【摘 要】
：
地下空间灾害事故对极端环境下应急通信网络快速重组与灾情信息实时回传提出了严峻挑战,亟需构建具备按需动态重构、快速响应能力的无人机(UAV)应急通信网络.针对拓扑快变等动态不确定性造成的网络连通性频繁失效等问题,该文利用图论对时变拓扑的关键信息提取简化后,将联盟博弈(CG)引入时变拓扑图,提出一种基于联盟图博弈的自适应拓扑控制算法(CGG-ATC),通过协同决策建立远程传输链路(LLs)维护拓扑连通性.仿真结果表明,与其他现有算法相比,该算法能更好地实现拓扑连通性、平均传输时延与链路损耗3种性能之间的权衡优
【机 构】
：
中国矿业大学信息与控制工程学院 徐州 221008;徐州市智能安全与应急协同工程研究中心 徐州 221008
论文部分内容阅读
地下空间灾害事故对极端环境下应急通信网络快速重组与灾情信息实时回传提出了严峻挑战,亟需构建具备按需动态重构、快速响应能力的无人机(UAV)应急通信网络.针对拓扑快变等动态不确定性造成的网络连通性频繁失效等问题,该文利用图论对时变拓扑的关键信息提取简化后,将联盟博弈(CG)引入时变拓扑图,提出一种基于联盟图博弈的自适应拓扑控制算法(CGG-ATC),通过协同决策建立远程传输链路(LLs)维护拓扑连通性.仿真结果表明,与其他现有算法相比,该算法能更好地实现拓扑连通性、平均传输时延与链路损耗3种性能之间的权衡优化.此外,该算法具有较快的收敛速度,能支持灾后动态不确定场景下组网决策随拓扑快变弹性适变.
其他文献
文中主要对“高分子团粒植被喷播复绿技术”在项目施工治理后的效果、覆盖率的优势与不足进行了阐述,为东北寒冷地区采用“高分子团粒植被喷播复绿技术”进行边坡治理提供依据.
文中主要探索污水处理厂节能降耗生产控制措施,以厦门市为例,介绍了城市污水处理厂的能耗构成,并研究了污水处理厂节能规划的重要性,提出了厦门市污水处理厂节能发展方向.
文中主要基于发展美丽乡村以及乡村旅游经济的角度,分析了装配式木结构建筑在美丽乡村建设中的优势以及推广策略.
文中通过对上海市某地区雨水排水系统提标改造规划方案的分析,阐述了旧城区雨水系统主要存在的问题,并结合排水系统现状及地区规划建设情况,通过采取各种提标途径和措施,综合提高地区排水标准,改善地区排水系统建设,提高地区防汛排涝能力.
造价预结算审核对工程有直接影响,建筑企业需要关注造价预结算审核,选择科学的方法进行控制.文中围绕工程预结算审核工作存在的问题及对策进行了深入论述.
在对抗环境下,捕获无人机通信网络的通联拓扑有助于我们高效发现并破坏其集群功能.然而,在非合作条件下,传统的拓扑先验信息难以获取,通联拓扑推理面临着巨大的挑战.现有相关研究总体上仍处于起步阶段,系统模型和推理机理不清晰,各类方法在同一数据维度下的对比较少.因此,针对非合作的物理场景,该文首先构建了系统模型,揭示了推理机理.然后,分别对相关性、格兰杰因果、转移熵和多维霍克斯过程4种方法进行了仿真对比分析.最后,对该研究方向的发展前景进行了展望.
在无人机(UAV)辅助的能量受限低功耗物联网(IoT)节点数据传输场景中,针对传统的Matérn聚类过程(MCP)建模造成的无人机覆盖冗余问题,该文提出一种Matérn集群下的距离约束分簇策略(MCDC).该策略采用带有距离约束的Matérn聚类过程对无人机和地面IoT节点位置进行了建模,实现冗余覆盖的大幅度下降.在此分布策略下,IoT节点首先通过从无人机发送的射频信号中收集能量,然后利用收集的能量向无人机进行上行数据传输,解决IoT节点能量受限问题.此外,分析了IoT节点传输机会以及无人机群空地网络的上
无人机(UAV)可以作为空中基站而凭借其移动性灵活地实现热点区域的覆盖.如何预测流量的分布而优化UAV部署是运营商面临的挑战.针对此问题,该文提出一种基于注意力机制卷积长短期记忆网络(A-ConvL-STM)的UAV节能预部署策略:提出一种融合注意力机制的卷积长短期记忆深度时空网络模型A-ConvLSTM,用于预测用户与流量的时空分布;基于预测结果优化UAV的覆盖和位置,在满足用户接入速率要求的前提下,以最小化UAV系统发射功率为目标建立优化模型,将目标问题解耦成两个子问题并提出一种节能部署算法迭代求解.
文中在分析后疫情时代土建施工现场人的不安全行为基础上,通过问卷调查获取一线数据,对问卷数据进行信度、效度、主因子及权重的计算,对影响因素进行重要性排序;针对主要影响因素,对后疫情时代土建施工现场存在的人的不安全行为提出相应的防疫措施及安全管理对策.
针对无人机(UAV)基站(BS)多播通信系统的通信时延最小化问题,该文提出飞行路线在线优化算法.在该系统中无人机基站向多个地面用户同时发送公共信息,其中每次通信任务中地面用户位置是随机的.为了保证地面用户能够接收完整的公共信息以及考虑到无人机的能量有限性,该文以最小化无人机基站完成通信任务的平均时间为目标.首先将问题转化成一个马尔可夫决策过程(MDP);然后把通信时延引入到动作价值函数中;最后提出使用Q-Learning算法对无人机飞行路线进行学习和在线优化,从而实现平均通信时延最小化.仿真结果显示,与其