无线传感器网络蠕虫的传播与控制

研究基于IEEE 802.15.4协议的无线传感器网络蠕虫传播方法,并根据IEEE802.15.4的固有特性,提出了网络环境自适应的节点免疫算法,算法通过本地及邻居信息选择免疫节点控制蠕虫的传播.针对提出的算法存在免疫过程容易陷入局部度风险最大点的问题,借鉴模拟退火算法的基本原理,提出了改进的自适应免疫算法.仿真实验表明,本文提出的算法可以通过免疫少量的节点有效的抑制蠕虫的扩散,提高了无线传感器网络抵抗蠕虫攻击的能力.     

基于OFDM的认知无线网络资源分配

无线频谱资源的稀缺是限制无线业务持续发展的瓶颈.认知无线电作为一种新兴的技术,改变了传统的授权使用无线电频谱的方式.它通过允许非授权用户伺机接入授权用户的频谱,来提高频谱利用效率,被认为是解决无线频谱资源短缺问题的一种有前途的方法.而正交频分复用技术(OFDM)由于能够自适应调整子载波和功率分配参数,实现动态资源分配,进而成为了认知无线网络中可行的空中接口.本文基于OFDM的认知网络中的资源分配问题,给出了多用户认知网络基本的优化模型,引入了认知无线系统中频谱有效和能量有效的资源分配问题,并通过分析问题的数学结构,设计出快速算法进行求解.     

基于自适应OFDM技术的认知无线电频谱分配策略

根据认知无线电网络特点,提出一种基于自适应OFDM技术的认知无线电频谱分配策略,该方案通过自适应OFDM机制将无线频谱资源划分为若干自适应子载波,同时在子载波上采用频谱利用率高的MQAM调制方式.仿真结果表明,采用该方案提升了认知无线电网络中系统的频谱效用,同时由于自适应性的引入,使算法获得了较快的收敛性.     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

认知超宽带无线电脉冲波形设计算法

超宽带和认知无线电技术是当今世界研究的热点。本文通过介绍超宽带和认知无线电的基本知识,从各自特点出发,将其优势结合形成认知无线电技术。并从CUWB系统自适应频谱环境和兼容FCC频谱模板的角度出发,为了能满足CUWB系统频谱模板的要求,提出了CUWB自适应脉冲波形的算法;以提高系统的频谱利用率为目标,采用了基于高斯导函数脉冲产生组合波形的方法。实验结果表明：自适应脉冲能适应模板的动态变化,而高斯脉冲有较好的频谱利用率。     

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.     

基于免疫遗传算法的多播QoS路由算法

提出一种基于自适应免疫遗传算法的多播QoS路由算法,该算法不仅能随种群进化的需要自适应调整交叉概率和变异概率,而且还通过引入免疫算子,在保证群体多样性的同时得到Pareto最优解.该算法能近似模拟自然界及生物个体竞争、繁衍和死亡的过程,具有较好的空间收缩能力和局部求精能力,能加快收敛速度和提高收敛精度.从而克服遗传算法的早熟问题.仿真结果验证了算法的有效性.     

基于改进遗传算法的机器人路径规划

路径规划是移动机器人领域中的重要问题之一。传统遗传算法在寻找最短路径时容易陷入局部最优,为了缩短机器人运动路径长度和提高避障性能,本文提出一种免疫克隆自适应遗传算法,该算法结合了免疫克隆算子、自适应算子从而提高解的质量,设计栅格模型,给出适应度函数用于计算机器人路径长度,并针对复杂的二维路径编码问题,设计一维路径编码方式。在仿真实验中针对不同障碍物数量对免疫克隆自适应遗传算法和粒子群算法、模拟退火算法进行对比,结果显示:当障碍物数量提高至20时,免疫克隆自适应遗传算法优化过的路径长度与粒子群算法与模拟退火算法相比分别降低了5.99%和11.04%。因此,本文提出的免疫克隆自适应遗传算法可减少路径寻优时间,有效提升机器人路径规划的效率。     

基于压缩感知的新型宽带频谱协作检测算法

针对认知无线电领域现有的宽带频谱检测技术在低信噪比情况下检测性能不足的问题,提出了一种新型的基于压缩感知的宽带频谱协作感知算法。该算法依据无线通信信号在循环谱域具有独特的稀疏特性,首先从信号相关函数的压缩采样中获取循环谱的观测值,然后利用稀疏自适应同步匹配追踪协作重构算法重构出整个宽带内所有信号的循环谱。仿真结果表明：该宽带检测算法在低信噪比和瑞利衰落信道条件下,具有较好的检测性能。同时,与以往经典的重构算法相比,该算法中提出的稀疏自适应同步匹配追踪协作重构算法在重构精度和算法复杂度等方面都有较大的提高。     

一种认知无线电频谱检测新算法

认知无线电（cognitive radio,CR）是一种革命性智能频谱共享技术,可显著提高频谱使用率．该文提出一种基于似然比判决的协同频谱检测算法用于多用户认知无线电系统的主用户检测．该算法特别考虑了主用户和多个认知用户之间不同的信道衰落和路径衰减状况,并根据最优的似然比判决法组建数学模型,保证了检测算法的高度精确性．随后,对相关参数进行了合理简化,降低了算法复杂性．实验表明,该文算法拥有非常高的检测精度,复杂度也不高,能够更加有效地服务于实际的认知无线电系统．     

基于隔离小生境的自适应遗传算法研究

基本遗传算法存在着收敛速度慢、易陷入局部最优等缺陷.针对这些缺陷,本文通过对自然界中隔离机制和自适应技术的研究,发现隔离机制对于改善种群的多样性等方面有良好的作用,而交叉概率和变异概率不仅与自身的适应度值有关而且同进化代数有较大关系.本文结合隔离小生境的知识和自适应技术提出了一种基于隔离小生境技术的自适应遗传算法,并通过函数测试表明该方法能够有效改善种群多样性,提高算法的全局寻优能力和收敛速度.     

