无标度网络上队列资源分配研究

研究了节点队列资源有限的条件下,无标度网络上的信息流动力学过程,发现了网络由自由流通到拥塞的相变现象,提出了一种基于节点度的队列资源分配模型.模型的核心是使节点i的队列长度与kβi成正比(ki为节点i的度,β为分配参数).仿真结果表明,在网络使用最短路径算法进行信息包传送的条件下,β近似等于1.25时队列资源分配最合理,网络容量最大,且该最佳值与队列总资源多少以及网络的规模无关.     

基于纠缠交换的树形量子局域网传输模型

本文提出了一种基于纠缠交换的量子局域网络传输模型,结合传统通信网络的树形局域网模型,使用经典通信协议,并根据以太网IEEE802.3一般帧格式设置一种帧格式用来承载建立量子信道的控制信息。用户间依靠该局域网模型通过纠缠交换协议以及经典信道辅助传递控制信息来控制用户间量子信道的建立与释放,实现端到端量子信息的传输。对该网络的吞吐率进行分析表明,当节点时延为1μs,将传输过程中理想条件下的概率PSW、Pbel、Ptes设为0.8,则吞吐率随着网络中纠缠粒子生成概率Pbor增加而显著增加,最大为550kb/s;将传输过程中理想条件下的概率Pbor、Pbel、Ptes设为0.8,吞吐率也随着网络中纠缠交换成功概率PSW的增加而增加,最大为450kb/s;同时当节点时延每增加1μs,相同条件下的网络吞吐率将下降50%。因此,在将来量子局域网设置中应尽量提升纠缠交换过程的成功率,同时优化信道,降低经典信道的时延以提高量子局域网中的的系统吞吐率。     

基于最少中继节点约束的量子VoIP路由优化策略

量子信息的传输过程中,由于拥塞、链路故障等原因,导致数据分组在路由器排队,产生时延、丢包.为了保证量子Vo IP系统的性能,本文提出了基于最少中继节点约束的路由优化策略.采用基于纠缠交换的中继技术,通过优先选择最少中继节点的量子信道,实现多用户量子Vo IP通信.理论分析和仿真结果表明,当链路出现故障和拥塞时,基于M/M/m型排队系统,采用本策略,当设定量子比特的误码率为0.2,共用信道数目从4增加到8时,量子网络的呼损率由0.25下降到0.024,量子网络的最大吞吐量由64 kbps增加到132 kbps.当设定共用信道数目为4,控制量子比特的误码率从0.3到0.1时,可使量子网络最大吞吐量从41 kbps增加到140 kbps.由此可见,本策略能够极大地提高量子Vo IP网络的性能.     

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.     

噪声情况下的量子网络直接通信

提出和研究了噪声情况下的量子网络直接通信. 通信过程中所有量子节点共享多粒子Greenberger-Horne-Zeilinger (GHZ)量子纠缠态; 发送节点将手中共享的GHZ态的粒子作为控制比特、传输秘密信息的粒子作为目标比特, 应用控制非门(CNOT)操作; 每个接收节点将手中共享GHZ 态的粒子作为控制比特、接收到的秘密信息粒子作为目标比特, 再次应用CNOT门操作从而获得含误码的秘密信息. 每个接收节点从秘密信息中提取部分作为检测比特串, 并将剩余的秘密信息应用奇偶校验矩阵纠正其中存在的比特翻转错误, 所有接收节点获得纠正后的秘密信息. 对协议安全、吞吐效率、通信效率等进行了分析和讨论.     

