Ad hoc网络中继协作机制的博弈分析

针对Ad Hoc网络中的多跳通信需要自私节点间的数据分组中继,不使用协作的激励机制,提出了一种基于博弈论的解决方案。该方案通过建立节点间中继协作的无限次重复博弈模型,给出此博弈的纳什均衡中继策略TFT,并对其群体稳定性进行了分析。通过仿真表明,各节点根据网络拓扑结构变化速度的快慢调整TFT策略的宽容因子g,能够有效激励节点间的中继协作。     

不均等双向解码转发机会中继通信性能分析

双向中继通信在保证传统单向协同通信空间分集收益的同时提高了频谱利用率。在双向不等速率要求场景下,针对结合解码转发网络编码的双向机会中继通信系统模型,给出了系统通信的近似中断概率闭式表达,并且提出了已知信道瞬时信息条件下的功率优化分配方法。仿真结果分析验证了解码转发双向机会中继通信的中断概率性能,表明在功率优化分配后和中等信噪比条件下,解码转发双向机会中继通信比模拟网络编码方式有2~3 dB的收益。     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者时双向认知中继网络时物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输.通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难.提出了一种基于可变网格优化...     

复数域符号相乘的差分网络编码

传统差分网络编码在解码转发方式下编码环节繁杂、中继检测复杂度高。基于此,文中提出复数域符号相乘的差分网络编码,并构建了中继检测方法一和中继检测方法二,能显著降低中继的检测和编解码复杂度。同时,将提出的编码方法拓展到多中继协作方式以获取高阶协作分集增益,并得到随机差分空时网络编码,其能获得的分集增益阶数为解码正确的中继个数。仿真实验和理论分析均验证了提出的复数域符号相乘的差分网络编码方法在单中继和多中继协作方式下的有效性。     

随机多需求环境下远程中继保障网络设计优化问题建模与求解

为保障海域安全稳定, 当远海海域发生紧急安全问题时, 需要派遣飞机从大陆保障基地出发进行远程支援。本文研究了在随机多需求环境下, 中继保障网络的最优化设计问题, 给出了规范化的问题描述以及问题的混合整数规划模型, 根据事发点发生意外事件的频率以及保障需求量作为需求的权重建立目标函数。模型以中继保障点的位置以及最优支援路线作为决策变量, 以保障资源作为约束条件, 实现了连续与离散相结合的选址方法来优化中继保障点, 并运用几何近似方法将模型中的欧式距离非线性约束转化为线性约束。所建模型可应用数学模型建模语言和求解器进行最优化求解, 直接获得多种不确定需求环境下的期望最优网络设计及支援路径。基于给定的3种任务类型, 经过模拟案例验证, 所建立模型可满足对实际规模的中继保障网络优化设计。     

基于机会性中继的加权协同路由算法

协同路由技术通过节点间相互中继转发数据,可以有效地提高网络的性能。提出了一种无线Ad hoc网络中的机会性加权协同路由算法,加权的量度分别是中继的剩余能量和节点间的信道状态信息,同时给出了协同路由模型及策略, 并基于NS 2进行了仿真。相对非协同的目的序列距离矢量路由协议,比较了机会性加权算法与最佳信道状态以及最大剩余能量算法的性能差异。结果表明,该算法获得了以上两种算法服务质量（递交率和网络寿命）之间的折衷,并且通过调整加权因子,可以权衡两个量度的比重以满足不同网络性能的需要。     

FLF滤波器的电流模式CC实现

本文提出一个基于积分器的电流模式通用ＣＣ滤波器结构。该结构是在典型ＦＬＦ结构的基础上增加输出求和ＣＣ网络生成的。适当设置输出求和ＣＣ网络无源元件参数，能实现任意近似滤波特性。文中给出了系统的设计公式。作为例子，文中设计了一个三阶椭圆低通滤波器，模拟仿真结果与理论分析互相吻合。     

无人机协同中继过程中的路径规划与通信优化

通信网络是保证无人机在协同搜索时获取更多的战场信息,发挥协同作战优势的基础。主要研究多无人机完成通信中继任务过程中的搜索路径规划和通信性能优化问题。搜索路径规划的目的是确定未知地面移动人员具体方位并对其组网,以便无人机执行中继任务;而通信优化问题则是针对无人机中继过程中可能出现的通信中断、失真等问题,分析通信网络信息传输的路由选择,选取通信延时为性能指标,通过改变无人机的路径选择来提高通信网络的性能。仿真结果表明了本文实现通信中继和通信网性能提高的有效性。     

自治系统层Internet建模综述

回顾了传统的Waxman模型、Transit-stub模型,然后着重介绍了最近几年提出的无标度网络模型,给出了这些模型生成Internet状网络结构的过程.最后指出目前广为使用的采用拓扑结构进行模型比较的方法可能产生的问题.     

信道网络编码的联合迭代译码设计

在研究无线网络中物理层网络编码技术的基础上,提出了一种新型的适用于多址中继信道的信道 网络编码的联合迭代译码设计方案,即卷积Turbo码（convolutional turbo codes, CTC）与网络编码的联合迭代译码设计方案。方案中考虑到中继可能存在不能正确译码信源信息的情况,信宿可以有选择地选择合适的先验信息进行译码。仿真结果表明该方案具有较强的纠错性能,同时随着中继点和信宿端的接收天线NR和ND的增多,系统的纠错性能也随之增强,从而表明本文提出的方案广泛适用于多址中继信道环境中。     

基于贝叶斯-神经网络的动态回归建模与预测

结合贝叶斯网络和神经网络，提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布，形式化各种各样的信息，结合贝叶斯方法，执行贝叶斯网络的持续学习过程；采用指数寿命型的连接权值改进径向基神经网络，优化输入数据，提高计算速度；采用改进的遗传算法，实现神经网络的动态自适应。基于上述方法，实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

基于动态模糊神经网络的飞行仿真模拟转台控制

给出了一种新型的动态模糊神经网络及其详细的推理过程和参数迭代算法，并应用于高精度飞行仿真模拟转台控制，控制方法结合了神经网络、模糊推理和动态反馈控制的优点，结构简单、收敛速度快、实时性好。实际控制效果表明该控制方法比PID 前馈控制具有更好的控制性能，并且具有更强的抗干扰能力和鲁棒性。     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

有限规模多层前向网络研究(Ⅰ):基本观点

本文是关于有限规模多层前向网络研究论文的第一部分,着重阐明了有限规模网络的概念,利用动力学系统的观点对网络进行了概略性的描述,最后,提出了结构—功能—结构的研究方法。     

基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

基于递归小波神经网络的非线性动态系统仿真

为提高动态递归神经网络的动态系统仿真能力，在Elman神经网络的基础上，提出动态递归小波神经网络（RWNN），给出了其动态梯度下降算法，并将其成功应用于非线性动态系统仿真．仿真算例表明，该网络具有收敛快，精度高等优点，仿真效果很好，同时具有较好的泛化性能，具有广阔的应用前景。     

基于PSO神经网络的进化博弈研究

针对进化博弈中博弈人是有限理性的,提出了一种基于粒子群神经网络的进化博弈决策机制。该机制将神经网络技术引入到进化博弈中,并采用粒子群优化算法(PSO算法)来训练神经网络,因而可利用神经网络来模拟博弈人在进化过程中的学习和策略调整。利用该机制分别对有限理性条件下的鹰-鸽博弈和重复囚徒困境博弈进行了研究。实验表明:PSO神经网络可以准确地模拟进化博弈中博弈人的动态学习与决策过程,能有效地指导博弈人的策略选取,是进化博弈分析的有力工具。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。