WiMAX Mesh网络中基于混沌、神经网络和粒子群的无线资源管理方法研究

现有的WiMAX Mesh无线通信技术由于没有根据网络的应用状况和业务特性对无线资源进行管理而无法更好地保障服务质量（QoS）。本项目拟通过综合考虑网络的应用环境、容量大小、信道利用率以及业务的实时性和突发性，探讨WiMAX Mesh无线网络中基于混沌、神经网络和粒子群的时分多址通信避碰、正交频分多址无线资源分配和QoS组播路由。利用动态递归神经网络预测、邻居集合和载波侦听多路访问等技术，将基于迟滞噪声混沌神经网络的时分多址广播调度应用于网络的通信避碰中；利用基于迟滞噪声混沌神经网络的正交频分多址频率复用解决网络容量较大、无线资源紧张等问题，并采用混沌神经元-粒子群算法处理规模较大的子载波分配问题，实现频率复用和子载波分配的结合；利用制定的广播调度和子载波分配方案，选择合理的QoS度量参数来设计组播路由。通过该项目的研究，为更好地保障WiMAX Mesh无线网络的服务质量奠定理论基础。

项目组已按照项目的计划要点进行了广泛且深入的研究，目前已基本上完成了项目所规划的任务。项目组的主要研究进展以及取得的主要成果概括如下：(1) 研究了噪声调整因子对迟滞噪声混沌神经网络的迟滞动力学和优化性能的影响，给出了噪声调整因子的调整方法，并将带有噪声调整因子的迟滞噪声混沌神经网络应用于解决时分多址(TDMA)广播调度问题；(2) 研究了Elman递归神经网络辅助交互多模型卡尔曼滤波的机动轨迹跟踪方法，以及扩展卡尔曼滤波训练Elman递归神经网络进行学习预测的方法；(3) 制定了适应于WiMAX网络拓扑结构变化的TDMA广播调度与码分多址接入访问(CSMA)的联合协议，并研究了适应于WiMAX网络拓扑结构变化的神经网络TDMA广播调度方法；(4) 研究了粒子群、人工鱼群、人工萤火虫、差异进化、递归模糊神经网络等智能优化算法及其在PID参数整定、重叠社区检测、医学图像增强、移动机器人滑模控制等方面的应用； (5) 利用注水方法与粒子群算法相结合，研究了多用户正交频分多址(OFDM)资源分配中的用户速率加权和最大化问题；利用注水方法、多目标优化和差分进化混合算法，研究了多用户OFDM资源分配中的用户速率效用和最大化问题；利用基于增强拉格朗日能量函数的噪声混沌神经网络，研究了多用户OFDM的子载波分配问题；(6) 建立了基于时延的QoS组播路由问题的新能量函数，并利用混沌神经网络进行了求解；(7) 研究了基于迭代学习的离散切换系统故障估计、离散时变系统故障诊断和时变离散切换系统的轨迹跟踪等问题。课题组在取得上述研究成果的过程中，公开发表论文40余篇，其中SCI检索5篇，EI检索20篇；培养研究生7名，目前已毕业2名；发表论著1部。课题组所取得的研究成果为智能优化算法在WiMAX网上的进一步研究和应用奠定了理论基础。