导读:本文包含了网络状态信息论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:信道,信息,状态,神经网络,功率,分配,算法。
网络状态信息论文文献综述
余战秋,胡延平[1]（2019）在《基于不完美信道状态信息的中继网络的优化算法设计》一文中研究指出从1 G到4 G,在不同的无线通信网络时代中,功率分配算法在网络的性能方面都起着举足轻重的地位。另外,由于信息在信道中传输时很容易受到障碍物或其他因素的影响。因此,在实际的网络中,很难获得完美的信道状态信息。分析了一个能量受限的中继网络,并考虑网络中获得的所有的信道状态信息都是不完美的。首先,将中断概率作为系统性能指标推导了中断概率的闭合表达式;然后,基于最小化中断性能的原理,提出了一种次优化算法,使功率分配达到最优化;最后将最优功率算法与能量分割比优化进行结合,提出了中继网络的最优的优化算法。仿真结果表明,所提出的优化算法可以在一定程度上提升系统性能,并改善中断性能。(本文来源于《电子测量与仪器学报》期刊2019年07期）
饶红霞[2]（2019）在《信息受限下神经网络的状态估计和拟同步研究》一文中研究指出近几十年来,神经网络的理论研究得到了飞速发展,其技术也得以空前完善,这些为神经网络解决实际工程问题奠定了坚实的基础。神经网络在无人驾驶、金融预测、图像处理等众多领域有着广泛的应用。随着系统日益复杂化、规模化,网络传输系统渐渐融入神经网络,此时需要考虑很多问题,比如数据传输产生的延时、数据量化产生的误差、外界干扰产生的不确定性、信道传输产生的衰减等等。这些问题不仅影响系统的性能,甚至会影响系统的稳定性。自然界中同步现象普遍存在,同步现象导致的结果可能是好的,也可能是坏的。因此,研究神经网络多系统间的同步问题一方面可以拓展有利行为的应用,另一方面避免坏结果的发生。实际工程中,由于系统特性的差别导致参数不匹配问题普遍存在,因此,研究系统的拟同步具有重要的意义。本论文正是以神经网络为模型,研究神经网络在网络化环境下的状态估计和拟同步问题。本论文的主要研究内容如下:(1)第2章研究了耦合矩阵存在跳变的时延神经网络的状态估计问题。针对神经网络的耦合不确定性问题,引入了 Markov跳变区间矩阵模型。同时考虑到通信信道传输信号引起的网络时延问题,引入了模态依赖的传输时延模型。通过设计模态依赖的估计器和Lyapunov泛函,得到了增广系统满足随机稳定和耗散性能的充分条件并设计了模态依赖的估计器增益。基于神经网络的数值仿真,验证了结果的有效性。(2)第3章研究了耦合矩阵存在不确定性和传感器带有非线性的周期神经网络的状态估计问题。采用多面体模型描述了神经网络的耦合不确定性问题。采用Bernoulli随机模型刻画了传感器随机出现非线性的现象。通过设计多面体模型和周期信息依赖的Lyapunov泛函,得到了增广系统满足随机稳定和H∞性能的充分条件并设计了估计器增益。基于周期神经网络的数值仿真,验证了结果的有效性。(3)第4章研究了传感器能量受限条件下的时变神经网络的状态估计问题。引入了Bernoulli随机模型描述传输信道的丢包问题。为了减少数据丢包同时考虑传感器的寿命,提高网络性能,引入了传感器低能量发送数据且丢包重传策略。通过设计合理的Lyapunov泛函,得到了增广系统满足有限域l2-l∞性能的充分条件并设计了估计器增益。基于神经网络数值仿真,验证了结果的有效性。(4)第5章研究了参数不匹配的主从神经网络的拟同步问题。引入范数有界模型描述了主神经网络的连接权重矩阵的不确定性问题。通过设计Lyapunov泛函,得到了同步误差系统在均方意义下满足拟同步的充分条件并设计了控制器增益。基于神经网络数值仿真,验证了结果的有效性。(5)第6章研究了耦合结构存在跳变的时变时延主从神经网络的拟同步问题,同时考虑了参数不匹配和不可靠的传输信道问题。采用一组期望不同并独立分布于[0,1]区间的随机变量描述了信道传输衰减问题。针对传输信道过载的问题,提出了脉冲驱动策略并设计了对应的脉冲控制器。建立了同步误差系统并得到了同步误差系统达到拟同步的充分条件。为了使得同步误差系统的拟同步边界最小化,提出了基于线性矩阵不等式的迭代优化算法并设计了控制器增益。基于神经网络数值仿真,验证了结果的有效性。(本文来源于《广东工业大学》期刊2019-06-01）
