基于消息传播的Bayesian推理算法研究

利用网络结构特性和条件独立性之间的关系设计推理有效方法,是Bayesian网络推理的主要研究内容.各种推理算法的区别主要在于计算速度.在深入讨论已有算法的基础上,设计并实现了基于消息传播的Bayesian推理算法,有效地降低了推理过程中运算的时空复杂度.

最速网络消息传播问题及其模拟进化算法

首次提出了最速网络消息传播问题族,建立了其基本问题的严格数学模型,并给出了相应的模拟进化求解算法。通过分析最速网络消息传播基本问题的特征,包括决策变量的特点、决策的网络时空影响特殊模式以及网络消息分布状态特点,构建了问题的最优化模型,并分析了该模型的可扩展性。利用决策变量的二元取值特点和单一轮次信息交互模式的相对独立性,设计了操作灵活的遗传算法复制、交叉和变异算子,实现了模型的模拟进化求解。数值算例验证了模型和算法的有效性。研究表明,最速网络消息传播问题基本模型可扩展性强;遗传算法是该问题的一种有效的求解方法。

单向限量最速网络消息传播模型及其进化算法

提出了单向限量式最速网络消息传播问题,建立了该问题的数学模型,并给出了相应的模拟进化求解算法.通过分析单向限量式最速网络消息传播问题的特征,包括决策变量的特点、决策的网络时空影响特殊模式及网络消息分布状态特点,构建了问题的最优化模型.利用决策变量的二元取值特点和单一轮次信息交互模式的相对独立性,设计了操作灵活的遗传算法的复制、交叉和变异算子,实现了模型的模拟进化求解.数值算例验证了模型和算法的有效性.最后总结了最速网络消息传播问题的主要可扩展研究方向.

LDPC译码中的消息传递算法和置信传播算法等效性的证明

给出了LDPC译码中三种算法:硬判决算法、消息传递算法以及置信传播算法的详细步骤,证明了消息传递算法和置信传播算法的等效性,得出了消息传递算法是置信传播算法对数域的实现方法.

基于消息传播的贝叶斯网络推理算法及其应用

近年来,我国的国际地位不断提高,如何在错综复杂的国际战略博弈中始终保持有利位置并争夺战略先机是当前国家面临的重要国际问题。而贝叶斯网络是以概率论为数学基础的图形模式,在不确定推理方面具有较强的优势,因此常常被用于各种决策问题中。论文介绍了贝叶斯网络的基本知识以及基于消息传播的贝叶斯网络推理算法,通过实例演示了基于消息传播的贝叶斯推理算法在战略决策问题上的应用。

基于微分进化算法的消息传播网构建

某事件发生时,除消息以广播的方式通知相关人员外,还需依赖个体之间的责任关系传播,消除信息孤岛问题。社会网络(Social Network)中的个体之间存在复杂的责任关系,针对该问题,以滑坡事件发生时为例,创建带责任制的消息传播网模型,并采用微分进化算法评估关系属性和来往交流等因素对责任关系的影响权重,同时加入责任弱化(Responsibility Decline,RD)效应模拟消息传播过程。结果表明,关系属性和面对面交流对责任关系的影响较大,紧急消息的传播过程也会受距离的影响。实现了一对多的责任分派机制,多对多的责任分派方式则有待进一步研究。

基于模型驱动辅助MPA的SCMA多用户检测算法

稀疏码分多址接入(Sparse Code Multiple Access,SCMA)作为有应用前景的空口技术,在高吞吐量以及大规模连接中极具优势。针对SCMA通信系统中接收端消息传递算法(Message Passing Algorithm,MPA)计算复杂度较高的问题,提出了基于模型驱动辅助MPA法(Model-driven Assisted MPA,MD-MPA)的SCMA多用户检测算法。MD-MPA在MPA算法迭代过程中节点更新后的信息矩阵和输出的概率矩阵之后添加权重参数,并通过神经网络训练更新参数。经训练所得权重参数可加快算法收敛速度,降低误码率,获得更佳的译码效果。仿真结果表明,MD-MPA相较于MPA算法,误码率降低了20%,复杂度降低了33%。

