二维虚拟ESPRIT算法

本文通过构造出一特殊阵元阵列，提出了一种全新的二维 ＥＳＰＲＩＴ算法──二维虚拟 ＥＳＰＲＩＹ算法。它具有计算量极低、估计效果好、子阵列要求低等优点，并且通过采取一定措施，可以适用于各种情况，使得本文方法具有较强的灵活性和实用性。

多星测控中波达方向估计传播因子虚拟ESPRIT算法

针对多星测控中涉及的阵列天线信号波达方向估计问题,给出了一种新的基于传播因子的二维波达方向估计(2D-DOA)算法——传播因子虚拟ESPRIT算法(PMV-ESPRIT)。传统的虚拟ESPRIT算法需要对互相关矩阵进行特征值分解(EVD)或对数据接收矩阵进行奇异值分解(SVD),因此其运算量较大。而新算法基于传播因子方向向量分割的线性运算对传统算法做了进一步改进,其运算量明显降低,且具有更高的信号波达方向测向精度。仿真实验结果表明了PMV-ESPRIT算法的有效性和可行性。

二维虚拟ESPRIT算法的改进

对二维虚拟ESPRIT算法进行了改进 ,在保持原算法计算量小这一优点的基础上 ,提高了阵元利用率 。

二维虚拟ESPRIT算法

Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 算法是一种快速的高分辨率方向估计方法，但它是一种一维估计方法，不能直接推广到二维方向估计。本文在 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 的基础上，针对一种特定的阵列结构，提出了一种计算量很小的二维估计方法——二维虚拟 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ，它的计算量同一维 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 相当。

一种快速二维虚拟ESPRIT算法

通过对二维虚拟ESPRIT信号参量估计算法的分析,提出了一种快速二维虚拟ESPRIT算法.理论分析表明二者的估计结果相同,但快速二维虚拟ESPRIT算法的计算复杂度低,并由计算机仿真实验进行了验证.

一种改进的二维虚拟ESPRIT算法—虚拟波达方向矩阵法

二维虚拟ESPRIT算法对子阵列内部结构要求低,但在低信噪比环境下,其估计误差较大。提出一种改进的二维虚拟ESPRIT算法,该算法具有二维虚拟ESPRIT算法的优点,但在低信噪比条件下他的估计误差更小,算法运算量更低。计算机仿真实验表明了改进的二维虚拟ESPRIT算法的有效性。

一种基于传播算子的虚拟ESPRIT算法

针对多星测控系统提出了一种改进的基于传播算子的虚拟ESPRIT算法，即PMV—ESPRIT算法。此算法结合了传播算子法与虚拟ESPRIT算法的优点，大大提高了计算速度，避免了方位角和俯仰角的配对问题。文章先介绍了此算法的背景，建立了模型讲解算法，最后通过仿真实验来证明其在多星测控系统中的应用。

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

基于偏好和虚拟适应度的两阶段依赖任务卸载算法

针对云边端协同环境中依赖任务卸载时效率低以及任务卸载失败的问题,提出一种基于偏好和虚拟适应度的两阶段依赖任务卸载算法.第一阶段,根据提出的二维卸载偏好因子对依赖任务的部分子任务进行直接卸载决策,从而有效缩小遗传算法初始种群的规模.第二阶段,提出基于虚拟适应度的启发式交叉方法,并对基于参考点的快速非支配排序遗传算法(non-dominated sorting genetic algorithmⅢ, NSGA-Ⅲ)的交叉算子进行改进,保留了种群多样性并提升了算法收敛速度,最后使用改进的算法对所有依赖任务的子任务进行最优卸载决策集的搜索.实验结果表明,与其他算法相比,该算法在任务完成时间、任务能耗和边缘云集群成本方面平均优化了10.2%~18.3%,并且将任务失败率平均降低了10.7%~25.6%.

基于虚拟现实的大视差图像网格优化拼接算法

图像亮度、局部区域信息强度影响图像清晰度,导致图像拼接效果不佳,为提升图像拼接效果,提出一种基于虚拟现实的大视差图像网格优化拼接算法。基于虚拟现实技术建立一个虚拟现实拼接环境,在此环境下开展图像拼接处理,对待拼接图像实施灰度化处理,增强图像局部区域信息强度;基于投影算法建立低密度的网格,并根据待拼接图像的匹配点分布结果建立网格矩阵,结合全局最佳相似变换矩阵实施矩阵加权叠加,对图像重叠区域展开失真校正;使用内容感知算法对图像重叠区域展开感知识别,找出其中的积累最小像素线,实施图像融合处理,通过融合结果完成大视差图像网格优化拼接。实验结果表明,使用该方法开展图像拼接时,图像拼接时间较短,均方根误差较低,拼接效果较好。

