基于脉冲交错的ISAR成像雷达资源自适应调度算法

针对多功能相控阵雷达成像任务的调度问题,提出了一种基于脉冲交错的成像雷达资源调度算法。该方法首先根据目标特征认知结果计算稀疏孔径ISAR成像所需的雷达资源,在此基础上,建立合理的脉冲交错驻留的资源调度模型,在时间与能量资源双重约束下对雷达资源进行合理分配,优化脉冲交错实现方法,并提出了平均交错度(AID)作为衡量雷达成像任务资源调度的性能指标,最后采用基于压缩感知的稀疏孔径ISAR成像方法对不同目标分别成像,在满足目标期望成像分辨率的前提下,显著提高雷达资源利用率。仿真实验验证了该算法的可行性。     

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。     

基于相控阵雷达组网的多传感器管理算法

信息化条件下的防空作战,建立一体的探测预警网络是夺取信息优势的技术保证,而实现传感器资源科学合理的分配则是提高防空探测预警网络信息获取效率的重要手段。为了充分发挥防空探测预警网络的功能及性能,必须在环境条件容许的情况下,对相控阵雷达组网有限的传感器资源进行科学合理的分配,提高探测预警网络的整体效能,进而提高防空作战效能。针对相控阵雷达组网的多传感器资源管理优化问题,介绍了相控阵雷达的特性和组网的意义,提出了基于相控阵雷达组网的相对熵多传感器管理算法。该算法通过计算传感器对目标的相对熵不确定性,获得每个传感器对每个目标最大的信息量,以此作为代价函数,进行多传感器对多目标的优化分配,仿真结果表明该算法的有效性。     

基于改进优先级的相控阵雷达任务调度方法

针对相控阵雷达多目标跟踪中的资源调度的问题,提出基于改进优先级的任务调度方法。该方法将目标对雷达的威胁引入到目标任务优先级设计当中,首先,定义目标威胁度,根据目标和雷达的各项参数指标,将信息熵综合决策与主观权重法相结合,计算出目标的威胁度值;然后,将目标的威胁度值、任务工作方式优先级以及任务截止期进行综合规划,得到目标任务的综合优先级,最后对目标威胁度的计算和任务的调度分别进行仿真。仿真结果表明,方法对目标威胁程度的计算结果符合不同威胁度等级目标跟踪资源分配的需求,对高威胁任务的执行优于传统方法,具有一定的优越性。     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

混合MIMO-相控阵雷达目标高分辨成像

为了兼顾相控阵雷达成像和多输入多输出雷达成像的优势，提出一种基于混合MIMO-相控阵技术的多目标高分辨成像方法。将传统MIMO雷达中的每个单阵元发射天线都用一个工作在混合MIMO-相控阵模式的发射阵列（TA）来代替，每个TA根据目标数量和目标方向划分为多个子阵（SA），每个SA内部阵元工作于相控阵模式并形成指向某个方向目标的发射波束，而各个SA之间发射彼此正交的波形，从而工作在MIMO模式。对各SA的回波信号进行波束形成处理以获得更高的信噪比和信干比增益。在此基础上，结合字典优化、正交匹配追踪和参数化稀疏表征方法，分别提出单次快拍高分辨成像和多次快拍高分辨成像方法。仿真结果表明:所提方法能够获得更好的成像性能和成像实时性。     

一种基于模糊逻辑优先级的雷达任务自适应调度算法

为适应目标环境变化情况,提出了一种基于模糊逻辑优先级的雷达任务自适应调度算法.该方法基于目标运动状态和属性通过模糊逻辑推理动态确定任务的优先级,并结合时间窗的特点采用一步回溯方法调整发生冲突的任务,保证更多高优先级的任务在其期望的时间内被调度.仿真结果表明,该调度算法在保证调度率的前提下降低了任务的调度代价.     

稀疏微波成像信号处理方法研究

主要围绕该研究关键科学问题"稀疏微波成像非模糊重建"展开研究,结合稀疏微波成像体制,研究多维度稀疏信号特征信息挖掘方法,提出稀疏微波成像距离多普勒二维解耦成像重建算子,建立稀疏微波成像重构算法,实现微波成像大数据量的快速求解。主要研究内容包括:基于稀疏优化的空时频域先验信息挖掘方法、稀疏微波成像非模糊重建理论和方法、非理想运动平台稀疏微波成像处理和稀疏微波成像快速算法研究。主要工作进展包括:(1)基于目标在空间的稀疏表征,揭示观测对象在空间维度的先验信息调制机理,实现短孔径下的方位高分辨成像。(2)进行了稀疏步进频率雷达成像体制设计和高分辨成像算法研究,有效降低步进频率雷达的回波数据量和外界干扰的概率。(3)基于稀疏孔径数据,揭示观测对象在方位时间维度的先验信息调制机理,展开了方位孔径稀疏采样的雷达体制设计和高分辨成像算法研究。(4)提出了一种基于稀疏表征的自聚焦算法,研究了存在运动误差下的稀疏微波成像非模糊重建算法,完善了可嵌入运动补偿的稀疏微波成像处理框架。(5)展开了宽幅海洋多舰船目标高分辨成像的体制设计和算法研究,提出了一种单天线体制下的Fast-Scan SAR海洋多舰船成像算法,并完善了稀疏微波成像非模糊重建理论框架和方法体系。(6)展开了稀疏采样体制下的运动目标检测和成像算法研究。通过方位稀疏采样方式优化设计,基于运动目标先验信息挖掘技术研究,利用稀疏信号处理算法实现运动目标的高分辨非模糊重建。     

