第4讲 认知无线电中基于频谱数据库的共存技术研究

动态频谱接入技术能够有效缓解日益突出的频谱资源紧缺问题,然而随着认知无线电技术的发展,多个次级网络接入授权频段面临的共存问题也变得更加严峻。近年来的研究表明,传统的频谱感知结果可靠性不足,无法充分保证异构网络间的共存。基于地理频谱数据库的共存技术,能够为网络提供可用频谱信息以及共存信息,从而使得异构网络的共存成为可能。文章首先阐述了地理频谱数据库的发展趋势和技术挑战,接着分析了异构网络共存面临的挑战和研究现状,然后提出了一个基于地理频谱数据库接入授权频谱的系统架构,最后介绍了异构网络共存的关键技术和主要的共存机制,进一步地,为指导共存机制和算法的设计将共存问题公式化地描述成具有一般性的优化问题。     

分布式异构集群中节点优先级调优算法

节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。     

基于改进融合算法的交通网络节点重要性评估

交通目标体系在作战中是打击目标选择的重点,在目标选择前需要对交通网络的节点及关联关系的重要性进行准确评估.交通目标体系是一种多层复杂网络模型,目前的评估方法没有考虑到路径的权重和对网络整体价值,造成评估模型与实际网络不符合的问题.针对该问题,提出一种改进的融合算法对多层网络进行评估.该方法构建的节点关联度矩阵考虑了各层网络中边的权重和网络整体价值,再将每层的节点关联度进行融合.通过仿真分析和对比,该方法能够准确有效地评估多层交通网络节点的重要性,对目标选择具有一定实用价值.     

基于资源平衡的分布式星群网络连接接入策略

针对现有卫星网络接入策略未能充分考虑卫星资源以及合理确定卫星资源权重问题,提出了一种基于资源平衡的星群网络连接接入策略。该策略充分考虑卫星的多种资源建立卫星资源评价模型,利用移动代理技术,采用层次分析法和熵值法计算各卫星资源的主观和客观权重,并通过Kullback散度权重优化方法对主客观权重进行平衡处理,判决过程兼顾了卫星的综合性能水平和用户偏好,提高了接入的准确性和合理性。仿真结果表明,采用该接入策略,有效改善了新呼叫阻塞率和强制中断率。     

基于TCP Veno算法的异构网络边界代理改进机制研究

针对在异构网络环境下无线网络的特点使TCP性能下降的问题,借鉴TCP Veno算法原理,提出基于网络状况评估的拥塞控制的性能增强代理改进工作机制,动态评估当前网络的状况,调整预应答发送窗口的阈值,提高性能增强代理在较大差异网络下的传输控制效能．基于NS-2的网络仿真测试对算法进行了验证,结果显示改进后的工作机制在丢包率较大的异构网络中性能有明显提升．     

高空平台通信系统中的小区切换技术综述

同温层强风导致的高空平台准静止状态严重影响通信系统性能,对切换技术提出了更高的要求。分析了高空平台通信系统切换问题,从切换判决算法和接入控制策略2个研究方向,详细讨论了当前准静止状态高空平台通信系统切换技术的研究现状。针对判决切换算法,总结了传统切换算法与智能切换算法的特点及存在的不足。针对接入控制策略,分析了现有算法对平台准静止状态的适应性。最后,对高空平台通信系统切换技术的发展方向进行了展望。     

采用贪婪启发式的异构WSNs部分覆盖算法

异构无线传感网络(Wireless Sensor Networks,WSNs)的多数监测应用要求监测区域被部分覆盖。因此,对异构WSNs的部分覆盖问题进行研究。提出基于贪婪启发式的部分覆盖算法(Greedy Heuristic-based Partial Coverage,GHPC)。先对异构WSNs的部分覆盖问题进行定义和形式化表述,再利用贪婪启发式算法求解。GHPC算法选择具有最大覆盖贡献的节点加入覆盖集,进而满足覆盖要求。仿真数据表明,与同类算法相比,提出的GHPC算法能够在满足覆盖要求的同时,降低活动节点数。     

基于ICRITIC-GCN的空战目标威胁评估

为研究解决空战目标威胁评估问题时目标属性复杂、数据非结构化等问题,提高评估效率,提出图卷积网络（graph convolutional network,GCN）的解决方法,并引入改进的指标相关性权重确定方法（improved criteria importance through intercriteria correlation,ICRITIC）,构建了基于ICRITICGCN的目标威胁评估模型。针对战场威胁目标的空间拓扑性和属性复杂性,利用图卷积网络在处理非欧式数据时的优势进行学习训练;针对传统方法在属性权重时过于主观的问题,ICRITIC法考虑属性之间的关联性及属性的信息量,客观分配属性权重。仿真结果表示,该算法在解决多目标威胁评估问题时,在处理效率、准确率等方面均有所提升。     

基于主客观组合赋权的变权TOPSIS弹道目标威胁评估模型

针对目标威胁评估问题,提出了一种基于主客观组合赋权的变权TOPSIS弹道目标威胁评估模型。在利用层次分析法得到指标主观权重、利用熵权法得到客观权重的基础上,基于差异系数得到了威胁评估指标的主客观组合权值。通过引入变权理论的惩罚与激励机制,对传统组合赋权TOPSIS算法的权重计算方法进行了改进,改进后的模型能够根据目标状态参数随时间变化动态地对各项指标权重进行惩罚或者激励,实现了权重的动态调整,充分考虑了主观因素和客观因素对评估结果的影响。通过具体案例验证了模型的可靠性。威胁评估结果表明,改进后的模型更加注重目标各指标间的相关性,而且克服了常权决策带来的偏差,有效提升了弹道目标威胁评估的可靠性、准确性。     

