基于粒子群优化的移动通信功率控制方法

功率控制技术是移动通信中最为关键的技术之一,在分析移动通信的功率控制模型基础上,提出基于改进的粒子群优化(PSO)算法的功率控制方法,主要包括功率控制模型的建立,PSO寻优求解等过程.仿真实验表明,采用改进的PSO算法可以完成功率控制,大大提高工作效率;此外,基于业务优先级的功率控制模型在应用中更符合实际情况.     

神经网络在CDMA移动通信上行链路功率控制中的应用研究

提出了一种神经网络功率控制方案,研究了该方案在码分多址 (CDMA)移动通信中实现最小发送功率控制问题。首先导出了最小发送功率控制模型。而后,利用最陡下降方法得到了求解该模型的神经网络的原理框图,并分析了用该网络进行最小发送功率控制的基本理论和实际性能,探讨了该网络相关参数的确定方法。最后用计算机仿真法模拟出该方案的运行性能。仿真结果表明与最小功率分配算法相比,神经网络功率控制方案可以提高基站接收信号的平均信扰比,降低信扰比的平均偏差,提高信扰比达到目标信扰比 90%以上的用户数量,从而可以降低用户信号的中断概率、提高信道容量。     

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。     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

认知无线电网络中功率控制方法的研究

分布式功率控制是认知无线电系统常用的功率控制方法之一.将非合作博弈论的方法应用于认知无线电的功率控制上,在Goodman所提出NPG模型以及NPGP模型上来进行代价函数的改进,并提出一种新的博弈算法来实现对认知无线电系统的功率控制.该算法不仅考虑到系统用户之间的公平性,同时还考虑到认知用户之间干扰的影响,并通过理论证明了其纳什均衡的存在性与唯一性.仿真结果表明,该算法不仅能使用户发射功率降低,同时还可以使用户的效用提高,并且收敛性较好.     

利用储能技术提高电力系统稳定性研究

研究了利用储能系统(ESS)提高电力系统稳定性的控制方法。首先给出一种适用于电力系统稳定控制的储能系统通用简化仿真模型,然后根据问题的需要设计了功率振荡阻尼控制器,并使用粒子群算法(PSO)对其参数进行优化,最后通过在PSASP上进行数字仿真验证了所提方法的有效性。     

非线性价格的认知中继网络功率控制方法研究

当认知中继网络被应用于语音通信时,要求最大化网络吞吐量的同时使功率消耗较小。分析研究了认知中继网络的通信特点,提出一种基于非线性价格成本函数的认知中继网络功率控制博弈模型,其纳什均衡解直接决定于信道参数和价格系数,该功率控制方法更符合网络的特点,减少了网络的功率消耗,提高了能量效率,同时降低了功控实现的复杂度。通过分析比较其他两种价格系数的情况,最后仿真结果验证了该功率控制方法能达到较好的通信性能。     

基于遗传算法的认知无线电网络共同信道和功率最优分配

信道分配和功率控制问题是认知无线电网络中的核心问题。文中根据不完美频谱感知情形下的干扰功率模型,建立认知无线电网络共同信道和功率分配优化模型,并通过罚函数法,将标称的混合整数规划问题简化为不带约束条件的非线性规划问题,提出了基于遗传算法的共同信道和功率最优分配算法。仿真结果表明,该算法能在不完美频谱感知情形下对信道和功率进行联合最优分配,减少对主用户功率干扰,实现网络中认知用户吞吐量的最大化。     

一种Femtocell网络中的负载预测方法

在未来的5G移动通信系统中,Femtocell等小功率基站将承担起海量的数据通信业务。通过对Femtocell做出负载预测,进而完成小基站的休眠策略和对流量的管控等,但现有的研究中未出现此类探索方向。为了进一步实现移动通信系统的绿色通信和预知其对未来负载的发展态势,在Femtocell下提出了一种基于混沌特性和改进径向基函数(radial basis function,RBF)神经网络的预测方案。采用了C-C(Catmall-Clark)算法和G-P(Grassberger-Procaccia)算法计算时间序列的延迟时间和维度,BF进行优化、学习和预测。通过对比仿真实验的结果表明,该方案预测效果较好,可以应用到实际的预测工作中。     

基于Dinkelbach算法的优化混合网络用户关联策略研究

在5G网络中,使用混合网络,引入一些低功率节点,提出基于TDMA系统的联合优化用户关联和功率控制的能效优化方案,通过优化用户关联和功率控制来提高网络能效。以系统能效最大化为目标,限制基站最大关联用户数,设计出用户关联算法。利用Dinkelbach算法优化功率控制,获得系统最大能效,并对提出的交替优化算法进行仿真验证。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于超模博弈的认知无线Ad hoc网络分布式功率控制技术

考虑一种交织(Interweave)模式下的单跳认知无线Ad hoc网络(CRAHN)应用场景,针对次用户(SU)组成的Ad hoc网络提出一种分布式功率控制技术,以最大化提高次网络容量.SU网络通过频谱感知来探测主用户(PU)所在授权频段的使用情况.一旦授权频段空闲,次网络中的SU将利用授权频谱进行并发通信,目标是通过优化各SU的发射功率,以达到次网络频谱效率最大化.首先根据应用场景给出了网络容量优化近似模型,为了解决该非凸问题,将网络容量优化模型建立为等效博弈模型,并在不同的SINR条件下证明了Nash均衡的存在性和唯一性,最终提出基于Gradient Play的分布式功率控制算法来实现资源最优分配.仿真结果表明,该算法可在保证收敛性的同时、支持一定的并发通信用户数、提高该网络系统的频谱效率.     

