适于LEO卫星IP网络的源组播算法

为了解决LEO卫星IP网络中现有源组播算法的信道资源浪费问题，提出了一套新的组播算法。即基于核心群的特定源组播（CSSM）算法和加权的CSSM（ω-CSSM）算法。CSSM算法以源节点作为初始核心群，通过核心群和剩余组成员的最短路径方法逐步扩展直至整棵组播树构建完成，这样所得的树代价最小，从而大大提高了网络的传输带宽利用率和有效传输容量。在ω-CSSM算法中，所提出的加权因子可以调整组播树的树代价和端到端传播时延之间的折衷程度，因此，可以通过调整加权因子柬适度增大树代价、降低端到端传播时延，从而支持某些有严格端到端时延要求的实时组播业务。通过与LEO卫星IP网络中典型源组播算法MRA的仿真比较，可以看出CSSM和ω-CSSM算法的树代价性能比MRA有显著改善，而端到端传播时延略高。     

航天通信IP网组播常见故障解决方法

航天通信IP网作为航天测控数据的传输载体,其关键业务往往采用组播方式传输。介绍航天通信IP网中的指定源组播和任意源组播技术,总结航天通信IP网组播技术在路由器转发过程中常见的故障,并给出相应的排查解决方法。     

低轨卫星网络组播算法

为解决低轨卫星IP网络中现有典型源组播算法的信道资源浪费,提出了一种核心群合并共享树(CCST)的低树代价组播算法.用动态近似中心(DAC)选核方法和核心群合并组播路径构建方法:DAC方法基于逻辑位置形成虚拟静态且结构规则的网络拓扑选择核节点;核心群合并方法以核节点为初始核心群,通过核心群和剩余组成员的最短路径方法逐步扩展至整棵组播树构建完成,可使组播树的树代价最小,大幅提高网络的传输带宽利用率和组播传输效率.仿真结果表明:与低轨卫星IP网络的其他典型算法相比,CCST算法的树代价性能明显改善,但端至端传播时延略高.     

基于区域划分的LEO卫星星座QoS路由算法

针对LEO卫星网络中由于流量分布不均导致的拥塞问题,以及多种通信业务带来的QoS保障问题,提出了基于区域划分的多业务QoS路由算法(MSR-RP).算法考虑了信关站有限分布造成的漏斗流量问题,一方面通过划分动态区域,减少区域节点数量,降低了算法整体计算复杂度;另一方面,在轻负载区域采用最短路径算法计算路由,重负载区域采...     

一种应用层可靠组播传输控制方法

针对航天运载和战术领域数据处理要求多台终端同时高效显示数据的需求,提出了一种应用层可靠组播传输控制方法。该方法在发送的数据包中添加额外的序号控制信息,发送方定时广播携带已发送最大数据序号的心跳包,接收方根据心跳包中的序号向发送方反馈丢失的报文序号和已收的最大连续报文序号。实验证明,本文提出的应用层可靠组播传输控制方法能够有效地保证组播传输的有序性和可靠性,并在航天数据处理领域得到了广泛应用。     

宽带低轨卫星网高效组播中的部分网络编码算法

通过引入逻辑位置的概念,将宽带低轨卫星通信网的动态网络拓扑等效为多个静态拓扑的循环更替。针对静态网络的高效组播,提出部分网络编码算法。该算法只在有编码增益的节点处进行网络编码,其它节点直接路由转发。从等效的多个静态网络拓扑中提取连接关系不变的恒定网络拓扑,提出在恒定网络拓扑中采用部分网络编码实施组播。该方法能克服拓扑变化引起的路由和编码方案频繁变换问题,对应的吞吐量约为组播树路由的2倍,且优于多径路由,组播目的节点数越多,优势越明显。算法对于链路的失效具有较好的健壮性。研究成果对提高宽带低轨卫星通信网的组播吞吐量和健壮性具有一定的理论意义和实用价值。     

空间信息系统单层路由算法

研究了多约束条件下空间信息系统持续时间最长的单层路由算法.通过拉格朗日松弛获得多约束路由的最优解边界,缩小路由算法搜索路径的解集,用Dijkstra算法计算源节点至目的节点的多约束路径.给出了算法步骤.仿真结果表明:该算法的时延和切换性能优于线性规划路由算法(RALF).     

基于混合遗传算法的多冲量最优变轨

针对航天器多冲量最优变轨问题,建立了多冲量最优变轨的数值优化模型,给出了一种遗传算法(GA)与序列二次规划算法(SQP)结合的混合优化算法.该算法不需初值猜测,全局和局部搜索能力强并且计算效率高.仿真计算了燃料最优交会和时间最短拦截问题,比较了GA,SQP以及混合遗传算法的性能.针对混合遗传算法得到的不同冲量次数变轨的优化结果,分析了冲量次数对变轨性能指标的影响.结果表明混合遗传算法综合性能最高,冲量次数对不同性能指标的影响不同.仿真算例验证了模型和算法的有效性.     