在线社交网络下基于信任度的消息传播模型

社交网络作为一种新兴的媒体具有广泛的社会影响力,且基于社交网络的营销方式逐渐成为一种新的发展趋势,因此研究社交网络中消息的传播具有重大的现实和经济意义。通过借鉴日常生活中人与人之间的信任原理,提出了一种基于信任度的消息传播模型。该模型首先利用个体的公开信息,使用数据挖掘的算法对个体进行分类;然后,根据同类和不同类个体之间的关系计算个体之间的信任度;最后,使用消息与个体的属性相似性以及信任度来计算消息可能传播范围。给出了相应的计算方法,并与两种基准方法对比,结果表明,该模型在准确度上提升15%左右,而所用时间降低50%以上。与数据集统计结果对比,该实验的结果与统计结果相差5%左右,充分表明该模型在实际应用中有比较好的效果。

非结构化P2P网络中一步传播算法研究

非结构化P2P网络主要采用基于Flooding机制的消息传播方式,这种方式带来大量的冗余消息。研究表明,冗余消息的产生主要是由洪泛的最后几跳产生。针对这种现象,给出了消息的一步传播算法,通过对响应时间、节点命中率和冗余消息的产生这三个关键指标的分析,发现一步传播算法有效地抑制了冗余消息的产生,改进了非结构化P2P网络的性能。

基于迭代剔除的SCMA多用户检测算法

针对稀疏码多址接入(SCMA)系统中译码算法复杂度高问题,提出一种基于迭代剔除的多用户检测算法(RM-MPA)。首先基于串行消息传播机制提出了一种简单直观的方法用于比较用户间的译码优势,然后在每轮迭代过后,对译码优势高的前n个用户直接进行译码并剔除,不再参与后继迭代过程,从而使后续每轮迭代的复杂度依次降低。在此基础上提出了译码优势用户排序和正交用户分组2种剔除策略。实验结果表明,基于正交用户分组剔除策略的RM-MPA算法在降低译码复杂度的前提下,能够保证译码性能,同时由于每轮迭代的复杂度依次降低,也减小了译码时延。

上行SCMA系统的动态子图检测算法

面对未来网络需求量的爆炸性增长,稀疏码多址接入(Sparse Code Multiple Access,SCMA)作为一种基于码本的非正交多址技术,在用户连接数、频谱效率和低时延都有很大的提升。由于码字的稀疏性,SCMA采用消息传递算法(Message Passing Algorithm,MPA)实现多用户检测,但是复杂度还是相对较高,以至于很难应用于实际系统。为了解决上述问题,提出了一种动态子图消息传递算法(Dynamic Sub-graph Message Passing Algorithm,DS-MPA)进行信号检测。DS-MPA利用剩余值来确定下一次迭代的子图,减少了资源节点的更新用户数量,达到了降低复杂度的目的。仿真结果显示算法性能几乎无损并且降低了1/3左右的复杂度。

一种非二进制LDPC与SCMA系统的联合检测译码方案

针对现有的一些低密度奇偶校验码(low-density parity code,LDPC)与稀疏码多址(sparse code multiple access,SCMA)系统联合检测方案复杂度高、误码率高、传输时延大、收敛速度慢的问题,提出一个非二进制低密度奇偶校验码(non-binary lowdensity parity code,NB-LDPC)与SCMA系统的联合检测译码(joint detection decoding,JDD)方案。在SCMA多用户检测部分改进基于阈值辅助的期望传播算法(expect propagation algorithm,EPA),在LDPC部分采用NB-LDPC并且在两节点更新过程选取部分消息状态值来改进译码算法,同时,利用联合因子图在联合检测译码信息交互时加入一种消息阻尼因子来提高收敛速度,最终完成联合检测译码过程。通过多角度仿真发现,该方案降低了复杂度和误码率,减小了传输时延,提高了收敛速度,并且在不同码本下均验证了所提方案的适用性。

实时微博谣言的未来传播范围评估方法

为找出可能在未来广泛传播的微博谣言,提出将谣言实时识别和谣言传播范围评估相结合的方法。建立实时谣言识别模型,在微博消息发出时刻提取特征进行实时谣言识别;基于改进的用户影响力算法建立谣言传播范围评估模型;按评估周期采用谣言传播范围评估模型对谣言在发出后的传播范围进行评估。实验结果表明,实时谣言识别方法具有较高的准确率,基于改进的用户影响力算法比基于PageRank算法提出的谣言传播范围评估模型更加合理地预评估了谣言的传播范围,可得到在发布后可能会广泛传播的谣言。

