基于RIMMKF的一种传感器管理算法

以重加权交互式多模型卡尔曼滤波(RIMMKF)为基础,提出了一种传感器管理算法.首先利用RIMM对联合多目标概率的量测更新和马尔可夫转移更新求取分辨力也即信息增量,然后利用信息增量最大化来分配传感器资源.所采用的模型弥补了交互式多模型(IMM)的不足.仿真结果表明,在机动多模型环境下,与IMMKF分辨力方法相比,本文所提算法行之有效且能使传感器资源得到有效地分配.     

基于运动模型的一类传感器管理方法

利用目标检测前后信息熵的变化以及卡尔曼滤波方程中协方差的预测与更新阵,可以计算出传感器对目标进行检测或跟踪所产生的信息增量,并给出了一类基于信息增量最大化传感器管理方法.仿真结果表明:与顺序跟踪方法相比,该方法能够更合理分配有限的传感器资源,提高跟踪系统的整体性能;与随机检测与跟踪方法相比,该方法在保证一定跟踪精度的前提下,能最大限度地发现并跟踪新目标.     

一种协方差和信息增量联合控制的多传感器管理算法

分析了当传感器资源较丰富时采用基于联合信息增量的传感器管理算法存在的问题,结合协方差自适应传感器管理算法的思想,给出了一种协方差和联合信息增量联合控制的传感器管理算法,并进行了算法的仿真.仿真结果表明,该算法既能够根据期望的精度对目标进行跟踪,又能够根据目标的机动性来动态地分配传感器资源,使得传感器的分配策略更加灵活.     

基于Rényi信息增量和改进QPSO算法的多传感器协同分配

对防空作战目标识别阶段中的传感器管理问题进行了研究,提出基于Rényi信息增量的多传感器管理调度方案。首先利用D-S证据理论进行融合推理,得出不同目标与不同传感器配对时的Rényi信息增量;然后,建立了基于系统总Rényi信息增量最大化的传感器分配模型,此外,对量子粒子群智能优化(QPSO)算法进行自适应改进,能够对分配模型进行快速求解;最后,通过仿真实验验证了算法的合理性和有效性。     

OFDMA中继网络变时域节能资源分配策略

现有正交频分多址接入(OFDMA)中继网络资源分配的研究均采用固定时域配置下的频域分配和功率分配,不能很好适应用户业务在时域上的变化.该文针对OFDMA中继网络提出一种可最优节能的资源分配策略和一种简化的节能资源分配策略,为资源分配问题建立一般化的模型,即动态分配时域资源、频域资源和功率资源,所建模型具有很强的灵活性和适应性,不仅适用于固定时域分配系统,也适用于非固定时域分配系统.此外针对非满负荷业务,在保证用户服务质量的情况下,以节能为目标对无线非协作中继网络的资源分配进行能效最大化建模,使用拉格朗日乘数法对模型求解.考虑到算法复杂度,应用指派问题中的匈牙利算法设计出一种简化的资源分配策略.理论和仿真结果表明,最优节能资源分配算法能够得到能效的最大化,而简化节能资源分配算法与最优节能资源分配算法在能效上的差距不足5%,但算法复杂度得到了显著降低.而且,动态分配时域资源比固定时域分配对用户分布不均或链路分布不均有更强的适应性.     

基于改进PSO的电力通信网络业务资源分配方法

以电力通信网络容量最大化和能量效率最大化为目标,建立业务资源分配目标函数。从满足通信网络用户服务质量要求和限制电力通信网络可用资源两个方面设定约束条件,利用改进的PSO（粒子群优化）算法对符合约束条件的目标函数最优解求解,确定电力通信网络业务资源的最优分配方案,以此实现基于改进PSO的电力通信网络业务资源分配。实验证明,该设计方法在电力通信网络业务资源分配方面具有良好的应用前景。     

基于模糊Topsis的传感器资源分配算法

影响传感器资源分配的目标属性有多种.文中将目标模糊多属性效用作为传感器资源分配的依据,提出了一种基于模糊Topsis的传感器资源分配算法,并分别给出了影响资源分配的目标多属性模糊效用函数.提出了几种传感器资源分配性能评价指标.仿真结果表明,该算法充分考虑了目标跟踪和威胁等多因素,更符合不同目标对传感器资源的需求.     

