基于随机几何理论的多层异构蜂窝网络性能分析

为分析多层节点覆盖的异构蜂窝网络性能,采用独立的齐次泊松点过程分别对异构网络中的各层基站分布进行了建模,选择最强信号干扰噪声比(SINR)基站的接入方案,推导出多层异构蜂窝网络的覆盖概率,并且通过仿真实验分析了影响整体网络覆盖概率的因素.实验结果表明:多层异构网络在小基站密度和发射功率处于适当值时有较好的覆盖率性能.     

基于随机几何理论的多层异构网络的中断概率分析

针对包括由宏基站(MBS)、微微蜂窝基站(PBS)和毫微微蜂窝基站(FBS)覆盖服务的三层异构蜂窝网络进行研究,通过仿真实验分析了影响用户通信中断概率的因素.结果表明:PBS和FBS的发射功率选取适当值时,可以有效地降低中断概率.当第一层网络的信干比(SIR)门限值在0~12 d B范围内变化,第二层网络的SIR门限值小于第三层网络时,可以有效降低中断概率,最高可以降低10%.     

基于用户簇分布模型的三维异构蜂窝网络覆盖概率分析

采用随机几何理论分析异构蜂窝网络性能时,通常假设用户均匀分布且独立于基站。但在实际的异构蜂窝网络中,小基站一般部署在热点地区或覆盖盲区,因此,小基站与用户的空间位置存在相关性。针对三维空间中蜂窝用户以小基站为父节点的Matern簇过程和Thomas簇过程进行建模,再采用最大信号干扰比(signal to interference ratio, SIR)的小区接入准则,在瑞利衰落信道下推导出下行链路的覆盖概率;通过蒙特卡罗仿真验证理论结果,分析用户簇过程的半径或方差、SIR门限值、小基站密度和小基站功率对覆盖概率的影响,并比较三维用户簇分布模型、三维用户均匀分布模型和二维用户簇分布模型的网络性能。实验结果表明基于三维用户簇分布模型的异构蜂窝网络具有较好的覆盖概率。     

基于多链路无线传感器网络的级联模型及算法

目前关于无线传感器网络(wireless sensor networks, WSNs)级联失效的研究主要集中在单链路网络上,很少涉及多链路网络.基于此,提出一种基于多链路无线传感器网络的级联模型,并提出了模因算法(memetic algorithms, MAS)来优化多链路布局,以抵抗级联失效.在新的网络平衡度量“多向网络熵”基础上设计了局部搜索操作算子.仿真表明,所提出的级联模型能够表征多链路WSNs的级联过程,可有效提高系统稳定性能.与现有算法相比,所提的MAS可在短时间内获得更稳定的布局方案.     

基于节点区分和跨层设计的无线Mesh网路由协议

以优化的链路状态路由(optimized link state routing,OLSR)协议为原型,为无线Mesh网设计了一种基于节点区分和跨层设计的优化链路状态路由协议NDCL-OLSR(node-differentiation and cross-layer based optimized link state routing).该协议采用了一种新的路由判据NDCLM(node-differentiation and cross-layer metric),在路由计算过程中通过跨层操作机制综合考虑了节点当前负载和链路投递率2个因素对链路质量的影响,并且对节点的类型进行了区分,使得网络流量尽量绕开业务繁忙的超网关节点(SGW),从而大大优化了路由选择的效果.仿真结果表明,NDCL-OLSR能够从很大程度上提高网络的吞吐量,降低端到端的延时,并且能够达到负载均衡的路由效果.     

无线Mesh回程网的跨层优化快速算法

针对时分多址(TDMA)模式下无线Mesh回程网的路由及调度的跨层优化问题,提出了两种跨层优化的快速算法.首先在以最短系统调度时间为目标的跨层优化模型的基础上,提出了一种基于极大团搜索的快速最优算法,该算法通过Bron-Kerbosch极大团搜索算法列举出网络中所有极大并发传输模式,简化了跨层优化模型,从而可以用线性规划方法最小化系统调度时间,极大提高了运算的速度.仿真结果表明,与经典的列生成最优算法相比,该算法的运算时间缩短了99%以上.根据无线Mesh回程网的流量特点,文中还提出了一种基于链路权重分类的快速启发式算法,该算法能以较大的概率筛选出含有较大权重链路的极大并发传输模式.仿真结果表明,对于35节点的网络,该算法得到的次优结果相对于最优的平均偏离率在0.5%以下,平均运算时间仅为极大团最优算法的2.5%左右.     

