异构网络中基于Savitzky-Golay滤波的垂直切换算法

为了实现异构网络中的无缝链接和准确地判断网络状态,需加强确定移动台(MS)的位置信息,以及减少不利的衰落效应。本文提出了一种基于Savitzky-Golay滤波(即S-G滤波)的垂直切换算法,该算法能够使MS准确地判断网络的覆盖范围。仿真结果表明,该算法可以减少衰落效应,从而有效地减少了乒乓效应,提高了网络的性能。     

基于改进遗传算法的无线传感网覆盖优化

为提高混合无线传感器网络(WSNs)的覆盖率,将改进的遗传算法应用到WSNs覆盖优化中,通过合理调整移动节点的位置来提高网络覆盖率;针对传统群体智能算法易“早熟”,最大迭代次数需试探设定等缺陷,提出了基于多个种群并行优化的改进遗传算法;多个种群之间并不独立,而是通过移民算子相互联系;分别利用人工选择算子与精华种群选择并记录各个种群每一代最优染色体;并利用精华种群中保存的最优染色体设计出新的进化终止条件;仿真结果表明,改进的遗传算法不仅无需设定最大迭代次数而且收敛速度快,更兼有效地提高了WSNs的覆盖率。     

在无线局域网中基于信号干扰比的信道分配

为在IEEE802?11无线局域网络（wireless local area network ,WLAN）中最大限度提高信号干扰比（SIR）,提出一种基于用户级别的信道分配算法。基于最小化接入点A PS之间的信号干扰对信道进行分配,在此基础上,计算每个用户的信号干扰比。无论用户如何分布、用户负载多少,该算法都可以对其进行改进,因此算法适用于任何无线局域网络。仿真计算结果表明,该算法显著提高了整个无线局域网络的信号干扰比和其吞吐量。     

基于小波变换和ARMA-LSSVM的忙时话务量预测

为提高受多种因素影响的话务量数据的预测精度和稳定性,提出一种考虑多因素影响的基于小波变换和自回归滑动平均(ARMA)-最小二乘支持向量机(LSSVM)的话务量组合预测模型。对忙时话务量数据进行相关性分析,得出影响话务量的重要因子;利用小波变换对数据进行分解和重构,得到低频分量和高频分量;将低频分量输入ARMA模型进行预测,将高频分量和话务量重要影响因子输入粒子群算法优化的LSSVM模型进行预测,将两组预测结果合成。实验结果表明,该模型进一步提高了预测精度和稳定性。     

基于相似度和信任度的关联规则微博好友推荐

针对关联规则个性化好友推荐中规则挖掘效率及推荐有效性不高的问题，首先提出基于散列及位图的改进关联规则算法BHA。该算法通过引入散列技术，减少了频繁2项集挖掘所需的时间；利用位图及相关性质，压缩无关候选项，减少了数据集所需的遍历次数。另外，在BHA的基础上，提出基于相似度及信任度的推荐算法STA，利用出、入相似度定义信任度，有效解决了新浪微博未提供显示信任关系的问题，同时弥补了相似度推荐未考虑用户间远近层次关系的缺陷。采集新浪微博用户数据进行实验，在关联规则挖掘效率的对比上，BHA挖掘所需的平均时间仅为改进AprioiriTid算法的47%；在好友推荐的有效性上，推荐算法STA较SNFRBOAR算法在准确率及召回率上分别提升了15.2%和9.8%。实验结果表明，STA能够有效降低规则挖掘所需的平均时间，并使实际好友推荐的有效性得到提升。     

基于QoS的D2D能效优化

为解决基站数十亿通信设备的通信能耗和D2D通信过程中复用频谱资源对蜂窝用户造成的干扰问题,建立一种优化模型系统,解决用户通信服务质量(quality of service,QoS)和系统能效的权衡问题。针对优化问题中遇到的NP难题,提出一种启发式资源分配算法1-search,降低用户搜索范围以及匹配用户的搜索时间;利用松弛的方法忽略次要干扰的影响,降低算法复杂度。仿真结果表明,1-search算法可以提高系统能效,具有较好的收敛性。     

基于SAPSO算法优化Elman神经网络的话务量预测

文章提出一种模拟退火(SA)与粒子群优化(PSO)算法相结合的算法来优化Elman神经网络权值和阈值。当PSO处于停滞状态时,利用粒子群优化算法的全局寻优性质,以及SA能跳出局部最优解的特性,在搜索到的最优位置处用模拟退火算法继续寻找最优解,并对具有动态递归性能的Elman神经网络进行学习训练,这样就能对忙时话务量进行预测。结果表明,与传统Elman神经网络和PSO-Elman神经网络相比,基于模拟退火粒子群算法训练的神经网络具有更高的预测精度和良好的自适应性。     

改进免疫算法在无线网络基站选址优化中的应用

为了最小化网络建设成本、提高用户的服务质量,提出了一种基于矢量距离免疫计算的基站选址问题求解方案.设计了基于矢量距离的抗体浓度计算方法,采用了反学习的种群初始化策略,给出了问题求解的数学模型.主要工作是准确确定基站的位置和数目,以达到建站代价最小、且满足用户覆盖率和系统容量的目的.仿真结果表明:所提算法有更突出的全局搜索能力和快速收敛性,能更好地实现用较低的建站成本满足用户覆盖率和系统容量.     

基于改进K-means聚类算法的室内WLAN定位研究

位置指纹法定位中所建立的位置指纹库能否正确反映指纹信号与位置之间的映射关系将影响最终定位效果。本文将一种改进的K-means聚类算法运用于WLAN室内指纹数据库的建立,较之传统K-means聚类算法所建立的指纹数据库,采用了改进K-means聚类算法所建立起来的指纹数据库优化了初始聚类中心选择方法及准则函数,避免了被聚类的指纹数据陷入局部解现象。实验结果表明:本文所提算法建立的指纹数据库可提高WLAN室内定位精度,缩短定位时间。