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。     

基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

基于改进自适应聚类的无线传感器目标跟踪算法

针对无线传感器网络目标跟踪中跟踪精度与传感器节能问题进行研究,提出基于预测的簇头自适应聚类算法,该算法采用动态聚类算法,通过考虑传感器节点剩余能量、节点到汇聚的距离和节点到运动目标的距离3个参数,最大限度地减少簇头与基站间的远程通信,节约网络能量,延长网络寿命,降低目标漏失概率,加入预测机制,采用线性预测的方法预测跟踪...     

基于时隙和功率分配的联合优化算法

能效是支持设备到设备通信（device-to-device,D2D）的蜂窝网络的关键性能。在每个D2D群内有一个发射设备和两个接收设备。发射设备从基站广播的信号采集能量,再利用所采集的能量向接收设备传输数据。提出基于时隙和功率分配的联合优化算法（joint time and power allocation optimization,JTAO）。通过优化采集能量和传输数据的时隙以及发射功率,最大化能效。发射设备采用非正交多址接入技术,降低用户间干扰。性能分析表明,通过优化发射设备的传输功率,提升用户能效。     

均衡聚类市场拍卖机制的异构无人机集群任务规划方法

针对大规模异构无人机集群的全局任务规划问题,提出一种基于均衡聚类市场拍卖机制的任务规划方法。对无人机群协同合作完成任务的场景进行分析,综合任务聚类和无人机联盟的优势,建立了通用性较高的任务规划模型。考虑到对无人机群负载均衡的需求,融合和改进了K-means聚类算法和市场拍卖机制,形成一种综合考虑路程消耗和任务消耗的均衡聚类市场拍卖算法。在拍卖过程中引入平衡参数,通过计算旅行商问题来修正平衡参数,保证无人机群在负载均衡的同时整体成本不断降低。仿真结果表明,使用均衡聚类市场拍卖机制的任务规划方法能够在较短时间内完成异构无人机群的复杂任务规划,保证无人机群负载均衡的同时,整体成本和总时间上也有较好表现,具有一定的实际应用价值。     

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。     

基于MIMO协作干扰对齐网络的保密通信算法

通信系统的保密性在信息化作战体系中尤为重要.在存在窃听的多输入多输出(Multiple-Input Multi-ple-Output,MIMO)干扰对齐(Interference Alignment,IA)网络中,传统利用接收或发送端发送人工噪声(Artificial Noise,AN)实现物理层保密通信的方法,会增加收发端的能耗与实施复杂度.为此,提出一种基于MIMO协作IA网络的保密通信算法,推导出了算法可行性条件、合法用户传输速率和保密速率、窃听端窃听速率,并给出了相应的基于最小干扰泄露准则的分布式迭代IA实施方法,有效降低系统复杂度.仿真结果表明,所提算法在保证合法用户传输速率的同时抑制窃听速率,有效提高系统安全性能.     

一种基于最小生成树的无线多跳网络信道分配算法

为提高无线多跳网络的吞吐量和传输可靠性,提出一种信道分配算法。该算法优先考虑最小生成树上的可用信道,为每个节点分配信道资源;然后考虑利用生成树外其他可用链路,为节点提供信道资源,以提高吞吐量。算法通过考虑每个用户的通信需求,可以充分利用空闲信道资源。仿真结果显示,相比于不考虑最小生成树外链路时,有效地提高了网络整体吞吐量。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。     

基于粗糙集的战教比例优化聚类决策模型应用

针对现行装甲装备战教比例标准下部队战备和训练任务之间的矛盾和问题,提出了基于粗糙集的K-means聚类分析的战教比例优化决策模型,利用粗糙集的属性约简算法消除冗余属性,根据各属性重要度确定其指标权值,然后依据分析所得优化决策方案及其影响指标加权数据值,以欧式距离为准则进行定中心K-means聚类。实例分析结果验证了该优化决策模型对于战教比例优化具有较好适应性和科学性。     

D2D通信中能耗优化的分布式资源管理算法

端到端(D2D)通信技术近年来受到通信学术界的普遍关注,它绕过基站直接进行数据通信,可以减轻基站的负载,节省系统通信资源,提高系统性能和用户体验。然而,D2D通信技术也带来了一些棘手的资源管理问题,例如,如何进行模式选择以调度使用系统链路资源、抑制蜂窝用户和D2D用户之间的相互干扰,如何进行功率控制以满足用户需求等等。文章分析了多用户D2D通信系统的链路共享机制和用户功率分配策略,为提升系统中各用户的能效性能,基于联盟形成博弈和非合作博弈提出了对应的分布式资源管理方案和算法。最后,通过数值仿真,验证了所提方案和算法的有效性,相比最初的资源使用策略,所提分布式方案和算法能够给用户带来明显的性能增益。     

采用无线携能技术的中继辅助CR-NOMA系统能效分析

针对现有关于认知无线电非正交多址接入网络的研究中终端电池容量有限和能源利用率低的缺点,采用了中继辅助用户进行传输,并且引入无线信息和能量同时传输的方式。在用户服务质量和最小能量捕获的约束条件下推导了次用户传输能效表达式,通过分式规划方法把非凸的目标函数转化为优化中继发射功率、中继功率分配和接收端功率分配三个凸的单目标问题,并分别用函数单调性、黄金分割算法、拉格朗日对偶算法和多目标联合优化算法进行优化,求得了全局最优解,使次用户系统传输能效最大化。对所采用的算法复杂度进行分析,仿真结果表明:与传统的正交多址接入方案相比较,在提高系统频谱利用率的同时,次用户传输能效有47%的提高。     