基于3维泊松点过程理论的无人机协助的异构网络模型及其性能

针对紧急热点场景中的基站缺乏灵活性问题，提出基于泊松点过程的无人机协助的异构网络模型.为了准确反映真实场景，假设宏基站在地面2维分布，无人机作为小基站在空间3维分布，地面用户通过最大接收功率级联准则选择通信基站.仿真分析性能参数间的定量关系，结果表明：相对于2D,3D模型，该文模型能更精准地描述覆盖概率；使用多个低功率的无人机小基站协助地面基站通信，能改善整个网络的覆盖性能；部署网络时需对路径损耗做适当选择.因此，该文模型具有有效性.     

基于泊松簇过程的三层异构蜂窝网络部署模型

5G标准下的蜂窝网络正在向异构化、超密集化的方向发展,传统的基于六边形网格模型的研究方法较为理想化且并不精确,越来越不适用于如今的异构网络.针对这个问题,目前常用的方法是使用基于随机几何的泊松点过程来研究异构网络的基站部署,这种方法假设基站的空域分布完全随机,因此得到了覆盖概率的理论下界.但是由于宏蜂窝边缘(盲区)以及热点地区(忙区)等特殊区域中,站点的分布可能形成簇,此时,基于泊松点过程的空域分布将不再准确.针对这个问题,本文使用泊松簇过程研究三层异构蜂窝网络的基站部署与规划.首先,提出基于泊松簇过程的基站部署系统模型,讨论了基于簇分布的基站形成过程;其次,在充分分析用户受到的聚集干扰基础上,采用基于瞬时信干噪比的小区选择机制,推导出了中断概率模型,并讨论了三种特殊条件下的中断概率;最后,通过仿真对比分析了基于泊松簇过程与泊松点过程的中断概率的差异以及信干噪比阈值变化时的中断概率的变化曲线,证明了基于簇的空域基站部署具有更低的中断概率.     

基于三维空间模型的毫米波蜂窝网络覆盖概率分析

毫米波蜂窝网络通常在二维空间下建模和性能分析.二维模型适合基站分布稀疏的郊区,但是并不适合城市环境下密集蜂窝网络的性能分析.基于随机几何理论提出三维空间模型.该模型假设基站分布为三维泊松点过程;阻碍模型为视距(line of sight,LOS)球模型;信道为Nakagami-m衰落信道;收发端使用大规模天线阵列获得最大的波束成形增益.基于该模型,给出了三维空间下目标用户和最近基站距离的概率密度函数,推导出目标用户的平均覆盖概率,通过蒙特卡洛仿真实验与二维模型的性能进行了对比,分析了路径损耗、蜂窝半径、天线的波束宽度和天线增益等参数变化对平均覆盖概率的影响.实验结果表明,在密集的城市环境下,三维模型对毫米波蜂窝网络的性能分析更加精确.     

基于跨层建模的随机频谱接入新机制

针对用户呼叫层和分组层的不同运行机制,建立了认知无线电网络呼叫层和分组层相互关系的跨层马尔可夫模型,推导了次用户的呼叫阻塞概率和分组时延的表达式,提出了一种基于跨层建模的随机频谱接入新机制,并对认知无线电网络进行了系统级仿真.结果表明,文中模型能够准确地评估认知无线电网络的性能,随机频谱接入新机制可同时保证次用户呼叫层和分组层的性能要求.     

一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法，如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感，故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦，能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构，然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出，对于文中所给出的非线性系统，这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。     

一种基于遗传算法的两层扫描覆盖机制

针对无线传感器网络中的覆盖问题,提出一种基于遗传算法和移动辅助节点的两层扫描覆盖机制（GATSC）.首先,GATSC利用遗传算法将POI分配给移动传感器节点进行覆盖,生成多条移动节点路径;然后,在移动节点路径上选取距离汇聚节点最近的一个点作为移动节点和移动辅助节点的交汇点（POB）.最后,利用移动辅助节点将数据传输到汇聚节点,完成最终的数据采集.仿真结果表明,本机制不仅比以往的覆盖机制具有更好的性能表现,而且能很好地适应不同的网络环境     

基于两级神经网络的发酵过程多变量前馈解耦控制

针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.     

