无线多跳网的一种端到端的最大最小公平调度算法

提出一种基于效用函数的分布式最大最小公平性调度算法及其跨层控制模型,算法针对无线多跳网中端到端的流,通过对偶规划以及拉格朗日松弛算法把问题分解成传输层和MAC层两个子问题,在传输层上采用基于最大价格的最大最小公平速率分配方案来交叉控制MAC层的调度,给出了跨层层控制模型.仿真结果表明该算法具有良好的公平性和调度性能.

无线回程网中的公平性模型研究

在分析无线回程网的三个公平性目标的基础上,提出一种新的带权支流最大最小公平性模型,通过对该模型的非线性规划将其推广到带权支流的一般公平性模型,并给出一般模型的分布式算法,实例仿真分析了几种不同公平性模型下系统的吞吐量和公平性,结果表明该带权支流模型一方面较好的兼顾了吞吐量和公平性,另一方面易于推广且可用分布式算法实现.

一种新的重叠混沌信号盲分离算法

提出一种基于粒子滤波(particle filtering,PF)的重叠混沌信号盲分离算法,该算法依据混沌动力学系统的状态空间模型,把重叠混沌信号盲分离问题转化为混沌信号和系统参数的联合估计问题,利用PF方法估计各信号以及系统参数的联合后验分布,再由联合后验分布实现各信号以及系统参数的估计.在PF算法中利用核平滑的方法实现了非时变参数的迭代估计,并通过自适应迭代算法对加性高斯噪声进行了估计.仿真实验的结果表明,该算法能有效地解决重叠混沌信号的盲分离问题.

基于熵最小化的协作式随机检测宽带频谱的策略

针对认知无线电中的宽带频谱检测,从信息熵角度分析了信道状态估计的准确性与熵的关系,进而提出一种基于熵最小化的协作式随机检测宽带频谱的策略。该策略充分利用了信道状态的先验信息和实际检测所得信息,选择使系统信息熵最小化的信道进行检测,从而自动调节各个信道检测时间间隔。性能分析和仿真实验表明,基于熵最小化的检测策略有效地提高了信道状态估计准确性和检测的效率。

基于隐马尔可夫模型的协作频谱检测策略

频谱检测是认知无线电的基础和关键技术,将其建模为隐马尔可夫模型(hidden Markovmodel,HMM),并由此提出基于隐马尔可夫模型的协作频谱检测策略.该策略首先使用Baum-Welch法对HMM的系统参数进行最大似然估计;然后基于HMM模型,利用各次用户的检测信息以及过去信道状态的后验概率信息进行贝叶斯推理,更新当前时隙信道状态的后验概率;最后根据最大后验概率准则对当前时隙的信道状态进行最终判决.使用后验概率,该策略可进一步估计系统协作检测的性能,在满足系统协作检测性能要求的前提下,选择尽可能少的、检测性能较优的次用户来参与协作,以节约开销和降低复杂度.仿真实验表明,所提出的策略的系统检测性能优于基于大数判决、似然比和Chair-Varshney准则的协作频谱检测策略.

基于粒子滤波的协作式空时联合频谱检测方法

认知无线电系统中,通过频谱检测所获得的主用户位置信息和信道使用状态信息分别反映空间域和时间域的频谱使用情况,其准确性关系到次用户伺机频谱接入的效率。本文研究空间和时间联合频谱检测问题,将其建模为主用户位置参数和信道使用状态的联合估计问题,提出了一种基于粒子滤波的协作式空时联合频谱检测方法,主要思想是采用离散随机测度逼近位置参数和信道状态的联合后验概率分布函数,根据该分布估计出主用户位置和信道状态。同时,该方法结合由估计得到的空间和时间信息,自适应选择靠近主用户且对称分布的次用户参与协作检测,增加各次用户提供信息的有效性,从而提高估计的准确性;最后,通过仿真验证了方法的有效性。

一种基于小区内次用户间协作的频谱检测策略

认知无线电中频谱检测性能直接影响频谱资源的使用效率,考虑次用户在空间的随机分布特性,本文提出了一种基于小区内次用户协作的频谱检测策略以提高检测性能。该策略将空间划分为若干个协作小区,同一小区内的次用户进行协作检测从而获得协作增益。基于漏警概率和虚警概率的理论推导分析可知,该策略的检测性能主要取决于协作小区的半径和检测判决门限的设置,并由此给出这两个参数设置的方法;分析还表明次用户在空间分布的随机性降低了协作增益。仿真验证了理论分析的正确性和该策略的有效性。

加权短信网络上的谣言传播行为研究

基于实际短信网络的统计特征,提出了一种短信网络的加权演化模型,并在此模型上研究了谣言传播行为.考虑到边权是认可概率的关键影响因子,故改进了现有的谣言传播模型;通过改变边权弥散程度和网络结构参数,重点研究和分析了边权分布及聚类系数对谣言短信传播行为的影响.仿真实验表明:边权弥散程度越高,对谣言传播的抑制效果越好;聚类系数越高,谣言反而容易扩散蔓延.

