复杂混合网络中拥塞控制算法仿真实验设计

拥塞控制是计算机网络课程中的一个重点和难点。文章通过引入NS3网络仿真工具,对构建复杂混合网络实验环境的方法和步骤进行了论述,并在4∶4哑铃网络拓扑结构的基础上,实现了多个网络实验场景;以拥塞窗口大小为依据,对常见的多种拥塞控制算法进行了理论验证性实验;以吞吐量为依据,对同类拥塞控制算法之间的公平性和异类拥塞控制算法之间的友好性进行了对比实验。实验结果与理论分析相符,并对拥塞控制的算法思路和控制过程进行了形象直观的展示。

V2G网络中基于带宽自适应的拥塞控制协议优化

V2G网络下PLC链路带宽受限、高误码率等特点导致现有的TCP NewReno拥塞控制机制缺乏对丢包类型的有效判断,将链路上由噪声干扰的随机错误丢包与网络拥塞丢包统一当做拥塞事件处理,从而造成不必要的拥塞避免,导致了低吞吐量问题。根据此问题,提出了一种基于带宽自适应的拥塞控制算法。该算法通过分组预测拥塞等级感知网络状态,由此估计可用带宽来判断丢包类型,实现了拥塞窗口自适应调节。仿真结果表明该算法在拥塞窗口的增长、吞吐量、公平性、收敛性和友好性等方面都优于现有算法,V2G网络的吞吐量得到明显提升。

基于多应用场景的改进DV-Hop定位模型

针对距离矢量跳(DV-Hop)定位模型定位精度低、优化策略场景依赖性强的问题,提出一种基于函数分析和模拟定参的改进DV-Hop模型——函数修正距离矢量跳(FuncDV-Hop)定位模型。首先,分析DV-Hop模型的平均跳距、距离估计和最小二乘法中的误差原因,引入待定系数优化、阶跃函数分段实验、带等效点的权重函数策略和极大似然估计修正;其次,考虑多应用场景,用控制变量法,分别将总节点数、信标节点比例、通信半径、信标节点数和待测节点数作为变量,设计对照实验;最后,进行仿真定参和整合优化测试两阶段实验,最终的改进策略较原DV-Hop模型的定位精度提高了23.70%~75.76%,平均优化率57.23%。实验结果表明,FuncDV-Hop模型的优化率最高达到了50.73%,与基于遗传算法和神经动力学改进的DV-Hop模型相比,FuncDV-Hop模型的优化率提升了0.55%~18.77%。所提模型不引入其他参量,不增加无线传感器网络(WSN)的协议开销,且有效提高定位精度。

基于鲁棒优化的系统辨识算法研究

输入-输出数据是解决系统辨识问题的关键要素,传统的辨识理论除了假定影响输入-输出数据干扰的密度函数已知外,还要假定输入-输出数据能够精确获得,完全忽略了所用数据的质量.本文突破了传统理论的两个假设,首先用工程上易于获得的干扰的有界集合代替干扰的密度函数,并在特定数据不确定性结构下,考虑了数据质量问题,然后,以半定规划为基础,导出了鲁棒对等式,从而将系统辨识转化为对数据质量具有鲁棒性的优化问题,通过求解该优化问题,得到了一种新的鲁棒优化辨识方法,仿真结果表明了新方法的可行性和有效性.

基于区块链的无人机集群抗干扰通信模型

针对集群无人机容易受到各种非合作性干扰,导致无人机个体及集群之间缺乏有效的数据共享和动作协同的问题,提出了一种基于区块链的无人机集群抗干扰通信模型。该模型将无人机集群中各个节点飞行数据实现区块链去中心化存储,飞行数据或指令在区块节点间通过椭圆矩阵加密算法进行传输,并结合群体投票决策改进访问控制逻辑。通过仿真实验分析验证,两种算法均具备排除非合作干扰的能力,在保证数据传输安全的前提下,能够降低无人机集群网络通信时延,提高集群通信网络生存时间。

