分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

一种分布式文件系统的推送式数据预取机制

为了克服传统的数据预取机制的不足,提出了一种在分布式文件系统中存储服务器端的推送式数据预取机制.在达到减少网络通信的数据量和通信时延目的的同时,可以让运行客户端文件系统的计算节点从跟踪I/O操作和预测I/O操作的工作中脱离出来,减轻了客户端的工作负担,提高了存储系统的性能.     

基于改进卷积神经网络的短文本分类模型

基于卷积神经网络, 提出一种基于改进卷积神经网络的短文本分类模型. 首先, 采用不同编码方式将短文本映射到不同空间下的分布式表示, 提取不同粒度的数字特征作为短文本分类模型的多通道输入, 并根据标准知识库提取概念特征作为先验知识, 提高短文本的语义表征能力； 其次, 在全连接层增加自编码学习策略, 在近似恒等的基础上进一步组合数字特征, 模拟数据内部的关联性； 最后, 利用相对熵原理为模型增加稀疏性限制, 降低模型复杂度的同时提高模型的泛化能力. 通过对开源数据集进行短文本分类实验, 验证了模型的有效性.     

基于分布式算法的含微电网电力供应侧市场均衡分析

考虑微电网参与配电侧电力市场投标竞争,并引入一个中间商来实现日前批发市场与配电侧电力市场之间的电力交易.基于该市场交易架构,建立了微电网参与投标竞争的电力市场供应函数均衡模型.然后将该均衡模型转化为凸优化问题,在理论上证明了解的存在性和唯一性,并考虑到实际电力市场中信息的不对称性,采用分布式优化算法进行求解.最后通过算例验证了该均衡模型和求解方法的有效性,表明在微电网参与的配电侧电力市场和日前批发市场之间引入中间商,会平滑日前批发市场电价的激烈变化,缓解市场力滥用行为,有助于整个电力市场的高效平稳运行.     

一种高可靠分布计算系统的适应性故障侦测方法

针对高可靠分布计算系统的故障侦测,提出一种适应性故障侦测方法.根据系统计算节点的负载和网络传输时延,动态地估算心跳消息超时时限,协商改变心跳消息的发送周期,以适应系统状态的变化,减少故障侦测服务的错误.模拟实验表明,该方法与通常的故障侦测方法及NFD-E相比,故障侦测出错次数较少,侦测时间较短,并能够适应高可靠分布计算系统状况的变化,在侦测的实时性和正确性上提供较好的平衡.     

面向社交网络基于协作度协商的联盟形成机制

分布式多Agent构成的社交网络通常表现出不同的特征,针对不同的社交网络和多Agent本身的异质性,提出了一种面向社交网络的基于协作度协商联盟形成机制.该机制依托多Agent构成的社交网络环境,建立面向分布式环境的分布式协商协议,并设计一种考虑到社交网络特征和Agent异质性的基于协作度的协商策略,采用分布式自动协商方式形成联盟.通过对全连通网络、层次网路和小世界网络的仿真实验结果表明,该机制能够有效地实现分布式环境下的联盟形成,并且在反应大多数实际应用环境的小世界社交网络中表现出相对较好的性能.     

基于相干瑞利散射的管道安全光纤预警系统

将相位敏感光时域反射计应用于油气管道安全监测领域.首先通过理论分析其探测原理,推导出干涉光强与光纤折射率的对应关系,从而论证了该方法的可行性;然后提出了一套新的信号处理方案,从空域及时域两方面对信号进行了处理.空域上,在传统移动平均算法的基础上引入间隔参数并提出一种新的差值算法,提高了信号的信噪比并降低了系统运算量;时域上,提取了入侵位置对应的时域信号并通过采用时频分析以及小波滤波的方法直观表现了外界入侵事件的时域特征.现场实验结果表明,该系统能有效探测到外界入侵事件并进行精确定位,差值信号信噪比达到7.8,d B,定位结果标准差在10,m以内.     

小小区基站网络中能量有效的分布式动态开关策略

最近,由于小小区基站技术可以有效地提高系统的传输速率,其被学术界与产业界广泛关注.提出了一种在小小区基站网络中新颖的能量有效的分布式动态开关策略.本策略通过控制小小区基站的开关与服务的用户,在考虑能量有效性的同时,优化用户的数据包速率.通过系统级仿真,本算法相比两种基本算法:随机开关策略和用户与数据包接入策略,在数据包速率和单位能量消耗下的数据包速率上,具有可观的性能优势.     

二值无线传感网络下异常活动的分布式检测

针对无线传感网络下的异常活动检测问题,提出了异常活动分布式检测方法(distributed abnormal activity detection approach,DetectingAct). DetectingAct将活动的定义从轨迹扩展到轨迹和持续时间的组合,将异常活动定义为在数据分布上与正常活动,即数据中反复出现的活动,偏差较大的活动,利用节点自身计算资源和存储资源进行检测. DetectingAct采用时间相关的频繁项集挖掘算法(duration-dependent frequent pattern mining algorithm,DFPMA )从数据中挖掘正常活动. 算法采用了非监督学习方法,避免了监督学习需要大量标记数据的缺点;按分布式存储机制(distributed knowledge storage mechanism,DKSM)将正常活动模式存入各节点;用分布式检测算法(distributed abnormal activity detection algorithm,DAADA )检测活动. 理论分析和实验结果表明,分布式检测方法相比传统的活动检测算法,实时性更强,平均检测长度为轨迹的78.2%,精度更高,准确率达到96.9%.      

高速网络分布式抽样中的统计随机性分析

针对当前分布式抽样方法不能较好地解决抽取样本的随机性和估计无偏性的问题,采取对被抽样的数据包头中没有实际意义的Flag预留位做标记的方法,以保证各测量点抽取样本的一致性;在入口点处采取泊松抽样保证样本的随机性和估计无偏性.理论推导和实验验证均表明:所提方法实现简单、准确性高,抽取样本能较为准确地估计出流量总体特征,并且部署灵活,适合于工程应用.