数据链中基于分层博弈的联合控制

机间数据链通信系统中,节点间具有多种业务功能及大数据量战场信息传输的需求,因此需要对各节点传输速率和发射功率进行控制。针对此,提出基于博弈论的分层联合控制方法,采用了组合代价函数的形式,该方法有效地解决了数据链系统中传输速率与发射功率的联合最优化问题,减少了网络的功率消耗,提升了节点间数据传输速率,满足了机间数据链不同业务的不同速率要求。仿真结果表明,提出的分层联合控制算法能使功率与速率达到联合最优,同时具有快速收敛的特性,有效地提升了机间数据链的低截获能力和抗干扰特性。     

基于天线阵列的联合功率控制技术

功率控制和多用户检测是CDMA移动通信系统中克服远近效应、抑制多址干扰(MAI)的两项关键技术.通过分析PLC-LSCMA多用户检测算法,提出了一种基于天线阵列的联合多用户检测的CDMA功率控制算法.在此算法中,对接收机滤波器抽头系数进行迭代更新的同时,也对功率向量进行迭代更新.仿真结果表明,在发射总功率和信噪比(SNR)一定时,用户可获得更高的信干比, 同时用户的发射功率比传统算法明显降低, 提高了系统容量.     

博弈论在无线通信中的应用专题讲座(三) 第4讲 Ad Hoc网络中基于变分不等式的功率控制博弈

由于不存在基础设施以及分布式、自组织的特性,Ad Hoc网络中的功率控制问题适合于利用博弈论建模和分析。为了合理分配在多个信道上的发射功率,提高网络吞吐量,文中利用非合作博弈模型对功率控制问题进行了建模,并利用变分不等式对功率博弈问题进行了分析,得到了纳什均衡解存在性和唯一性的相关结论,并给出了分布式的迭代功率控制算法。     

战术移动Ad Hoc网络下的分布式位置辅助功率控制算法

针对战术移动自组(AdHoc)网络提出一种分布式位置辅助的功率控制算法(LAPCA),它通过位置预测来推算节点的邻节点数目,进而调整信号发射功率,以保持最佳的网络连通性,由此提高整个网络的有效流量。该算法作为一个独立模块可以方便地与已有的移动自组网络路由协议相结合。采用较为适合战术环境的参考点群组移动(RPGM)模型来产生网络仿真场景,从仿真实验结果来看,几乎在所有的RPGM场景下采用该算法后的网络有效流量相对于纯粹的AODV路由协议都得到了提高。     

无线传感器网络中基于有限反馈的协同MISO传输方案

为解决无线传感器网络中节点能量受限,文中提出一种基于有限反馈的协同M ISO传输方案,此方案通过接收端反馈给簇头节点的信道增益比值来调整簇头节点和协同节点的发射功率。通过联合优化传输速率和协同节点数,使得网络总能耗最小。分析和仿真结果表明,此方案能有效降低网络的总能耗。     

无人飞行器Ad Hoc网络中容错节点移动控制算法

针对无人飞行器Ad Hoc网络的容错设计需求,基于UAV节点的可控移动特性,提出了一种基于强化边启发的节点移动控制算法.首先采用文化基因算法对给定通信网络对应的拓扑图进行搜索,求解使图获取顶点2 -连通属性所需新增的最小成本强化边组合.以强化边为启发,将连接的节点移动到彼此通信范围内来实现强化边,同时以这些节点为leader,采用基于一致性算法的leader-follower控制算法移动其他关联节点,使变化后的网络为顶点2-连通,从而实现网络容错.仿真实验结果表明算法的可行性与有效性,节点总的移动距离少于用于对比的块移动算法和紧缩算法.     

全球信息网格节点移动性及路由特性

全球信息网格和因特网的一个主要差别表现在节点移动性及路由特性上,深入研究全球信息罔格节点移动性及路由特性是完善信息网格体系结构的基础.首先,给出了基于节点移动性的动态拓扑对全球信息网格BGP的影响分析.其中重点分析了其影响的两个层次:路由器层次拓扑连接图和AS层次拓扑连接图;然后简单分析了节点移动性对路由安全的影响;最后,在前面分析的基础上深入研究了全球信息网格的路由特性.     

