协同多点传输中迫零预编码和天线选择技术

MIMO无线传输技术极大地提高了系统的容量,在实际通信系统中,整个网络是一个干扰受限的系统,小区间干扰对MIMO系统传输的影响是显著的,每个相邻小区的基站天线都可以看成一个干扰源．由于基站端数据处理能力的提升和回程容量的增加,多个小区协同多点传输技术引起了人们的广泛关注．目前的大部分工作都是集中于研究系统的容量（吞吐量）,而在实际系统中,每个用户的接收等效信噪比（即公平性）对系统的性能如误帧率等有重要的影响．对于每个用户为单天线的情形,研究了总功率受限和每天线功率受限下采用迫零预编码的系统容量和公平性．对两种功率约束条件下的公平性进行了分析,得到了公平性算法的闭式表达式．当每个用户为多天线的情形,为了降低计算的复杂度,引入了信道范数最大的接收天线选择算法,把每个用户为多天线的情形转化成等效的每个用户单天线情形,推导的每用户为单天线的公平性算法仍然适用．仿真结果显示,采用迫零预编码的多小区协作可以使系统性能显著提升．在相同的迫零预编码下,不同的功率分配策略对系统的容量和公平性有显著的影响．和用户为单天线相比,采用天线选择算法可以提升系统的容量和公平性．考虑了用户公平性时的吞吐量和最大系统吞吐量之间的折中关系,并给出了仿真结果．     

基于窗口的实时友好流媒体传输控制

随着互联网的发展、流媒体应用的日益丰富, 这些面向音视频的应用以其大数据量、实时性要求高等特性对网络的可用资源提出了巨大的挑战. 传统基于UDP的实时媒体传输服务不具有TCP友好性, 在瓶颈链路上很容易造成严重的资源不公平占用, 甚至出现严重的拥塞, 造成数据交付延迟、吞吐量下降、丢弃概率增加等等服务质量恶化的负面影响. 在TCP流占主要成分的Internet, 要实现实时流媒体传输必须保证其能同TCP流共同公平友好地分享链路资源, 才能保证网络的高效稳定的运行. 提出了一种基于窗口的传输控制方法, 它在改善了传统AIMD慢收敛性的基础上, 不仅具有很好的拥塞控制能力, 同时还具有良好的TCP友好性. 在采用RED拥塞控制链路上, 与多个TCP流竞争时它表现出了高效的网络资源利用率、平稳的传输速率以及低的突发性等诸多良好的性能.     

考虑公平偏好的项目型知识员工调度

在考虑员工公平偏好的情境下,对项目型知识员工调度问题进行了研究。依据公平偏好理论的思想,以项目延迟成本最小化和全体知识员工公平效用值最大化为目标,构建了考虑公平偏好的知识员工调度的多目标优化模型,并运用遗传算法对建立的模型进行求解从而得到调度结果。最后,实例分析表明了模型的可行性和算法的有效性。     

计算网格环境下基于多址协同的作业级任务调度算法

计算网格下多管理域机群互连为作业级任务协同调度创造了机遇，同时在协同性、异构适应性、网络适应性和算法可扩展性方面对传统的作业调度模型与算法提出了新的挑战．通过引入网格环境下作业级多址任务调度模型与性能模型，提出多址任务协同调度算法框架．以最优和贪心资源选择策略为核心，提出两种作业级多址协同调度算法．同Sabin与Yahyapour等人提出的单址与多址协同算法进行实验对比，验证了调度模型与算法的有效性与先进性．     

窄带雷达自旋目标成像

在详细分析自旋目标窄带雷达回波特性的基础上,提出基于复数后向投影算法的自旋目标成像算法,由于该算法利用旋转散射点的相位进行匹配搜索成像,因此具有较高的分辨率以及成像效率.同时,本文分析了该算法的分辨率及其对雷达脉冲重复频率(PRF)的要求.若目标转速较高而系统PRF无法满足,则根据压缩感知理论以及自旋目标ISAR数据的稀疏性特点,建立了方位欠采样条件下的成像模型,并提出基于正交匹配追踪的自旋目标成像算法.不同条件下的仿真结果验证了算法的有效性.     

