蜂窝网络下中继D2D系统的保密速率研究

对蜂窝网络下中继D2D系统中蜂窝用户的物理层安全性能进行了研究,实现了既满足D2D对的传输速率要求,又提升蜂窝用户的保密速率的双赢局面.在空闲的蜂窝用户中挑选中继节点,将D2D对的干扰看作友好干扰,构建了多约束的非凸混合整数优化模型,通过分层求解,提出了单用户场景下的功率控制算法和多用户场景下的信道分配算法.仿真结果表明:功率和信道的联合优化算法与通信系统中随机接入算法相比,能够在满足约束条件的同时提升蜂窝用户的保密速率,增强物理层安全性能.     

基于多模型检测的视频监控行人跟踪算法

研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.     

一种改进的SBR射线跟踪信道仿真方法

针对传统入射及反弹射线跟踪算法(Shooting and Bouncing Ray tracing,SBR)中接收球半径通常难以准确确定导致信道仿真出现"射线泄露"或"射线重叠"的问题,提出了一种基于场景认知的改进方法.利用人工神经网络动态调整接收球半径,进而提升射线跟踪算法的信道仿真精度.针对收发端为大规模阵列天线时,SBR仿真时间较长的问题,提出了基于天线方向图的发射方法,用以提高使用大规模天线时的信道仿真效率.将改进的SBR信道仿真与基于传统SBR信道仿真和实测结果进行对比,结果表明:针对单天线,使用本文方法仿真获取的单天线路径损耗均方根误差为2.6 dB,误差小于传统的SBR信道仿真;针对大规模阵列天线仿真,使用本文方法进行接收功率单次仿真的平均时间比传统SBR仿真节省了97％.     

射线跟踪法用于反射器散射场计算及算法改进

目的 研究三面角反射器后向散射场问题,并对射线跟踪法的典型算法进行改进,以提高运算速度。方法 利用射线跟踪法对电大尺寸的三面角反射器的后向散射场进行分析,并利用斯托克斯定理将射线跟踪中的面积分简化为代数多项式。结果 对提高的算法进行了实例计算,计算结果与以往的试验结果基本吻合。结论 将射线跟踪法应用于三面角反射器的后向散射场的研究中;改进的算法不但计算准确而且运算速度也有所提高。     

一种支持时延约束的卫星认知网络功率控制算法

针对卫星通信网频谱资源利用率低下的问题,以信道有效容量最大化为优化目标,提出了一种支持时延约束的卫星Underlay认知无线网络功率控制与优化算法。首先根据网络拓扑结构建立了功率干扰模型,通过引入时域信道相关系数,推导了完全与非完全信道环境下基于时延约束的认知用户有效容量优化目标函数,并利用Lagrange方法求解得到不同场景下认知用户的最佳功率调整策略,简化了功率控制优化过程,最后通过实验仿真分析了影响认知用户信道有效容量的因素。结果表明,该算法能够根据业务时延约束条件和信道衰落特性变化动态调整认知用户的最佳发送功率,与等功率分配算法相比认知用户的信道有效容量得到了明显提高。     

多跳协作分集无线网络传输性能研究

针对源端到目的端距离较远的场景对多跳解码转发无线网络进行研究,推导出高信噪比条件下的中断概率近似表达式,并提出一种通过功率优化来最小化无线网络中断概率的解决方案﹒仿真实验的结果表明,在多跳分集无线网络中采取功率优化方案致使网络的中断性能明显优于等功率分配方案﹒     

基于协作频谱感知和干扰约束的认知异构网络

针对异构无线网络的空闲信道检测准确率及网络吞吐量的优化问题,提出一种基于协作频谱感知和干扰约束的认知异构网络.首先,所提出的认知异构网络系统模型采用多个中心次用户(Center Secondary Users,CSU)节点协助其他节点进行频谱感知,并引入了能量检测阈值,在提高空闲信道检测准确率的同时节省检测能耗.接着,采用最大化数据速率的联合优化方程,在干扰功率的限制约束下为节点分配最佳的发射功率,降低干扰程度并优化网络吞吐量.实验仿真结果表明,相比较基于集群的协作频谱感知分配策略算法和基于QoS约束的能量感知竞争功率分配算法,该算法的网络吞吐量分别提升了3.4%和1.5%,平均频谱利用率分别提高了9.3%和7.4%.     

