随着SIMD(Single Instruction Multiple Data stream)结构DSP(Digital Signal Processor)片上集成了越来越多的处理单元,并行访存的灵活性及带宽效率对实际运算性能的影响越来越大.本文详细分析了一般SIMD结构DSP中基2 FFT(Fast Fourier Transform)并行算法面临的访存问题,采用简单的部分地址异或逻辑完成SIMD并行访存地址转换,实现了FFT运算的无冲突SIMD并行访存;提出了几种带特殊混洗模式的向量访存指令,可完全消除SIMD结构下基2 FFT运算时需要的额外混洗指令操作.最后将其应用于某16路SIMD数字信号处理器YHFT-Matrix2中向量存储器VM的优化设计.测试结果表明,采用该SIMD并行存储结构优化的VM以增加18%的硬件开销实现了FFT运算全流水无冲突并行访存和100%并行访存带宽利用率;相比优化前的设计,不同点数FFT运算可获得1.32~2.66的加速比.
随着物联网向各行业的深入发展,各行业的信息化进程也进入了快车道.信息服务作为物联网在各行业应用中重要的公共服务之一,一直受到广泛关注.然而,当前物联网信息服务系统面对物联网海量异构数据存在性能低下、共享困难等问题.因此,本文提出了一种基于NoSQL、REST以及国家物联网标识管理公共服务平台(NIOT)的存储与共享策略,并着重对该系统的构成、逻辑设计进行了详尽阐述.针对性能改进的策略设计了适当的量化评测,实验结果表明提出策略具有较好的效果,基于实验结果对进一步的优化进行了讨论.
针对服务不透明性、信任需求主观性及移动参与者连接机会性对面向服务移动社交网络中可信服务组合带来的问题,提出基于信任的分布式服务组合方法.该方法基于格模型建立分布式服务信任评估框架,分别在组件和组合级评估服务信任度以避免不可信的数据传输;通过分析服务依赖关系,实现满足全局和局部信任约束可信服务选择;基于蒙特卡洛方法建立可信路径选择、优化和容错算法传输服务评估调用信息.实验结果表明所提方法在服务评估开销低,在路径选择成功率和信任度高,是适应面向服务移动社交网络的服务组合方法.
中继系统可以增强物理层安全算法的系统性能,这种系统一般包含两阶段的通信过程:从信源到中继节点,在从中继节点到目的节点.通常来说,第一阶段的信息传输缺乏保护,如果窃听者距离信源节点比较近的话,系统性能就无法保证了.该文提出了一种基于混合信号的三阶段的传输方法确保整个传输过程中的保密性能,这样,当窃听者接近信源节点的时候,仍可以保证系统的安全性能.这种方法的优化解是一个复杂的非凸优化问题,该文中建议了一种低复杂度的次优解来解决其中的优化问题.理论分析以及方针结果证明,该方法可以有效确保系统的全过程的安全性能.
针对现有的物理层密钥生成方法中存在的生成速率偏低、误码率高等问题,借助无线信号接收信号强度RSS,提出了基于矢量量化的高效随机物理层密钥提取方案(HRVQ).该方案通过不一致性去除减少通信双方不一致的信道特征值,利用矢量量化将信道信息转化为0、1比特流,并通过模糊提取器进行纠错和随机性增强处理.实验表明:该方案在密钥生成速率方面达到了284%的比特生成率,并且在实现了零误码率的同时保证了生成密钥的随机性.
提出了一种应用于异构无线网络环境的基于多目标优化的业务接入控制算法.该算法以业务占用总资源最少、业务阻塞率最低和网络间负载最均衡为目标建立了多目标优化控制模型,采用高斯和戒上型组合隶属函数将多目标问题模糊化,利用最大化满意度指标法将多目标问题转化为单目标问题,并通过遗传算法求得最优解.仿真结果表明,所提算法能在兼顾各网络资源高效利用的同时,保证业务接入的可靠性,并相对于参考算法有效降低了业务阻塞率.
