基于深度随机博弈的近距空战机动决策

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network, DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。     

集中式网络拥塞控制的高效RPL路由协议

针对低功耗有损网络中采用博弈论的网络拥塞控制(game theory based network congestion control protocol, GTNCC)路由算法在路由构建过程中仅仅考虑无线链路质量不能使网络拓扑最优,以及在拥塞控制过程中由拥塞节点的子节点判断是否切换父节点不能快速高效地缓解网络拥塞等问题,提出一种基于多维度量结合的集中式网络拥塞控制(centralized network congestion control based on multi-metrics combination, CNCCMC)路由协议。首先,为了降低网络拥塞发生的概率,CNCCMC路由协议综合考虑了节点剩余能量、缓存占用率、无线链路质量和中继节点当前子节点个数等多维度量完成路由构建;其次,当检测到网络拥塞时,CNCCMC路由协议依据网络拥塞节点进行流量分析和判断的结果采取集中式的方式控制其子节点的切换;最后,在网络拥塞缓解过程中,提出一种“乒乓效应”避免机制。理论分析和仿真结果表明,与GTNCC路由算法相比,CNCCMC路由协议在降低网络拥塞发生的概率、延长网络平均生存寿命和提高网络吞吐量等方面的性能得到了有效提升。     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

非完美信道信息下LTE-V2V通信最优功率控制

针对非完美信道状态信息下LTE-V2V (long-term-evolution vehicle-to-vehicle)通信系统中V2V用户与蜂窝用户频谱复用带来的共道干扰问题,提出了一种以最大化能效为目标的最优功率控制方案。该方案通过V2V用户间通信距离的变化来刻画车载通信的时变特性,并利用随机几何理论对LTE-V2V通信系统中的共道干扰进行数学建模。同时,在蜂窝用户的中断概率和V2V用户最大功率约束条件下,得到V2V用户传输功率的可行域。并在此基础上,建立起最大化V2V用户能效目标函数,求解得到V2V用户的最优功率。数值分析表明,通过调整V2V用户的接入密度可最大化平均和速率,并且在不同V2V用户最大通信距离下,提出的功率控制方法所对应的能效均大于先前的最大功率分配方法所对应的能效。     

基于本体和BN的无人车行为决策方法

和高速交通环境比,城市交通环境具有更高的复杂性和不确定性,因此无人驾驶车辆行为决策系统要能给出驾驶场景下安全有效的驾驶动作。本文提出一种将本体语义表示与贝叶斯网络(Bayesian network, BN)概率推理相结合的行为决策模型。从驾驶场景中的多源异构信息和领域专家经验出发,建立本体并进行概率扩展,将其转换为BN,通过BN推理得到当前驾驶场景下的最佳驾驶动作。该方法既实现了驾驶场景领域知识的形式化描述和共享,又考虑到了驾驶场景中存在的不确定性。最后，通过Prescan/Simulink联合仿真实验验证了所提方法在无人驾驶车辆行为决策上的有效性。     

一种HSPA+系统Iub流量控制策略研究

HSPA+技术是3GPPR7协议引入的新特性,是WCDMA网络的进一步演进和增强。HSPA+系统是一个资源共享的系统,为提高系统无线资源的利用率和网络性能,同时解决网络负载接近饱和时产生的Iub口(RNC与NodeB之间的接口)拥塞问题,提出了一种基于过准入的Iub流量控制策略。该策略主要分两个过程,首先在Iub口带宽资源一定的情况下通过过准入策略尽可能多的接入用户,其次是通过拥塞解拥塞处理,及时控制用户第二协议层(L2)的数据速率,在获得用户面吞吐率的稳定性的同时提高系统资源利用率。仿真结果表明,该流量控制策略能够有效的降低拥塞、提高网络性能,并在一定程度上保证用户间的公平性及系统的稳定性。     

面向航天测发任务的动作识别与追踪研究

航天测发任务精度要求高、任务周期长,且长期暴露在阳光直射下。为提高测发任务的成功率,在虚拟工作环境中进行无接触式动作标定与矫正是一种高效的方式。针对航天工作人员动作的实时动作追踪问题,提出了一种关键帧优化的动作识别算法。依据深度图像中的骨骼数据,提取骨骼特征,使用特征阈值提取关键帧。将关键帧的特征数据输入双向长短期记忆网络,优化整体动作识别的精确度。数据驱动的骨骼识别与动作追踪,能有效识别航天工作人员的动作,辅助其更高效、安全地完成测发任务。     

基于ASP收益管理的互联网流量优化模型

构建了一种基于收益管理理论的互联网信息流量优化模型,以提高ASP(network access service provider,网络接入服务提供商)的收益水平.该模型将互联网信包传递过程抽象为一串联排队系统,通过对由于拒绝用户接入和网络拥塞而产生的总成本函数的优化,来实现对总信息流量的最优控制.根据对模型结果的模拟分析,本文从用户接入和传输服务管理两个方面,对ASP如何在保证服务质量的前提下提高收益水平提出了建议.     