数据和导频通道的功率加权联合捕获算法

下一代全球导航卫星系统将采用数据和导频通道功率不等的调制方式,而传统算法多采用数据和导频通道的等权重加权联合进行捕获。当二者功率不相等时,等权重加权联合不能获得最优的捕获性能。因此提出功率加权联合的改进捕获算法,在数据和导频通道的功率分配不等的情况下,进行不同加权系数的联合捕获,并且利用最小二乘的方法进行最优加权系数的拟合估计。利用捕获判决量的特征函数推导检测和虚警概率。仿真实验验证了当数据和导频功率比为1∶3、检测概率为0.8、虚警概率为10-3时,所提出的改进算法能提升0.4 d B的捕获灵敏度。     

网络作战能力评估研究

近年来,国内外学者对网络作战能力评估问题进行了大量深入的研究,并取得了很多重要成果,但是缺乏对该领域研究现状的归纳与总结。网络作战能力评估主要涉及指标体系构建、指标权重确定以及评估方法的选择,归纳了3种网络作战能力评估指标体系构建方法及划分角度,并进行对比分析;梳理了3种评估指标权重确定方法,并对其特点进行总结;介绍了几种常见网络作战能力评估方法。为组织网络作战能力评估提供一定的借鉴和参考。     

基于双自适应调节算子的装备作战效能评估方法

为解决某型装备作战效能评估客观性差问题,在分析作战任务基础上构建效能评估指标体系,通过构建改进的效能评估模型,引入双自适应调节算子灵敏反应指标数据波动,确保了指标权重精确度,并通过单个权重和双自适应调节算法权重衡量方法的实例对比,验证了本模型的科学性、准确性.该模型对基础数据要求低,计算相对简便;构建的指标体系全面,较好地反映了评估对象的作战特征;避免了人为因素对指标权重的影响,结论更加客观.研究结果对快速、科学制定作战方案和改进某型装备性能设计有一定的参考意义.     

无线认知网络中一种分布式最大频谱分配算法

无线认知网络被认为是下一代无线网络的核心架构之一。该网络能解决日益增长的频谱使用需求和低下的频谱使用率之间的矛盾。通过伺机接入临时可用频谱资源,其频谱利用率能得到大幅的提高。由于频谱资源分配是影响频谱资源利用率的关键,因此如何对频谱资源进行高效的分配一直是无线认知网络的重要研究领域之一。我们证明了在异构频谱使用概率条件下的最优频谱分配是NP难的问题。为了有效解决该问题,本文提出了一种基于分布式最大加权独立集的频谱分配算法——DMWIS。该算法的时间复杂度为O(V2/2)。通过大量的仿真实验,验证了在90%以上的不同随机网络环境下算法能在3轮内收敛,并且该算法一般能获得最优解90%的性能。     

一种BP神经网络算法的改进模型

首先对BP网络的结构和算法进行了分析,针对BP网络收敛速度慢,容易陷入局部极小等问题,提出了一种改进的BP网络模型,并对该模型算法进行了改进,通过激活函数的选择,网络的初始化,学习率的调整和训练样本数据的处理等方法,可实现加快网络的收敛速度,并且较好的解决局部最优问题.     

基于体系价值的多层交通网络打击目标优选

针对交通目标打击目标选择问题建立了多层交通网络模型,考虑了路径权重和节点之间的连接关系对多层网络的整体影响,建立了多层网络节点关联价值体系,并根据作战背景提出了目标优选原则,最后运用基于目标体系价值的方法对目标进行选择.通过实例仿真计算和算法对比,显示所建立的多层交通网络模型符合实际,且基于体系价值的目标选择算法能够有...     

基于Map/Reduce的朴素贝叶斯数据分类算法研究

针对目前机器学习研究领域中的数据分类问题,选择朴素贝叶斯算法作为研究对象。首先,通过对样本数据特征属性的权重进行加权调整,提高算法处理的准确率;然后,改进朴素贝叶斯算法分类器模型,使其能够利用Map/Reduce并行编程模型,采用多计算资源节点并行处理,进一步提高处理速度。最后,对UCI dataset数据库进行实验验证,结果表明:改进后的算法在海量数据分类处理中具有更好的性能表现。     

用户偏好提取MDP建模研究

将马尔可夫判决过程和智能强化学习算法相结合,给出了异构无线网络环境下用户业务偏好评估模型的技术框架。为动态环境下用户需求的感知、量化和适配特征的研究提供了基本的数学描述,对解决用户体验的评价问题和业务与业务环境的适配问题提供了新的研究思路。仿真结果表明所构建的MDP模型能够在多状态条件下学习用户偏好,根据用户需求智能选择业务。     

基于k短路径的兵力机动路线优化方法

由于传统Dijkstra算法只能求解最优路径,结合兵力机动路线选择的需要,将求解k短路径的实用算法引入到兵力机动路线优化问题中,给出了算法的数据结构和步骤。在道路权重的确定上,提出将路程、通行能力和安全性三项指标相结合的思想,并给出了综合权重的计算方法。仿真实验表明所提方法具有较强的实用性。     

一种基于排序向量法的改进雷达图评估方法

为解决传统雷达图中指标权重设计不合理的问题,提出一种基于排序向量法改进雷达图的评估方法。提出基于排序向量法的指标权重计算方法,解决因指标归一化导致权重计算不合理的问题。根据上述得到的指标权重,绘制得到改进的雷达图,并通过计算指标的扇形面积和弧长来反映系统的效能和指标的均衡程度。通过加权和法和加权积法建立了改进雷图的评价模型。实例表明,所提评估方法合理可行。该研究能够进一步拓展雷达图法的应用领域,为系统评价理论与方法提供一种科学可行的技术手段。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.