一种针对无线多媒体业务的基于联合的缓存和调度的功率节省算法

一种有效的节省移动终端功率损耗的方法是在保证用户服务质量的前提下,尽可能的将无线网络接口(WNI)切换至休眠状态.然而我们发现,在多媒体业务流的分组到达间隔非常短的情况下,这个策略并不十分有效.提出了一个新的功率节省算法JBS.通过在基站设置一个整形代理,对多媒体分组进行缓存,JBS很好的解决了分组到达间隔较短对功率节省性能的不利影响.进一步,通过使用我们设计的功率节省的机会调度器POS,JBS能够使系统中每个多媒体用户获得较高的吞吐量,并得到很好的分组时延性能.对JBS的性能进行了细致的仿真,结果表明JBS能够在保证用户服务质量的前提下有效降低WNI的功率损耗.     

一种基于二分图匹配模型的多播寻呼机制

针对多播业务中,无线网络如何在带宽和时延受限的情况下,实现对于多个处于空闲状态的移动用户的跟踪定位问题,提出了一种有效的基于二分图匹配模型的多播寻呼机制.其主要思想是首先通过利用信息论中熵的概念对移动用户的位置不确定性进行分析,为了减少位置更新开销,采用LZ78压缩算法实现位置更新和位置概率预测.然后多播寻呼系统为减少寻呼开销和时延,在每个寻呼周期内为所有移动用户分配的寻呼小区驻留概率之和最大,且满足带宽限制和用户公平性.针对该目标,基于二分图匹配的多播寻呼算法BMPS构建二分图模型,将位置概率转化为权值,通过动态修改权值,获取二分图最大权完美匹配,实现用户与寻呼小区之间的最优分配方案.仿真实验结果表明,基于二分图匹配的多播寻呼算法能够有效实现寻呼开销和时延的总体性能优化,且减少了用户冲突对寻呼性能影响.     

瓶颈网络TCP/主动队列管理模型及仿真

提出了一种基于离散时间Markov链的时延闭环反馈TCP/AQM(Active Queue Management)模型,并得到其稳态分布.通过以环路时延为单位,将系统时间分割成长度不同的时隙,分析每个时隙内TCP发送端发送窗口模型和瓶颈路由器队列模型.通过结合相邻时隙的参数,提出了TCP/AQM整体分析模型.该模型可以估计路由器的队列平均长度和丢包率、TCP发送端的平均发送窗口值,因此可以用于分析AQM算法性能以及给新算法的设计提供理论支持.通过在Matlab实施该模型与NS2仿真结果作比较,证实了该模型在模拟时延闭环反馈的TCP/RED系统的有效性.     

基于平均有效容量的认知无线电功率控制算法

针对传统认知无线网络功率控制策略难以在信号强度较弱时实现有效功率分配的问题,以认知用户所能获得的平均信道有效容量最大化为优化目标,提出了一种新的认知无线网络的功率控制与优化算法,建立了信道容量及其状态转移模型,设计了支持时延QoS约束的平均信道有效容量目标函数,并采用Lagrangian定理详细推导了最优解的近似表达式,最后对影响平均信道有效容量的因素进行了仿真分析。结果表明,认知用户的平均信道有效容量和相同信噪比条件下认知用户发送能效比得到了明显提高。     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

分布式环境下批处理机调度启发式算法求解

将批处理机调度问题扩展到分布式环境下,提出了批调度问题的一个新模型.模型中,工件动态到达各批处理机,且在加工之前和之后需要有运输时间.证明了该模型是NP难的,并通过问题的一个下界来衡量各算法性能.给出了分布式环境下批分配的一个启发式算法AR(assignment rule)以及一个分批准则BR(batching rule),在此基础上对问题的求解提出了若干启发式算法.仿真实验表明各算法均可以对问题进行有效的求解,加入分批准则对于算法有进一步的优化作用.     

基于随机共振的高灵敏度GPS信号捕获算法

针对微弱环境下全球定位系统（global position system, GPS）信号捕获问题,提出了基于随机共振（stochastic resonance, SR）的GPS信号捕获算法。该算法首先用部分匹配滤波器对GPS信号进行分段相关预处理,然后利用SR提高预处理后信号的信噪比(signal to noise ratio, SNR),SR中引入了二次采样和自适应技术,解决了传统SR不适合捕获大频率信号(频率远大于1Hz的信号)及SR参数难以与被捕获信号匹配的难题,最后采用快速傅里叶变换（fast Fourier transform, FFT）谱分析技术,实现在较短的相关累积时间内获得较高的捕获灵敏度。实验表明,算法能明显提高系统捕获性能,在相关累积时间为10 ms,信号SNR为-38 dB的情况下,算法捕获GPS信号的正确检测率达到100%。     

干扰源定位中到达时间差参数估计方法

卫星干扰源定位技术的关键之一是定位参数的测量。目前传统的定位时延估计算法无法满足在低信噪比环境下的到达时间差(time difference of arrival, TDOA)参数估计。为了进一步提高定位性能,提出了基于四阶累积量的最小均方误差算法(least mean square algorithm based on fourth-order cumulant, CUM-LMS),在使用四阶累积量进行时延估计的基础上,提取峰值信息,计算均方误差,得到准确的TDOA参数。实验结果表明,所提出的算法有效地提高了时延参数估计的性能。     

基于强跟踪滤波器的自适应常加速模型及跟踪算法

建立目标机动模型是传感器目标跟踪数据处理中的一个重要环节.为了克服"当前"统计模型对非机动目标和常加速模型对机动目标跟踪性能较差的缺陷,通过对"当前"统计(CS)模型的分析研究,在常加速(CA)模型的基础上提出了一种基于强跟踪滤波器的自适应常加速模型及跟踪算法(ACA-STF).该算法利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,并通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,从而提高了跟踪精度,增强了系统对突发机动的自适应跟踪能力.理论分析和仿真结果表明对于非机动和机动目标,该算法比"当前"统计模型算法具有更高的跟踪精度.