保证TCP上下行时间公平的ECN标记算法

在无线局域网络中,针对无线信道的异构性和传输控制协议(transmission control protocol, TCP)闭环拥塞控制的贪婪性,提出了一种基于显式拥塞通告(explicit congestion notification, ECN)标记算法的公平拥塞控制机制(access point congestion control, APCC)。APCC在AP节点结合缓存队列长度和无线信道负载的测量来检测拥塞,依据联合的拥塞测度来实施拥塞控制,通过保证低丢包率和低排队延时得到了高吞吐率;利用ECN显式反馈机制,对通过AP的上行和下行TCP DATA和ACK分组实施ECN标记,实现了上下行公平的双向拥塞控制;同时在多速率信道环境下,依据各流的无线信道速率来调节单流ECN的标记概率,实现不同无线信道速率TCP流之间的时间公平,大大提高了网络的总体效率。     

基于改进深度残差网络的旋转机械故障诊断

针对旋转机械工况复杂多变、有标签样本不足而导致的故障特征提取困难等问题, 提出了一种用于旋转机械故障诊断的改进深度残差网络(improved deep residual network, IDRN)。首先, 采集旋转机械一维振动信号进行数据预处理; 然后, 在深度残差网络的基础上引入了长短时记忆(long short-term memory, LSTM)网络, 其中, LSTM网络可以有效捕捉故障的时序信息; 在残差块中引入Dropout层提高了故障诊断的精度和收敛速度; 最后在轴承与齿轮数据集上验证本文提出方法的有效性。实验结果表明, 该方法在堆叠多层网络模型时, 没有出现明显的网络退化现象, 与当前广泛使用的几种诊断方法进行对比实验, 表现出了较高的平均诊断精度和良好的适用性。     

高轨卫星通信星座PS-GERT效能评估模型

卫星通信星座的效能评估不仅可以表征星座的通信能力,还可为优化星座结构提供依据。在深入分析星座结构关系的基础上,剖析基于通信链路的高轨(geostationary earth orbit, GEO)卫星通信网络和联系统(plus system, PS),借助图示评审技术(graphical evaluation and review technique, GERT)提出基于特征函数与传递概率的等价传递函数算法。首先,在分析通信链路重要度内涵的基础上,得出通信链路效能及其重要度的算法公式,构建GEO卫星星座PS-GERT效能评估模型。然后,利用傅里叶逆变换推导星座效能的概率密度函数。最后,以某GEO卫星通信星座为例进行分析,验证了所构建模型的优越性,不仅能够全面客观地评估星座效能,同时也为星座结构的优化奠定了理论基础。     

高轨卫星通信星座PS-GERT效能评估模型

卫星通信星座的效能评估不仅可以表征星座的通信能力,还可为优化星座结构提供依据。在深入分析星座结构关系的基础上,剖析基于通信链路的高轨(geostationary earth orbit, GEO)卫星通信网络和联系统(plus system, PS),借助图示评审技术(graphical evaluation and review technique, GERT)提出基于特征函数与传递概率的等价传递函数算法。首先,在分析通信链路重要度内涵的基础上,得出通信链路效能及其重要度的算法公式,构建GEO卫星星座PS-GERT效能评估模型。然后,利用傅里叶逆变换推导星座效能的概率密度函数。最后,以某GEO卫星通信星座为例进行分析,验证了所构建模型的优越性,不仅能够全面客观地评估星座效能,同时也为星座结构的优化奠定了理论基础。     

HRRP稀疏自编码器深层特征与散射中心特征的关联性研究

利用稀疏自编码器网络对典型目标一维高分辨距离像(high resolution range profile, HRRP)进行了学习训练, 基于各层权重系数矩阵定义了一种综合权重系数, 通过综合权重系数和降维特征与散射中心特征的对比分析, 发现稀疏自编码器深层特征与散射中心特征之间具有一定的关联性, 并对综合权重系数和深层降维特征的物理意义进行了解释。首先针对HRRP构建稀疏自编码器网络, 经过深层学习后获取训练后的权重系数和降维后的特征, 并与散射中心的位置特征和强度分布特征进行关联性分析。结果表明, 综合权重系数矩阵为与散射中心密切相关的类字典系数矩阵, 反映了距离域强散射中心位置随角度变化的可能的分子集; 降维特征能够实现对强散射中心的学习和提取, 反映了强散射中心位置和强度随角度的变化。最后分析了网络训练层数和降维维数对学习训练结果的影响, 可指导后续网络参数的选择。文章首次针对雷达HRRP数据开展深度学习特征的可解释性研究, 为后续深度学习在雷达数据处理中的广泛应用提供了有益的导引。     

