星地认知网络中基于图论的动态频谱划分算法

在星地网络间的多授权用户卫星认知通信场景中,提出了一种基于图论的动态频谱划分过程。首先对图论模型进行介绍,其次分析了多授权用户(地面通信基站)条件下的卫星认知通信场景,根据认知用户(地面卫星用户)的感知范围并利用图论模型确定了其与授权用户间的感知矩阵,然后利用认知用户的吞吐量和授权用户的频谱空闲状态等通信参数,通过迭代的方式得到了最终的频谱接入矩阵,完成了多授权用户条件下的频谱划分。仿真结果表明:该算法可在认知用户的感知能力范围内,将认知用户划分到使其收益最大的授权用户频谱中。

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法。通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率。仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率。

基于LSTM神经网络的卫星频谱多门限感知算法

针对在卫星认知通信场景下传统频谱感知算法感知性能低、受通信时延影响大的问题,提出了一种基于长短期记忆(LSTM)神经网络的卫星频谱多门限感知算法。首先构建卫星认知通信模型,其次将仿真数据送入长短期记忆(LSTM)神经网络进行预测感知,采用动量随机梯度下降(SGDM)算法对网络进行更新,然后提出多门限算法对网络输出进行优化,最后与其他神经网络算法作性能对比。该算法无需构建特征值,实验结果表明:在卫星信道条件下,当面对低接收信噪比及低网络迭代次数时,该算法频谱感知性能要优于其他神经网络算法。

基于深度强化学习的卫星信道动态分配算法

在卫星通信系统中,频率和信道是十分珍稀的资源,针对如何利用可靠且高效的方法来进行资源的开发这一亟需解决的难题,提出了一种基于Q-learning深度强化学习的动态卫星信道分配算法DRL-DCA,该算法将卫星和环境交互建模为马尔科夫决策过程,通过环境的反馈提升卫星的决策能力,实现用户业务请求的高效应答,提升卫星通信的服务质量,降低通信阻塞发生概率。仿真分析表明该算法能够有效地提升通信的吞吐量,降低通信的阻塞率。

基于注意力机制的混合CNN-BiLSTM低轨卫星信道预测算法

针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题,提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network,AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号,得到卫星信号的训练集和测试集;然后将训练集输入构建的训练网络进行特征提取;最后将测试数据输入网络进行预测分析。仿真结果表明,在与其他4种人工智能方法的对比中,所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%),有效地缓解了低轨道卫星信道参数“过时”的现状,对提升卫星通信质量和节省卫星信道资源有良好的改善作用。

企业产品画册编排设计浅析

企业产品画册是以企业文化、企业产品为内容的视觉形象化广告设计。企业产品画册具有信息要准确、素材丰富、脉络清晰、创意独特、文案精彩、印刷精美、散发广泛等特点,在设计过程中要考虑素材的收集与整理、图片、色彩、文字、编排等方面,综合运用各种理论知识从封面封底、目录页、公司简介页、产品介绍内页等几个方面进行统一的编排设计。