低轨卫星物联网下NB-IoT时延功耗研究

【目的】在低轨（LEO）卫星物联网（IoT）场景下,广域覆盖范围内窄带物联网（NB-IoT）体制终端因为业务场景不同造成时延功耗需求也不相同。然而,地面NB-IoT体制终端业务场景单一,采用固定式工作状态定时器参数配置方法,无法满足LEO卫星IoT大尺度地理范围内多场景终端时延功耗的不同需求。【方法】针对LEO卫星IoT广覆盖特性,文章基于简化后随机接入交互流程终端工作状态切换的马尔科夫链模型,提出了以系统下行延迟和终端功耗作为非支配排序遗传算法（NSGA-Ⅱ）的目标函数得到多场景帕累托前沿最优解集的方法,进一步从帕累托前沿中选择满足不同场景时延功耗需求的工作状态定时器参数在线配置终端。【结果】仿真结果表明,文章提出的多目标优化方法对工作状态定时器参数进行全局寻优,克服了穷举法等传统方法可能陷入局部最优的不足,并验证了简化随机接入交互流程可以有效降低终端时延功耗。【结论】文章所提多目标优化方法可以得到终端在LEO卫星IoT多场景下的工作状态定时器参数。     

变时滞Hopfield神经网络的全局吸引性和全局指数稳定性

对一类具时滞的Hopfeild型神经网络模型,在非线性神经元激励函数只要求满足Lipschitz连续的条件下,利用推广的Halanay时延微分析不等式、Dini导数以及泛函微分析技术,给出了这类模型的平衡点全局指数稳定性和全局吸引性的充分条件,这些条件易于检验,且改进和推广了前人的结论.此外,此文给出了研究神经网络模型的全局吸引性的微分不等式比较方法.     

相对时延对ST-FSK系统性能的影响

空时频移键控(ST-FSK)结合了空时分组码和频移键控的优点,在瑞利衰落信道条件下无需信道信息,可采用非相干的最大似然(ML)检测器。该文推导了在接收端已知相对时延条件下的非相干ML判决度量,讨论了在接收端未知相对时延条件下信噪比与二进制、四进制ST-FSK系统误比特率性能的关系。理论和仿真结果都表明:(1)低信噪比弱化了相对时延对ST-FSK系统可靠性的影响,但在高信噪比条件下相对时延会严重制约系统性能;(2)相对时延对系统性能的影响与系统进制数的关系不大。     

同步光分组交换网核心节点光分组长度分析

研究了同步光分组交换网中光分组长度的设计及其对一些网络性能参数的影响,分别推导了光分组中开销所占比率、时延及光纤延时线长度与光分组长度的关系,并给出各自相应的理论分析和数值解析,为光分组中分组长度的设计做了基础工作。     

一种基于非均匀线性麦克风阵列的窄带声源定向方法及系统

提出了一种基于窄带信号相位时延估计的信号定位方法,通过非均匀线性阵列的布放,解决增大阵元孔径带来的相位卷绕问题,提高定位精度。提出了非均匀线性布阵方式情况下,修正卷绕量计算延时量的估计算法,并给出了非均匀阵列间距需要满足的条件。此方法提高了定位可用基阵孔径,与一般均匀间隔线性阵列相比,大大减少了同孔径下所需的阵元个数,从而降低了对后续信号处理设备的需求。构建了定位系统并进行实际测试。实验表明,所提方法有效地提高了在开放空间中对窄带声源的定位精度。     

二频机抖激光陀螺抖动频率与温度关系的研究

针对激光陀螺的零偏受温度影响较大,为提高陀螺精度,研究了二频机抖激光陀螺抖动频率与温度之间的关系。通过大量的重复性高低温实验,证明了抖动频率与温度的线性关系,并得到了拟合直线表达式。结果表明,抖动频率与温度具有较好的线性关系,抖动频率可作为温度测量的计量,而且具有较好的重复性。由于测量抖动频率的精度较高,故由抖动频率测量温度具有很高的分辨率。同时用抖动频率对陀螺的零偏进行补偿,提高了陀螺的精度。     

可靠性约束下的5G通信频段自适应选择技术

本文提出可靠性约束下的5G通信频段自适应选择技术,解决传统技术在5G通信频段自适应选择中吞吐量较低、5G通信时延较长、可靠性较低的问题。由有向连通图描述5G通信网络拓扑结构,根据5G通信频段特点建立数学模型,描述5G通信频段干扰情况,以5G通信频段干扰最小化为目标建立优化目标函数,并设定5G通信网络可靠性约束条件,利用自适应算法结合可靠性约束条件对目标函数求解,计算最优通信频段,以此完成可靠性约束下的5G通信频段自适应选择。经实验证明,在设计技术应用下5G通信网络吞吐量和通信时延均有所改善和提高,在5G通信频段自适应选择方面具有良好的应用前景。     

面向动态无线自组网的自适应服务机制

许多无线网络受益于或要求网络具有动态自组织特性,如MANET(移动Adhoc网络)、WSN(无线传感网)、WMN(无线网状网)和DTN(时延容忍网络)等,但这类网络面临缺乏集中式管理、设备异质性、不可靠的无线通信、资源约束和节点移动性等挑战.针对上述技术挑战,文章概述动态无线自组网的各种自适应服务机制,即面对动态变化的...     

基于时延预测的无人机集群地面控制系统

无人机技术的发展日新月异,成为了现代社会中不可或缺的一部分。无人机的广泛应用领域包括军事、民用、商业等,已经取得了令人瞩目的成就。其中,无人机集群地面控制系统的应用价值尤为引人注目,基于时延预测的技术更是给这一领域带来了革命性的变化。无人机集群地面控制系统是指通过预测无人机与地面控制中心之间的时延,实现对无人机集群的精确控制与管理。在过去,无人机集群的控制往往面临信息传输延迟的问题,这给操作人员带来了巨大的挑战。然而,基于时延预测的无人机集群地面控制系统的出现,彻底改变了这一局面,为无人机的广泛应用提供了更加可靠和高效的解决方案。     

基于路径选择的深海水下运动目标被动深度估计

深海水下运动目标的深度估计是目标分辨与识别中的重要一环。基于深海运动目标在深海中的直达波与海面反射波的到达时延与位置之间的关系,寻找时延图上运动目标的候选路径,利用候选路径模拟目标的运动路径,提出了一种可用单水听器实现的水下运动目标深度估计方法。通过用候选路径的估计时延与实际接收时延的比较对路径进行筛选,从而减少了需要的位置先验信息。2018年在南海进行的深海实验数据处理的结果表明该估计方法可行,对于实验中距离15km以内的拖曳声源,深度相对估计误差可以达到15%以内。