短信网络的加权演化模型研究

通过对实际数据的分析,获得了短信网络的一些特点,包括:度分布和边权分布符合低头和重尾的幂律分布、平均点强度和点度不具有幂函数律的关联性等等。在此基础上,将用户间短信交互次数视为短信网络的边权,提出了一种加权短信网络演化模型,其中新节点加入采用加权局部优先连接机制,边权更新基于节点间亲密度及近期联系频繁度。仿真结果表明,该生成模型较好地符合了实际短信网络的统计特性。

基于神经网络结构化组合的下行链路SINR预测

针对无线蜂窝系统下行链路信道SINR预测方法存在的只能对单一信道参数场景进行一步预测、预测误差较大等不足,根据信道参数变化场景下SINR序列相关性的变化,对长短期记忆网络(LSTM)和前馈神经网络(FNN)进行结构化组合,提出一种基于LSTM-FNN预测模型的SINR预测方法,并通过预训练-全局训练策略和迭代调优策略对组合网络进行较好地训练。仿真实验表明,LSTM-FNN模型相比于传统的自回归积分滑动平均模型(ARIMA)和单一FNN、LSTM网络,在信道参数变化场景下具有更好的SINR预测性能,且时间复杂度的增加在可接受范围内。

基于演化LSTM神经网络的用户终端睡眠预测模型

用户处于睡眠状态时手机后台自主挂起不必要的系统或应用进程可以有效降低能耗,因此在不损害用户使用体验的前提下准确判断用户是否处于睡眠状态具有重要意义.围绕该问题设计了覆盖率和唤醒率作为新的衡量指标,提出一种基于LSTM神经网络的睡眠预测模型,结合LSTM神经网络能够较好处理时序特征数据的特点和演化算法能够优化不可导目标函数的特性,将LSTM神经网络的参数作为差分演化算法的优化参数,覆盖率和唤醒率的综合目标作为选择函数,同时在每次迭代中重新评估选择函数使其适应小批量训练法.实验结果表明,采用演化算法训练LSTM神经网络得到的预测结果相较于传统分类模型能在低唤醒率时达到更好的覆盖率,平均提升约5%.

OFDMA中继网络中联合队列和信道信息的资源分配策略

针对基于正交频分多址接入(OFDMA)的多中继、多用户的中继网络,研究了联合队列和信道信息的资源分配问题,目标是最大化下行系统吞吐量,同时保证用户队列的稳定.首先将子载波配对、载波对分配和功率分配问题建模为一个联合优化问题,之后通过对变量进行连续性放松,采用拉格朗日对偶方法进行求解,并利用Karush-Kuhn-Tucker(KKT)条件及匈牙利方法获得优化问题的近似最优解.性能分析与仿真结果表明,与仅利用信道信息的算法相比,所提的联合队列和信道信息的资源分配算法能够有效地提高系统吞吐量并降低用户数据包平均等待时延.

适合于HC-MAC协议的感知信道动态预留算法

摘要针对基于HC—MAC协议的认知无线电系统提出了一种感知信道动态预留算法，以解决系统用户较多时可用频谱不能被充分利用的问题。该算法通过在感知开始前为认知用户预留一些信道，使得认知用户可以同时感知信道，从而减少了认知用户等待感知可用信道的时间，提高了频谱利用率。为了使该算法更具实用性，根据实时类业务和尽力服务类业务两类常见业务的不同特点，分别设计了相应的基于用户满意度的感知信道动态预留算法。仿真结果表明，上述算法在满足不同业务类型用户需求的同时提高了频谱利用率。

