基于分布式认知的异步网络教学模型研究和实现

分布式认知是指认知分布于个体内、个体间、媒介、环境、文化、社会和时间等之中,是一种包括所有参与认知的事物的新的分析单元。本文首先简要分析了分布式认知的概念和其突出特征;其次是利用分布式认知和异步网络化教学理论建构了《计算机英语》的网络教学系统模型;最后从分布式认知的角度对专业英语教学系统进行了结构分析和网站内容说明,并对系统的功能特性进行简单分析。     

计算机支持下协同工作的分布式认知研究

介绍了计算机支持下的协同工作 (CSCW )以及CSCW中所蕴含的心理学研究尤其是分布式认知 ;阐述了分布式认知的基本原理和目的、分布式认知系统内部的情况、分析单元以及其表征情况 ;对如何将分布式认知的研究方法特别是现场研究方法和分布信息资源模型运用于计算机支持下协同工作进行了详细阐述     

非对称认知网络中分布式多用户频谱共享算法

为解决多用户冲突导致非对称认知网络吞吐量降低的问题,根据网络中用户信道收益矩阵的特点,提出了一种分布式多用户联合频谱共享方法.首先,基于Gale-Shapley理论实现认知用户和信道之间的"一对一"频谱分配,以避免认知用户之间的竞争冲突;其次,在未知信道先验知识或者认知用户仅有部分信道感知能力时,通过顺序最优学习算法获取信道收益信息;同时设置接入定时器,实现分布式机会频谱共享.仿真结果表明:所提方法的平均网络吞吐量明显优于随机等分布式算法,且复杂度比最优算法大大降低,收敛速度较快,适于感知带宽受限和用户地理位置分散的非对称认知网络.     

认知无线电网络中一种可靠的分布式频谱检测策略

在认知无线电网络中,频谱环境的不确定性严重影响了频谱检测的准确性和可靠性。针对上述问题,提出一种基于动态信誉模型的可靠的分布式认知无线电频谱检测策略。该策略建立认知用户的频谱检测协作组,基于主观逻辑理论设计分布式节点信誉库,通过信誉的动态更新结果作为频谱检测的信道搜索顺序的依据,提高信道搜索的准确性。该策略能够对恶意用户进行有效地隔离,以避免其对频谱检测的影响,从而提高了频谱检测的可靠性。通过仿真分析可知,与其他信道搜索算法比较,根据该策略设计的分布式频谱搜索算法不仅能够有效地提高频谱检测的效率,而且能够确保频谱的可靠性,从而提高信道的利用率。     

分布式认知：认知观的革命性转变

分布式认知指认知在个体内部的分布,以及在个体与活动中介之间的分布。就前者而言,神经网络模型认为,信息是扩散在整个网络中的,或者说,知识存在于神经网络的联结或权重之中;关于后者,研究者们认为,特定活动中的认知是分布于个体、共同体及中介产品等之间的。个体认知与社会的和文化的分布式认知之间是一种交互式、螺旋式发展的互动关系     

一种服务机器人选择性认知方法

针对现阶段服务机器人面向日常家居环境的认知能力较低,缺乏以相关服务任务作为先验知识、进行深度认知的能力问题,基于视觉认知和语义分析相结合的思路,利用智能空间平台分布式感知系统,结合深度神经网络下图像处理与语义分析等相关手段,提出了一种服务机器人选择性语义认知方法.设计了一种智能空间下选择性注意策略,选择显著性高、服务任务相关联的区域作为兴趣区域;提出了一种改进的区域卷积神经网络,将所选择兴趣区域作为先验知识来引导卷积神经网络;构建了语义分析模型,利用物品检测输出进行深度语义认知.实验结果表明,该方法可以提取服务任务相关的空间显著性信息,引导区域卷积神经网络进行物品检测,物品检测过程过滤了无关物品,与传统区域卷积神经网络相比,检测速度较快、准确率高,最终结合语义分析的方法提高了服务机器人日常家居环境下的认知能力.     

基于互信息的分布式贝叶斯压缩感知

压缩感知理论应用于分布式认知网络中时,由于每个认知用户所处的信道环境差别很大,因此频谱感知的精度相差很大.为了提高感知的精度,提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法.首先,单个认知用户单独地运用压缩采样(CS)进行频谱的粗略感知,然后通过互信息的计算可以得到两两认知用户之间感知信息的差异,而差异大的两个认知用户之间会产生关联.认知用户的感知信息会按照这种关联进行共享.信息共享后,在每个认知用户端,基于贝叶斯推理的压缩感知恢复会重新进行来更新之前的感知结果.仿真结果表明,在感知精度与感知速率方面,算法性能均有改善.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

基于能量检测的频谱感知方法

认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术.首先简述认知无线电的背景和概念,针对认知无线电的频谱感知功能,详细地分析基于能量检测的频谱检测方法,在此基础上研究了噪声方差的不确定性对检测性能的影响.针对无线信号检测具有本地局域性和能量检测存在信噪比极限的特点,提出一种分布式有限合作检测机制,推导出基于“OR”规则的有限合作机制的检测概率,并进行Monte Carlo仿真.理论计算和仿真结果都表明,该方法在虚警性能略有下降的基础上,能较大程度改善低信噪比情况下的检测性能.     

重合闸在分布式发电条件下的应用分析

针对分布式电源的种类,对分布式发电系统中重合闸技术进行了分析.采用分布式电源额定容量、次暂态电抗等实际参数,从分布式电源的安装位置、大小等方面,考虑了自同期合闸的应用可行性,并对分布式电源逆变并网装置及控制方案进行了详细介绍.在MATLAB中,进行了系统建模和计算.结果表明,在分布式发电条件下,自同期合闸具有一定的可行性;对于逆变并网的分布式电源,电流瞬时值反馈可以实现合闸并网条件.     

