针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-p...针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-plus-noise ratio)模型,分析接收端的累积干扰状态,然后发送端在信道预测的基础上,以最小化网络中断概率为目标调整发送功率。实验仿真结果表明,基于信道预测的功率控制(power control based on predicted channel state,PCBPC)算法降低了网络能耗,提高了网络空间复用率。与NPC(nonpower control)算法相比,PCBPC算法在典型场景下将中断概率降低了14%,将网络功耗降低了33.3%,提高了空间复用率。展开更多
为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD...为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD软件得到的数据库和亚音速及超音速情况下的空气动力学知识建立高精度FADS系统模型,利用正态云模型对测量信号的不确定性和随机性进行量化分析,在对系统冗余信号的融合过程中,基于多目标规划中的松弛变量法和拉格朗日乘子法提出一种新的计算客观权重方法。仿真结果表明,与传统方法相比,新提出的基于云模型和多目标规划的方法可将测量精度提升3.2%,测量数据的离散程度降低68.88%。展开更多
文摘针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-plus-noise ratio)模型,分析接收端的累积干扰状态,然后发送端在信道预测的基础上,以最小化网络中断概率为目标调整发送功率。实验仿真结果表明,基于信道预测的功率控制(power control based on predicted channel state,PCBPC)算法降低了网络能耗,提高了网络空间复用率。与NPC(nonpower control)算法相比,PCBPC算法在典型场景下将中断概率降低了14%,将网络功耗降低了33.3%,提高了空间复用率。
文摘为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD软件得到的数据库和亚音速及超音速情况下的空气动力学知识建立高精度FADS系统模型,利用正态云模型对测量信号的不确定性和随机性进行量化分析,在对系统冗余信号的融合过程中,基于多目标规划中的松弛变量法和拉格朗日乘子法提出一种新的计算客观权重方法。仿真结果表明,与传统方法相比,新提出的基于云模型和多目标规划的方法可将测量精度提升3.2%,测量数据的离散程度降低68.88%。
