“一星多用、多星组网、多网协同”思想的发展与应用为卫星互联网的关键节点识别带来了更多的挑战,也提出了更高的要求。针对卫星时序网络节点评估结果不准确的问题,考虑了不同时间片拓扑之间的耦合强度,提出了一种基于改进超邻接矩阵(s...“一星多用、多星组网、多网协同”思想的发展与应用为卫星互联网的关键节点识别带来了更多的挑战,也提出了更高的要求。针对卫星时序网络节点评估结果不准确的问题,考虑了不同时间片拓扑之间的耦合强度,提出了一种基于改进超邻接矩阵(supra-adjacency matrix,SAM)的卫星互联网时序网络模型。随后,综合卫星节点在网络中固有的拓扑特性和通信特性,选取特征向量中心性、介数中心性、节点紧密度、传输时延、传输速率和传输容量指标建立了节点重要度综合评估指标体系,在此基础上,基于熵权-逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)和时间权重矩阵设计了卫星互联网节点重要度评估方法。通过ARPANET和铱星星座进行仿真验证,实验结果证明了所提出的模型和方法能够准确地从局部和全局角度获得卫星节点重要度排序,并识别出潜在重要节点,对卫星互联网关键节点识别及抗毁性研究有一定的参考意义。展开更多
文摘在处理高复杂度图像时,受各种噪声的影响,导致图像部分信息丢失,从而使得图像质量变差。为了有效提升图像质量,提出一种不同图像复杂度下超分辨率去噪算法。对于含有噪声图像的各个像素点邻域,采用多次马尔科蒙特卡洛(Markov Chain Monte Carlo,MCMC)随机采样搜索多个相似匹配块组,通过不同匹配组估计的一致性,获取调整相似块尺寸的判定依据,经过比较确定最佳相似块尺寸和对应的最优相似块组,引入修正的双向非局部算法获取无噪相似块估计,利用叠加的方法获取去噪后的图像。将高分辨率(High-Resolution,HR)图像退化为低分辨率(Low-Resolution,LR)图像,通过训练获取完备字典,将不同复杂度下的超分辨率重建问题展开稀疏表示,并对其求解;采用重叠技术缓解块效应,使用反向投影技术保证全局一致性,获取重建后的图像。实验结果表明,所提算法的图像峰值信噪比高,且结构相似度接近1,表明所提算法可以获取满意的去噪效果。
文摘“一星多用、多星组网、多网协同”思想的发展与应用为卫星互联网的关键节点识别带来了更多的挑战,也提出了更高的要求。针对卫星时序网络节点评估结果不准确的问题,考虑了不同时间片拓扑之间的耦合强度,提出了一种基于改进超邻接矩阵(supra-adjacency matrix,SAM)的卫星互联网时序网络模型。随后,综合卫星节点在网络中固有的拓扑特性和通信特性,选取特征向量中心性、介数中心性、节点紧密度、传输时延、传输速率和传输容量指标建立了节点重要度综合评估指标体系,在此基础上,基于熵权-逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)和时间权重矩阵设计了卫星互联网节点重要度评估方法。通过ARPANET和铱星星座进行仿真验证,实验结果证明了所提出的模型和方法能够准确地从局部和全局角度获得卫星节点重要度排序,并识别出潜在重要节点,对卫星互联网关键节点识别及抗毁性研究有一定的参考意义。