基于改进VECMP的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可降低瓶颈节点的过载,提高网络资源的利用率以及系统可靠性。针对电力通信网络路由算法效率较低的问题,文中在传统等价多路径ECMP算法和遗传算法的基础上,结合可变等价多路径算法VECMP与改进的遗传算法IGA用于电力网络中的路由优化。通过优化三种遗传算子,提高了VECMP算法的效率,并通过算例与现有优化算法的比较,验证了该算法在路由优化中的优越性。结果表明,该优化算法能够快速获得网络的最优权值分配方案,降低链路的最大利用率。所提研究为我国电力通信网路由优化方法的发展提供了参考和借鉴。

基于模糊神经网络控制的变步长盲均衡算法

文章提出了一种新的模糊神经网络(FNN:FuzzyNeuralNetwork)控制的变步长盲均衡算法,利用模糊神经网络控制盲均衡算法的迭代步长,以得到更好的均衡性能。该文设计出模糊神经网络控制器的结构并给出状态方程,提出了新的代价函数,推导出控制器参数的迭代公式。计算机仿真表明,该算法与传统恒模(CMA:ConstantModulusAlgorithm)盲均衡算法相比,具有稳定性好的优点。

α噪声环境下基于余弦代价函数的盲均衡算法

针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了基于余弦代价函数的自适应分数低阶盲均衡算法。该算法将改进的余弦代价函数代替分数低阶常模盲均衡算法(FLOSCMA)中的代价函数,不再需要已知原信号的统计模值,其适用性更广。仿真实验结果表明,与Floscma、CMA算法以及其它变步长算法相比,本文算法在收敛速率和稳态误差方面均有所改进。