基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

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。     

基于语义的AdHoc网络服务发现

在分析现有的Ad Hoc网络服务发现方法的基础上,提出一种基于语义的Ad Hoc网络服务发现方法。该方法基于语义推理机制,能对服务进行准确地刻画,大大提高了查准率;又由于该方法在考虑服务本身的同时,还考虑了服务的节点属性和节点所处的环境属性,可以有效地改善服务质量。仿真结果表明,与同类的Ad Hoc网络服务发现方法相比,该方法在查准率方面具有较大的优越性。     

战场态势感知系统评价方法?

战场态势感知系统主要由传感器系统、通信系统以及其他分系统构成,是现代战争系统的基础组成部分。由于战场态势感知活动广泛作用于物理域、信息域和认知域,相关评价研究面临诸多困难和挑战。在介绍战场态势感知系统相关概念的基础上,重点对其评价方法的研究现状进行了综述,并对不同评价方法的特点进行了分析比较,最后,指出了战场态势感知系统评价方法有待进一步研究和解决的问题。     

基于信息熵TOP SIS法的无线传感器网络节点自定位技术

在无线传感器网络的应用中,节点的定位是一个关键的问题。但是,利用已知节点对未知节点定位的算法存在着定位精度不高,定位计算量大等缺点。针对该问题,提出了一种基于信息熵TOPSIS法的节点自定位算法,该算法利用TOPSIS法按已给的传感器属性进行排序,只取最靠前的3个节点代入标准最小二乘公式中进行计算,既缩短了计算时间,又保证了计算精度。仿真实验证明,该算法是一种有效可行的算法。     

基于规则的动态频谱接入研究

动态频谱接入面临的关键技术之一是对接入时机和方式进行有效地管控,防止由于频谱的接入使用过于灵活造成用频的干扰和混乱。将频谱接入的时间和方式给予规则上的约束和指导,基于规则构建动态频谱管理框架可以有效实现频谱的实时管控。对动态频谱接入的规则及表述方式进行了讨论,分析了基于规则的动态频谱接入过程,最后结合美军XG项目的试验结果分析了基于规则的动态频谱接入的应用前景。     

认知MIMO雷达波形设计研究

认知多输入多输出(multiple-input multiple-output,MIMO)雷达将认知技术与MIMO技术相结合,具备动态环境信息感知和自适应调节能力,受到雷达界的广泛关注。相比于传统雷达,认知MIMO雷达性能更优、适应性更强,是雷达迈向智能化发展的趋势,而发射波形的优化设计是实现雷达认知的关键,因而成为近年来学者研究的重点。首先介绍了认知MIMO雷达基本概念,分析了波形设计现状,然后在波形设计步骤的基础上,重点从优化准则和优化方法两方面总结了现有研究成果及特点,最后讨论了未来研究方向和需要解决的问题。     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。     

基于滑移网格的潜艇旋臂试验数值模拟?

潜艇水动力系数对潜艇操纵性研究具有重要意义。为了获取较高精度的潜艇旋转导数,以分区结构化网格为基础,采用基于固定坐标系的滑移网格方法,对SUBOFF潜艇进行旋臂试验数值仿真。并对比两种不同的湍流模型下仿真结果,误差均在8％以内,满足工程要求,验证了方法的可行性。     

Minimal LST representations of MAP(n)s: Moment fittings and queueing approximations

A Markovian arrival process of order n, MAP(n), is typically described by two n × n transition rate matrices in terms of rate parameters. While it is straightforward and intuitive, the Markovian representation is redundant since the minimal number of parameters is n² for non‐redundant MAP(n). It is well known that the redundancy complicates exact moment fittings. In this article, we present a minimal and unique Laplace‐Stieltjes transform (LST) representations for MAP(n)s. Even though the LST coefficients vector itself is not a minimal representation, we show that the joint LST of stationary intervals can be represented with the minimum number of parameters. We also propose another minimal representation for MAP(3)s based on coefficients of the characteristic polynomial equations of the two transition rate matrices. An exact moment fitting procedure is presented for MAP(3)s based on two proposed minimal representations. We also discuss how MAP(3)/G/1 departure process can be approximated as a MAP(3). A simple tandem queueing network example is presented to show that the MAP(3) performs better than the MAP(2) in queueing approximations especially under moderate traffic intensities. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 549–561, 2016