线性网络编码协作(LNCC)是一种将线性网络编码与协作通信相结合的技术,能够提高频带利用率,降低中断概率.该文从理论上分析了双时隙M(M≥2)用户LNCC的紧近似中断概率,并通过Monte Carlo仿真验证了理论分析的正确性.同时,通过分析渐近中断概率,该文给出了双时隙M用户LNCC的分集阶数.为了说明线性网络编码为协作通信带来的额外增益,该文将双时隙M用户LNCC与分集阶数相同的传统M用户放大-转发协作系统进行了性能比较.结果发现,给定相同的有效频谱效率,前者的中断概率要显著低于后者.
与传统的喷泉码相比,基于反馈信息的喷泉码可以有效降低译码开销,其编码所采用度分布则是喷泉码设计的关键,本文提出一种适用于反馈喷泉码的基于部分信息度分布构造方法.该方法首先提出具有较小译码开销的最佳单项式度分布函数,并将其与传统的SRSD度分布相结合,然后通过参数调整可以获得修正后的ISRSD度分布函数.仿真结果表明在已知部分信息的喷泉码中,与传统的SRSD度分布函数相比,采用ISRSD度分布函数进行编码使其性能得到明显的提高.
本文将效用模型引入无线传感器网络的功率控制设计中,提出了一种基于效用模型的分布式功率控制机制(简称UMDPC).该机制建立了网络中所有传感器节点的功率与效用模型的对应关系,将链路可靠性、网络能耗归纳到统一的网络效用优化框架中,并证明该效用优化问题是凸优化问题,构造基于对偶分解的分布式的优化算法,获得网络效用最大化条件下各节点的优化发射功率.最后,通过模拟实验对所提机制及其实现算法的性能进行比较和评价.实验结果表明,本文所提机制最大化了网络的效用,提高了网络的能量利用效率.
针对支持MIMO(Multiple Input Multiple Output)的Ad Hoc网络,提出了基于正交阵列的拓扑未知多址接入协议MIMO_O_TTMA(MIMO Supported Orthogonal Array Based Topology Transparent Multiple Access).协议利用正交阵列为节点分配若干时隙,在每个分配时隙中,节点通过与目的节点交互RTS/CTS(Request To Send/Clear To Send)分组来确定发送的数据流数,以机会地利用MIMO的空间复接来提升网络性能.MIMO_O_TTMA在保证节点在一帧内至少有一个时隙能够无干扰地传输的基础上,允许协议的帧长能在一定的范围内进行灵活选择,从而为协议性能的优化提供了更为有利的条件.为评估MIMO_O_TTMA的性能,利用概率方法分析了协议的吞吐量性能,数值结果表明,与已有拓扑未知MAC(Media Access Control)相比,MIMO_O_TTMA有效提升了网络吞吐量.
针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.
复杂系统的协同仿真中需要运行支撑软件RTI(Run Time Infrastructure)来解决异构模型、异构仿真软件间的数据交互的问题.但RTI的TCP/IP通信机制却无法使得HPC(High Performance Computer)的高速网络Infiniband(IB)在仿真中发挥最大的优势.针对这一问题,本文提出在IB网络架构下基于RDMA(Remote Direct Memory Access)通信机制对RTI进行优化,并以开源HLA项目CERTI软件为基础,研制运行在IB网络下的IB-CERTI软件,最后在不同网络环境下进行对比实验,实验结果证明了IB—CERTI软件在仿真通信中的高效性,特别是仿真邦员间的交互数据量越大,越能提高仿真数据传输效率.
针对非合作通信中的长码DSSS信号,提出了一种基于半定松弛的扩频波形估计方法,并在确定信号模型下推导了扩频波形估计的CRB.首先推导了长码DSSS信号扩频波形的极大似然估计,由于该极大似然估计为非凸的组合优化问题,提出通过松弛约束条件将其转化为具有多项式计算复杂度的半定规划问题,实现对该极大似然估计问题的近似求解.仿真表明本文提出方法性能优于现有方法,并随着信噪比的提高逐渐逼近CRB.