公平交换协议的一个形式化模型

基于对现有公平交换协议的研究，使用求精过程建立了精确的形式化结构模型，在这一过程中，使用不可靠信道模拟攻击行为．模型首次给出了交换项的形式化定义，提出的公平性、可追究性目标能够更加完整地反映公平交换协议的内在要求．为了能高效而又细致地对协议进行检测、证明和设计，模型提出了适用于所有公平交换协议的不可滥用性的新性质，给出了第三方可信赖串的定义和设计安全高效的公平交换协议的一般准则．文中通过一个典型的公平交换协议分析实例，阐明了使用该模型分析公平交换协议的详细步骤．发现了一种过去从未发现过的新攻击，给出了攻击发生时系统运行的全过程，深刻揭示了攻击发生的各种原因．最后，对有缺陷的协议进行了改进，改进后的协议满足所需要的各种性质．     

一种多跳无线传感器网络中基于SMAC协议的性能分析模型

本文针对基于SMAC协议的多跳无线传感器网络,将节点建模为一个带关闭机制的有限队列单服务台系统,并考虑节点睡眠机制和竞争退避机制建立了二维Markov节点状态模型.基于该模型可准确推导出网络平均丢包率、网络吞吐量、数据包平均延时以及网络平均功率消耗等网络性能的表达式.通过与仿真实验给出的网络性能结果进行对比,发现模型给出的网络性能表达式有效逼近了仿真结果曲线,从而验证了模型的准确性.同时,运用该模型能准确分析多跳无线传感器网络在能量效率和QoS性能的折中关系,并为占空比、缓存队列容量等网络协议参数的优化提供理论指导.     

流域水量调度自适应模型研究

针对流域水量调度中来水和用水随机性特点,将自适应控制理论引入流域水量调度,建立了黄河流域水量调度模型,提出了自适应轨迹跟踪水量调度方法.水量调度控制目标是在整个调度期,各用水单位的用水比例始终逼近既定的分水指标.系统控制参数通过约束条件实现,可调系统参数通过水量平衡模型、水库自调节模型和水量分配模型确定.模型计算表明,水量调度自适应模型能够控制分水过程,使分水比例始终逼近既定的指标.     

城市交通系统发展的公平性研究及其实证分析

在对城市交通系统公平性内涵进行系统解析的基础上,构建城市交通资源代际转移模型来定量分析城市交通系统的代际公平性,构建城市交通资源代内消耗模型来评估城市交通资源利用的公平性,构建城市交通区域发展均衡度模型来探析城市交通服务利益分享的代内公平性;然后,以重庆2003~2012年城市交通系统的实际发展为例,对上述定量分析模型的有效性与应用进行实证分析。     

自环流网络潮流跟踪算法

运用级数理论给出环流网络潮流跟踪算法. 计算中, 将网络环流等效为一个节点, 从而得到原网络的简化网络. 基于此, 运用图论求出发电机节点到负荷节点的有向路, 进而得到原环流网络的无穷多条有向路. 运用比例分摊原则、级数理论和网络节点间有向路便可得到发电机对负荷的功率分配. 给出了网络自环流系数的定义及其性质. 利用自环流系数的性质, 证明了算法的收敛性定理: 基于比例分摊原则的自环流网络潮流跟踪算法总是收敛的. 同时, 证明了算法的有效性定理: 基于比例分摊原则, 用有向路算法对无损的环流网络进行潮流跟踪时, 任意节点上发电机对所有负荷的贡献总额等于发电机的出力. 并用IEEE14节点系统和国内考核题型Ⅱ证实了该方法.     

基于深度强化学习与演化计算的风-水-火混合增强智能调度

火电、水电和风电是我国电力工业系统的三大能源主体,根据风-水-火发电互补特性,建立联合优化调度模型对于降低电力系统运行成本以及促进新能源消纳具有重要意义.然而梯级水电站间的时空耦合性、风电的不确定性以及风-水-火多能源相互关联的复杂约束使得联合调度模型求解较为困难.因此,本文提出了一种基于深度强化学习(deep reinforcement learning, DRL)与演化计算的混合增强智能优化框架.该框架首先利用深度强化学习与风-水-火联合调度模型进行交互,并根据交互数据对联合调度模型复杂规律进行持续学习,优化自身控制策略,提高智能体泛化能力.此后,在解决实际调度问题时,为进一步提升算法的个性化能力,利用演化计算算法(particle swarm optimization, PSO)在经过训练的DRL上进一步优化调度方案,实现风-水-火联合调度的快速决策.算例分析表明,所提出的混合增强智能优化框架求解速度快、寻优能力强,提升了DRL优化性能的鲁棒性,提高了风-水-火系统运行的经济性及风电消纳能力.     