A defense model against mobile phone malicious codes based on social computing

With the convergence of mobile communication network and Internet in depth, mobile Internet is penetrating into every field of people’s life. Smart phone bring us great convenience, but it also becomes the breeding ground for the spread of malicious codes. In this paper, we propose a trust transfer algorithm based on the ant colony optimization algorithm to calculate the trust degree between any two nodes in the social network. Afterwards, a defense model based on social computing is presented for mobile phone malware. The simulation results show that our trust transfer algorithm improves the computation accuracy of indirect trust value by 14.65% compared with the TidalTrust algorithm, and the patch transmission speed of our model is faster than that of others.     

星地认知网络能效谱效联合博弈功率控制算法

在Underlay模式下,卫星网络覆盖范围大会导致用户频率冲突干扰,针对该问题以及星地网络中移动用户的能量有限的情况,综合考虑卫星用户中地面站和移动用户的差异,构建了基于能效谱效联合博弈的星地认知网络多用户功率控制模型,并在该博弈模型基础上提出了一种能效谱效联合博弈算法(COAES),定义了能效和谱效因子,通过对不同用户的能效和谱效优化需求进行博弈,并证明每个用户均能达到最优状态即纳什均衡状态。仿真结果表明:COAES算法能满足不同用户的谱效和能效需求,并且联合因子相比NETMA算法和PRA算法分别提升了50%和35%。     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。     

含分布式电源的配电网多目标无功优化

针对传统模型和现有算法对配电网无功优化带来的电压波动和网络损耗等问题,提出一种基于改进元胞差分算法的含风、光的配电网无功优化方法。建立了风电、光伏的随机概率出力模型,获取了其出力预测数据,以电压波动、有功损耗和电压越限3个目标为优化函数,通过权重系数将三目标模型转换为双目标模型,建立了含风电、光伏的双目标配电网无功优化模型。通过电压稳定指标（voltage stability index,VSI）对配电网各个时段的电压的稳定性进行评价,用改进元胞差分算法对模型进行求解,并利用测试函数对算法进行验证。结果表明,较传统模型和传统算法而言,所提模型和所用算法均能有效降低配电网的电压波动和减小配电网的有功损耗,从而保证电网的安稳运行。     

无线回传网络中队列感知在线功率分配策略

无线回传技术因其能大幅降低运营商成本开销、给用户终端提供根本上的灵活性并提高网络整体频谱效率等优势,是下一代移动网络中具有前景的解决方案之一。通过利用李雅普诺夫(Lyapunov)优化框架和凸优化理论,提出了一种基于队列感知的带内全双工无线回传网络功率分配算法。该算法在每个离散的资源调度时隙内,通过综合考虑信道和队列状态信息,动态地为各用户的接入链路和小基站的回传链路分配功率,以实现在保证网络稳定性和满足各用户服务质量需求的同时,最大化网络平均和频谱效率。此外,理论分析和仿真结果显示,所提出的算法可通过调整引入的控制参量的取值灵活地实现时延与谱效间的动态平衡。     

主从网络模式下中压配网电力线载波通信阻抗匹配方法

中压电力线信道环境恶劣,不同频点下信道输入阻抗存在较大差异,网络模式下的通信节点间的阻抗匹配具有重要意义。在中压配网电力线载波通信信道功率传输模型基础上,推导中压配网主从网络模式下从载波机间的阻抗匹配关系,提出一种基于差分定域的中压配网三点通信的阻抗匹配优化协调算法。该方法通过差分定域法界定寻优范围,在此基础上调整上游从载波机匹配阻抗,保证其接收功率电平大于最低可识别门限值的前提下,使下游从载波机接收功率最大。该协调优化方法可移植性强,优化速度快,相关算例验证了方法的正确性与有效性。     

应急场景下基于可靠无线通信的D2 U功率控制机制研究

针对应急场景下通信可靠性低的问题,提出了无人机(unmanned aerial vehicle,UAV)辅助模式下基于自动重传请求(automatic repeat request,ARQ)的设备与无人机(device-to-unmanned aerial vehicle,D2U)通信功率控制策略.利用通信失败率来表示通信可靠性,分析了数据包与重传确认(ACKnowledgement,ACK)的接收失败率,进而得出D2U通信失败率;在快衰落和慢衰落2种模型下定义通信失败率优化问题.针对优化问题,设计功率控制迭代算法,该算法充分考虑了重传所带来的能耗以及ACK丢失的情况.Monte Carlo仿真结果表明,所提出的功率控制策略相比其他策略具有更低的通信失败率,从而保证应急场景下D2U通信的可靠性.     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.