基于动态AHP的海上移动节点网络选择算法

针对海上异构无线网络中现有的节点选择算法存在的实时有效性和与移动节点匹配性较差的问题, 提出了一种基于动态层次分析(dynamic analytic hierarchy process, DAHP)法和协同学原理的网络接入选择算法。该算法在满足多因素判决和静态节点网络选择的基础上, 采用DAHP法确定接入判决指标的主观权重, 运用协同学相关原理确定客观权重, 利用接收功率确定移动节点的位置权重, 并通过对主、客观和位置权重进行再分配, 实现了对移动节点周围的实时网络状态与任务通信需求的兼顾, 提高了算法实时性和与移动节点的匹配性。仿真结果表明, 该算法相对于基于传统AHP和协同学原理的网络选择算法、基于距离的移动节点算法, 能够在降低节点业务阻塞率的同时提高通信通畅度与实时性。     

A performance evaluation index system for multimedia communication networks and forecasting for web-based network traffic

This paper presents a new index system for the performance evaluation and network planning of multimedia communication systems using measurement on actual systems to support several different traffic types. In this index system, we develop an expert system to evaluate the performance of such multimedia communication networks including channel utilization and call blocking probability and packet delay, and apply the network planning methods to optimize the networks and forecast the demand of the growing multimedia communications systems. Two important planning problems for the multimedia communication systems are presented: optimization problem for construction of the world system and forecast problem for increasing traffic demands. We first discuss analysis methods, performance measures for the multimedia communication systems. Then, we describe network planning methods for the multimedia communication systems and give some efficiency network planning methods. Finally, we present some results studied in     

改进DenseNet在电台建链行为识别时的可视化研究

在未知通信协议标准条件下, 改进DenseNet可以识别短波通信电台不同的自动建链行为, 这对侦察非协作方电台的通联意图有着重要作用。但是网络模型识别的可靠性需要做进一步的探究。因此, 本文通过网络内部结构的可视化来推断网络模型是否可以有效地提取建链行为信号的深层次特征。由于卷积层的特征维度较大, 不利于观察建链行为信号的深层次特征, 所以对网络内部全连接层进行了可视化分析。实验结果表明, 网络模型可以有效提取同一类别行为信号深层次的相似特征以及不同类别行为信号深层次的差异特征, 并通过热力图进一步提高了实验结果的可信度。     

基于未来负载预测的无线异构网络自适应负载均衡算法

为避免由于网络负载抖动而造成的频繁网络选择,本文为无线异构网络提出了一种预测网络未来负载的自适应负载均衡算法。通过马尔可夫链预测负载状态空间的概率,将预测到的概率通过负载趋势函数映射为趋势值,利用趋势值进行网络选择和自适应触发门限的调整。仿真结果表明,该算法能有效降低接入阻塞率及均衡切换次数。     

基于支持向量机与概率输出网的深度学习模型

本文提出了基于支持向量机与概率输出网络的深度学习回归模型.该回归模型利用深度学习的深层结构,以及支持向量机的泛化能力、概率输出网络中的条件概率估计特点,建立了多层支持向量机的深度学习结构,避免了深度学习的参数选择问题.其中核参数的选择域呈网格状,通过求取输出对应β分布的累积概率分布和经验累积概率分布的K-S检验,求取一致性的p值最大对应的核参数作为支持向量机模型的核参数.对应的输出为模型提取的特征,作为下一层的输入,直至模型达到结束条件为止.仿真实验通过三个标准的回归数据集证明了本文提出模型的有效性.     

基于中继选择的星地协作传输系统性能分析

由于星地混合协作网络（hybrid satellite-terrestrial cooperative network，HSTCN）能显著提升卫星通信的服务质量，近年来受到了国内外学者的广泛关注，分析了基于中继选择的星地协作传输系统的性能。首先，在卫星和地面用户之间存在直达链路，并且所有中继节点在采用门限判断译码转发协议辅助卫星通信的情况下，得到用户端经过最大比合并后的输出信噪比（signal-to-noise ratio，SNR）表达式。其次，针对卫星信道服从阴影莱斯分布，而地面信道服从Nakagami-m分布，推导出随机选择和最佳选择两种中继选择策略下系统的中断概率闭合表达式。接着，进一步得到高信噪比条件下中断概率的近似表达式，为分析各种参数对系统性能的影响提供了更加便捷的方法。最后，计算机仿真不仅验证了理论推导的正确性，而且定量分析了协作传输带来的好处，从而为HSTCN技术的实际应用提供理论依据。