多用户MIMO-OFDM系统基于QoE效用函数的跨层资源分配

对多用户MIMO-OFDM系统下行链路的资源分配问题进行了研究.依据实时(RT,real-time)和非实时(NRT,non real-time)业务的不同特点分别设计了QoE效用函数,并提出一种基于RT &NRT QoE效用函数的跨层资源分配算法.该算法利用所设计的效用函数计算用户分得资源所贡献的QoE增量,并根据由QoE增量确定的用户优先级完成时频资源块的分配,进而通过“拟注水”方式对功率分配进行优化.仿真结果表明,该算法相比已有算法在用户平均QoE、实时业务平均分组时延、非实时业务平均分组丢失率以及系统和吞吐量方面的性能均得到了明显改善.     

OFDM中继系统中能效优化的资源联合分配算法

在协作正交频分复用系统中,合理的资源分配对于提高系统性能具有重要的意义。针对中继、子载波和功率的联合分配,对最大化系统能效为目标的分配算法进行研究,提出了一个最低容量限制下的最大能效次优化资源联合分配算法(JRAA,joint resource allocation algorithm)。该算法使用冲突图表示系统资源冲突关系,根据冲突图的最大独立集结果进行资源分配。经过仿真验证,该资源分配算法实现了中继一子载波和功率的联合分配,在能效性能方面优于现有的算法。     

一种基于费歇信息增量的多传感器对多目标的分配方法

在对序贯Kalman滤波在多传感器多目标跟踪中的应用情况进行分析之后,提出了一种基于费歇信息增量的多传感器对多目标的分配方法．该方法较好地解决了传感器的组合分配问题,并能对目标的跟踪精度实施控制,仿真结果证明了该方法的有效性．     

基于分辨力增益的综合识别传感器管理方法

为提高目标综合识别的效能,需对综合识别系统中多种传感器资源进行科学管理.在分析综合识别中目标优先级和传感器使用约束条件的基础上,建立了利用分辨力增益作为传感器资源管理优化准则的目标函数,提出了利用传感器混淆矩阵的预测分辨力增益计算方法,并将粒子群优化算法引入传感器-目标分配NP- hard问题的求解中.仿真结果表明该方...     

基于CVaR子模效益模型的传感器布局优化

针对在不确定情况下如何保证传感器布局取得最优效果问题,本文在初始部署节点时考虑节点存在的不确定性,采用基于CVaR的子模效益模型来最小化这种不确定性对传感器网络布局效果的影响,为了快速有效获得该模型下的最优传感器布局,对传统贪婪算法进行改进,根据模型中存在的参数τ对全局最优解进行有序搜索,同时引入lazy evuluation减少算法的时间复杂度.仿真实验表明,在不确定情况下对传感器进行布局时,CVaR模型可以有效提高网络布局的鲁棒性,与改进的贪婪算法相结合,可以快速获得保证较高信息增益下的布局点集.     

非线性能量收集认知无线电网络的次用户吞吐量最大化方案

针对一对主用户和M对次用户构成的认知无线电网络（cognitive radio network,CRN），研究了非线性能量收集的认知无线电网络的次用户吞吐量最大化问题。具体来说，对于考虑次用户发射器（secondary transmitter,ST）电路功率的情况，首先将主用户吞吐量需求下的次用户吞吐量最大化（secondarythroughput maximization,STM）问题建模为一个非线性优化问题，然后将它转化成凸优化问题，最后提出一种联合使用黄金分割和二分法的低复杂度算法，获得主用户发射器（primarytransmitter,PT）能量传输和次用户信息传输的最优时间分配以及主用户发射器的最优发射功率。对于忽略次用户发射器电路功率的情况，首先证明次用户吞吐量最大化问题的凸特性，然后设计了一个更高效的算法来求解。仿真结果表明，相比等时间分配方案和链路增益优先级方案，提出的设计算法能显著提升次用户吞吐量。     

