QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

基于传播因子的分布式信源中心波达方向估计

采用传播因子估计分布式信源中心波达方向的算法,尤其是对于不相干分布式信源,利用泰勒级数将其方向向量进行一阶近似,得到形式上与点信源类似的分布式信源方向向量,再利用传播因子算法来估计其中心波达方向,有效地解决了角度扩散较小且角度信号密度不同的相干和不相干分布式信源中心波达方向估计问题.不仅计算简单,而且适用于多个分布式信源中心波达方向的估计.仿真实验验证了所提算法的有效性,与MUSIC算法相比,本文提出的算法有更好的信噪比性能.     

基于对角载入的鲁棒自适应波束形成算法

作为一种梯度自适应波束形成算法,LMS算法因简单有效而得到广泛的应用.但是在存在偏差的情况下,LMS算法的性能较差.针对上述问题,考虑信号方向向量的偏差对LMS算法性能的影响,提出了一种基于对角载入的鲁棒约束LMS算法,并对算法的对角载入因子和收敛性能进行了分析,给出了保证算法收敛的步长取值范围.该算法利用对角载入的特性,可有效的抑制各种偏差所带来的影响,收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证阵列输出的信干噪比接近最优值.仿真实验表明,与传统约束LMS算法相比,基于对角载入的鲁棒自适应波束形成算法具有很好的性能.     

基于交叉熵的NC-OFDM系统最优导频序列设计算法

针对NC-OFDM(non-contiguous orthogonal frequency)系统子载波非连续且动态变化导致传统等间隔分布的导频序列设计算法计算复杂度高、频谱利用率低和处理时延大等问题,提出了基于交叉熵的最优导频序列位置优化设计算法。算法以最小化系统均方误差为准则,采用交叉熵算法在所有可用子载波中求解目标函数的最优解,有效解决了传统穷举搜索算法计算复杂度高的问题。与传统算法相比,所提算法保证了信道估计精度,降低了系统均方误差和误码率,从整体上提高了系统性能。     

智能电网中电动汽车与微网联合运行的建模与仿真

利用多Agent建模方法构建微网负荷、电动汽车及发蓄电装置模型;利用离散事件建模方法构建换电站模型;利用系统动力学建模方法构建微网母线功率模型.仿真结果表明,电动汽车的接入提高了微网的日间高峰时段和夜间负荷,造成了电网峰值和峰均比的增加,需进一步增加微网蓄电装置以提高对可再生能源弃能的吸收和电动汽车充电能耗的补充;在充分的充电服务支持下,电动汽车对换电服务的需求较少;所提模型能够较好反映电动汽车与微网的联合运行过程,对实现微网安全性、可靠性和高效性运行具有重要作用.     

相干分布式信源中心波达方向估计算法

针对移动通信中由本地散射导致的分布式信源的中心波达方向估计问题,根据分布式信源角度信号密度对称的约束条件,将相干分布式信源方向向量整理为点信源方向向量与实向量的Schur-Hadamard积,并构造相应的二阶统计量,提出了一种仅需利用二阶统计量就能直接估计中心波达方向的新方法。该算法与传统谱峰搜索类算法和经典子空间类算法相比,无须谱峰搜索和任何特征值或奇异值分解,有效地降低了计算量;所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能;参数估计过程中,无须事先已知角度信号密度的具体类型,鲁棒性较好。仿真实验验证了所提算法的有效性。     

智能电网中基于动态优先级的插电式电动汽车充电管理(英文)

随着智能电网的发展和插电式电动汽车市场占有率的提高,大量随机的电动汽车充电活动将导致极大的电网峰荷和峰均比,给智能电网的稳定性和发电利用率带来严重影响,电动汽车用户多样的充电需求也为充电管理提出了更高的要求,采用动态优先级调度的实时充电管理方法是解决以上问题的有效途径.首先引入了智能电网中接入网的网络结构,进而提出一种可实现实时管理的智能电表子表,并基于队列理论对电动汽车充电过程划分为3个步骤,基于以上划分提出每个步骤的实时管理方案.进一步地,采用松弛时间来反映不同紧急程度的充电请求,并基于此设计了动态优先级的充电调度方法.仿真结表明所提充电管理方案有利于降低电网峰荷、提高发电利用率,并有效改善了电动汽车在中、低市场占有率下的充电准点率.研究结果有助于对未来电动汽车的发展和部署提供决策支持.     

基于子空间跟踪的线性共轭半盲多用户检测

考虑实际的MC-CDMA上行链路系统,在深入研究基于子空间的MMSE半盲多用户检测算法的基础上,针对原算法引入子空间误差导致检测性能下降的问题,提出MC-CDMA系统下一种基于子空间跟踪的线性共轭MMSE半盲多用户检测算法.将子空间方法和线性共轭的思想相结合,应用新定义的信号子空间设计了基于子空间方法的线性共轭MMSE检测器,采用OPAST子空间算法实现了信号子空间的自适应跟踪.仿真结果表明,与以往的基于子空间的MMSE半盲多用户检测相比,此算法有效地提高了信干噪比,降低了系统的误比特率.     

基于二阶统计量的分布式信源二维波达方向估计

对于由本地散射导致的分布式信源二维波达方向估计,根据空间角度信号密度的共轭对称特性,首先将相干分布式信源方向向量化简为传统点信源方向向量与实向量的Schur Hadamard积,进而提出了一种基于Schur Hadamard积的相干分布式信源二维波达方向估计算法。该算法通过构造基于Schur Hadamard积的二阶统计量,可直接给出仰角和方位角的估计值。与传统谱峰搜索类算法和经典子空间类算法相比,无须谱峰搜索和任何特征值或奇异值分解,有效地降低了计算量;所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能。仿真实验表明,该算法具有较好的参数估计精度,可有效解决复杂通信环境下相干分布式信源的二维波达方向估计问题。     

认知雷达中基于Q学习的自适应波形选择算法

自适应波形选择器是认知雷达中智能发射器的重要组成部分。有效的波形选择能够在不同的环境下选择发射最优的波形序列,从而以更高的精度追踪目标。针对雷达目标转移概率未知这一特点,把自适应波形选择问题建模为随机动态规划模型,提出应用Q学习的方法来解决这个问题。仿真结果说明,该算法接近于最优波形选择方案,并且状态估计的不确定性低于固定波形。