基于蛛网结构的量子卫星广域网构建策略及性能仿真

量子卫星通信是通信领域的研究热点和前沿,具有理想的信息安全性和覆盖面广的优势,对于构建全球范围的量子卫星广域网具有重要意义,而远距离传输信息时网络的可靠性、安全性和路由中继等问题仍需改进.为了构建性能良好的量子卫星广域网,本文提出利用蜘蛛网作为一种独特的自然通信拓扑结构,将自然界蛛网演进为人工蛛网拓扑,量子信息的传输采用N阶量子隐形传态路由方案,其传输时延基本不变,在此基础上构建蛛网网络拓扑量子广域网传输模型,并对构建的网络模型的误码率、吞吐率、安全密钥生成率进行仿真分析.用抗毁度作为衡量网络拓扑结构可靠性的指标,以9节点环型网和9节点蛛网为例进行定量和定性分析,得出蛛网拓扑具有更高的可靠性.当噪声的平均功率谱密度给定且不存在中继时,量子态的传输距离越大误码率越大,这时要考虑引入中继;当传输距离和噪声功率谱密度一定的情况下,误码率随着中继节点个数的增多而减小,因此在蛛网拓扑下要选择合适的路由过程.随着量子卫星分发纠缠光子对成功概率的增大,吞吐率逐渐增加;随着网络中传输时延的增大,吞吐率逐渐减小,但在该路由方案下传输时延基本不变,且蛛网结构的传输时延很小,因此本文中提出的基于N阶量子隐形传态的蛛网网络拓扑量子广域网的吞吐率不会有明显的降低.当量子信息的传输距离不断增大时,网络密钥生成率逐渐减小;随着网络中继节点个数的增多,密钥生成率逐渐增加.由此可见,利用蛛网拓扑以及N阶量子隐形传态路由方案构建量子卫星广域网具有很好的优势.     

基于人工蜂群优化的环形二级倒立摆H∞鲁棒控制器设计

采用H∞回路成形控制方法实现环形二级倒立摆系统的平衡控制;对于H∞回路成形控制器来说,权函数的选择直接影响控制器性能,而往往权函数的选择是需要通过设计人员的不断试凑来完成,不仅设计效率低下,而且无法得到最优的控制性能;因此引入人工蜂群算法,依靠其优异的全局寻优能力,完成对H∞回路成形控制器权函数的求解并保证最优的控制器性能;仿真结果表明,蜂群算法能够寻优到最优的权函数参数,对应的H∞控制器能够保证环形二级倒立摆在受到外界干扰的情况下依然保持在平衡位置。     

认知无线电网络中提高传输层端到端吞吐率的跨层参数配置

在认知无线电网络中, 传输层端到端(TCP)吞吐率是衡量网络性能的重要指标. 前期相关研究大都具有以下两方面缺点: 第一, 大部分研究只考虑了协议底层参数来优化物理链路性能, 对传输层性能有所忽略; 第二, 目前的研究大都基于马尔可夫决策过程建模, 这需要网络具有完全知识, 使得这类模型的应用受到很大限制. 针对以上问题, 本文提出一种新的算法: 网络中每个节点通过联合配置物理层调制方式、发射功率、 链路层信道接入和TCP拥塞控制因子来找到传输层端到端近似最优吞吐率. 由于无线设备对环境感知存在误差, 本文将网络模型建模为部分可观测马尔可夫决策过程, 并将其转换成信念状态马尔可夫决策过程, 采用Q值迭代找到近似最优策略. 仿真分析表明, 提出的算法能在动态无线环境下以一定的误差限收敛于最优策略, 能在功率受限条件下, 有效提高传输层端到端吞吐率.     

基于强化学习和蚁群算法的WSN节点故障诊断

为了克服现有的WSN节点故障诊断方法所具有的难以实现在线诊断和诊断精度仍然不够高的缺点,设计了一种基于Sarsa算法和改进蚁群算法的WSN节点在线故障诊断方法。首先,建立了监测区域的网络模型和WSN节点故障诊断模型,然后,采用主成分分析法对节点故障样本数据进行降维,从而提高诊断效率,将样本数据作为层次,将故障诊断类作为各层节点建立层次树,采用改进的Sarsa算法求取各层节点的Q值,并将其用于初始化蚁群算法中路径的信息素,最后,提出了一种改进的蚁群算法求取从第一层出发的蚁群到各层节点之间的路径,将各层中信息素最大的节点作为最终的故障诊断类别。在Matlab环境下进行仿真实验,结果证明文中方法能有效实现WSN节点故障诊断,且与其它方法相比,具有故障诊断精确度高且能在线故障的优点,是一种有效的节点故障诊断方法。     

基于QPSO—SVM算法的PDS变送器温度补偿方法

由于PDS压力变送器[1] 的测量数据会随着温度的变化而发生温度漂移,文中提出了量子粒子群[2](QPSO)算法和支持向量机[3](SVM)算法相结合的方法对压力变送器的输出数据进行补偿处理,通过QPSO算法优化SVM参数C、δ²,然后利用SVM的函数拟合建立补偿模型;通过分析工程实验结果,该方法在全局收敛性、非线性目标函数逼近能力等方面效果显著,在压力传感器温度补偿处理上具有较高的实用性。     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