基于信道统计特性的中继选择与功率分配算法

针对放大前传多源协同通信网络,在保证系统满足一定中断概率的前提下,以最小化系统总发射功率为目标,提出一种基于信道统计特性的中继选择与功率分配算法.由目的节点根据源节点的优先级因子,依次确定是需要直传还是选择中继进行协同前传,以及相应的源节点和中继节点的最优发射功率.该算法运算复杂度低,且无需在传输中实时更新,能节省系统开销.仿真结果表明,与直接传输和AF策略相比,该算法能有效节省传输所需要的总发射功率,且性能优于凸松弛算法,与最优穷举搜索算法相近.     

复杂灾害系统风险综合评价的非线性信息动力学模型

自然灾害系统是一个极其复杂的巨系统,它的发生、演化都具有相当复杂的非线性特征.为了从系统演化的角度来研究复杂灾害系统风险综合评价问题,在建模的过程中引入非线性信息动力学模型——最大流原理,以反映复杂灾害系统风险等级的各个指标所构成的系统为研究对象,基于非平衡统计力学方法建立系统随机演化方程,通过给各指标赋予合理的权值使系统趋于稳定,从而实现对复杂灾害系统风险的综合评价.新模型揭示出复杂灾害系统风险耦合的形成模式和演化动力学规律,并结合自组织特征映射网络算法实现对该模型进行数值仿真模拟.最后应用该方法进行中国大陆31个省、直辖市和自治区复杂灾害系统风险综合评价,分析结果验证了该方法的有效性.     

基于OpenMP多线程动态负载均衡技术研究

本文指出了并行编程模型在多核处理器时代的重要性,探讨了目前对OpenMP在性能分析、线程锁同步与竞争、模型扩展与改进等方面的研究.以OpenMP中的负载均衡为对象,提出了实现动态负载均衡的关键技术及方法,综合考虑处理器中核的数量、操作系统线程调度策略、系统当前和历史负载情况等因素.选用开发源代码的Linux作为操作系统,以及支持OpenMP的GCC-4.2.3作为编译器.通过分析和修改GCC中支持OpenMP功能的源代码实现动态负裁均衡.     

自动目标检测的形态学神经网络与模拟退火学习算法

提出了一种具有实用意义的形态滤波神经网络模型及其网络参数的模拟退火优化算法. 通过分析指出, 形态滤波网络的优化设计过程实际上就是网络参数(结构元素)不断调整、逐步适应图像环境的优化学习过程, 从而将目标客体的特征规律反映到网络结构上来, 赋予结构元素特定的知识, 使形态滤波过程融入特有的智能, 以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力. 为结合运动图像目标的检测需要, 采用了渐近收缩误差、适时校正网络权值的动态跟踪学习算法. 通过实验结果可以看出, 该算法不仅能适应复杂多样的背景环境, 而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性.     

多状态网络可靠性与韧性评估方法综述

为了准确评估复杂系统的可靠性,通常使用网络拓扑结构模型研究系统在各种情况下稳定运行的能力.但现实世界中的许多网络不仅存在连通性要求,还需要传输一定的流量以保证网络具有一定的吞吐量,该网络被称为多状态网络.多状态网络可靠性模型广泛应用于现实中的网络系统,如制造、能源、交通、信息、物流和装备保障、指挥控制和无人集群等.然而,不断增长的系统规模与复杂程度,导致求解多状态网络可靠度愈发困难.因此,寻求更加高效的方法来求解网络的可靠度成为迫切需要解决的难点问题.本文主要对多状态网络可靠性求解算法进行综述,总结了近年来其效率改善方面的研究进展.通过有效降低多状态网络可靠性的评估复杂度,大幅提高该方法的算法效率和可求解网络的规模,为管理者在多状态网络的设计、建造、运行和维护过程中提供支撑,确保多状态网络的稳定、可靠运行.韧性是可靠性的延伸,是衡量系统对抗扰动并从中恢复的能力,能够反映系统毁伤及恢复的全过程.本文进一步讨论了多状态网络韧性评估方法及其进展.     