本文首先提出了一种分析OFDMA蜂窝网络下行链路呼叫阻塞率的方法,在此基础上进一步分析了加入两跳中继的OFDMA蜂窝网络呼叫阻塞率.OFDMA蜂窝网络的每个呼叫接入都需要随机数量的子载波来满足用户传输速率的需求,传统GSM及CDMA网络的容量分析方法不能应用到OFDMA网络系统中.本文根据用户对子载波的需求量,把接入用户分成不同的服务类型,以多维马尔可夫链为数学模型分别分析传统和两跳中继OFDMA蜂窝网络下行链路呼叫阻塞率,最终通过数值计算分析各种参数对系统性能的影响,数值分析结果表明加入中继后的两跳中继OFDMA蜂窝网络下行链路容量比传统网络有显著的提升.
本文详细研究了不同栅压应力下1.8V pMOS器件的热载流子退化机理.研究结果表明,随着栅压应力增加,电子注入机制逐渐转化为空穴注入机制,使得pMOS漏极饱和电流(Idsat)、漏极线性电流(Idlin)及阈值电压(Vth)等性能参数退化量逐渐增加,但在Vgs=90%*Vds时,因为没有载流子注入栅氧层,使得退化趋势出现转折.此外,研究还发现,界面态位于耗尽区时对空穴迁移率的影响小于其位于非耗尽区时的影响,致使正向Idsat退化小于反向Idsat退化,然而,正反向Idlin退化却相同,这是因为Idlin状态下器件整个沟道区均处于非耗尽状态.
多目标航迹发生合并和分叉情况在实际工程中比较常见,给航迹关联造成很大困难.本文提出基于自适应滑动窗均值OSPA(Optimal Sub-Pattern Assignment)距离航迹关联方法,给出自适应航迹关联方法的关联矩阵.该方法可以自适应地给出历史航迹对当前航迹的作用影响,进而达到有效且准确地判断多目标航迹合并和分叉情况.最后仿真结果给出了两个传感器和两个目标形成的航迹关联,本文所提自适应关联方法和传统关联方法的关联比较,证明了本文所提方法的有效性,特别是在航迹合并和分叉情况下同样有效.
信息中心网络(ICN:Information-Centric Networking)域内缓存机制的研究大多假定单个内容的流行度相同,而忽视了同一内容的不同分块具有不同流行度的特性.本文提出了一种基于内容分块流行度以及缓存节点位置的分级缓存策略,通过兴趣包和数据包携带标签的方式实现隐式缓存协作.仿真实验证明相比于其他方案,该方案可以充分利用细粒度的内容分块流行度这一特性,提高缓存路由器缓存命中率,减小用户请求内容时延以及网络流量,进而提升用户对实时业务的服务体验.
如何通过直观、简单和有效的测评方法,建立一个定性与定量的不确定性测评转换模型,实现智能驾驶车辆的测评研究,已成为智能驾驶车辆研究领域急需面对和解决的一个基本问题,也是一个难题.为了解决这个问题,本文提出一种基于云模型与变粒度的测评方法.首先,提出一套4S变粒度测评体系与三级智商变粒度测评体系;其次,通过云模型将智能驾驶车辆的定性测评转化为直观、形象的定量测评,利用云模型的期望、熵与超熵对智能驾驶车辆进行定量评价,从而建立一个由定性到定量的测评转换模型.为解释这个模型的实施,2013年未来挑战赛的实例被采用.实验的分析表明,在具有定性与定量的测评中,利用云模型的期望、熵与超熵作为定性评价的定量评价的依据,并且,基于云模型与变粒度的智能驾驶车辆的测评能够有效地解决多目标粒度的测评与描述性的定性评价的定量评价,从而解决了一类智能驾驶车辆的测评研究问题.