一种基于置信度稳定性的SCMA多用户检测算法

稀疏码分多址(即非正交多址)(Sparse Code Multiple Access,SCMA)技术,具有在有限频谱资源下过载通信的特点,能够显著提升频谱利用率。得益于稀疏码分多址码本的稀疏性,消息传递算法(Message Passing Algorithm,MPA)成为经典多用户检测算法。在传统MPA方法中,尽管与最大似然译码具有相近的误比特率(Bit Error Ratio,BER)性能,但指数运算的复杂度仍然很高。据此,设计一种基于置信度的动态边缘选择更新方法,以减少不必要的节点运算。每次迭代中,利用因子图模型中功能节点到变量节点的置信度稳定性信息,动态判定是否需要节点更新运算。仿真结果表明,动态边缘选择方案使得算法的复杂度得到显著降低,并且能够与BER取得良好的均衡。

多次推理中的BP算法优化

使用BP算法求解效用最大化问题时,容易产生大量冗余计算。为此,对标准BP算法进行优化,在推理过程中,对一些受限定条件影响较小的结点,直接利用前次推理结果,无需重新计算其边缘概率,并证明这种优化不会显著影响推理结果。将该算法应用于组合竞拍模型进行测试。仿真结果表明,相对于标准BP算法,该优化算法能提升求解效用最大化问题时的收敛效率。

面向5G非正交多址接入系统的检测算法研究

作为第5代(5G)移动通信系统更新换代的标志性技术——非正交多址接入(NOMA)技术相对于传统的正交技术能够大幅提高频谱效率和提升系统容量。接收机检测技术是非正交多址接入系统性能提高的关键技术,本文基于传统的消息传递算法(MPA)进行改进,在MPA算法的基础上加入Turbo译码后的先验信息进行连续迭代运算以进一步提高检测性能,称为MPA-Turbo译码联合迭代算法(MPA-TDJIA)。根据先验信息的加入方式提出4种实现方案,并在链路仿真中对其性能进行评估。仿真结果表明MPA-TDJIA相对于MPA最高可获得1. 67 d B的性能增益。

一种用于SCMA系统的混合期望传播检测方法

作为一种新的非正交多址接入技术,稀疏码多址接入(Sparse Code Multiple Access,SCMA)被提出以支持大规模连接。基于稀疏因子图,SCMA利用低复杂度的消息传递算法(Message Passing Algorithm,MPA)来实现接近最优的多用户检测。但是,传统MPA的复杂度仍然很高。为了灵活地控制算法的复杂性,提出了一种混合期望传播检测算法用于SCMA检测,建立算法复杂度与信道阈值之间的关系,利用信道阈值控制算法复杂度。此外,将混合期望传播检测算法与消息回退机制相结合以提高性能。仿真结果表明,与其他检测方案相比,所提算法可以灵活地在算法性能和计算复杂度之间进行折衷。

面向6G超大规模MIMO系统分布式基带处理信号检测算法

为缓解现有大规模MIMO系统集中式基带处理架构带来的带宽和计算瓶颈,DBP架构被提出。面向6G超大规模MIMO系统,提出一种DBP架构下基于EP算法的分布式信号检测算法,通过引入符号置信度构建消息传递规则并利用高斯函数近似降低消息传递算法计算复杂度,根据因子图设计中心处理单元中的消息混合规则。仿真结果表明,所提分布式EP算法性能优于现有分布式信号检测算法。

低密度奇偶校验码快速收敛译码算法研究

介绍低密度奇偶校验码(LDPC码)的构造方法和置信传播译码算法,引入基于校验节点的一种快速收敛译码算法——串行译码算法。从树的深度方面分析串行译码算法的消息收敛特性,证明该算法与置信传播译码算法相比具有较好的收敛特性,且降低了译码复杂度。在加性高斯白噪声(AWGN)环境下,采用BPSK调制方式分别对串行译码算法和置信传播算法进行了计算机仿真。结果表明,串行译码算法的译码性能具有明显的改善。该算法使硬件实现变得更容易,资源占有量会降低,这就为LDPC码的工程实现提供了一种可行的方案。

上行异步SCMA系统低复杂度检测算法

在非授权的情形下,由于缺少时间同步的信令,导致稀疏码多址接入(SCMA)系统中异步接收的问题不可忽视。现有的置信传播消息传递算法(BP-MPA)可以对异步SCMA系统进行检测,但是复杂度较高。针对上行异步SCMA系统检测算法复杂度较高的问题,文章在BP-MPA的基础上,根据每个资源对用户发送码字概率的判断,选择部分高可靠用户节点不参与消息传递算法的迭代,提出一种改进的置信传播消息传递算法(IBP-MPA)。仿真结果表明,在相同条件下,IBP-MPA可以在保证检测性能的情况下大幅降低BP-MPA的复杂度。