正交频分多址系统中最低速率限制下的自适应载波分配

针对用户有最低传输速率要求的正交频分多址系统中,传统资源分配算法频谱利用率低的问题,提出了一种自适应载波分配算法.该算法根据用户最低传输速率的要求、信道状态和当前载波分配状况,确定子载波分配给用户的效用,进而将子载波分配给可以带来最大效用的用户.该算法综合考虑了效率和公平性,从而显著改善了系统性能.仿真结果表明,当用户数不超过系统负载时,与效率和公平分开考虑的算法相比,所提出的算法频谱效率可提高10%,系统负载在同样中断概率下可提高60%.     

基于终点的路径交通量求解方法

为求解用户均衡交通分配问题,提出了一种可以避免穷举网络中的所有路径的路径交通量求解方法。该方法是基于路段算法的扩展,利用改进的F rankW o lfe算法求解出满足用户均衡规则的基于终点的路段交通量,并通过最短路算法确定出此时交通网络中各个OD(orig in destination)对间的最短路集合,再运用所确定出的路段交通量及最短路集构造出一组满足用户均衡规则的路径交通量。通过算例说明了该方法的有效性,并通过比较分析说明了该方法所需计算内存比其他算法要少,且计算速度要快。     

一种新的非线性预编码算法

为解决传统模代数预编码算法在信道条件不好时误码率高的问题,提出了将格点减少技术与模代数算法相结合的新的非线性预编码算法.该算法利用格点减少技术对实际信道矩阵进行正交处理,以提升系统的整体误码性能及保证用户间的公平性.仿真结果表明,该算法能够明显地改善系统的误码性能,且随着信噪比的提高,该算法的性能也逐渐提升.     

SINR-balancing based cooperative spectrum sharing scheme for MIMO cognitive radio systems

In order to improve the system capacity of the primary user （PU） and secondary user （SU） of multiple-input-multiple-output （MIMO） cognitive radio （CR） system, a signal to interference plus noise ratio balancing （SINR-balancing） posed, in which PU leases a fraction of based cooperative spectrum sharing （CSS） scheme is proits transmission time to SU in exchange for the SU relaying the PU＇ s data cooperatively. The SINR-balancing based corresponding beamforming vectors are designed and time-division is also optimized for the proposed scheme. Simulation results show that compared to conventional opportunistic spectrum sharing （OSS） scheme, the proposed CSS scheme can effectively enhance the system performance of both PU and SU and provide an effective cooperation mechanism for PU and SU to determine whether to request cooperation.     

基于随机参数的粒子群优化算法

粒子群优化算法本质上是一种全局随机优化技术,优化性能高但容易陷于局部最优,并且算法性能很大程度上依赖于参数设置。本文对该算法的3个控制参数进行数据实验和调查,分析参数设置对算法性能的影响规律,提出一种改进的粒子群优化算法,该算法在迭代的每一代中,惯性权重和加速系数都是在一定范围内随机产生：ω=rand（0.4,0.7）,C1=rand（0.5,3.0）,C2=rand（1,3.5）。由于该算法的控制参数不再固定取值;而且在一定范围内随机产生,从而增强了算法的多样性和遍历性,能够有效避免算法早熟收敛。通过标准函数的测试,验证了该算法性能优于固定参数粒子群算法和随机加速系数粒子群算法,具有更好的收敛性和稳定性。     

双系统共存的交通网络组合模型研究

文章讨论了系统最优（SO）原则与随机用户平衡（SUE）原则共存的情况。首先给出了SO与SUE共存时的组合式条件，然后将整个交通需求分成遵守SO原则及遵守SUE原则的两个子系统，在两个子系统为固定需求的前提下，给出一个兼顾SO与SUE的更符合实际的综合模型，证明了此模型的一阶条件满足SO与SUE共存时的组合式条件，并根据相继平均算法（MSA）思想设计了算法。     

基于博弈论的协作超宽带系统资源分配算法

为使多用户协作超宽带系统的资源分配算法能在有效利用系统资源的同时满足用户的服务质量QoS(Quality of Service)公平性需求,在纳什议价解方法和凸优化理论基础上,将合作博弈论方法用于协作多频带超宽带系统的资源优化分配中。提出以最大化系统净效用为目标,以用户的QoS需求为公平性指标的协作超宽带系统协作伙伴选择算法和自适应功率分配算法。通过仿真与最大化系统速率（max-rate）和最大化最小用户速率(max min) 公平性算法作比较,证明了该资源分配方法在最大化系统速率和用户QoS公平性两方面有很好的折衷,适于超宽带系统。     

用户均衡与系统最优原则下交通分配模型的建立与分析

为了更加深入地理解用户均衡（UE）和系统最优（S0）原则之间的差别与联系,从理论上推导出以路径费用函数为基础的UE模型,并且证明了该模型与Wardrop第一原则等价性。基于这一模型,研究了路段与路径费用函数关系。计算发现,路径费用函数可以由该路径所通过路段的费用函数来建立,并且SO原则下,路径费用函数只是UE原则下路径费用函数的一个特例。分别从物理意义和几何意义上解释了UE和SO模型,通过构造不同的道路费用函数使它们之间可以相互转换。经过对比研究表明,所推导的模型可以为交通流分配算法提供新思路、新方法。     

基于多目标规划和业务区分的多QoS约束路由算法

针对大多数QoS路由选择算法所存在的问题，采用多目标规划和业务区分的方法建立了满足多QoS需求和网络资源利用率的路由选择数学模型，对Fallback＋算法作了进一步扩充和改善．提出了一种新的Fallback＋＋算法，它不仅能满足多QoS约束，而且能高效地利用网络通信资源．分析得出该算法的时间复杂度和空间复杂度均为O（n＊N^2）．仿真实验验证了该模型和算法的有效性和正确性．     