为了解决基于测距的无线传感器网络节点三维定位中可能会发生翻转模糊的问题,本文提出并证明了节点三维定位的翻转模糊检测问题,可以等价为判断是否存在一个平面和所有参考节点的测距误差球都相交的问题(Existence of Intersecting Plane,EIP).为了求解EIP问题,本文进一步提出了公切面法(Common Tangent Plane,CTP)和正交投影法(Orthogonal Projection,OP)两种求解方法.CTP方法采用的是边界检测原理,OP方法则将EIP问题转化为一个角度计算问题,并用坐标变换的方式来求解.经过理论分析和大量的仿真证明,CTP方法虽然具有较好的检测效果,但是计算复杂度太大;而OP方法在几乎获得与CTP方法相同的检测结果的情况下,能够大大降低求解EIP问题的计算复杂度.
德鲁(Drude)经验模型常用于描述等离子体、金属等媒质的电色散特性.利用宽带的时域测量数据直接反演电参数,相比单频(频域)技术而言,具有信息量大、成像分辨率高的优势.时域直接反演色散媒质电参数的主要困难在于它们是频率相关的.为了克服该困难,本文提出了一种时域电磁(EM)逆散射新技术:转而同时反演德鲁模型的4类频率无关的模型参数.该技术的主要环节为:(1)描述为含正则化项的约束最小化问题;(2)转化为无约束最小化问题;(3)解析导出梯度;(4)分别利用时域有限差分(FDTD)法、共轭梯度(CG)法迭代求解正演、反演子问题.在一维(1-D)、二维(2-D)两个数值算例中,所需的测量数据也由FDTD仿真值代替,并加入了加性高斯白噪声(AWGN).反演结果初步证实了该技术的性能.
随机上下文无关文法(SCFG)在多功能雷达(MFR)状态识别和威胁估计中具有良好的应用前景.为了减少常规算法的运算复杂度,本文提出一种基于解析表构造的多功能雷达参数快速估计方法.该方法通过对截获的每个雷达数据序列构造库克-杨-卡塞米(CKY)解析表,排除了大量未参与序列派生过程的产生式,随后在解析表的基础上采用改进的Inside-Outside(IO)算法对雷达文法产生式概率和多功能雷达状态进行快速估计.理论分析与实验仿真证明,该算法在参数估计精度相同的条件下,其运算时间相对于常规IO算法和Viterbi-Score(VS)算法减少了50%以上.
TWDM-PON是下一代光接入网的主流方案,具有带宽高、距离长、用户多等特点.针对用户行为差异性增大的问题,为有效降低网络时延及提升资源分配的公平性,提出一种用户行为感知的动态资源分配策略.根据用户行为带来的业务动态变化状况,动态调整ONU的轮询机制以满足用户服务水平变化要求,并划分子周期交替发送不同等级的业务,设计高效的数据块加载方法来实现负载均衡的多波长传输.仿真结果表明,与传统策略相比,所提策略在保证资源利用率高达95%的同时,既使业务平均时延改善50%以上,也使资源分配具有更好的公平性.
提出了一种基于量子谐振子模型的聚类中心选取算法.该算法以量子谐振子波函数从高能态到基态过程中的概率变化过程为理论模型来描述聚类问题中数据对象向聚类中心点的聚集行为,能够快速查找到最优的聚类个数及较好的聚类中心点所在的网格;数据读入网格结构之后,算法的处理时间与数据集规模无关.实验结果表明:CCSA-QHOM算法较适合于处理每个子类局部区域的网格密度分布呈单峰特性的数据集的聚类中心选择问题.