基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制

包含超大规模分布式能源、负荷以及冷热电联产的泛在电力物联网的综合能源系统是未来发展趋势.由于泛在物联将给电网带来强的随机扰动问题,传统的自动发电控制(automatic generation control, AGC)方法已无法满足如此大规模复杂综合能源系统的频率稳定.机器学习是解决复杂能源系统AGC强随机扰动的一种有效方法.然而这种超大规模的泛在物联将给AGC求解带来维数灾问题.本文针对DDQN-AD(double deep Q networkaction discovery)算法中经验缓存机制构建问题,提出了一种基于比例优先级采样机制的深度强化学习算法PRDDQN-AD(prioritized replay DDQN-AD),以解决机器学习中多维状态-动作对的维数灾问题,进而解决泛在电力物联网综合能源系统模式下的随机扰动问题.对源网荷储协同的两区域综合能源系统模型和集成了大量源、网、荷、储及冷热电联产的多区域泛在电力物联网综合能源系统模型进行仿真.结果表明,与改进前的DDQNAD算法相比, PRDDQN-AD能够提升训练样本的质量,具有良好的学习效率和泛化性能,能够解决维数灾问题;与其他智能算法相比,其收敛速度和控制性能均有明显提升,可获得区域最优协同控制.     

多视观测下雷达转台目标成像的关键参数估计

转台目标模型是逆合成孔径雷达等高分辨率雷达成像系统的基本模型,联合利用多视角观测数据可有效提高转台目标的成像分辨率.针对目标转速、多观测视角差等先验条件未知的转台目标观测情形,文中提出一种基于距离多普勒图像域散射中心位置提取的目标转速、等效旋转中心及各次观测视角差的顺序估计方法.进而,结合卷积逆投影(CBP)算法,形成雷达转台目标高分辨率融合成像的完整方案,取得了优于单视角观测的成像分辨率.同时,分析了参数估计方法的性能及影响性能的若干因素,并通过Monte Carlo仿真验证了性能分析结果.最后,数值实验结果进一步验证了所提供参数估计方法的有效性.     

单一风电场的短期负荷调度优化策略

随着并网风电场数量迅速增加,单一风电场的调度水平需要提高.如何优化一个周期内风电场机组运行的数量与启停方案,迫切需要研究.针对风电场机组数量众多,调度方案解维数过高的问题,分析风电场机组负荷特性,提取机组负荷特征矩阵,运用FCM模糊聚类算法对风电场机组群进行分类;定义风电场机组运行相对损耗指标和启停相对损耗指标,在风功率预测的基础上,根据总调度指令,应用非线性规划理论建立风电场机组组合优化模型,运用模糊聚类算法和遗传算法相结合对模型进行求解.所建立模型和相应求解方法克服了风电场机组调度解维度过高带来的困难,获得了连续时期的风电场全部机组优化调度.最后,通过算例分析计算了某45MW风电场的多目标机组优化调度,验证了所提出算法的可行性和有效性.     

基于压缩感知的多角度合成孔径雷达成像

多角度合成孔径雷达（syntheticapertureradar,SAR）成像是实现多SAR信息融合的重要方式．对提高成像分辨率．重构目标轮廓进而提高雷达目标检测或分类性能具有基础性价值．由于各传感器发射信号和测量位置的多样性,实现多角度SAR成像具有挑战性．如何在噪声干扰情况下快速实现多角度SAR成像是一个新问题．本文建立了基于压缩感知的多角度SAR测量模型．通过对测量矩阵的分析,证明多角度SAR测量角度范围、发射信号载频和空间采样位置是影响成像性能的关键因素,研究了目标空间离散间隔对成像质量和分辨率的影响．以上述分析为基础,本文对多角度SAR发射信号载频和测量位置进行设计,构建满足约束等距性的测量矩阵．针对测量矩阵阶次较高的问题,文章提出用分段正交匹配追踪（stagewiseorthogonalmatchingpursuit,STOMP）进行模型求解,在测量矩阵欠定严重的情况下,该算法可以迅速求得模型最优稀疏解．在实验环节．通过分析多角度SAR参数对成像性能的影响,进一步验证了本文结论．实验验证了模型和相应求解算法的有效性和鲁棒性．