基于DCT算法的种子点相位解包算法

移相干涉术由于其高精度被广泛应用在光学元件的面形测量上,而由移相算法得到的相位数据被包裹在[-π,π]之间。基于区域生长理论的相位解包算法(种子点法)可以高精度地实现连贯区域的相位解包,基于离散余弦变换的最小二乘解包(DCT)算法可以实现矩形区域的相位解包,而实际测量中,经常会碰到被测件的有效区域为非矩形的分离区域。因此,在分析前两种算法优缺点的基础上,提出了基于DCT算法的种子点相位解包算法。首先运用DCT算法对整个包裹相位进行解包,然后运用种子点法分别解包各分离区域,再通过DCT算法求得的种子点干涉级次实现各分离区域解包相位的统一。实验结果表明,该方法克服了种子点法和DCT算法的缺点,可以准确、快速地实现分离区域干涉图包裹相位的解包,且比这两种算法具有更好的稳定性和更高的精度。     

ART算法中射线矩阵加权的BPT算法

提出-种在混凝土层析成像中对ART算法的射线矩阵的加权方法.利用BPT算法得到的低分辨率图像作为迭代初始值,并将其图形信息作为ART射线矩阵的加权系数.充分利用低分辨率图像的图形信息和数值信息,同时对高速异常单元和低速异常单元进行加权成像.计算机模拟试验表明,与传统的ART算法相比提高了反演数据的准确性和迭代速度;在走时数据误差不大于0.5%时,是对传统ART算法的-种较好的改进方法.     

Exact Equivalence between Quantum Adiabatic Algorithm and Quantum Circuit Algorithm

We present a rigorous proof that quantum circuit algorithm can be transformed into quantum adiabatic algorithm with the exact same time complexity. This means that from a quantum circuit algorithm of L gates we can construct a quantum adiabatic algorithm with time complexity of O(L). Additionally, our construction shows that one may exponentially speed up some quantum adiabatic algorithms by properly choosing an evolution path.     

监狱犯人室内定位算法研究

室内定位技术因其在搜索、救援和安全方面的良好使用价值,越来越受到人们的关注。本文主要对基于室内监狱犯人的RFID室内定位算法进行研究,主要涉及其工作原理和相关的定位算法,特别是对LANDMARC室内定位算法进行了深入的研究以及改进优化,根据LANDMARC算法的缺点,通过对LANDMARC算法中阅读器的位置分布,参考标签的分布密度以及选取的参考标签数k值的优化改进,得出更优的LANDMARC改进算法,获得更好的定位精度和定位性能。改进的算法通过Matlab7.0模拟,提高监狱犯人室内定位精度,确保监狱的安全,提高效率。     

一种实现负荷均衡的动态波长分配新算法

提出了一种新的动态波长分配算法:负荷均衡法.新算法将负荷均分到各个波长上,使各段链路上预留的波长资源最大化;同时,更加准确地考虑了分配波长对于整个网络的影响,将分配波长对整个网络的影响降低到最低程度.仿真结果表明:新的算法能更好地提高网络的性能.     

快速傅里叶算法在哈特曼夏克传感器波前重构算法中的应用

提出了一种应用快速傅里叶变换算法提高哈特曼－夏克波前传感器波前重构实时性的快速算法，在根据波前斜率值应用最小二乘法估计波前相位的过程中，应用快速傅里叶变换算法进行方程的对角化和相位值的解耗，算法精站度，稳定，空间分辨率越高，算法实时性的优越性就越显著。     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

基于CT-RAG和学习量子粒子群的云计算任务-资源分配算法

目前已有的云计算任务-资源分配算法仅针对独立任务进行同构资源分配,同时在分配时未考虑任务优先级；为了克服其缺点,提出了一种基于虚拟CT-RAG(Task-Resource Assignment Graph in Cloud Environment, CT-RAG)和学习量子粒子群的任务-资源分配模型；首先,定义了虚拟CT-RAG图和任务优先级,并描述了采用其获取任务-资源分配方案初始解的方法；然后采用具有学习能力的量子粒子群在可行解空间中寻优,通过为粒子安装学习机,粒子在每轮迭代的过程中根据适应度的变化情况自适应地调整动作选择概率,从而加快获取全局最优解和加快收敛速度；仿真实验表明:文中方法能有效地解决云计算环境下依赖型任务的异构资源调度,获取了全局最优解356.67,较其它方法具有较大的优越性。