基于多维马尔可夫链的两跳中继蜂窝系统拥塞控制建模

提出了一种结合蜂窝和中继技术的两跳中继蜂窝系统结构用来增加系统容量和平衡流量负荷,并利用多维马尔可夫链建立了它的拥塞控制模型。然后在这个模型的基础上,分别得到了系统的平均下行传输速率和数据包呼叫请求阻塞概率。最后通过数值计算分析了各种系统参数对具有拥塞控制功能两跳中继蜂窝系统性能的影响。研究结果表明,与两跳中继蜂窝系统相比,具有拥塞控制功能的中继系统在提供相同平均下行吞吐量的同时,可以有效降低系统的呼叫请求阻塞概率。

基于多维马尔可夫链的两跳中继可变数据速率蜂窝系统建模

首先介绍了一种两跳中继可变数据速率蜂窝系统结构,并且利用多维马尔可夫链建立了系统的模型。然后在这个模型的基础上,分别得到了系统的平均下行吞吐量和呼叫请求阻塞概率。最后通过数值计算分析了各种系统参数对两跳中继可变数据速率蜂窝系统性能产生的影响。研究结果表明:与传统蜂窝系统相比,两跳中继蜂窝系统可以增加5～50%左右的平均下行吞吐量,同时可以有效降低系统的呼叫请求阻塞概率。

一种“KooN”结构的马尔可夫简并建模和简化计算的方法

IEC61508等标准提出了几种计算安全仪表系统需求时平均失效概率的方法,但是,对于具有冗余配置的复杂系统,随着组件数量的增加,系统的中间状态数量快速增长,用户难以构建马尔可夫模型,即便借助计算机来建模运算也较为耗时。提出了一种同型“K oo N”简并状态的马尔可夫建模的通用方法,首先是根据降级状态进行判断,将符合条件的状态进行简并,然后对标记为危险失效状态的概率进行计算。通过严格的理论推导,该简并状态方法可以在不损失精度的前提下简化马尔可夫建模。

计及压缩空气储能的发输电系统可靠性评估

压缩空气储能(CAES)是一项清洁的储能技术,其接入电力系统在为实现高比例可再生能源消纳提供一种新的解决途径的同时,也会对发输电系统可靠性评估产生影响。首先,运用马尔可夫方法对CAES建立了通用的故障概率模型,并且该模型能够考虑储气容器损坏的情形;其次,针对该模型提出了能反映储能侧能量损失的系统指标,并探讨了CAES的不同控制参数对发输电系统指标的影响;接着,在修改后的IEEE RTS-79系统中利用灵敏度分析方法来识别影响CAES中的组合模块、整体装置和发输电系统指标的关键元件,并结合经典二分法理论来挖掘CAES并网的容量价值;最后,探讨了风电场与CAES协调配合对系统可靠性的影响,评估结果可为CAES的设计及配置方案提供有益的参考。

基于长短期记忆的流媒体QoE预测模型

现阶段关于连续性QoE预测模型研究存在着实时性差和精确度不高的问题。针对这些问题,提出L-QoE模型,一种使用长短期记忆(LSTM)网络的基于递归神经网络的QoE预测模型,用于捕获时变QoE中涉及的非线性和复杂时间依赖性。基于公开可用的连续QoE数据库的评估,实验结果表明,L-QoE模型能够有效模拟QoE动态性,得出更精确的预测结果。将所提模型与最近提出的QoE预测模型进行比较,通过对比得出该模型在数据库中突出的性能。

安全仪表系统的Markov建模方法研究

对安全仪表系统(SIS)的功能结构、安全生命周期以及功能安全的实现方法进行了分析,并提出了基于马尔可夫(Markov)建模的SIS的安全完整性等级计算软件的设计方案,采用VB6.0和Matlab进行了软件的开发实现。我们针对1oo2冗余结构的装置进行了SIL的计算,证明马尔可夫建模方法的安全完整性等级(SIL)计算相对于其他建模方法的灵活性。它既能反映安全仪表系统之间的静态关系,又能反应系统的动态变化,并且不受设备之间依赖关系的影响。同时马尔可夫建模可靠性的定量分析精度高,一次建模可求得安全仪表系统的安全失效率PFS和危险失效率PFD和安全完整性等级SIL等多个可靠性指标。

混沌PSO优化的马尔可夫随机场的深度恢复

针对视觉图像的深度信息的获取,提出了一种基于马尔可夫随机场的散焦特征参数的模型,将散焦特征深度信息的获取转化为能量函数的优化问题.采用混沌粒子群优化(PSO)方法防止预测模型的局部优化,可以使预测率显著提高.实验与仿真证实了模型和算法的有效性和可能性.

DTMC-based Modeling and Analysis of Obstacle Ad hoc Networks

One of the main characteristics of Ad hoc networks is node mobility, which results in constantly changing in network topologies. Consequently, the ability to forecast the future status of mobility nodes plays a key role in QOS routing. We propose a random mobility model based on discretetime Markov chain, called ODM. ODM provides a mathematical framework for calculating some parameters to show the future status of mobility nodes, for instance, the state transition probability matrix of nodes, the probability that an edge is valid, the average number of valid-edges and the probability of a request packet found a valid route. Furthermore, ODM can account for obstacle environment. The state transition probability matrix of nodes can quantify the impact of obstacles. Several theorems are given and proved by using the ODM. Simulation results show that the calculated value can forecast the future status of mobility nodes.