屈德建,许诗诗,陶国庆[3]（2018）在《电力信息网络中IP地址状态管理及终端台账自动更新方法》一文中研究指出本文主要介绍在电力信息网络中,如何通过交换机获取IP地址状态信息及历史信息,利用准入及桌面系统控件获取终端台账信息、自动生成并更新终端台账,减轻一线信息运维人员的工作量,有助于实现信息网络的精细化管理。(本文来源于《电子技术与软件工程》期刊2018年22期）
季中恒,季新生,黄开枝[4]（2018）在《非理想信道状态信息的认知无线网络下行功率分配和波束赋形方法》一文中研究指出针对非理想信道状态信息(CSI)条件下工作于underlay模式的认知无线网络(CRN)多用户下行功率分配和波束赋形研究中普遍存在的问题,包括忽略主网络(PN)对认知用户(SU)的干扰、传统的凸优化SDR方法对约束条件的近似要求以及实现算法复杂、实用性受限等,首先建立CRN模型,增添PN对SU的干扰项,而后在非理想CSI的最差条件下形成优化问题。再通过Lagrange对偶对问题的约束条件进行变换,并基于变换后的问题形式,利用上行和下行的对偶特性,引入虚拟功率,将优化问题转换为上行功率分配和波束赋形问题,进一步得到简便、快速和实用的迭代算法。数值仿真显示,算法收敛很快。并且发现非理想CSI引起的误差不仅对下行功率影响明显而且还改变优化问题的可行解区域;PN基站(PBS)的发送功率的变化对可行解区域有显着的影响。(本文来源于《电子与信息学报》期刊2018年09期）
李宽[5]（2018）在《基于数据调度的多传感器网络信息融合状态估计研究》一文中研究指出无线通信技术和新型传感器的大力发展,使无线多传感器网络信息融合估计系统在导航、目标跟踪、军事监测、医疗等领域得以广泛应用。无线通信的引入给系统带来了很多的好处,节约了系统成本,增加了系统灵活度等,也不可避免地带来了新的挑战。例如通信带宽约束、通信延迟、通信丢包等。大量的实际应用使多传感器估计问题渐渐成为了研究的热点。本文的主要研究内容包括:1、考虑在通信受限条件下的无线多传感器估计问题。在传统的传感器数据传输的基础上提出了一种降维的数据传输调度策略,这种策略能够满足有限的通信约束条件。然后设计该策略下的Kalman估计算法。最后利用一个拥有两个传感器节点目标跟踪实例来验证该传输策略的可行性和估计算法的有效性。2、随着大量的传感器引入到多传感器估计系统,系统的规模变得越来越大。如果继续使用第一种传输调度策略,同一个时刻,需要传输的信息量可能依旧很大,甚至超过通信的限制。为此,本文提出一种节点分组,然后按照时间顺序周期传输的数据调度策略。在这种调度策略下,通过分组,形成多个子系统,每个时刻只传输一个子系统预处理的信息以满足通信约束条件。设计与之对应的数据调度下的Kalman估计算法。最后利用一个拥有四个传感器节点目标跟踪实例来验证该传输策略的可行性和估计算法的有效性。3、为了满足实际的应用需求,研究者在原有的无线多传感器估计系统中加入控制器和执行器以便对状态的改变及时地做出响应。传统意义上,传感器根据采样周期对物理状态进行采样并发送量测数据到中心控制器,控制器根据这些信息对状态做出估计,得到相应的控制命令包,并将之发送到执行器,执行器解析控制命令包然后做出适当的响应。本文为了优化控制器的发包周期,降低系统的能耗,提出一种通信和控制协同的数据调度策略,该策略以实时地调整发包周期为目的,然后设计基于粒子群的发包周期的优化算法。最后通过一个实际的供热通风与空气调节系统仿真来验证优化发包周期策略的可行性。(本文来源于《重庆邮电大学》期刊2018-06-01）