虚拟三维场景中动态加载算法的研究

针对基于无人器模拟训练软件中的复杂山地场景模型和大规模地形场景的渲染效率低、内存消耗大等问题,在前人研究的基础上,对复杂大规模地形场景的动态加载进行了优化。对于地形起伏较大的复杂山地场景,通过基于四叉树的LOD算法对其进行渲染优化,平衡了场景模型显示效果和渲染效率之间的问题;对于大规模的真实地形场景而言,地形表面起伏较小,但地形范围较大,可以通过对大地形进行分块加载来提高该场景模型的加载效率。结果表明:针对复杂大规模地形场景模型的渲染和加载问题,基于四叉树的LOD算法和分块加载算法可以有效提高渲染效率、减小内存消耗。

一种二次采样的强化学习方法

为了提高强化学习算法训练过程中信息价值高样本的回放频率,缩短算法训练时间,本文提出一种二次采样方法。对经验池中随机采集批量样本进行分层,将每层中样本的TD_error分布采样,用二次采样得到的样本训练深度Q网络,并将二次采样方法采用在DQN算法中,利用OpenAI Gym平台上测试其效果,分析算法参数对学习性能的影响。实验结果表明:相较于DQN算法,该方法能提高更有信息价值样本以及表现优秀样本的被选概率,提高Agent的学习速度,减少Agent与环境的交互次数,改善Agent的学习效果。

面向直升机中队的战术数据链案例仿真

现代战争中信息优势逐渐成为战争胜利的主导因素,而直升机作为进攻端的一种战术平台更是需要建立信息优势做到先敌发现、先敌打击及先敌摧毁,为此以Link-16为参考、OPNET软件为平台对某直升机中队战术数据链网络进行仿真研究。战术数据链网络选择固定TDMA协议进行组网,在仿真过程中主要对吞吐量和时延进行了理论分析与仿真验证,通过将理论分析的结果与仿真数据进行对比,证明了直升机中队通过固定TDMA协议进行数据链组网的有效性。

多传感器和故障率隐半马尔可夫模型的剩余寿命预测方法

为解决复杂设备剩余寿命预测精度不高的问题,提出了一种基于多传感器和故障率隐半马尔可夫模型的剩余寿命预测方法。使用极大似然线性回归变换方法表示多传感器之间的差异,通过故障率与健康状态转换矩阵相结合的方法,建立多传感器和故障率隐半马尔可夫模型预测有效剩余寿命。实验结果表明,通过提出的故障率方程,利用某火炮炮管的多传感器历史监测数据,炮管的实际剩余寿命与预测剩余寿命的平均相对误差可以降低至6.6852%,提高炮管剩余寿命预测精度1.3%左右。

随机系统的概率密度函数形状调节

针对受高斯白噪声激励的非线性随机系统,提出了使状态响应的概率密度函数形状跟踪期望形状的调节方法.首先,确立了非线性随机系统的多项式反馈机制,同时对系统中的非线性部分进行多项式展开;然后,以Fokker-Planck-Kolmogorov方程为工具,导出了与控制增益相关的各阶矩递推方程,并根据跟踪问题的要求,构造了矩逼近优化问题,用梯度搜索法求解该优化问题,获得了调节函数;再依据特征函数与概率密度函数构成Fourier对的关系,对状态响应的概率密度函数进行重构;最后,通过两个例子仿真,验证了本文方法的有效性.

一种T-S模型的在线辨识算法

提出一种能通过输入输出数据在线获得T-S模型的结构和参数的辨识算法.首先,对输入空间进行划分,并在线优化子空间的形状和个数;然后,通过RLS更新子模型参数,使各个子模型逼近当前工况的实际系统;当子空间生成或形状发生变化时,调整相应子模型参数和数据矩阵;最后,针对非线性动态系统和煤气炉数据进行仿真实验,验证了所提出算法的有效性.