基于遗传算法的故障诊断规则提取方法的研究

针对粗糙集应用于故障诊断过程中存在的决策表属性连续值离散化和属性约简之间分离的问题,根据粗糙集的约简思想,本文研究了一种新的基于遗传算法的规则自动提取方法,可以在知识获取过程中同时实现属性连续值离散和属性约简。将该方法用于卫星电源系统故障诊断,可以从故障决策表中直接提取规则,得到超过90%的故障诊断准确率,进一步验证了这种方法的可行性和有效性。     

基于组合优化算法的临近空间飞行器轨迹优化

提出一种临近空间飞行器轨迹优化方法,利用基于支持向量机与遗传算法的组合优化算法,解决多约束条件下的高效轨迹优化问题。首先,建立临近空间飞行器轨迹优化数学模型。然后,通过参数化方法和惩罚函数法将轨迹优化问题转化为约束参数优化问题。在此基础上,提出一种求解无约束参数优化问题的组合优化算法,通过支持向量机对遗传过程中产生的种群进行分类,提高基本遗传算法的计算效率,结合轨迹优化数学模型,给出轨迹优化算法。最后,以临近空间飞行器航程最远轨迹优化问题为例,进行数学仿真分析。仿真结果表明,针对给定的算例,文中提出的方法与基于基本遗传算法的轨迹优化方法相比,计算效率显著提高。     

一种从混合表面的明暗变化恢复形状的新算法

针对传统的混合表面形状恢复算法存在较大误差的问题,提出了一种基于透视投影的从混合表面的明暗变化恢复形状的新算法.首先,建立了一种改进的Ward反射模型来描述混合表面的反射特性,其次,采用更接近摄像机实际拍摄的透视投影方式,并且假定光源位于摄像机的光心处,构造了新模型下的图像辐照度方程,然后将该方程转化为包含物体表面深度信息的Hamilton-Jacobi偏微分方程,使用Fixed-point Iterative Sweeping方法和2D Central Hamiltonian函数逼近该微分方程的黏性解,进而得到物体表面的三维形状.与同类算法相比,新算法恢复的结果更加准确有效.合成花瓶图像的实验结果表明,与基于正交投影的算法相比,新算法恢复三维形状高度的平均误差和均方根误差均有较大幅度减少.     

基于遗传算法的多星座选星方法

提出了一种基于遗传算法的选星方法,该方法能够准确、快速地实现多个全球导航卫星系统(GNSS)下选星颗数大于4的选星。经过大量试验确定了遗传算法选星的选择、交叉、变异等关键参数,并通过在交叉和变异中穿插染色体优选过程克服了遗传算法的选星结果容易陷入局部最优的缺点。以不同GNSS星座个数和不同选星颗数下的选星仿真校验了所设定遗传参数的有效性和可靠性。仿真结果表明,利用遗传算法可以高效、准确地实现选星,该方法特别适用于多星座多选星颗数的情况。     

基于OSPF和非精确状态信息的QoS路由算法

针对IP网络庞大复杂且资源信息频繁动态变化的事实,提出了一种扩展OSPF路由协议以支持QoS路由的算法。该算法根据用户需求资源的不同,在OSPF域中预先计算出到达各目的节点的最优路径,同时生成一个新的路由表,并通过链路状态广播机制,动态更新该路由表,以达到在对现有OSPF协议影响最小的情况下,引入QoS机制的目的。     

空间环境中的多处理器混合容错调度算法

为提高空间应用环境中混合实时任务的容错调度效率,提出基于空间环境的多处理器混合容错调度算法。算法在周期任务调度中采用基于分组的“最佳适应”分配策略,以少量增加的计算时间获得更为紧凑的任务调度结果,从而减少调度所需的处理器数目和任务执行时间;在非周期任务调度中,利用基于空闲时间片的方法完成动态调度,使得混合实时任务的容错调度效率有显著提高,能够更好地适应复杂空间环境的任务处理。仿真结果表明算法在改善混合实时任务容错调度性能上具有重要作用。     

遗传算法在多目标干扰中的应用

为了解决多目标干扰中多参数波形优化设计,在标准遗传算法的基础上,对交叉、变异概率做自适应处理,提出一种基于二进制编码的自适应遗传算法。改进后的自适应遗传算法不仅解决了多参数波形优化中需考虑参数过多、高维、无约束条件、无法用常规方法得到理想波形的问题,而且与标准遗传算法以及未做自适应处理的改进遗传算法相比,在算法的收敛性方面和全局搜索方面都有了提高。仿真实验证明该算法的有效性和正确性。     

"预先"进化遗传算法研究

遗传算法在对单目标函数的静态寻优中表现出了良好的收敛性和鲁棒性。但是在优化目标动态变化,要求很快给出优化结果时,由于遗传算法运行时间较长,就难以实现。本文提出的“预先进化遗传算法”,就是为了使遗传算法具有动态性能,能够适应优化目标的动态变化,提高寻优的实时性。算法主要思路是借助于并行计算技术、在确定优化目标(决策)过程中就对可能的多个优化目标函数的优良个体进行培养。一旦优化目标确定,在预先培养的优良个体的基础上可以快速寻优。这样就使遗传算法能够适用于优化目标可变的动态环境。文中描述了“预先”进化遗传算法的实现算法,并证明了算法的有效性。最后对算法进行了验证。通过实例可以看出,采用传统遗传算法,单目标函数优化一般要迭代300次,才能够得到较理想的优化结果。而“预先”进化遗传算法经过150次左右的多个目标同时预先进化后,对具体目标的进化只需要50次左右就收敛到较理想的数值。由于预先进化是与决策具体的优化目标同时进行,因此可以实现优化目标确定后的快速寻优。