袁林[6]（2018）在《不可靠网络传输系统的多源信息融合状态估计》一文中研究指出如今,计算机技术和传感器技术发展日新月异,从而使得多源信息融合技术作为一个研究热点,引起多方关注并应用于多个领域,如:身份识别、智能机器人、刑事侦查、工业监控、遥感技术等方面。与单传感器相比,多源信息融合有着其自身独特的优势,具有相当可观的发展前景。本文以多传感器网络信息融合状态估计问题为主要研究内容,分别针对具有时滞、丢包、多速率特点的系统或者是同时具有多个特点的系统,采用观测重组、二进制概率、提升技术等方法对系统进行建模,再有针对性地运用加权算法、一致性算法、序贯算法等分布式融合算法,设计出不同的多源网络信息融合状态估计器。对算法进行仿真验证以及收敛性分析,最终实现了较好的估计效果。所做工作包括:第一,分别利用提升技术以及观测重组技术对多速率系统和具有随机时滞的系统建模,将建立后的系统模型首次与序贯融合算法结合。算法中增益与原系统保持相同的维数,计算量小,精度较高的基于序贯融合法的分布式状态估计,并利用Matlab进行仿真分析,证明其有效性。第二,研究基于加权算法的随机时滞系统的分布式状态估计。对叁种加权融合算法进行总结,并首次使用标量加权融合算法与之前得到的经过观测重组后的无时滞系统结合,设计得到基于标量加权的分布式状态估计算法,给出了算法的收敛性分析,且通过Matlab进行仿真验证。第叁,研究基于趋同算法的丢包系统的分布式状态估计。介绍图论有关知识,并对丢包系统进行建模,创新性地使之与趋同算法相结合,设计得到基于趋同算法的分布式状态估计,给出了关于算法收敛性的详细证明,并利用Matlab进行仿真验证。第四,研究带有观测时滞与未知噪声统计特性系统的自适应滤波。作为工作的拓展,考虑到实际情况中系统噪声和观测噪声统计特性未知,且带有观测时滞的系统。首先,采用观测重组技术,将多通道时滞系统转化为多通道无时滞系统,在此基础上分别设计基于极大后验估计与基于白噪声估计的自适应滤波算法,得到时滞测量系统的多通道自适应滤波,并利用Matlab仿真验证了算法的有效性。(本文来源于《济南大学》期刊2018-06-01）
刘宏建[7]（2018）在《基于网络诱导不完全信息的几类离散时滞随机忆阻神经网络的稳定性及状态估计问题研究》一文中研究指出本文讨论基于网络诱导不完全信息的几类离散时滞随机忆阻神经网络的稳定性及状态估计问题。首先充分考虑忆阻记忆特性、系统时滞及环境噪声等因素,建立几类离散时滞随机忆阻神经网络模型,并讨论一类离散随机忆阻神经网络的全局指数均方稳定性问题,进而研究具有混合时滞的离散随机忆阻双向联想记忆神经网络的状态估计问题,再进一步,基于测量数据随机丢失、事件触发机制和信道衰减等网络诱导不完全信息,研究几类离散时滞随机忆阻神经网络的H∞状态估计问题。具体地,本文框架可表述如下:第一章阐明本文所研究课题的背景及意义、研究现状,介绍每章节中所要研究的问题,并且概括本文的主要贡献。第二章研究具有泄漏时滞和随机时变时滞的一类离散随机忆阻神经网络的全局指数均方稳定性问题。采用一个服从Bernoulli分布的随机变量,刻画在两个不同区间上随机发生的时变时滞现象,与此同时,设定忆阻神经网络的激励函数是扇形有界的。通过对忆阻神经网络参数状态依赖特性的分析,构建适当的Lyapunov-Krasovskii泛函,从而得到使该离散随机时滞忆阻神经网络全局均方指数稳定性的充分条件。第叁章研究具有随机时滞的一类离散递归忆阻神经网络的H∞状态估计问题。首先借助一个服从Bernoulli分布的随机变量来刻画离散时滞随机取值的现象。进而,设计一个状态估计器,并基于鲁棒分析方法得到使估计误差动力学系统同时满足均方指数稳定性以及H∞性能的充分条件。