无线网络中基于信道速率的MAC性能优化

目前多种无线传输标准均支持多速率的数据传送,但多速率调整机制没有考虑物理载波侦听范围的影响.为比,文中分析了无线网络的干扰模型和空间复用,提出了一种通过调整发射功率间接改变物理载波侦听范围的自适应速率调整算法(PRA).该算法利用通信节点对之间的距离估算信道速率,可使节点在通信过程中自动调整到较高的信道速率和合适的发射功率范围.仿真结果表明,该算法提高了网络吞吐量,降低了功耗,同时改善了公平性.     

考虑时变资源价格因素的Q学习强化和声搜索网格任务调度算法

针对传统网格任务调度算法不考虑价格时变因素缺点,提出一种基于Q学习强化和声搜索算法的考虑时变资源价格因素网格任务调度算法.首先,综合考虑价格时变因素影响,对网格任务调度模型进行改进,提出一种新的调度模型;其次,利用Q学习算法对和声搜索算法进行改进,平衡了算法的广度和深度搜索能力;最后,通过与同类算法的仿真对比结果表明,该算法和模型具有较好的收敛速度优化性能,并且在资源价格满意度和任务调度长度两个层面具有更全面的优化性能.     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

面向植被覆盖山区的无人机应急通信信道建模

植被覆盖下山区空地信道模型的建立是解决综合山区空地信道和植被覆盖损耗问题的重要方法,对山区无人机应急通信具有重要意义。考虑了山区空地信道以及植被覆盖区域,提出一种新的几何多径信道模型-三径模型。基于模型多径分量推导山区复合反射路径长度矩阵并转换为路径最值矩阵,结合植被衰落因子获得山区空地植被损耗,对该模型下的综合损耗进行了仿真。仿真结果表明,植被覆盖山区空地信道模型得到的理论数据能有效地拟合实测数据集,该模型可以用于分析山区无人机应急通信场景。     

面向机载武器测试系统的高性能智能化429总线通信模块研制

面向机载武器系统的仿真测试,建立总线通信仿真测试平台,研制ARINC 429总线通信智能模块.针对机载武器系统中基于数据帧的总线通信方式,提出了缓冲区资源自动配置算法及其实现方案.在通信过程中根据各信道数据帧的特征和信道流量统计信息,动态分配信道缓冲,提高存储空间利用率,减少丢帧.     

基于概率冗余调度的可靠P2P计算模型

为了实现动态、不稳定环境下的可靠P2P计算,提出了一种基于概率冗余调度的可靠P2P计算模型.该模型利用P2P任务调度成功率与资源稳定性、资源冗余度之间的概率关系计算任务调度的优化冗余度,不仅能获得较好的任务调度性能,而且在概率上保证了系统任务调度的可靠性.文中还设计了基于概率冗余的可靠任务调度算法,实验结果验证了提出的模型和算法的有效性.     

无线充电的水声通信系统资源分配方案

为了提高水声通信系统的通信速率,同时更好地解决能量供应问题,提出了一种水声中继放大转发通信系统资源分配方案.该系统的声呐中继配备无线充电设备,利用从基站获取到的能量时分复用地放大转发来自基站的信号.采用拉格朗日优化算法,从信道遍历和容量上界最大的角度出发,推导出一种充电时隙资源以及水下各个传感器通信时隙资源的最次优分配方案.对不同信道、不同发射功率以及不同通信距离的水声通信系统进行仿真对比,结果表明,所提出的分配策略比传统策略显著提高了系统可达遍历和容量上界,从而提高了系统吞吐量以及系统的工作效率.     

基于残差密集网络的智能超表面信道估计算法

信道估计是通信系统中一项关键的技术,涉及评估信号在传输过程中经历的信道特性,以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量,使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中,除了基站和用户之间的视距信道外,同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计,为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题,文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性,在卷积网络基础上,提出了一种基于残差密集网络（RDN）的去噪方法。首先按照系统参数模拟生成真实环境的数据集,使用传统最小二乘法（LS）进行信道粗估计,并将信道看作二维含噪图像;其次采用密集块（RDB）充分提取噪声数据局部特征,并使用多路卷积和残差网络对数据进行特征融合;最后通过已训练模型对数据进行在线估计,并得到去噪信道。文中从信道的估计精度对所提算法进行验证,在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,...     

基于遗传算法的WSNs节能覆盖方案

针对环境监测中无线传感器网络(WSNs)协议设计没有考虑网络的覆盖和连通特性以及网络中存在着大量冗余节点的问题,把拓扑控制思想引入到节能覆盖研究中,建立感知半径之和最小的数学模型,并用遗传算法求解该模型,得到最优覆盖解.在此最优覆盖拓扑上利用韦尔奇.鲍威尔着色法研究了通信及信道分配的问题,并建立了覆盖方案的能耗模型,使用网络仿真器J-Sim对算法进行能耗分析和仿真实验.结果表明该方案不仅可以节约20%能量,而且达到了99.7%的覆盖率,通信信道的干扰也降低了约50%.     

