入了定向因子的自适应遗传算法为不同模式的用户分配信道;最后,仿真结果显示,本文算法能有效地降低干扰,提高系统资源利用率。

基于深度学习的D2D网络功率控制策略

本文提出了一种基于深度学习的D2D蜂窝通信网络功率控制策略。在所提方案中,考虑来自蜂窝用户设备和D2D用户间的干扰,通过深度神经网络自主学习D2D用户设备的传输功率,从而约束蜂窝用户设备的干扰实现D2D用户设备加权总和的最大化。与现有的传输功率控制方案不同,复杂的优化问题必须以迭代的方式牺牲更多的计算时间,本文所提方案以相对较低的计算时间来实现功率控制。仿真结果表明,本文所提方案以足够短的计算时间最大化D2D用户设备的加权总和。

联合干扰控制与PSO的D2D网络资源分配

针对D2D(device-to-device)通信用户在复用传统蜂窝通信信道资源的过程中会产生干扰问题,提出了一种基于粒子群算法(particle swarm optimization,PSO)的D2D通信功率匹配联合干扰控制资源分配算法,在控制干扰的同时实现整个系统吞吐量最大化。首先,通过不同用户功率的阈值划分不同安全通信范围,只有处于安全通信范围的用户才能进行后续的功率分配,从而有效降低系统干扰;其次,采用一种基于粒子群算法的功率匹配方法,将D2D用户发送端作为粒子群,通过迭代寻找最优功率,使整个系统吞吐量最大化。仿真结果表明:本文所提出的算法可以明显提高系统的整体吞吐量并降低干扰至最低,从而使整个系统的通信质量达到最优。