面向LTE-A终端软基带的矢量处理器设计

面向移动终端处理器的低功耗、低成本、高效率、灵活升级的需求,本文在对LTEA基带算法并行性分析的基础上,提出了一种基于超长指令字(Very Long Instruction Word,VLIW)和单指令多数据(Single Instruction Multiple Data,SIMD)混合结构的矢量处理器作为终端软基带解决方案。该矢量处理器采用变长的VLIW指令字,共有7条矢量数据通路,每条通路可执行16个16bit的定点运算;采用分组的系数存储器提高灵活性,受限访问的寄存器组降低电路面积;同时设计了SHUF和ISHUF指令专门用于快速傅里叶变换(FFT)和维特比(VITERBI)译码算法的矢量化实现。最后本文实现和分析了FFT和VITERBI译码算法。

移动网络中HTTP视频流终端数据分析及应用

伴随移动通信技术的发展,越来越多的用户选择通过移动网络随时随地观看网络视频,移动视频业务迅速增长。在现有的无线视频传输方式中,由于TCP的可靠性以及易穿透防火墙和网络地址转化等优点,基于TCP的HTTP流逐渐成为网络视频的主流传输方式。另一方面,用户对业务体验需求的上升,也给移动数据的传输带来巨大挑战。该文通过采集和分析HTTP流的终端数据,获到了HTTP流在HSPA+中传输特性及关键参数的特征,分析结果表明其视频块传输速率变化与自回归模型近似,并在此基础上,提出一种视频等级自适应控制算法,能够有效地改善用户体验。

EPON中基于滑动周期的动态带宽分配改进算法

动态带宽分配(DBA)算法是EPON技术的关键.传统的间插轮询自适应周期长度(IPACT)算法被证明在不规则流量下会遭遇严重的带宽利用率下降.基于滑动周期的SLICT算法可以解决这一问题,然而公平收敛性和带宽利用率之间的冲突限制了其在高突发性网络环境下的性能.本文提出一种改进的SLICT算法,在每次授权时都综合考虑网络实时负载变化.仿真结果证明改进的SLICT算法可以同时达到高带宽利用率和有保证的公平收敛性,性能较现有算法有进一步提高.

基于矢量处理器的可编程并行MIMO检测器设计

针对部分层间并行球形译码(PIPSD)算法的特点,基于超长指令字(VLIW)和单指令多数据(SIMD)混合结构的矢量处理器原型,合理安排处理器结构参数,选择合适的寄存器数目和长度。根据算法和结构的相互作用特点,挖掘算法内在的数据并行性和指令并行性,设计高效的指令集和相应的功能单元,软硬件协同优化VLIW分布,在支持多种配置的基础上尽可能减小执行周期数,提高译码吞吐率,从而设计出高效的基于专用指令集矢量处理器的可编程并行MIMO检测器。

EPON系统中周期轮询动态带宽分配算法的改进

分析了CPFCT下周期间空闲时间的产生和由此导致的性能损失,论述了现有的解决方案及其缺点,提出两种分别基于EG机制和FR机制的改进算法,仿真结果显示两种算法在带宽利用率、时延等方面均实现了性能的提升。

基于模糊度的半监督自步协同下的微信流业务识别

网络数据流的精准业务识别是实现差异化服务的先决条件,常用的监督学习在构建训练数据集时因需要大量人力标注因而难以实施,基于少量标注数据的半监督学习成为研究的热点之一.自步协同训练(self-paced co-training)的半监督框架在处理未标记数据时采用了从易到难、多视角协同的方法,但该方法仅以置信度为选取依据给样本标记伪标签,容易导致多视角的差异性在训练过程中逐步下降,从而引起协同增益下降、模型性能受限等问题.为此面向微信数据流识别问题,提出了一种基于模糊度的自步协同训练模型(fuzziness based self-paced co-training,FBSpaCo),在标注伪标签时进一步引入模糊度评估机制.实验表明,该模型在保证置信度的前提下有效地避免了训练过程中两视角差异性下降,较已有方法较大地提升了识别准确度.

无线Mesh网络的新型建模方法研究

对无线Mesh网络准确建模是开展Mesh网络各项研究的基础,基于传统802.11协议模型来分析Mesh网络性能会导致较大的偏差。提出了一种适用于无线Mesh网络的新型模型用以计算网络饱和状态下性能参数的理论值,如丢包率、节点发送概率等,性能分析和仿真结果表明,该方法更能精确地评估无线Mesh网性能。同时在此基础上给出了路由判据ETX理论值的计算方法,该方法可用来预测ETX值而无需实测,从而有效的减少了测量误差和带宽消耗。