分布式MIMO雷达优化布站研究

针对分布式多输入多输出(MIMO)雷达各发射站和接收站的优化布站问题,提出了一种分布式MIMO雷达布站的优化模型.首先给出了分布式MIMO雷达的信号模型;然后分析了收发天线位置对分布式MIMO雷达的空间分集能力和信道电压散射系数方差的影响,在此基础上提出了用空间分集度和空间分散度指标对分布式MIMO雷达的空间分集能力和天线分散程度进行量化评估;接着提出了在空间分散度一定的条件下,使空间分集度最大的布站原则并给出了相应的目标函数;最后仿真分析了信号频率、探测距离、探测方位、信道数目等因素对分布式MIMO雷达布站的影响.研究结果对分布式MIMO雷达的系统配置和实际应用具有重要的参考价值.     

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。     

博弈理论在认知小蜂窝网络无线资源配置优化中的应用

由于集中式优化方案大多依赖于实时全网信息交互,通常难以适用于网络环境动态快变和缺乏相互协作的超密集认知小蜂窝网络场景.博弈论为分析分布式条件下多决策主体间的复杂决策行为提供了理论框架,已经被广泛应用于无线通信领域.论文聚焦认知小蜂窝网络中的无线资源分配问题,围绕网络多层次、高动态和强异构3个显著特征,从博弈论的视角分别给出认知小蜂窝网络中的干扰管理、接入控制和频谱接入与共享3个研究领域中的应用,对现有理论研究中所采用的博弈模型进行梳理归纳,并对模型的相关特性如博弈类型、优化目标、均衡特性等进行分析总结;最后,从当前无线通信中的研究趋势出发,给出了未来研究方向.     

多智能体协同的认知规范模型检测算法

 在Wooldridge提出的利用不变式特征的方法来模型检测时态认知逻辑的基础上,研究多智能体协同逻辑ATEL(Alternating Temporal Epistemic Logic)中认知算子的模型检测算法,包括多层的认知算子,分布式认知算子和公共知识算子等等。研究结果表明,加入认知算子后的ATEL的在增加系统描述能力的同时并没有明显增加其计算复杂性。     

基于PlanetLab的CERNET2端到端性能测量和故障诊断平台

通过在分布式网络研究平台--CERNET2/PlanetLab--上部署端到端的测量与分析系统,对长期监控得到的丢包、延时、抖动等网络性能参数数据进行分析,提出了一个新的端到端网络性能和故障分析系统的体系结构;利用分布式探针集中-式中央处理分析的客户端-服务器通信机制,设计与实现了CERNET2上的分布式节点资源监控系统和网络端到端主动测量平台. 系统在进行分布式网络测量和性能分析的同时,提供了包括ping、traceroute在内的故障诊断工具,方便网络管理人员查找和排除问题.     

基于迭代支持检测的分布式压缩频谱感知算法

在宽带认知无线电网络中,为了解决频谱感知所面临的诸如高采样速率、信道衰落以及认知无线电用户硬件资源受限等技术挑战,提出一种基于迭代支持检测的分布式压缩频谱感知算法.通过一跳通信的方式,认知无线电用户能够将各自的检测信息扩散到整个网络,并得到全局一致的支持集;同时,认知无线电用户进行本地稀疏信号重构时,利用一致的支持集信息能够保证不同用户的估计结果具有联合稀疏特性,从而得到更为准确的频谱检测结果.仿真结果表明,文中的分布式频谱感知算法能够以低于奈奎斯特准则的采样速率有效地实现频谱检测,并且在不需要融合中心的前提下获得近似最佳的检测性能.     

含分布电源配电网多时段线性化二阶锥松弛算法研究

针对分布式电源接入配电网影响系统电压分布和潮流分析、造成系统电能质量下降的问题,建立系统优化模型,对系统电压、潮流进行分析与优化,提出含分布式电源的配电网多时段线性化二阶锥松弛优化算法。对分布式电源接入的配电网进行潮流分析,建立分布式配电网最优潮流优化模型;对分布式配电网潮流优化模型进行简化处理,针对潮流分析中非凸非线性,提出多时段二阶锥松弛优化算法;针对电容器组、有载调压变压器的非凸非线性问题,进行分段线性化处理。仿真结果表明,提出的算法能合理调度有载调压变压器、电容器组和分布电源的出力,有效降低网损,减小电网电压偏差。     

基于可再生能源的分布式发电技术的应用及前景

对以可再生能源为基础的分布式发电技术进行了介绍,分析了分布式发电的优势和推广应用的必要性,介绍了国内外分布式发电系统的应用状况以及我国分布式发电的前景和发展目标,讨论了我国可再生能源分布式发电存在的问题。     

基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

分布式非负矩阵分解的认知无线网络感知能力研究

针对传统的认知无线网络的频谱感知能力差、频谱感知的检测率低、频谱检测误差大的问题,提出一种分布式非负矩阵分解的认知无线网络频谱感知能力研究方法。该方法采用基于感知性能的非负矩阵分解进行频谱数据降维,降低数据处理的复杂度,提高运算速度和频谱感知准确率。采用频谱能量检测模型,通过采集到的信号能量来确定共同决策是否存在空闲频谱。通过对频谱感知误差分析,减少出错率,提高分布式频谱的感知能力。实验结果表明,该算法能提高频谱检测的准确率,降低频谱感知的能量消耗,具有较好的实用性。