最后,根据线性矩阵不等式法设计H∞状态估计器。第四章研究具有离散时滞和分布式时滞的一类离散随机BAM忆阻神经网络的H∞状态估计问题。通过构建一列新颖的切换函数来描述在离散情形下忆阻神经网络连接权重的状态依赖特性,进而对所考虑的忆阻神经网络进行稳定性分析。在此基础上,借助已构造的切换函数设计一个忆阻神经网络的状态估计器,并利用Lyapunov稳定理论及随机分析理论得到使估计误差动力学系统同时满足均方指数稳定和H∞性能的充分条件。进一步地,给出一类离散随机忆阻神经网络的H∞状态估计算法。第五章在测量数据随机丢失情形下研究一类离散随机忆阻神经网络基于事件触发机制的H∞状态估计问题。本章中离散忆阻神经网络同时受到加性确定性扰动和乘性随机噪声的影响。与此同时,采用一列服从Bernoulli分布的随机变量来刻画测量数据随机丢失的现象。为了在保证目标系统稳定的前提下有效地提高网络资源利用率,引入一个基于事件的触发方案用以确定测量数据是否发送给状态估计器。进而根据Lyapunov-Krasovskii泛函以及随机分析法得到使估计误差系统满足均方指数稳定性的充分条件,该条件可以同时确保系统的H∞性能得到满足,并基于此条件设计忆阻神经网络基于事件触发机制的H∞状态估计器。第六章在信道衰减情形下考虑具有随机发生混合时滞的一类离散忆阻神经网络的H∞状态估计问题。提出一组切换函数用以刻画离散情形下忆阻神经网络的状态依赖特性。进而,利用鲁棒分析理论和Lyapunov-functional理论得到使估计误差系统既满足随机稳定性又满足H∞性能的充分性判据。随后,利用系统随机稳定性和线性矩阵不等式技术设计满足指定性能要求的H∞状态估计器。主要结论不仅依赖于离散时滞大小和时滞随机发生的概率分布,而且依赖于所引入Rice衰减模型的衰减系数。第七章总结本文的主要结果,并分析今后进一步的研究方向。(本文来源于《东华大学》期刊2018-01-01）
王晓楠,巨永锋,高婷[8]（2017）在《紧急状态下候选通信网络信息实时生成仿真》一文中研究指出紧急状态下候选通信网络信息的实时生成效率决定了信息传输性能,生成效率越高,则信息传输效率性能越好。针对当前信息生成方法难以全面覆盖通信网络传输路径,存在通信网络信息生成效率低、路径覆盖率低的问题,提出一种烟花爆炸优化的紧急状态下候选通信网络信息实时生成方法。上述方法首先将通信网络信息生成问题建模为一个函数优化问题,通过定义合适的适应度函数,将紧急状态下的候选通信网络信息生成问题转换为函数优化问题,采用烟花爆炸优化算法对该问题进行求解,将紧急状态下候选通信网络信息作为部分初始烟花以利用其提供启发信息,依据候选通信网络信息的适应度值设计自适应机制的爆炸半径,对爆炸产生的越界火花采用边界值测试理论进行修正。仿真证明,所提方法在数据生成时间和路径覆盖率等方面相比当前信息生成方法具有明显优势。(本文来源于《计算机仿真》期刊2017年12期）
陈淑群,罗小华[9]（2017）在《基于网络状态信息的车载网功率控制方法》一文中研究指出针对车载自组网中,节点密度较高时,容易出现网络拥堵的情况,提出了一种动态调整消息发射功率的方法。通过信道忙闲比例(CBR)评估节点的网络状况,并在出现网络拥堵时泛洪广播拥堵信息,通知其他节点作出相应的功率调整。综合考虑功率覆盖范围和覆盖节点数两方面因素,设计了功率调整曲线。实验结果表明:方法能根据网络状况自适应地调整发射功率,降低了发生信道过载的可能性,并提高了信标消息传递的成功率。(本文来源于《传感器与微系统》期刊2017年11期）