基于调度效益最大化的多功能组网认知雷达资源优化调度算法

在组网认知雷达中,针对多目标多任务(如搜索、跟踪与成像等)按优先级进行资源调度时易造成目标任务丢失的问题,提出基于调度效益最大化的多功能组网认知雷达资源优化调度算法。该算法将搜索与跟踪任务的时间窗考虑到目标函数中,通过目标任务的重要性(优先级)和有效性(时间窗)两个因素的加权来表示雷达对目标任务的调度效益,根据调度效益最大准则建立并利用遗传算法求解资源调度模型。对仿真结果分析表明,该方法能够提高组网认知雷达的整体效能。     

云计算环境下多目标约束的虚拟资源动态调度

为了解决静态资源调度所导致的CPU利用率不高的问题,研究了多目标约束的虚拟资源动态调度方法。给出了云计算虚拟资源调度模型,设计了多目标约束的虚拟资源表示方法,采用马尔科夫链对虚拟资源的下一时刻状态进行预测,从而得到可用资源向量;最后,计算任务与可用资源向量之间的匹配向量,将任务分配给匹配向量中具有最大各维分量之和的虚拟资源进行调度,并提出了具体的采用基于马尔科夫链预测的云计算虚拟资源动态调度算法。实验结果表明：该算法能有效解决云环境下多目标约束的虚拟资源动态调度问题,具有较小的负载均衡离差和任务执行跨度,较其它方法具有较大的优越性。     

软件定义网络中基于优先级的在线流调度策略

为了保证服务质量(quality of service, QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束研究了软件定义网络(software defined networking, SDN)中的在线流请求调度策略。首先,提出了流路由成本和利润的概念,并创新性地设计了一个考虑边际成本的模型来描述链路资源和路由路径的使用成本。然后,将优先级流请求调度问题刻画为混合整数线性规划模型(mixed integer linear programming, MILP),提出在线优先级流调度算法(online priority traffic scheduling algorithm, OPTSA)来求解,最后分析了OPTSA的竞争比。仿真结果显示,与基准算法相比,所提出的算法可以确保网络负载均衡,同时有效提高网络的累积带宽和吞吐量。     

网格工作流中基于优先级的调度方法研究

根据网格用户的身份、信誉，以及网格工作流中应用程序的时间紧迫度和依赖关系，提出了网格工作流中应用程序的优先级计算方法．其中，完全优先级调度算法根据网格工作流中的应用程序优先级向量生成调度序列，而且每次只将队列中优先级最高的应用程序提交给网格，而非完全优先级调度算法可同时调度若干无依赖的网格应用程序进入网格，以弥补完全优先级调度算法的并行化问题．实验表明，当网格中的资源较少且资源的性能差异较大时，使用完全优先级调度算法可以保证优先级较高的工作流的应用程序优先使用优势资源；当网格中的资源性能差异不大时，非完全优先级调度算法可解决因资源未充分利用而造成工作流完成时间大幅增加的问题．     

支持优先级约束任务的容错调度算法

为了解决异构分布式系统中可靠调度问题,提出一种考虑处理机链路通信竞争的,支持优先级约束任务的容错调度(FSPCT)算法。该算法使用通信竞争模型描述处理机之间通信,在备份成本最小化和备份任务最早完成之间寻求平衡点。对主副版本任务的最早开始时间进行分析,并限定了所执行的处理机,在处理机出现故障后任务可以顺利执行。实验结果表明FSPCT算法的综合性能优于现有一些算法。     

云计算环境下多级映射作业调度算法的研究

云计算是一种新兴的资源使用和计算交互模式,是目前商业机构和科研机构的研究热点之一.在云计算环境中用户需求和资源的分布对该环境中作业调度的影响很大,虚拟技术的使用使云计算环境中的作业调度与传统的作业调度存在很大的差别.针对云计算环境特点,根据用户的需求将作业进行分类,同时将资源分类,引入中间代理节点进行任务调度,形成多级映射作业调度算法,提高作业的并发度,使总任务完成时间缩短.通过实验验证多级映射作业调度算法是一种可行的作业调度算法.     

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.     

Packet Queueing Delay in Resilient Packet Ring Network Nodes

The packet queueing delay is one of the most important performance measures of a data network and is also a significant factor to be considered in the scheduling buffer design for a network node. This paper presents a traffic queueing model for resilient packet ring (RPR) networks and a method for quantitatively analyzing queueing delays in RPR nodes. The method was used to calculate the average queueing delays of different priority traffic for different transit queue modes. The simulations show that, in the transmit direction, lower priority traffic is delayed more than higher priority traffic, and that Class-A traffic is delayed more in a single-queue ring than in a dual-queue ring. In the transit direction, the secondary transit buffer in the dual-queue ring contributes more to the traffic delay than the primary transit buffer in the single-queue ring, which in turn causes more delay than the primary transit buffer in the dual-queue ring.     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．