利用离散时间聚合图的无人机编队最短时延路由协议

针对传统的无人机编队路由算法无法有效利用拓扑变化的可提前预知特性、以发送探测包的方式获取链路的连接情况会导致开销大等问题,该文引入时变图模型,提出了基于离散时间聚合图的无人机编队最短时延路由协议。首先,利用无人机编队网络的先验知识,如节点的运动轨迹以及网络拓扑变化情况,使用离散时间聚合图对网络的链路资源和拓扑进行表征。其次,基于该图模型设计路由决策算法,即在路由探索阶段将链路时延作为链路权重求解网络的源节点到目的节点的最短时延路由。最后,性能仿真结果表明,该路由协议与传统按需距离矢量路由协议相比提高了网络的分组投递率、降低了端到端时延和网络的控制开销。

基于时空关联表征的空天地一体化网络资源精准管控方法

空天地一体化网络中,资源分布不均匀且随时间动态变化。传统基于静态资源表征的优化调度方法仅在单个时间片上进行调度优化,资源利用率低,并且在网络变化时需频繁地重新调整策略,带来较大迁移成本。为解决这一问题,提出一种空天地一体化网络资源时空关联表征方法。该方法通过在网络的结构邻域和时序邻域两个维度计算节点注意力表征,实现对空天地一体化网络资源时空关联关系的精准建模。在此基础上,提出基于时空关联表征的网络资源精准映射方法,采用置信域策略梯度优化方法,对算法参数进行自适应学习与优化。

基于作战环的空间信息网络动态建模

针对空间信息网络的使命任务和本身的高动态性、复杂性等特点,提出一种空间信息网络建模方法。通过作战环理论区分网络节点和边的不同类型,在时间累积时变图的基础上对网络建模。使用STK软件构建案例网络,分析空间信息动态网结构特性,研究空间信息动态网中作战环的形成过程以及节点之间的联系,通过作战环的数量以及网络连通性能的变化结果验证了模型的可用性。相较于其他网络模型,所提方法能够同时反映空间信息网络的功能性和高动态性,有效体现网络节点和边的特征属性。

不确定RFID数据流上基于熵的数据推导方法

针对海量RFID数据中存在的不准确性以及语义信息鸿沟,提出了一种基于概率分布熵的数据推导方法.该方法采用时变图模型并充分利用历史RFID识读,从不确定RFID数据流上有效捕获贴标对象所处的状态,并采用基于概率分布熵的方法分别推导对象最可能的位置和包含.该方法可以同时处理RFID识读中的漏读和多读.最后利用模拟RFID数据进行参数调优和算法评价,实验结果显示:该方法在获得准确推导结果的同时,能确保其高效性和高伸缩性.