【摘 要】
:
信道分配是无线自组织网络重要的研究方向,过程包括接入控制、资源分配和信道调整三个步骤。由于信道资源的有限性,公平合理的为网络节点分配信道资源是一个挑战,且多接口多信道技术的发展使信道分配问题更加复杂。本文对目前无线自组织网络的信道分配策略发展现状进行了研究,总结了信道分配存在的三个问题为信道间干扰、信道利用率较低以及服务质量(Quality of Service,QoS)难以保障,并给出了具体的解
论文部分内容阅读
信道分配是无线自组织网络重要的研究方向,过程包括接入控制、资源分配和信道调整三个步骤。由于信道资源的有限性,公平合理的为网络节点分配信道资源是一个挑战,且多接口多信道技术的发展使信道分配问题更加复杂。本文对目前无线自组织网络的信道分配策略发展现状进行了研究,总结了信道分配存在的三个问题为信道间干扰、信道利用率较低以及服务质量(Quality of Service,QoS)难以保障,并给出了具体的解决方案。针对接入控制过程中节点请求空闲信道被拒绝影响QoS问题,本文提出具有QoS增强的动态信道分配策略(Dynamic Channel Allocation Strategy for QoS Enhancement,DCASQE),以降低空闲信道请求的拒绝率。首先,基于连续时间马尔可夫链建立信道可用性模型并计算信道可用性,通过信道可用性计算信道可用性因子(Channel Availability Factor,CAF)和信道可用性阈值(Channel Availability Threshold,CAT);然后根据CAF和CAT的比较结果进行动态的信道分配;最后利用最早截止日期优先算法实现QoS保障,并通过数据包分割算法实现QoS增强。NS2仿真结果表明,DCASQE提高了分组投递率和吞吐量,降低了端到端时延和总开销,与现有算法相比,实现了QoS增强。针对资源分配过程中节点自私性导致信道利用率降低以及信道间干扰问题,本文提出基于强化学习的动态信道分配(Dynamic Channel Allocation based on Reinforcement Learning,DCARL)算法。首先,通过信道资源分配比例刻画节点的自私程度;其次,利用信道间干扰因子量化节点间干扰程度;最后,以提高信道利用率和降低干扰为目标建立优化模型,采用强化学习方法获取最优的信道资源分配比例。NS2仿真结果表明,不同信道资源分配比例和信道间干扰组合具有不同的网络性能,选取最优的信道资源分配比例可以在一定程度上减少节点自私性,降低信道间干扰,并提高信道利用率。综上所述,本文提出的算法能够实现QoS保障和增强,并且降低了信道间干扰,提高了信道利用率。
其他文献
输电线路的参数辨识一直是电力系统调控分析的基础,实现准确而实时的电网线路参数辨识给电网系统的调度分析提供了很大的帮助,并且对电网的安全稳定运行具有重要意义。现有的电网线路参数辨识算法大部分都采用机器学习方法,但是这些机器学习方法存在一些不足的地方。首先,机器学习算法并没有考虑拓扑结构的约束,把各节点作为孤立节点分开考虑,对于全局节点的特征信息关注度不够,导致出现干扰和噪声时,预测的准确率大大降低的
印刷品表面缺陷会极大地降低印刷品质量,同时人工对缺陷的检测非常地耗时,所以高效自动地完成对印刷品表面缺陷的检测对印刷工业生产具有很高的价值。近年来基于深度学习的缺陷检测算法得到了很大的发展,其性能也远远超过传统算法。但是基于深度的检测方式需要大量人工标注的数据进行模型训练,然而在实际生产过程中,产品的次品率非常低,这就导致我们很难采集到足够数量的缺陷正样本进行模型训练。此外,对缺陷正样本的标注十分