SpaceWire网络热点通信模式的缓存资源分配算法

基于SpaceWire网络在热点通信模式下的工作特点,研究缓存资源的分配算法。给出均匀通信模式和热点通信模式的释义;推导网络路由节点的满负荷概率和平均延时的解析方法,计算网络中的关键通信节点;再给出SpaceWire网络缓存资源分配算法。利用Opnet网络仿真平台建立SpaceWire通信模型,仿真了不同通信模式中采用缓存优化策略前后的关键性能指标。研究结果表明:在热点通信模式状态下,该缓存资源分配算法在保证总资源一定的前提下,网络系统的平均延时降低,优化了SpaceWire网络性能。     

基于K-means和AGNES的未知二进制协议聚类

协议的聚类是协议分析中一个重要的环节,为实现对未知二进制协议高效聚类,提出了一种基于K-means聚类和AGNES的未知二进制协议聚类方法。在对获取的二进制协议比特流进行数据预处理的基础上,先采用K-means算法对比特流数据进行初步聚类,再通过误差平方和、Calinski-Harabasz分数值和轮廓系数确定k值,最后选择AGNES算法将未知二进制协议比特流划分为不同的二进制协议子集。方法有效结合了K-means和AGNES算法的特点,降低了时间复杂度的同时提高了聚类的精确度。对实验数据集的测试结果验证了所提方法的有效性,较为准确地确定了k值,聚类精确度达到了98%。     

蜂窝网络中基于干扰控制的D2D通信联合资源分配方案

在蜂窝网络中部署D2D(Device-to-Device)通信能够有效提升频谱利用率,降低基站负载,但D2D用户与蜂窝用户共享无线信道时会产生信号干扰。提出了一种联合资源分配算法,通过综合考虑信道分配对网络中已有的蜂窝用户和D2D用户的信号干扰,并在小区范围内寻找具有最小干扰值的信道资源分配给用户,以实现有效的干扰控制。仿真结果显示:联合资源分配能够提升D2D链路、蜂窝链路的信噪比及系统总吞吐量,使得蜂窝网络的整体性能优于独立资源分配。     

面向众核处理器的阴阳K-means算法优化

传统阴阳K-means算法处理大规模聚类问题时计算开销十分昂贵。针对典型众核处理器的体系结构特征,提出了一种阴阳K-means算法高效并行加速实现。该实现基于一种新内存数据布局,采用众核处理器中的向量单元来加速阴阳K-means中的距离计算,并面向非一致内存访问(non-unified memory access, NUMA)特性进行了针对性的访存优化。与阴阳K-means算法的开源多线程实现相比,该实现在ARMv8和x86众核平台上分别获得了最高约5.6与8.7的加速比。因此上述优化方法在众核处理器上成功实现了对阴阳K-means算法的加速。     

海上多无人机协同交叉定位的优化配置方法

针对多部无人机协同交叉定位,考虑无人机安全距离、通信距离和动力学约束条件下,解决多部无人机自动实现对飞行速度和角度的优化配置问题.提出了多机协同测向交叉定位方法,该方法先根据几何稀释度精度建立了不等式约束下的无人机运动参数单目标优化模型,再利用惩罚函数法将优化模型转换为无约束条件的极小值求解问题,最后利用粒子群优化算法获得各无人机飞行速度和角度估计值.仿真试验表明,该方法对不同无人机阵型和辐射源运动状态具有较强的适应性,相比直线飞行配置方法,其定位精度有较大的提高.     

基于K-means聚类与NSCT的图像融合算法

传统的基于NSCT的图像融合算法,通常是对原始图像进行NSCT变换,然后进行不同尺度系数的融合,没有对原始图像进行针对性的分析.对此,提出了一种基于K-means聚类的图像融合算法.利用K-means聚类对图像中具有不同特征的目标进行分类,对分类后的图像进行NSCT分解得到低频和高频子带系数.根据分类图像的特点,采用自...     

固定翼无人机多工况聚类及识别研究

针对固定翼无人机作业过程中多工况的分类以及一般模式识别算法时效性低,准确率不高的问题,提出了"聚类分析-模式识别"相结合的多工况分析技术路线,将工况分析分为离线和在线2个阶段.离线阶段,提出子一种基于分组的密度聚类算法,采用分而治之的聚类思想对无人机历史飞行数据进行聚类分析,并将聚类所得各抽象数据簇视为工况.在线阶段,...     

正交频分复用水声通信自适应调制算法

分析预估信道长度对信道估计算法的影响规律,提出利用水声通信均衡恢复信号统计量对信道估计质量评估的方法。通过信道长度自适应修正机制,实现对未知水声信道的高精度估计。针对水声信道造成的正交频分复用子载波特性差异,基于信道估计结果,提出在码元总速率、能量约束条件下,各个正交频分复用子载波速率、功率优化分配的自适应调制算法。与传统的等功率、速率分配算法相比,新算法能够显著提升水声通信系统的误码率性能,通过仿真和实地试验,验证了研究内容的有效性。