基于能量获取的蜂窝物联网中距离感知的成簇策略

针对无线能量传递过程中的“双重远近效应”问题,提出一种距离感知的成簇策略。由于传统无线能量传递方案没有考虑距离对网络性能的影响,也缺乏对高能效能量获取方法的挖掘和利用,通过对稳定能量获取来源的物联网进行分析,联合考虑能量与通信的协作,提出一种距离感知的成簇策略来平衡物联网节点获取和消耗能量的不均衡。策略根据簇首选择机制节点被划分为簇首节点和簇成员节点2类,簇首直接与基站通信,成员则将业务发送给所在簇的簇首,然后由簇首转发给基站。研究结果表明,在给定电网总能耗的约束条件下,基于距离感知的成簇策略能提高4倍以上的系统能效,降低至少50%的通信中断,进一步提高了网络覆盖效率,“双重远近效应”问题得到有效解决。     

自适应矩估计最大相关熵算法的混沌序列预测

为了提高非高斯噪声环境下混沌时间序列的预测精度,提出了一种基于自适应矩估计的最大相关熵算法(AdamMCC).在AdamMCC中,采用最大相关熵准则作为代价函数有效地抑制了异常噪声值对预测性能的影响,利用代价函数梯度的一阶矩和二阶矩估计自适应调整算法的权重参数,在不同阶段为算法提供了更好的最优权重搜索方向,从而提高了AdamMCC的预测性能.采用Mackey-Glass和Lorenz两类混沌时间序列进行仿真实验,验证文中提出的AdamMCC的收敛性能和稳态性能.实验结果表明,在非高斯环境下的预测过程中,相比于最小均方算法、最大相关熵算法和分数阶最大相关熵算法,文中提出的基于自适应矩估计的最大相关熵算法在保持鲁棒性的同时,还能以合理的计算复杂度获得更高的预测精度.