CR OFDM系统中具有QoS要求的自适应资源分配算法

为了使CR OFDM系统能满足认知用户的QoS要求,针对系统中认知用户和授权用户间的互干扰影响,提出了一种具有QoS要求的自适应资源分配算法——ARAQ算法。算法中通过进行满足QoS要求的资源分配实现了容纳更多的认知用户,通过进行剩余子载波资源的再分配,进一步提高了频谱利用率。仿真结果表明:ARAQ算法比贪婪算法能容纳更多的认知用户数,同时频谱利用率很接近贪婪算法的频谱利用率且具有较低的算法复杂度。     

认知异构网络中基于非理想频谱感知的凸优化资源分配算法

当前认知异构网络中无线频谱日益紧缺,而传统固定频谱分配模式日益成为限制无线通信性能的重要瓶颈,在非理想频谱感知情况下资源分配的问题尤为突出。为实现非理想频谱感知情况下无线资源的高效分配,提出一种基于认知异构网络的凸优化资源分配算法。该算法首先构建了基于主用户活跃度的用户到达模型,以精确描述认知网络中主用户的频谱使用状态,为认知用户分配资源提供依据;并通过认知异构网络干扰分析构建非理想频谱感知条件下的干扰容限条件,最后通过凸优化算法实现对认知网络中频谱资源的优化分配。仿真结果表明,在非理想频谱感知条件下,该算法能够有效降低系统平均时延,提升认知异构网络的传输速率和系统吞吐量。     

基于认知诊断的自适应学习材料智能推送算法研究

将认知诊断和自适应学习相结合,利用认知诊断方法先诊断学习者对知识的掌握情况,然后依据遗传算法和多岛遗传算法为每个学习者智能化提供合适的学习材料,提出了基于认知诊断框架下的自适应学习材料智能推送算法.通过Monte Carlo模拟实验考察了新算法的科学性及其效果,研究结果表明:(i)基于认知诊断框架下的自适应学习材料智能推送算法具有较理想的效果;(ii)遗传算法和多岛遗传算法选取的学习材料具有低惩罚函数值和高学习材料匹配的正确率;(iii)遗传算法和多岛遗传算法选取的材料比随机算法更加适合学习者.     

认知无线电网络中能量检测技术的研究

认知无线电技术作为一种新型通信技术,能够在授权用户空闲的时候允许其他用户使用其空闲频谱,从而有效提高频谱资源利用率。频谱感知能力是认知无线电网络工作的前提条件,也是认知无线电网络的支撑技术。本文在不同的无线信道条件情况下,对认知无线电网络中能量检测技术的检测性能进行理论分析与仿真。     

高维多模态免疫遗传算法及其性能比较研究

随着优化方法在各领域的广泛应用,对优化技术的要求越来越高,为此,基于免疫系统抗体的自适应、自组织等学习机制,提出一种免疫遗传算法用于高维多模态优化问题求解.算法设计中亲和力随抗体群动态自适应学习,采取高斯突变及混合交叉等策略增强群体的多样性,提高算法的搜索和探测能力.将其与遗传算法及克隆选择算法通过数值实验比较,结果表明:所获的算法收敛速度快,勘测能力强,优越于其他比较的优化算法,具有较强的优化能力.     

一种异构可重构的认知无线电平台及设计方法

未来无线通信频带越来越紧张,认知无线电可感知频谱,使认知用户和认证用户可以无干扰地共享频谱,并成为一种提高频谱利用率的重要方法。提出了一种基于SoC(System on Chip)的异构可重构认知无线电平台及设计方法,该方法满足认知无线电感知频谱、适应无线信道时变的要求,并能高效、低能耗地实现认知无线电的动态配置。     

认知无线网络中频谱预测技术研究进展

随着无线网络业务的迅猛增长,稀缺的无线频谱资源成为制约无线通信技术发展的瓶颈。认知无线电技术通过对授权频谱进行二次利用的方法为缓解频谱资源匮乏与日益增长的无线业务需求之间的矛盾提供了一种十分有效的技术解决方案。频谱预测技术作为认知无线电的关键技术之一,其在降低系统能量消耗,提高系统灵敏度,降低频谱冲突及提高系统容量等方面发挥重要作用。为此,对认知无线网络中频谱预测技术的研究现状及最新进展进行较为全面和深入的研究,从频谱感知,频谱决策,频谱迁移及频谱共享等4个方面对频谱预测技术及其在认知无线网络中的应用进行了分析,并指出频谱预测技术未来的发展趋势及存在的挑战。     

基于极大似然比频谱检测的认知无线电子载波分配算法

在认知无线电多载波调制系统中,子载波分配是实现主用户与认知用户频谱共享的前提.研究了认知OFDM中基于极大似然比检测(MLD)的子载波分配算法,认知用户采用MLD模型对主用户频谱使用情况进行分布式检测,利用频谱检测信息动态分配子载波,通过认知基站对认知用户子载波频谱感知信息进行融合判决.推导了MLD模型的判决区域上下界阈值、检测概率与虚警概率,并与能量检测进行性能比较.仿真结果表明,相对于能量检测,MLD判决阈值与子载波平均接收信噪比(SNR)有关,检测性能自适应信道变化.MLD用于CR多载波调制中的子载波分配,可明显提高认知OFDM子载波频谱感知性能,从而达到高效利用频谱资源,实现"绿色通信".