SSA:一种面向CQF模型的TSN资源调度算法

时间敏感网络(time sensitive networking,TSN)的目标是在工业控制和5G领域为时间敏感流提供低延迟、低抖动的确定性传输服务.资源调度是保证TSN服务质量的关键技术之一.为此,TSN标准中提出循环队列转发模型(cyclic queuing and forwarding,CQF),但是缺乏相应的资源调度算法对多流进行合理的资源分配以避免传输冲突.由于时间敏感流量具有周期性、特征预知的特点,主要从时间维度研究如何将CQF模型中的队列资源合理分配给多条数据流.将该问题抽象为多约束条件下的资源规划最大化问题,提出基于起始时隙分配的轻量级资源调度算法(start-slot assignment based scheduling algorithm,SSA).SSA通过对端系统上发送时隙进行调节,在满足约束条件的前提下最大化对队列资源的使用,避免了端到端逐跳的时隙分配.实验结果表明,与不控制时隙的直接调度方式相比,该算法能够将成功调度的流数目平均提高41.84%.     

面向多目标ISAR成像的MIMO雷达波形优化

现有MIMO雷达波形优化设计大都是根据跟踪、检测等雷达任务的需要而设计的窄带发射信号,没有考虑成像任务的要求。提出一种面向多目标ISAR成像任务的MIMO雷达波形优化设计方法,将雷达获取的关于目标的位置、雷达散射截面积(RCS)、速度等先验信息以及成像对雷达发射波形的带宽限制作为波形优化的重要约束条件,建立了面向多目标成像任务的波形优化模型,并通过共轭梯度算法进行求解。所设计波形可同时实现对不同方向的目标的成像。     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

多核平台的并行实时调度与内存分配算法

多核处理器凭借着低功耗高性能的优势占据了市场.针对多核平台上并行实时任务,提出局部与全局EDF相结合的调度算法,其中任务的截止期划分、执行预算以及迁移时机由所设计的处理器带宽预留服务器决定.同时,提出了内存分配算法,该算法能够更好地为并行实时任务管理内存资源.实验结果表明新的调度算法具有更高的调度成功率.另外,在内存资源竞争的前提下,内存分配算法可以保证并行任务的实时性与系统稳定性.     

自适应阵列天线区域覆盖算法研究

文章分析了自适应阵列天线信号空间分割原理,介绍了自适应阵列天线区域资源传统分配算法:固定式区域资源分配算法和最大最小区域资源分配算法.针对自适应阵列天线区域资源传统分配算法存在的问题,提出了基于最小标准差的区域资源改进分配算法,并介绍了其区域资源分配原理和计算方法.通过对以上三种区域资源分配算法的通话阻塞率仿真可知,最小标准差区域资源分配算法相对于区域资源传统分配算法可降低通话阻塞率,负载平衡效果最好.     

基于MAS的动态协作任务求解模型与算法

为提高动态网格资源的利用率,提出了基于多智能体系统博弈协作的任务动态分配和协作求解模型,建立了网格资源调度模型和任务求解算法,证明了资源分配博弈中Nash均衡点的存在性、唯一性和Nash均衡解。该方法能够利用用户智能体的学习和行为能力,使得用户的资源申请和任务调度具有较高的合理性和有效性。进行了供求关系中竞价博弈的模型试验。实验结果表明,资源调度算法不但可以有效减少延迟,而且在响应时间的平滑性、吞吐率及资源利用率方面比类似方法要好。使得整个网格系统供需合理、负载均匀。     

一种基于QoS的星座通信系统跨层资源分配算法

针对目前星座通信系统星地链路资源分配不灵活、缺乏有效服务质量(QoS)保障机制等问题,提出一种基于QoS的星座通信系统跨层资源分配算法.利用自适应编码调制(ACM)技术,通过定义用户信道质量评估算法、可调公平性调度算法、业务QoS分类调度算法及用户业务分配权重函数,为终端用户指定工作频率、时隙、编码方式、调制方式等物理层工作参数,实现根据业务QoS保障要求灵活分配物理层信道资源,达到提高系统资源利用率与满足业务QoS保障需求的平衡.仿真实例验证该算法可以实现星座通信系统根据业务QoS和用户信道质量对星地链路资源的合理分配和调度.     

一种基于蚁群算法动态均衡的网格任务调度

网格资源分配属于NP-难问题,为了更好地解决该问题,首先建立一种性能QoS优化的作业级网格任务调度模型和目标函数,并对资源和任务数进行了分析.提出了基于动态信誉度的改进蚁群算法RACO(reputation-based ACO)进行网格任务调度,RACO引入空间效率和时间效率的动态调节因子,同时采用局部和全局信息素更新策略.仿真实验表明,RACO在资源利用率、动态均衡方面优于Min-min,Max-min和ACO算法.