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

基于变分图自动编码器与K均值聚类的虚拟网络嵌入算法应用

将虚拟网络映射到物理网络是网络功能虚拟化中一项重要的任务.为了有效地分配虚拟网络请求,需要将虚拟网络嵌入到物理网络拓扑中.然而,由于虚拟网络的复杂性和物理网络的限制,这一任务变得非常具有挑战性.鉴于此,研究在现有虚拟网络嵌入算法(Virtual Network Embedding, VNE)模型基础上进行改进,融入了变分图自动编码器(Variational Graph Auto-Encoders, VGAE),提出了一种新型虚拟网络嵌入算法模型.通过编码器对虚拟网络的嵌入特征进行提取,随后利用K-means聚类算法对所得到的嵌入特征进行分类,最终得到合适的嵌入分配方法.实验结果表明,该新模型相较于其他同类型的嵌入算法性能表现最佳,稳定性最好,其平均嵌入请求接受率为60%,长期平均CPU资源利用率最高达97%.综上所述,研究提出的新型虚拟网络嵌入算法在资源利用率和嵌入质量方面表现出色,能够有效应对复杂的网络环境和大规模的虚拟网络请求.

大规模协同虚拟环境下并行层次兴趣匹配算法

大规模协同虚拟环境运行过程中易产生大量冗余通信数据,影响虚拟现实技术性能的发挥。为了提升虚拟环境运行效率,提出并行层次兴趣匹配算法。创建协同虚拟环境概念模型,分解处理订阅区域信息,引入树结构理论搭建兴趣管理树,将订阅区域映射到兴趣管理树节点上,形成层次化结构,结合LSQR并行算法,实现更新区域与订阅区域的快速匹配。实验结果表明,提出算法获得的兴趣匹配消耗时间最小值为0.36 s,兴趣匹配成功指数最大值为0.94,充分证实了提出算法兴趣匹配性能较好。

面向虚拟人上肢的避障作业姿态规划算法

为了完成虚拟维修仿真环境下的虚拟人维修作业姿态规划问题,提出一种基于改进RRT-Connect算法的虚拟人上肢作业姿态求解方式。在该求解方式中,将人工鱼群算法(AFSA)的觅食行为法则作为导向性策略引入传统RRT-Connect算法,从而使得路径规划任务中初始点与目标点的扩展具有导向性;将路径点作为虚拟人上肢末端关节运动轨迹点。为获得虚拟人维修姿态,利用逆向运动学进行推导,以在每一个路径点中得到符合人体关节自由度的姿态集。另外,为了选择出姿态集中的最优路径,利用快速上肢评估法求取最优的虚拟人上肢维修作业姿态。最后,以无人艇虚拟维修操作仿真为例,验证了该方法在虚拟维修应用中的可行性。

基于增强精英保留遗传算法的虚拟微网群动态划分及能量局域自治

互联的多微网系统作为可再生能源利用的有效形式之一,随着“双碳”工作的推进越发受到重视。该文旨在研究基于海量可控设备的优化调节方法,以促进可再生能源充分就地消纳,提高多微网系统运行经济性。然而,对海量可控设备的全局控制将面临“维数灾难”的挑战。现有研究中基于地理分布的分区优化能够实现“降维控制”,但可再生能源出力的波动性与负荷在时间上的变化和空间上的迁移,都会导致固定分区的方法难以适用于多微网系统态势变迁下的能量动态管控。针对上述问题,首先建立微电网动态模型;进而提出通过增强精英保留遗传算法(strengthen elitist genetic algorithm,SEGA)将互联多微网场景划分为多个边界可动态调整的虚拟微网群,并进行能量“局域自治”优化;最后基于改进的IEEE-123节点模型进行仿真,结果显示1 h内动态边界虚拟微网群的总运行成本比固定边界虚拟微网群的总运行成本降低了13.6%,且所采用的SEGA的求解时间比传统遗传算法减少了7.09%。

基于改进共识算法的虚拟电厂主从多链交易匹配机制

在未来新型电力系统中,虚拟电厂(virtual power plant,VPP)内部多主体的可信交易和信息安全将更加复杂和具有挑战性。而区块链技术的信息安全、分布决策、智能合约及防篡改等特征,为VPP多元主体可信交易提供新思路。文中聚焦VPP内部多聚合商形成的利益最大化及可信交易匹配效率问题,首先,依据交易主体需求差异,建立区块链技术与多智能体系统融合的一主多从分层互动控制架构;其次,设计一种面向多聚合商对等交易需求下的可信交易匹配机制,引入非合作博弈模型,保证了多聚合商主体的利益;然后,基于区块链的分布式粒子群优化算法提出了改进的委托权威证明机制(delegated proof-of-authority,DPoA)共识算法,提高交易的安全性;最后,通过算例分析验证文中所提策略的合理性和可行性,该策略能有效增强多主体交易的匹配效率和安全性。