基于尽力而为服务模式的Internet,在支持群组命令传输过程中,容易产生路径竞争问题.定义出有效路径统计网络,并进一步定义出基于有效路径统计网络的群组多约束多目标优化问题.提出一种群组命令传输算法.该算法,分别定义出模糊球体划分、连续空间蚁群搜索及重叠区域解可信度衰减策略.实验从服务延迟率和传输成功率两个方面,验证了该算法在支持群组命令传输过程的有效性.
为解决自然光下视线跟踪系统注视点估计精度不高和头部运动受限问题,提出了一种基于虹膜和眼睛内角点特征的动态注视点眼动向量,并以虹膜面积信息对其进行标准化,以消除头部运动对眼动向量的影响.最后结合动态注视点眼动向量与多项式映射模型得到实时注视点,实现眼动向量与注视点的一一映射.采用该眼动向量可提高注视点估计精度,降低头部运动的影响.
差分进化算法是一种结构简单、易用且鲁棒性强的全局搜索启发式优化算法,它可以结合约束处理技术来解决约束优化问题.机器学习在进化算法中,经常可以引导种群的进化,而且被广泛地应用于无约束的差分进化算法中,但对于约束差分进化算法却很少有应用.针对这一情况,提出了一种基于反向学习的约束差分进化算法框架.该算法框架采用基于反向学习的机器学习方法,提高约束差分进化算法的多样性和加速全局收敛速度.最后把该算法框架植入了两个著名的约束差分进化算法:(μ+λ)-CDE和ECHT,并采用CEC 2010的18个Benchmark函数进行了实验评估,实验结果表明:与(μ+λ)-CDE和ECHT相比,植入后的算法具有更强的全局搜索能力、更快的收敛速度和更高的收敛精度.
针对无线射频识别(RFID,Radio Frequency Identification)标签多路访问产生的信号碰撞问题,提出了基于碰撞位跟踪的分组N叉跟踪树型RFID防碰撞算法(CBGN,Collision Bit Tracking Tree Algorthm Based on Grouping N-ray).利用极大似然位估算法(MLE,Maximum Likelihood Bit Estimation)估算应用环境下标签的数量.在MLE基础上根据标签标识(ID)将标签分配在不同分组内,并利用N叉树识别分组后的标签,CBGN算法通过分组及N叉识别两种策略相结合来降低碰撞概率及识别延时.最后,以通信复杂度为基准对不同N叉树下的最优分组系数进行了推导,从而获得最优N值及对应分组系数.理论分析和仿真实验表明,CBGN算法具有鲁棒性好和通信复杂度低的特点.
如何根据当前观测到的信息确定摄像机的下一最佳观测方位是视觉领域一个具有挑战性的问题.本文提出一种基于单幅深度图像利用遮挡信息求解下一最佳观测方位的方法.该方法首先利用当前观测方位下获得的深度图像中的遮挡信息对遮挡区域外接表面进行四边形剖分,从而建立遮挡区域外接表面模型;然后通过综合考虑下一观测过程中的可见四边形信息以及观测损失信息构造下一最佳观测方位模型;最后采用梯度下降法求解所建模型得到下一最佳观测方位.与已有方法相比,所提方法无需将摄像机位置固定于某一表面,也无需获取视觉目标的先验知识.实验结果验证了所提方法的可行性和有效性.
为了保留图像分析时的像素点位置关系及降维处理,把一维压缩感知理论推广到二维,建立了二维可稀疏信号的压缩测量模型,研究了一种二维信号的自适应梯度下降重构AGDR(Adaptive Gradient Descent Recursion)算法,由此提出了一种图像分层特征提取与检索方法.首先对图像在RGB颜色空间上进行网格离散划分,通过分层算子对图像进行分层映射,定义一种基于颜色网格空间的扩展灰度共生矩阵,采用二维测量模型获取图像的分层测量特征、纹理特征与分层颜色统计特征,图像分层测量特征综合反映出图像的颜色及像素点位置的关系,扩展灰度共生矩阵反映纹理特征.其次用AGDR算法计算检索图像之间的原始信号差量及其稀疏值.最后结合两类分层特征差量、稀疏值和颜色统计特征,融合计算图像间整体相似度度量指标.仿真实验表明,应用分层二维压缩感知测量与AGDR算法的图像检索方法在检索时间、查全率和查准率等指标上具有优越性能,为图像检索提供了新思路.