刘菲[10]（2017）在《基于非完美信道状态信息的OFDMA无线网络资源分配技术研究》一文中研究指出近年来,随着高速数据通信需求的急剧增长,无线通信系统受到频谱资源短缺和能耗严重的双重挑战。正交频分多址接入(Orthogonal Frequency Division Multiple Access,OFDMA)技术可以有效地消除由于多径效应引起的码间干扰,进而提升无线通信系统的频谱效率。因此,OFDMA网络技术有望成为下一代无线通信技术的关键。在OFDMA网络中,基于当前网络信道状态,有效地、动态地分配和使用无线资源(频谱、功率)是提升该无线系统能量效率和频谱效率的一个重要方法。信道状态信息(Channel State Information,CSI)在无线资源分配中起着重要的作用。在实际的系统中,可以通过发送导频信号来估计相应的CSI。然而,由于导频传输资源(功率和载波)的限制以及估计方法存在误差,所以系统很难得到完美的CSI。针对这一点,本文分析不完美CSI和信道估计开销对网络性能(能效和谱效)的影响;研究自适应的资源分配机制。主要贡献总结如下:(1)研究在信道估计开销和不完美CSI约束下,OFDMA无线网络中,多个用户(transmitter-receiver pairs)以最大化能量效率(Energy Efficiency,EE)为目标的载波和功率联合分配问题。同时,引入用户自私性这一特征,即用户以最大化自身效益为行为策略的选择准则。将该问题构建成最大化用户能量效率,内竞争和外竞争共存的两层资源优化问题。其中,内竞争是指对于每个用户存在信道估计和数据传输之间的资源竞争;外竞争是指不同用户之间的资源竞争。通过理论分析,推导出每个用户的最大能量效率对应的信道估计和数据传输之间的最优资源分配关系。依据该关系,将初始的两层资源竞争优化问题简化为仅存在外竞争的资源分配问题。简化后的资源分配问题建模成基于载波价格的非协作博弈。其中,效应函数定义为单位能量传输的数据量,它是关于信道估计误差,信道估计开销,传输数据所用功率和载波数目的函数。最后,证明该博弈纳什均衡(Nash Equilibrium,NE)存在的唯一性和帕累托(Pareto)有效性,并提出一个分布式资源分配算法获得该NE解。(2)基于信道估计开销和不完美CSI,研究下行OFDMA无线网络中,能量效率和谱效率之间的权衡关系。采用多目标优化理论,提出一个基本理论分析模型,即通过联合优化导频传输功率,数据传输功率和载波分配,最大化数据传输速率同时最小化功率损耗。为了求解该理论模型,首先利用权重和方法,将初始的多目标优化问题转换为单目标优化问题。然后,针对转换后问题的非凸和混合组合特性,提出一个次优的资源分配算法。具体地,在高功率消耗情况下,利用近似转换和分支定界方法优化决策变量;在低功率消耗情况下,利用交替优化和凸优化的方法优化决策变量。最后,通过仿真分析验证能量效率和谱效率之间的权衡关系。(3)在不完美CSI,时变信道,数据包随机到达以及用户队列稳定需求等多个因素同时约束条件下,研究下行OFDMA无线网络中最小化功率开销的多用户之间载波和功率联合优化问题。将该问题建模成一个随机优化模型,即通过优化数据传输功率和载波分配,最小化系统平均功率消耗同时满足峰值功率,载波分配以及队列稳定的限制。基于李雅普诺夫优化和对偶分解方法,提出一个动态的资源分配算法DPSAI。同时,推导出依据该算法得到的平均功率开销和队列长度的上界,并且发现该算法是以增加队列长度为代价来降低整个系统的功率消耗,该权衡关系量化描述为[O(1/V,O(V))],其中,V是调节功率开销-队列长度性能的控制参数。最后,仿真结果验证理论分析的正确性。(4)基于估计开销和估计误差之间的量化关系,在下行OFDMA无线网络中进一步研究多个用户之间信道估计和数据传输的资源优化问题,同时考虑信道的时变特性,数据包到达的随机性以及用户的队列稳定需求。将该问题建模成一个随机优化模型,即在峰值功率,载波分配以及队列队稳定的约束下,通过联合优化导频传输功率,数据传输功率以及载波分配最大化系统平均数据传输速率。由于数据传输速率是关于决策变量的非凹函数,因此该问题属于非凸混合整数随机优化问题。为了求解该问题,设计出一个次优的动态资源分配算法,并且推导出依据该算法得到的平均数据传输速率的下界和队列长度的上界。最后通过仿真验证理论分析的正确性。(本文来源于《西安电子科技大学》期刊2017-09-01）