基于区域活跃用户的好友推荐和位置推荐算法

针对目前多数基于位置的推荐算法中未考虑用户的实时位置和时间因素, 使得推荐缺乏实时性的问题, 提出一种基于区域活跃用户的推荐算法, 以解决传统基于位置的推荐算法中存在冷启动的问题. 首先, 发掘用户当前所在位置的区域活跃用户, 以此作为推荐标准, 为用户进行推荐. 其次, 在位置推荐中引入时间因素, 使推荐更具准确性和实时性. 实验结果表明: 该算法融入的区域活跃用户好友数可提升推荐系统的实时性; 算法融合的位置信息可使推荐更准确.     

一种新的快速挖掘用户导航路径算法

对用户导航路径挖掘算法进行了研究。结合多线程并行访问技术，提出了一种快速导航路径（FNP）算法。试验测试的结果显示，FNP算法比著名的WAP算法性能和效果有很大的提高。它可以成功地应用于Web用法挖掘中。     

基于矩阵分解与随机森林的多准则推荐算法

现今的推荐算法大多忽略用户偏好和项目属性中的多个特征,而是在单一推荐准则的基础上训练模型进行推荐. 基于多准则的推荐算法通过考虑用户偏好的多个方面,可以为用户行为提供更加准确的预测. 酒店是旅游行业中重要的环节,为了提高旅客体验,实现酒店评分预测,提出了基于矩阵分解与随机森林的多准则推荐算法. 该算法分两步实现,通过矩阵分解训练得出用户对物品在各个准则上的评分特征,然后随机森林学习评分特征预测最终评分. 实验结果显示,相较传统算法,基于矩阵分解与随机森林的多准则推荐算法的准确性和实用价值更高.     

改进人工鱼群算法在认知无线电决策引擎中的应用

针对遗传算法、粒子群算法等应用于认知无线电决策引擎时存在收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于改进人工鱼群算法的认知无线电决策引擎．利用改进人工鱼群算法全局收敛性强、鲁棒性能好、初值敏感度低等特点,更快速、高效地优化调整传输参数,从而寻找特定条件下的最优配置方案．仿真结果表明,在多载波通信系统下,该认知决策引擎具有收敛精度高、平均适应度值高、稳定性强等特点,性能优于二进制量子粒子群认知引擎．     

基于深度神经网络和概率矩阵分解的混合推荐算法

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.     

一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法.该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据.其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典.最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果.由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构.通过实验验证表明：新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息.     

异构网络中基于马尔可夫过程的区分业务无线资源管理研究

文中提出了一种基于UTMS蜂窝网络和WLAN异构网络的协同无线资源管理算法.该算法的关键参数包括业务类型、用户终端移动性和位置信息等,协同地利用异构网络中的资源,并同时能保证业务的QoS和业务成本的最小化.通过马尔可夫模型分析了算法的有效性.仿真结果表明,在不同的移动性和网络负荷条件下,文中算法能够明显降低不必要的垂直切换到达率,提供稳定的通信,并有效地提高了系统吞吐量.     

一种基于局部信息最小二乘法的节点定位算法

针对一些面积较大、节点分布密度过低的实际应用场景中,由于节点间距离测量误差过大而导致定位算法结果精度较低的问题,提出一种根据各邻居节点相关信息划分为若干个局部网络块的节点定位算法.该算法首先将无线传感器网络节点定位技术与机器学习领域中的降维方法相结合;然后根据节点间的距离越近,测量精度越高的规则及在一定通信半径内的各邻居节点相关信息共建网络块;最后将网络块组建成全局坐标系,利用全局构建以及锚节点的具体信息映射出各节点的坐标.仿真实验结果表明,该算法较其他节点定位算法在节点定位精度方面表现更优.     

认知Ad hoc网络中基于凸优化的功率控制算法

针对认知Ad hoc网络的特点,构建了相应的网络模型,提出了一种基于凸优化理论的分布式功率控制算法。在分析系统内部干扰的基础上,以最大化网络效用值为目标,以认知用户的发射功率为求解对象,建立了一个通用的数学优化模型。在凸优化理论的指导下,通过引入辅助变量和变量的对数变换,将该模型转变为等价的凸优化模型,采用拉格朗日对偶法对该模型进行求解,得到了分布式的功率迭代算法。仿真实验表明：与其他算法相比,该算法在满足系统约束条件的前提下,取得更好的系统性能。     

超密集组网中基于上行容量分析的增强型动态分簇算法

超密集组网(ultra-dense network,UDN)是未来5G(5th generation)网络的一个关键技术。UDN拥有更小的小区半径,是一个新型的网络架构。UDN的核心概念是在热点地区部署低功率基站。由于UDN小区密度的增加,UDN中的干扰问题比宏微异构网络中干扰问题更加严峻。分簇合作方法可以降低干扰。首先推导出系统上行容量表达式,然后提出一种新颖的动态分簇算法。在小区密集部署的网络中,此算法在系统性能和复杂度之间做出了很好的权衡,同时降低了移动台之间的干扰。仿真结果显示提出的方法与一些已提出来的分簇方法相比有很大的容量增益。     

基于遗传和蚁群算法融合的聚类新方法

遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力。将两种算法进行融合,充分利用算法各自的优势和特点,能更有效地进行聚类分析。实验证明这种新组合算法在优化能力和时间性能上比常用的聚类算法有比较明显的优势。