基于实例化相关滤波器的鲁棒人手跟踪

针对无约束环境下人手的跟踪问题,提出了一个基于实例化的鲁棒人手跟踪算法.该算法将多个基于相关滤波的跟踪器组合成跟踪器集合,每个跟踪器对应的相关滤波器由一个特定的跟踪结果训练而来,在后续的跟踪过程中不会更新.此外,为避免模型漂移,该算法结合基于颜色模型的分割对跟踪结果进行调整.对比实验表明:在复杂场景中提出的算法相较于单一的相关滤波跟踪或基于颜色模型的跟踪算法有明显的提升,相较于其他一些跟踪算法跟踪效果也更好.     

基于功率控制的认知无线网络能效研究

针对Underlay频谱共享模式下的认知无线网络的能量效率问题,提出了一种双重改进的粒子群功率控制优化算法(Dual Improved Particle Swarm Optimization,DIPSO),通过最小化约束条件下认知用户的发射功率以实现网络能量效率优化.在仿真过程中,以保证认知用户基本通信的同时不对主用户正常通信构成影响为基本前提,对信道衰落及噪声干扰进行了综合考虑,搭建出多约束条件下的网络能量效率函数,实现认知无线网络中认知用户发射功率的最小化.仿真结果表明:该算法可有效提升无线网络的能量效率.     

室内超宽带无线通信信号的特性与干扰研究

针对在超宽带无线通信UWB(Ultra Wide Band)使用过程中对现有的其他通信系统产生干扰效应的问题,通过使用射线跟踪法研究UWB(Ultra Wide Band)室内传播环境的特性,建立射线跟踪模型.采用人射反弹射线跟踪算法分析UWB信号在室内环境中时域和频域的特性,主要包括均方根延迟,信号能量分布和信道响应等.研究了室内环境中UWB信号对GPS(Global Positioning System)信号的干扰现象,提出通过凋整UWB信号的脉冲重复率和功率减少GPS接收系统受到干扰的建议.     

无线传感网跟踪任务中的目标运动 模型估计与节点调度

在无线传感器网络进行目标跟踪的过程中,合理的节点调度算法可以兼顾跟踪精度和能量消耗,延长网络的使用寿命.然而,当目标运动模型未知时,难以实现高效的节点调度.为解决目标运动模型未知场景下的跟踪问题,本文将监控区域中的目标移动和传感器观测建模为隐马尔可夫模型(HMM),并提出了HMMQMDP算法,把问题分解为运动模型估计和节点调度两个阶段:运动模型估计阶段是根据传感器采集的观测序列估计目标状态转移概率;节点调度阶段则被建模为部分可观测马尔可夫决策过程(POMDP),综合考虑决策的短期和长期损失,应用QMDP算法近似求解优化策略.仿真结果表明:该算法可以根据观测样本有效地学习和估计目标运动模型,提升节点调度算法的效果.     

一种基于深度信息的图像雾效模拟算法

在已知的图像场景深度信息和大气散射模型的基础上,提出了一种基于深度的图像雾效模拟算法。算法引入了最大能见度概念,通过场景深度与雾透射率之间的比例关系将深度图直接转化为透射率图,使用引导滤波对透射率进行优化,最终通过大气散射模型生成雾效模拟图像。实验表明,算法所生成的雾效场景符合空间透射原则,在不同的能见度和大气光结合的条件下可获得变化丰富的有雾效果,具有较强的真实感。     

基于改进黄金分割法的MPPT算法研究

光伏发电系统中最大功率点跟踪技术是提高光伏发电效率的主要技术,基于在线短路电流法和黄金分割法,提出一种全新的MPPT算法,即改进黄金分割法;与传统MPPT算法相比,该算法既保证了最大功率跟踪的快速性,又保证了其精确性;最后,通过Matlab仿真模型进行仿真,结果验证了该算法的优越性.     

潮流跟踪算法综述

电力市场中,为提高输电的透明度,需要对网络中功率的组成及输电设备的利用份额进行分析和计算,因此,潮流跟踪算法被广泛研究.对近年来提出的潮流跟踪算法进行了综合比较分析,根据所提出的分摊原则,将算法分成:功率跟踪法、电流跟踪法和功率解析法,分别进行阐述,指出了现存算法中值得借鉴的地方和不足之处.最后,对潮流跟踪算法在电力系统中的应用和算法的发展方向也进行了阐述,为算法的进一步研究提供了一定的参考.     