协同OFDM放大前传空时编码系统中的功率分配

针对由源节点和单个中继节点形成的协同正交频分复用( OFDM) Alamouti空时块码系统,分析了放大前传(AF)模式下的系统容量,给出了解析表达式.考虑节点功率独立约束的应用场景,提出了分步迭代的功率分配算法( SIPAA)来提高系统容量.该算法的核心思想是在每次迭代中,分步对源和中继节点分别进行注水功率分配,注水...     

基于复杂网络的防空武器系统目标选择研究

基于复杂网络的思想,通过对防空武器目标体系网络的拓扑参数分析,构建了防空武器目标体系网络,利用pajek软件,对网络进行了可视化分析,采用基于不同策略的攻击方式进行了模拟仿真,对仿真结果进行了分析。经过分析发现,基于节点度值和基于节点介数的攻击可以较好的降低网络效率,因此我们以节点度值和介数为主要依据,确定了目标打击顺序,为指挥决策人员进行防空目标选择提供了借鉴和参考。     

基于贝叶斯网络的装甲目标战术企图推理模型构建

以贝叶斯网络理论为基础,分析基于贝叶斯网络的目标企图推理框架,从目标状态、目标性质、战场环境和战术特性4个方面提取节点,在分析这4个节点拓扑结构的基础上,构建了装甲目标战术企图推理的贝叶斯网络拓扑结构。     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理,然后对现有蚁群算法进行了一些改进,使它能够快速地收敛以满足高速变化的卫星网络拓扑结构.采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题,将改进的蚁群算法应用于其上,并给出了相应的性能评估.所提出的改进的虚拟拓扑策略,能够大大减少一个系统周期内卫星网的时间片个数.应用于此基础上的改进的蚁群算法也体现了较好的性能.     

受互联网思路启发的电力系统重要节点评估算法

对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis, E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search, MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型，可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大，一旦发生堵塞，将会影响网络中关键链路性能的问题，建立网络拓扑结构优化的多目标规划模型，并提出一套基于基因环操作的遗传算法对其进行求解，通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数，结果显示该模型和算法能有效均衡负载，降低网络冲突率，且不需要改变电磁发射系统以太网的物理链路，不会增加额外成本，对电磁发射类系统具有普适性的意义。     

一种以太网拓扑发现算法

局域网内部的拓扑对于现代网络管理非常重要,而网络层拓扑发现对于局域网内部的拓扑是不可见的。文章提出了一种基于生成树协议(STP)的拓扑发现算法,利用简单网络管理协议(SNMP)读取交换机MIB中的生成树信息,可以得到局域网内设备间的连接。该算法不需要交换机地址转发表(AFT)完整,也能发现交换机的备份链路和集线器以及不支持SNMP的交换机。经分析,该算法是一种简单的,准确的以太网拓扑发现算法。     

基于能量分级和位置预测的高效路由算法

针对车载传感器网络节点移动速度快、网络拓扑结构不稳定、终端传感器节点能量不确定性等特点,提出了一种能量分级和位置预测的高效路由算法ERLP(Energy Rank and Location Prediction based routing)。该算法根据具有不同能量等级的节点将消息传递距离的不同选择那些能量高的节点作为中转节点,并结合节点的分布区域和当前速度,尽量将多个消息副本传递给覆盖不同方向的节点,避免消息传递的局部性。仿真结果表明,与当前典型延迟容忍网络的路由算法相比,ERLP算法在传输成功率、平均延迟时间上具有较大提升。     

一种通用有效的神经网络映射算法

首先分析了神经网络映射的本质,神经网络拓扑结构和神经计算过程,在充分考虑负载均衡与通讯开销的基础上,引入了时间步的思想,提出了一种通用有效的神经网络映射算法,最后给出的对多种拓扑结构的神经网络的测试结果证明了该算法的通用性和有效性。     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

声纳浮标网络节点GPS信息的无冲突共享协议

节点位置信息对声纳浮标网络的建立具有十分重要的意义,利用它可以完成节点身份划分、路由建立等工作.鉴于传统GPS广播方式的低效性,提出了一种GPS共享协议,并利用网络仿真软件OPNET仿真证明:该协议能够以无冲突方式快速实现网络节点GPS信息的共享和拓扑结构的自辨识.同时,针对GPS所固有的定位偏差问题,提出了一种网络节点GPS求精算法,OPNET仿真证明:该算法可提高对网络整体拓扑结构的把握精度.     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。