战术移动点对点Ad-Hoc作战单元拓扑重构

由于建筑物或地形遮挡等因素,分布式地面战术移动点对点Ad-Hoc作战单元节点脱网时有发生,造成网络分裂,作战任务不能很好地遂行.为此,提出采用拓扑机器人来监视网络拓扑,拓扑机器人节点周期性发送拓扑探测消息收集网络拓扑状态,计算网络节点重要性,调整重要度最小的拓扑机器人节点,优化和重构当前拓扑,提高抗毁性.结合数值计算与网络仿真,验证拓扑机器人带来的网络抗毁性的提升.结果表明采取拓扑机器人来优化拓扑,可以有效地提高网络的抗毁性.     

低开销的片上网络无关容错路由策略

现有容错路由技术大多依赖重路由的解决方案，通过绕行方式避开故障区域，导致故障周围出现流量拥塞；无关路由算法尽管降低了路由开销，但其容错能力有限。针对存在故障节点或故障链路的片上网络，在网络资源受限的情况下，提出了一种不需要提前构建绕行路径的无虚通道低开销无关容错路由策略(OFTR)。当检测到当前节点与目标节点对之间无故障时，采用FTOE-APA规则路由数据包，实现了路径选择的多样性；当检测到节点或链路故障时，根据源节点、当前节点以及目的节点的相对位置关系动态修改输出端口的优先级，使数据包可以通过最短路径转发，最大限度地减少重路由。OFTR路由策略通过改进的奇偶转向规则和动态改变输出端口的优先级既避免了网络死锁，又降低了数据包进入故障周围的概率。仿真结果表明：OFTR路由策略降低了网络平均延迟，节约了网络开销，与其它确定性容错路由算法相比，饱和吞吐率平均提高了8%以上。     

基于认知驱动的变换域通信智能抗干扰方法

为满足未来无人系统通信智能抗干扰的实际需要,针对传统变换域通信系统(transform domain communication system, TDCS)自身开放性有限、干扰应对能力不足等问题,设计了基于认知引擎驱动的智能系统架构,并针对各认知引擎驱动子模块提出了3种改进方法，包括基于稀疏逼近的未知干扰处理、基于稀疏表示的变换学习干扰识别以及针对性的干扰变换稀疏分析方法。实验结果表明,识别子模块与传统的分类器相比,整体的干扰识别率提高了5.2%,并且可实现无监督的学习;同时,针对典型干扰的重构精度在90%以上,实现了不同干扰类型的最优变换处理,显著提高了系统的抗干扰性能,传输误码率逼近理想水平。     

基于变邻域粒子群的短波频率选择算法

为了快速寻找短波频段内的目标频点,结合宽带频谱感知技术,提出了基于变邻域粒子群搜索(V N S-PS O)的短波双向探测频率选择算法.现有的探测频率选择算法依据频点的平均信噪比进行评估选优,未考虑短波信道的小尺度随机衰落特性,难以满足实时选频的要求.文中VNS-PSO算法依据大尺度衰落的相关特性,采用最大分离法得到初始探测频点集,以此来划分相关邻域;针对邻域内频点质量选择性衰落特点,采用粒子群优化算法搜索邻域内频点,得到邻域内最优解;通过变换邻域,得到全局最优解.仿真实验表明:"最快速度"建链时,VNS-PSO算法较VNS-RS、AASS、RSS算法M TOBC分别降低17.1％、18％、85.5％,当CPOS=0.9,建链时间分别降低2.5％,42.6％,81.7％,缩短了建立可通链路的时间;"最优频点"建链时,VNS-PSO算法较VNS-RS、AASS、RSS算法M TOBC分别降低11％、12.5％、45％,当CPOS=0.9,建链时间分别降低22.2％、22.4％、44.4％,短时间可找到最优频点.     

基于冲突分解的短波频点真实在线双拍卖算法

针对短波认知电台在网络高负载情况下频点冲突严重的问题, 依据短波频点衰落特性, 结合真实在线双拍卖模型, 提出了基于冲突分解的真实在线双拍卖(trueful online double auction based on conflict decomposition, TODA-CD)模型。在TODA-CD模型中, 卖家模型考虑不同链路间差异性, 重构卖家定价模型, 提升了链路可靠性; 买家模型以预期收益最大化为优化目标, 首先利用广度优先搜索算法生成频点冲突树, 解析短波认知网络内频点冲突关系, 然后设置频点抢占切换惩罚函数, 计算不同切换方案预期收益, 重构买家竞拍价格, 以第二密封价格拍卖完成频谱交易, 最终实现网络内频点指配的抢占最优。仿真结果表明, 在网络高负载情况下, TODA-CD算法能够有效提高频谱利用率, 降低抢占切换次数, 从而提高系统收益。