Joint Source–Channel Communication for Distributed Estimation in Sensor Networks

Power and bandwidth are scarce resources in dense wireless sensor networks and it is widely recognized that joint optimization of the operations of sensing, processing and communication can result in significant savings in the use of network resources. In this paper, a distributed joint source-channel communication architecture is proposed for energy-efficient estimation of sensor field data at a distant destination and the corresponding relationships between power, distortion, and latency are analyzed as a function of number of sensor nodes. The approach is applicable to a broad class of sensed signal fields and is based on distributed computation of appropriately chosen projections of sensor data at the destination - phase-coherent transmissions from the sensor nodes enable exploitation of the distributed beamforming gain for energy efficiency. Random projections are used when little or no prior knowledge is available about the signal field. Distinct features of the proposed scheme include: (1) processing and communication are combined into one distributed projection operation; (2) it virtually eliminates the need for in-network processing and communication; (3) given sufficient prior knowledge about the sensed data, consistent estimation is possible with increasing sensor density even with vanishing total network power; and (4) consistent signal estimation is possible with power and latency requirements growing at most sublinearly with the number of sensor nodes even when little or no prior knowledge about the sensed data is assumed at the sensor nodes.     

Energy efficient cooperative spectrum sensing in wireless multi-antenna sensor network

This paper will address sensor selection problem for spectrum sensing in a cognitive radio network. The sensor’s limited energy is an important issue which has attracted more attention in recent years. An energy efficient cooperative spectrum sensing will hereby be proposed when multi-antenna sensors are used. Two decision-making techniques are utilized for the combination of antennas’ signals in each sensor: hard and soft decision-making. OR rule is used for hard decision-making technique while selection combining, equal gain combining and maximum ratio combining (MRC) are used for the soft one. In each combination scheme, the sensor selection is a problem by means of which both the energy consumption is minimized and the detection performance gets satisfied. The problem is solved based on the standard convex optimization method. Simulation results show the achievement of a significant energy saving compared to the networks using single-antenna sensors specifically in low signal to noise ratio state. Among all methods, MRC combining enjoys the least energy consumption, as well; it satisfies the desired detection performance.     

一种基于位置的WSAN密钥预分配方案

论文从无线传感器和执行器网络的信息传输方式出发,提出一种新的密钥预分配方案。方案充分利用执行器节点具有能量充足、存储器资源丰富、较强计算和通信能力等特点,结合部署位置信息,在执行器节点-执行器节点和执行器-传感器节点两个通信层上采用不同的密钥预分配方案。通过分析可知,新方案在连通性、安全性、计算和通信消耗上都有良好性能。     

基于加权优先级和分类匹配的图像修复方法

待修复像素优先级的计算及最佳匹配块的确定是基于纹理合成图像修复方法的两个基本环节,传统方法不仅难于确定优先级计算中的置信度,而且难于搜索到最佳匹配块.提出了一种基于加权优先级和分类匹配的图像修复方法,该方法在优先级模型中,引入指数函数和正规化函数分别优化置信度和数据项,使得计算的优先级更加客观,从而使修复顺序更加合理.基于此,将结构信息作为搜索匹配块的一个度量因子,采用分类筛选方式,选取最佳匹配块.实验结果表明,所提方法在获得良好修复效果的前提下缩短了修复时间.     

The use of priorities on token-ring networks for multimedia traffic

The authors consider the transport of multimedia traffic on a token-ring LAN. In order to guarantee acceptable QoS for multimedia traffic, resource management is required to insure that sufficient capacity from all shared resources is allocated to the priority traffic. Once a multimedia session is accepted and resources have been allocated, the next task is to insure that the high priority multimedia traffic actually obtains the resources which have been allocated to it     

Blind equalization of MIMO-FIR channels driven by white but higherorder colored source signals

The goal of the article is to find a minimal amount of statistical information (or a much weaker condition) about source signals for which blind equalization is possible for multiple-input multiple-output finite-impulse response (MIMO-FIR) channels. First, a sufficiently broad framework is set up within which such a theoretical problem is well posed. Within this framework, it is shown that second-order statistics (SOS) alone are not sufficient for blind equalization when the source signals are white. Additional higher order statistics (HOS) are needed. Then we show that the only additional higher order statistical information needed is spatial fourth-order cumulants. Though it has not yet been proved to be minimal, it is interesting to note that this is the same as the weakest known condition on the source signals even for an instantaneous mixture. We then show a necessary and sufficient condition for blind equalization when the source signals are white and spatially fourth-order uncorrelated. Based on this condition, criterion (A) for blind equalization of MIMO-FIR channels is developed by exploiting the temporal fourth-order statistics. Finally, based on this criterion, a new necessary and sufficient condition in terms of cumulants for the blind equalization of MIMO-FIR channels is obtained