人工神经网络在解耦控制中的应用

针对强耦合带延时多输入输出(MIMO)非线性离散系统难以实现解耦的问题,提出了用人工神经网络对未知非线性函数具有学习和逼近的能力,并与逆系统相结合,以构造逆系统函数来实现对不满足条件非线性离散系统线性化解耦。该人工神经网络系统由单个静态的神经网络和若干个时延因子构成,其神经网络仅用来逼近系统的静态函数,时延因子用来表征逆系统的动力学特性。这种逆系统可使系统结构简单,具有连好的动态性能。并以仿真实例给予了验证。

GEO卫星LTE跨层资源调度算法

地球同步轨道(GEO)卫星通信系统具有通信时延长的特点,适用于GEO卫星长期演进(LTE)通信的资源调度算法非常重要。为提升星上资源分配的高效性,基于可变最大加权时延优先(M-LWDF)算法,提出了一种综合考虑媒体接入控制(MAC)层参数和应用层参数的跨层调度算法。该算法在MAC层从数学角度推导,提出权重更大的时延判决因子及在应用层根据业务优先级不同引入Q因子。仿真结果表明,与M-LWDF算法相比,不同业务情况下,跨层资源调度算法减小了通信时延,提高了系统吞吐量,但公平性能略有下降并增加了复杂度。

基于有效容量的TOPSIS网络选择算法

针对TOPSIS多属性异构网络选择算法没有考虑参数间的相互影响的问题,本文提出一种基于有效容量的TOPSIS网络选择算法。引入有效容量的概念,在不同的QoS时延因子下,最大化有效容量,求出用户的速率。同时运用TOPSIS网络选择算法,考虑网络除时延、速率以外的参数对网络选择的影响,求出用户对网络的相对接近度。联合不同QoS时延因子下用户速率与相对接近度,重点分析了不同时延因子对网络选择的影响。仿真结果表明:相比传统的TOPSIS网络选择算法,本文算法能清楚地显示不同QoS时延因子对用户信息速率及网络选择的影响。

基于多信道的快速数据收集MAC协议

现有的单信道和多信道介质访问控制(MAC)协议不能很好地满足大规模数据收集应用场合对数据速率和时延的要求。为解决该问题,提出一种基于多信道的快速数据收集MAC协议,结合多信道和时分多址复用消除节点间的干扰,在节点进行时槽分配时充分考虑节点半双工通信方式和数据收集公平性,尽可能地在空间上实现信道的复用,提高数据传输的并行性。在时序调度过程中,引入网络时延能耗平衡因子,实现不同应用场合对时延和能耗的平衡调节,增强协议的灵活性。仿真结果表明,该协议在大规模数据收集应用中具有高吞吐量、低时延的特性。