基于多场耦合技术的永磁同步电动机散热分析

利用英特工程仿真技术公司开发的一套电动机专用的耦合分析接口软件INTESIMETFMotor,对电动汽车所用永磁同步电动机进行电磁-热-流体三场耦合分析,将电磁-热-流体三场耦合与传统解耦简化模型的分析结果进行对比,以验证热流双向耦合的有效性.结果表明,单向耦合不能够保证温度的连续性和能量守恒,达不到真正的热平衡,因而需要进行热流双向耦合.     

TD-SCDMA系统中的上/下行链路动态信道分配策略

在TD-SCDMA系统的上行和下行链路中,话音业务是对称的,而数据业务是非对称的.为了适合于这种业务的非对称,提出在TD-SCDMA系统中采用上/下行链路动态信道分配(DCA)的策略.在慢DCA中,根据在线话音用户数和下一时隙上/下行链路中业务数量的比值来动态地分配时隙.针对上/下行链路中的负载具有时变性的特点,提出对下一时隙业务负载进行预测的方法.在快DCA中,提出将保护信道方法和可移动边界方法相结合的策略.同时,将这两种方法与传统的对称时隙分配方法进行仿真比较.仿真结果表明,基于业务预测的方法,能够根据非对称的上/下行链路业务对上/下行链路中的时隙进行动态分配;在不影响话音业务性能的情况下,该方法不仅具有更好的数据业务性能,而且能更有效地使用信道.     

利用人工神经网络进行感应电动机解耦控制

为了使感应电动机具有象直流电动机一样优良的转矩与转速控制性能,提出了一种基于人工神经网络的感应电动机解耦控制方法。由于实时递归网络具有较强地表达和处理瞬态信息的能力,适合解决非线性动态系统问题,因此用递归网络构成的解耦控制器具有良好的动态特性。为减少这种神经网络解耦控制器的学习时间,提出了一种自适应学习算法,通过在网络学习的过程中不断地调整学习速率,从而加快了网络学习速度。仿真计算结果表明,这种神经网络解耦控制方式具有优良的动态响应特性。     

非球面件数控研抛力、研抛工具位置和姿态解耦技术

为解决非球面自动研抛系统中普遍存在的研抛力-研抛工具的位置-研抛工具的姿态(以下简称力-位-姿)相互耦合问题,提出一种基于磁流变力矩伺服装置(MRT)的非球面数控研抛力-位-姿解耦技术。基于Hertz接触理论和摩擦学原理,分析研抛过程中的力-位-姿耦合机理,建立了耦合模型。阐述基于MRT的数控研抛力-位-姿解耦原理,开发相应的实验研究系统,建立系统研抛力模型。规划了研抛工具的路径。试验得到0.025 μm粗糙度的镜面表面。试验表明该技术能独立、主动、实时地控制研抛过程中的研抛力、研抛工具的位置和姿态。     

非耦合开关电容Cuk DC-DC变换器

提出一种非耦合开关电容Ｃｕｋ ＤＣ－ＤＣ变换器（ＳＣ Ｃｕｋ ＤＣ－ＤＣ变换器（。与普通Ｃｕｋ ＤＣ－ＤＣ变换器相比,该变换器的输入输出电感可工作在非耦合状态。分析表明,即使开关工作在较大的导通比,该电路不需变压器也可实现大的输入输出电压比;当输入电感工作在ＤＣＭ,输出电感工作在ＣＣＭ时,该变换器可等效为一个Ｂｏｏｓｔ变换器和一个Ｂｕｃｋ变换器级联;开关电容网络的阶数即为普通Ｃｕｋ ＤＣ－ＤＣ变换     

基于移动节点的无线传感器网络覆盖优化

为了提高无线传感器网络监测区域的覆盖率,研究了节点随机部署的无线传感器网络的覆盖优化问题．在含有移动节点的混合无线传感器网络中,采用更符合实际情况的基于误警率的概率探测感知模型,以区域覆盖率评价覆盖效果．通过计算节点的联合探测概率寻找覆盖空洞,提出了基于最佳概率的移动节点优化策略．仿真结果表明：所提方法能够有效探测覆盖...     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.