基于改进梯度策略的多虚拟结构算法的无人机协同控制

针对多无人机(unmanned aerial vehicles,UAVs)协同控制问题,提出一种用于无人机协同编队控制方法。以虚拟结构控制为框架,结合梯度策略方法设计奖励函数和惩罚函数,将其看成一种引力和斥力运用到无人机协同编队控制系统,解决在多虚拟结构控制点下因编队数量增加导致机群的稳定性和协调性下降的问题。本文算法使得无人机编队既能协同运动,又能在运动中维持稳定的队形变换,还能防止机群之间的两机碰撞。对有控制输入的无人机编队系统进行仿真,验证了该方法的有效性。

基于快速虚拟释放算法和离散元方法的颅内动脉瘤治疗中的血液动力学研究

目的旨在验证新型颅内扰流装置(intrasaccular flow disruption device,IFD)装置在治疗颅内动脉瘤中的有效性和可行性,并开发包含IFD装置的快速虚拟释放算法(fast virtual deployment algorithm,FVD)和血液动力学计算的虚拟手术规划平台。方法采用自适应的贴壁和曲率控制系统来实现IFD装置快速虚拟释放,同时应用离散元(discrete element method,DEM)方法进行血液动力学计算。该算法在理想模型和6例患者特异性模型中进行了验证。结果和结论在理想模型中,FVD算法相较于台架试验和高精度有限元算法,能够准确地预测IFD装置的短缩行为。而在患者特异性模型中,FVD算法与有限元算法相比,能够准确捕捉IFD装置的占位情况,并与造影图像结果吻合。此外,FVD算法在6例病例中的计算时间均在1 min以内,明显快于有限元算法,显示出明显的优势。基于DEM的血液动力学计算也成功地捕捉到了射流形态和壁面特征,验证了IFD装置的治疗有效性,并与基于贴体网格的有限体积法相比,表现出更短的计算时间。综上所述,FVD算法能够在极短的时间内完成IFD装置的虚拟释放,并基于DEM的流体计算方法也能在短时间内获得流场形态。二者的结合为虚拟手术规划平台的搭建提供了有效手段。研究为IFD装置在颅内动脉瘤治疗中的临床应用奠定了基础,并为进一步的研究提供了新的方向。

蜣螂优化算法下“互联网+营销服务”虚拟机器人应用模型

为了应对新形势下的电力营销服务形势,提升互联网时代的电网优质服务水平,利用蜣螂优化(dung beetle optimizer,DBO)算法,设计了一种“互联网+营销服务”虚拟机器人模型。首先针对电网营销部门可能发生的人机交互情景开展交互分析与关系框架设计,然后基于深度Q网络(deep Q network,DQN)建立虚拟机器人自主学习模型,引入DBO算法完成模型超参数的高效寻优并通过训练完成优化后的模型学习,最终将实际的电力营销数据输入到模型中进行实验测试。在特定的测试环境下综合检测模型的实际应用情况,测试结果表明:该虚拟机器人模型在功能性实验、非功能性实验和安全性实验中模型运转和系统运转正常率达到100%,能够较好地实现人机交互功能,达到全天候客户需求精准响应的战略目标。

融合注意力机制与SAC算法的虚拟电厂多能流低碳调度

虚拟电厂(virtual power plant,VPP)作为多能流互联的综合能源网络,已成为中国加速实现双碳目标的重要角色。但VPP内部资源协同低碳调度面临多能流的耦合程度紧密、传统碳交易模型参数主观性强、含高维动态参数的优化目标在线求解困难等问题。针对这些问题,文中提出一种融合注意力机制(attention mechanism,AM)与柔性动作评价(soft actor-critic,SAC)算法的VPP多能流低碳调度方法。首先,根据VPP的随机碳流特性,面向动态参数建立基于贝叶斯优化的改进阶梯型碳交易机制。接着,以经济效益和碳排放量为目标函数构建含氢VPP多能流解耦模型。然后,考虑到该模型具有高维非线性与权重参数实时更新的特征,利用融合AM的改进SAC深度强化学习算法在连续动作空间对模型进行求解。最后,对多能流调度结果进行仿真分析和对比实验,验证了文中方法的可行性及其相较于原SAC算法较高的决策准确性。