本文对XML(Extensible Markup Language)数据的模式推断问题研究现状与进展进行了阐述.首先,从正规树文法的角度介绍了不同模式语言的理论模型.进而从模式推断方法、目标模式语言、支持的表达能力、内容模型对应的正则表达式类型等多个方面对当前研究工作进行了细致的分类归纳和对比.此外,还介绍了模式语言中支持的基本语义完整性约束推断的研究进展.最后指出了当前研究中的不足,并对未来需要深入研究的方向进行了展望.重在对XML模式推断的主流方法和前沿进展进行概括、比较和分析,以期对后续研究有所助益.
近年来,随着科学数据的快速增长,海量数据的可视化分析成了急需解决的难题.越来越多的处理海量数据的方法向着并行、分布式处理的方向发展.本文提出了一种混合的框架来处理海量的超声数据,该框架通过整合多种硬件环境和计算资源来处理海量数据;所有的数据都存放在一个基于高速网络环境的数据共享中心,具有高性能显卡的前端工作站将耗时的处理任务分配到网络中的计算结点,而自身处理显示和交互的操作;同时基于OpenCL和OpenMP实现了可视化算法在GPU和CPU上的并行计算;核外算法应用在本框架中来处理海量的体数据.实验结果表明,本文提出的框架不仅可以处理海量数据,而且具有较高的交互性能.
该文提出了一种基于样本熵的动作肌电信号起始点检测方法,为肌电信号应用于智能假肢控制、人机交互,以及临床疾病诊断和评估等领域提供重要前提.首先利用固定长度的滑动窗对动作肌电信号分帧,然后计算每帧信号的样本熵值,之后设定自适应阈值确定动作肌电信号的起始点.实验结果表明,样本熵能够有效表征动作肌电信号的开启模式,对较短时间的肌肉收缩松弛有很好的连续性,较之于其他常见的几类检测算法具有更好的抗噪声性能,特别是对肌肉不自主收缩产生的尖锐毛刺信号具有优异的抑制性能.
固定角度旋转的CORDIC(Coordinate Rotation Digital Computer)算法已经广泛的应用于高速数字信号处理、图像处理、机器人学等领域.针对固定角度旋转CORDIC算法在相位旋转过程中,存在数据吞吐率较高、占用硬件资源较多且资源消耗量大等缺点,提出了利用混合CORDIC算法,将角度旋转分为单向角度旋转和一次角度估计旋转两部分.本文根据欠阻尼理论,将固定角度旋转采用单向旋转CORDIC算法实现,减少了流水线的级数和迭代符号位的判决,然后通过对角度估计旋转的二进制表示,修正常数因子,再根据角度映射关系进行相关处理,完成高速高精度坐标旋转.最后在硬件平台上进行了仿真实验.实验结果表明,在误差范围一定的前提下,混合算法进一步的减少了迭代次数,并且资源消耗较低,提高了数据吞吐率.
SOQPSK信号包络恒定、相位连续,拥有很高的功率、频谱效率,在卫星通信、深空通信、航空遥测等系统中具有广泛的应用前景.为保证SOQPSK信号能够适应上述系统较大的载波多普勒平移,本文提出一种FFT引导COSTAS环的SOQPSK信号载波跟踪技术.算法首先利用FFT粗略估计多普勒频率,将载波频偏牵引至较小的误差范围,再利用改进的COSTAS环跟踪载波残差及相位误差,进而实现了对大频偏SOQPSK信号载波的稳态跟踪.仿真结果表明,本文所提算法不仅能够跟踪大频偏载波,而且在小频偏时性能亦优于传统方法.