无监督视频目标分割的旨在无需引导的情况下自动分离视频帧中的主要前景和背景,并输出像素级的精确分割。无监督视频目标分割在视频编码、场景理解等领域具有重要意义。随着深度学习的兴起,出现了大量基于卷积神经网络的无监督视频目标分割算法,并取得了重大进展和突破,但这些方法仍然受到复杂场景和模型计算代价的限制。本文从运动估计和外观信息出发,探讨了如何构建双流网络来解决上述问题。成果如下:目前流行的无监督视频目
单目深度估计任务是指从描述一般场景的单目图像中估算深度信息,在无人驾驶、三维图像重建、机器人导航、增强现实等方面有着广泛的应用前景。但是该任务是一个典型的不适定性问题,因为一个被捕获的图像可能对应着诸多的真实场景。主流的深度估计算法主要可分为两大类:有监督深度估计方法和无监督深度估计方法。其中无监督深度估计方法由于其相较于前者避免了费力的注释和额外的校准,已成为目前的研究热点。本文针对无监督深度估
CT图像的血管分割是计算机辅助治疗系统的重要组成部分。肝脏血管的精确分割是创建肿瘤外科规划工具和医学可视化应用的重要前提,并且肝内血管的形态和位置对肝脏手术具有重要意义。由于肝脏中的血管树复杂且高度交织,精确的分割肝脏血管一直是一项具有挑战性的任务。针对肝脏血管分割任务,提出了两个改进模型:(1)基于分散注意力2.5D UNet的肝脏血管分割算法。首先以UNet为基础结构,同时输入多张相邻的切片,
近年来,随着工业探测、微波热疗等技术的发展,近场聚焦天线成为研究热点。目前,大多数聚焦天线主要针对已知聚焦位置进行设计。但是,针对某些随机运动或位置未知的目标,如雷达探地目标和人体病灶区域,大多数聚焦天线设计方法不再适用。因此,开展未知聚焦目标位置条件下的盲聚焦天线设计具有十分重要的意义。本文提出一种基于阵列天线的盲聚焦阵列天线设计原理,其思想是在发射阵列天线的本地引入接收天线,利用发射阵列天线与
皮肤蕈样肉芽肿的诊断在临床中极易与皮肤炎症混淆从而使得患者错过最佳治疗期。本研究使用组织、块、细胞三种尺度的组织形态学特征进行融合并建立随机森林模型进行皮肤蕈样肉芽肿的自动诊断。首先,进行皮肤全扫描病理切片的组织分割并得到表皮和毛囊组织的概率热度图。本文使用SERes2Net50进行表皮、真皮、毛囊、汗腺、脂肪5种组织与背景的分类。在训练阶段,先将切片根据标记结果进行滑动窗取块(224×224×3
地理是高中阶段较为重要的科目之一,同时地理学科与自然环境以及学生的生活联系较多,学好地理知识能够让学生掌握更多的地理常识,不仅是为了在高考取得好成绩,更重要的是能够在实际生活中加以运用。通过对地理教学现状进行分析,可以发现,当前的地理教学问题依然存在,由于教学手段和教学方法的不合理,导致地理教学质量迟迟得不到提高,因此在情境教学法视角之下,教师要加强对地理课堂的教学改革,全面提高高中地理教学质量。
遥感图像语义分割是一种提取遥感图像中物体信息的常用方法,现有的遥感图像语义分割方法大多采用自然图像的语义分割模型。然而相比于自然图像,遥感图像中的物体具有丰富的纹理和细节信息,且具有场景复杂等特点,这导致一般的分割模型容易丢失细节信息,并且产生像素错分的现象;此外,强监督语义分割模型的性能依赖于像素级标签样本,而像素级标签获取成本昂贵。针对上述问题,本文在不同监督学习场景下展开对遥感图像语义分割方
<正>地理学习对于学生综合素质的提升、核心素养的提高都具有十分重要的意义。新高考背景下,地理学科的地位发生了较大的变化,教学内容、教学方法等都需要进一步调整。情境教学法的应用能够提升高中地理教学的效果,对于学生的长远发展也具有重要意义。本文将对新高考背景下地理情境教学应用的价值进行分析,并对实践和应用进行探讨,希望能对未来高中地理教学有一定的参考价值。