铁路车站行包配装计算机辅助决策系统的研究

:建立了铁路车站行包配装问题的基本模型 ,并根据行包运输特点及要求分析了模型的理论求解方法及算法复杂度 ,在此基础上提出了较优可行解的求解算法 .根据该模型及其算法 ,对配装辅助决策系统的结构与功能进行了讨论     

基于自适应特征融合的均值迁移目标跟踪

提出了一种基于自适应多特征融合的目标跟踪算法.分别利用RGB颜色和LBP纹理特征建立目标模型,通过线性加权将两类目标子特征模型代入目标相似性函数并用均值迁移算法进行目标位置优化计算.在跟踪过程中,引入S igmoid函数动态调整两类子特征权重,并利用子特征相关系数和可靠性指数对目标特征模型选择性自适应更新.实验结果表明,该算法能在跟踪场景和目标外观变化时自适应调整两种子特征权重,避免了特征失效导致的跟踪失败;特征模型选择性更新策略有效抑制了模型漂移.与单一特征和模型直接更新的跟踪方法相比,该算法在复杂跟踪环境更具有鲁棒性,能进行准确稳定的实时跟踪.     

基于自适应模型预测控制的拖拉机路径跟踪研究

自主化作业的拖拉机由于作业速度和跟踪路径曲率的不断变化,基于固定参数模型预测控制的路径跟踪器不能达到理想效果.为提高控制器的自适应性,提出基于改进粒子群优化的自适应模型预测控制算法.该算法将作业场景与粒子群算法相结合,对模型预测控制中的预测时域进行自适应调整,当作业场景发生改变时,则用粒子群优化算法选取理想预测时域参数.为提高粒子群优化算法的寻优效果,采用分段函数的方式对惯性权重进行改进.以东方红-X1304拖拉机为研究对象,对作业速度为1、2m/s和变速,跟踪路径为直线和曲线等情况进行仿真实验,并对比分析基于固定预测时域和自适应预测时域的控制器.结果表明,相对于基于三个固定时域的控制器,基于自适应预测时域控制器的跟踪精度和收敛速度分别提高了2％～44％和2％～71％.     

基于多维AR模型的桥梁随机风场模拟

基于自然风特性,通过考虑结构节点间风速时程的空间相关性,采用多维AR模型模拟主梁和桥墩节点随机脉动风速时程,利用FPE准则和AIC准则确定模型阶数,并对模拟过程中的自回归顺序、功率谱密度等问题进行研究.对兰新二线铁路白杨河大桥采用多维AR模型模拟各节点的脉动风速时程,结果表明:当AR模型阶数为4时,模拟功率谱与目标功率谱吻合较好;当自回归顺序颠倒时,模拟功率谱明显偏离目标功率谱.     

基于电导增量法与模糊控制组合的MPPT技术研究

通过对光伏电池特性的分析以及对电导增量法和模糊控制技术两种最大功率点跟踪（MPPT）方法的研究,提出了组合两种算法的MPPT技术．仿真结果和实验数据均表明,组合算法能使光伏发电系统快速、准确地跟踪最大功率点,提升了系统总体性能,具有良好的动态和稳态特性．     

适用于光伏多峰功率跟踪的改进型粒子群优化算法

针对在自然环境下光伏阵列上时常发生的局部阴影而引起P-V曲线由单峰转变成多峰状态,从而导致常规最大功率跟踪算法失效的问题,在研究传统粒子群算法的基础上,提出了一种改进型控制算法。该算法采用全局模式和局部模式两种运行手段定位最大峰值点,在对粒子群优化的速度更新方式上,去除了大量的随机变量干扰,使结构优化非常明显。改进后粒子群优化算法能够使功率跟踪避免陷入局部最优,使之找到真正的最大功率点。通过与传统粒子群算法对比仿真及试验,结果表明,在光伏阵列局部遮荫的情况下,改进后的粒子群优化算法可以快速准确地搜索到最大功率点,追踪精度高达95%,并且比传统的粒子群算法在搜索效率上提升28%,较好地避免了陷入局部最优。