认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP(Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.
传统的遗传算法在实现雷达海杂波反演蒸发波导剖面时呈现寻优速度慢,早熟收敛的现象,本文引入了具有更强寻优能力的免疫算法实现反演过程.阐述了免疫算法实现海杂波反演蒸发波导剖面的原理,根据反演问题特点对免疫算法进行了最佳参数选取的仿真,并分析了实现RFC(Refractivity from Clutter)中免疫算法相对于遗传算法的优势,最后采用我国某海域采集到的海杂波、探空、气象水文等数据对反演算法进行了检验,结果表明免疫算法较遗传算法更适用于解决海杂波反演蒸发波导剖面问题.
资源受限的传感器节点密集分布在无线传感器网络监控区域,sink节点通过收集节点间观测信息对监控区域内发生的事件进行感知.本文提出SCMAR(Spatial Correlation-based Mobile Agent Routing)路由算法,在移动代理架构内,利用节点观测数据的空间相关性以能量有效的方式对感知事件进行估计.仿真结果表明SCMAR在各种应用环境下能量有效性均优于MARDF(Mobile Agent Routes for Data Fusion)路由算法.
在三通道二端口矢量网络分析仪(Vector Network Analyzer,VNA)的校准过程中,引入长度未知的50欧姆传输线段作为校准件代替常见的短路-开路-匹配-直通(Short-Open-Load-Thru,SOLT)校准算法中的匹配校准件,减少了校准件数量且不需要已知校准件的全部特性,不仅降低了测试成本,同时简化了测试步骤.通过这种校准算法不必计算各个系统误差项的大小,待测件(Device Under Test,DUT)的散射矩阵直接由校准和测试过程中的散射参数测量值表示得到.最后,利用此方法计算二端口待测件的真实散射参数,并与SOLT算法进行对比,其结果吻合良好.