为了进一步提高无线频谱使用效率,提出了一种认知无线网络中新的动态频谱接入策略,该策略建立在频谱池的基础之上,较即时接入方式有较高的接入效率. 研究了频谱池的最佳容量和频谱池更新时间,发现最佳容量和系统效率之间的定量关系,提出了频谱池在授权频段和非授权频段不同的动态更新策略.仿真结果表明,2种频段内的频谱池更新时间基本都在1h之内动态变化。
无线多跳网络中,为避免节点半双工工作模式导致的网络频谱效率(吞吐量)的损失,提出了一种基于物理层网络编码的双向连续中继技术(PNC-BSR). 该技术利用物理层网络编码及多个中继节点之间的协作传输,有效地提升了无线多跳网络的频谱效率. 研究结果表明,与传统中继策略及放大转发方式的双向吞吐量增强中继策略(AF BAT-relaying)相比,在高信噪比的情况下,PNC-BSR的网络吞吐量可分别提升300%和100%. 该技术可充分、高效地利用网络资源.
无线Mesh网络的吞吐量受路由策略、无线干扰等因素影响,基于最短路径的传统路由协议并不能获得良好的性能.为此,提出了1个在单播通信中基于网络编码的无线Mesh网络路由协议.该协议引入条件链路消耗,采用马尔可夫链模型来设计路由判据,下一跳的路由消耗以上一跳为条件.网络中的节点对数据编码组合后,选择条件消耗值最小的路径传输编码后的分组.实验结果表明,优化后的路由判据能更好地支持网络编码,节省网络资源,使得网络吞吐量提高了大约20%.
建立了一种通用最小化抢占路径选择的数学模型,给出了最小化抢占路径选择的目标函数,并提出一种新的基于路径的最小化抢占方法. 该方法考虑了被选择抢占的标记交换路径(LSP)跨越全网的链路数及与选定路径共享链路的程度,在每段需要抢占的链路上选择被抢占的LSP时,总是优先选择那些共享选定路径的链路段数多、跨越全网的链路段数少的LSP,总体上表现出较低的路径抢占代价. 仿真结果表明,该最小化抢占方法比只考虑单段链路的抢占最小化算法具有更小的抢占代价,能逼近目标函数的优化解,且具有更低的计算复杂度,易于在设备上实现.
为充分利用认知无线电网络中授权用户未占用的带宽,提出了一种自适应带宽分配机制(ABAM),采用二维Markov链对认知无线电网络中ABAM机制性能进行了建模分析,得到了带宽利用率等系统性能指标的解析结果.理论分析及仿真结果表明,与传统的固定带宽分配机制相比,ABAM允许认知呼叫根据授权呼叫占用带宽情况自适应调整其传输带宽,可有效地提高系统的带宽利用率.
结合虚拟平移技术,提出了虚拟平移循环自相关和虚拟平移循环互相关2种算法.该算法克服了循环多重信号分类及空间平滑类算法的不足,在不影响阵列孔径的情况下,使阵列可估计的相干期望信源数目达到
针对传统的三角形形状判定算法不能满足要求.运用安全多方点积协议设计了一种在半诚实模型下保护私有信息的三角不等式判定协议;分析和证明了该协议的正确性、安全性和复杂性;并利用该协议解决了保护隐私的三角形构成判定问题,三角形形状判定问题以及向量比较问题.
将二值自相关概念应用到屏蔽二进序列偶中,提出了一种新的最佳离散信号,即二值自相关屏蔽二进序列偶,并给出了它的定义和性质;为减小搜索的难度,讨论了它的组合允许条件,并给出了计算机搜索得到的二值自相关屏蔽二进序列偶.
将神经网络逆模型控制方法与滚动时域优化控制技术相结合,提出了具有预测能力的基于神经网络的滚动时域优化控制方案。给出了控制器的结构设计及实现算法,并将其用于非线性不确定系统的控制,仿真实验表明,该控制器具有良好的非线性控制性能。
提出了一种基于能量变化和节点检测概率信息的传感器网络调度机制,该机制依据网络节点能量变化量调节调度周期,引入了节点检测概率模型调整调度以提高网络数据收集准确性. 仿真实验验证了机制的优越性及可靠性。
在信息论通信模型下,基于秘密分享模式和将集合的元素转化为多项式形式的技术,提出了隐私保护的集合模式匹配的协议。假设参与方都是半诚实的,且合谋的参与方人数少于1/2,那么所提的协议能够安全高效的计算集合模式匹配的问题。由于此协议是在信息论模型下所提出的集合模式匹配协议,所以此协议是无条件安全的。
提出一种基于概率密度估计的动态频谱接入算法,通过由支持向量机拟合出的授权频段空闲时长的概率密度,对信道状态进行评估,认知无线电用户根据信道状况选择接入. 该算法可以进行自适应调整,具有良好的实用性与灵活性. 仿真结果表明,所提出的算法可以有效降低信道的冲撞率,同时提高认知无线电用户的吞吐量和服务质量.
提出了一种基于网络图论模型的威胁态势分析方法。定义了图中邻接点的攻击代价,并采用多属性效用理论计算其效用值。对图中的边赋予代表攻击代价的权,利用最短可达路径算法分析了节点的威胁态势。实例表明,该方法简捷有效,有助于优化安全防护策略。
提出了一种用于多输入多输出正交频分复用(MIMO OFDM)系统的定时同步算法。算法利用恒幅零自相关码(CAZAC)的自相关特性及自反特性生成用于定时同步的训练序列,在接收端采用对称相关器计算接收信号相关值以确定定时位置。仿真结果表明,本算法无论是在集中式MIMO系统或是分布式MIMO系统中都能有效的进行定时同步,尤其用于分布式系统时,新算法能更有效的估计出天线间的延时。
为了提高对不同窄带干扰的抑制效果,提出一种利用Givens旋转的正交分解的自适应非线性干扰抑制算法.传统Givens旋转算法涉及到平方根运算,要消耗较多硬件资源或需要多次循环来实现,为此,提出一种无平方根与除法运算的Givens旋转算法,并结合信号输入矩阵的特殊结构,给出一种低复杂度的干扰抑制算法,将窄带干扰建模为自回归过程以及数字窄带信号。
在开放网络环境中,运用用户行为及模糊理论对信任框架进行了建模。给出了信任的定义和信任的计算机制及相关算法。该算法具有很好的对恶意节点的屏蔽能力,引入亲疏系数的概念,可同时解决了恶意节点的定义方式以及信任网络刚建立时各节点信任度初始化的问题。扩展了云模型,使得信任度期望接近评价区间临界区域时,节点拥有与一般信任度期望远离临界区域时完全不同的信任程度。讨论了云模型各参数对信任度计算的影响。通过引入时间衰减系数及行为影响系数,较好地解决了信任的模糊性随时间及行为变化的动态性的特点。