网络状态信息论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近几十年来,神经网络的理论研究得到了飞速发展,其技术也得以空前完善,这些为神经网络解决实际工程问题奠定了坚实的基础。神经网络在无人驾驶、金融预测、图像处理等众多领域有着广泛的应用。随着系统日益复杂化、规模化,网络传输系统渐渐融入神经网络,此时需要考虑很多问题,比如数据传输产生的延时、数据量化产生的误差、外界干扰产生的不确定性、信道传输产生的衰减等等。这些问题不仅影响系统的性能,甚至会影响系统的稳定性。自然界中同步现象普遍存在,同步现象导致的结果可能是好的,也可能是坏的。因此,研究神经网络多系统间的同步问题一方面可以拓展有利行为的应用,另一方面避免坏结果的发生。实际工程中,由于系统特性的差别导致参数不匹配问题普遍存在,因此,研究系统的拟同步具有重要的意义。本论文正是以神经网络为模型,研究神经网络在网络化环境下的状态估计和拟同步问题。本论文的主要研究内容如下:(1)第2章研究了耦合矩阵存在跳变的时延神经网络的状态估计问题。针对神经网络的耦合不确定性问题,引入了 Markov跳变区间矩阵模型。同时考虑到通信信道传输信号引起的网络时延问题,引入了模态依赖的传输时延模型。通过设计模态依赖的估计器和Lyapunov泛函,得到了增广系统满足随机稳定和耗散性能的充分条件并设计了模态依赖的估计器增益。基于神经网络的数值仿真,验证了结果的有效性。(2)第3章研究了耦合矩阵存在不确定性和传感器带有非线性的周期神经网络的状态估计问题。采用多面体模型描述了神经网络的耦合不确定性问题。采用Bernoulli随机模型刻画了传感器随机出现非线性的现象。通过设计多面体模型和周期信息依赖的Lyapunov泛函,得到了增广系统满足随机稳定和H∞性能的充分条件并设计了估计器增益。基于周期神经网络的数值仿真,验证了结果的有效性。(3)第4章研究了传感器能量受限条件下的时变神经网络的状态估计问题。引入了Bernoulli随机模型描述传输信道的丢包问题。为了减少数据丢包同时考虑传感器的寿命,提高网络性能,引入了传感器低能量发送数据且丢包重传策略。通过设计合理的Lyapunov泛函,得到了增广系统满足有限域l2-l∞性能的充分条件并设计了估计器增益。基于神经网络数值仿真,验证了结果的有效性。(4)第5章研究了参数不匹配的主从神经网络的拟同步问题。引入范数有界模型描述了主神经网络的连接权重矩阵的不确定性问题。通过设计Lyapunov泛函,得到了同步误差系统在均方意义下满足拟同步的充分条件并设计了控制器增益。基于神经网络数值仿真,验证了结果的有效性。(5)第6章研究了耦合结构存在跳变的时变时延主从神经网络的拟同步问题,同时考虑了参数不匹配和不可靠的传输信道问题。采用一组期望不同并独立分布于[0,1]区间的随机变量描述了信道传输衰减问题。针对传输信道过载的问题,提出了脉冲驱动策略并设计了对应的脉冲控制器。建立了同步误差系统并得到了同步误差系统达到拟同步的充分条件。为了使得同步误差系统的拟同步边界最小化,提出了基于线性矩阵不等式的迭代优化算法并设计了控制器增益。基于神经网络数值仿真,验证了结果的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络状态信息论文参考文献
[1].余战秋,胡延平.基于不完美信道状态信息的中继网络的优化算法设计[J].电子测量与仪器学报.2019
[2].饶红霞.信息受限下神经网络的状态估计和拟同步研究[D].广东工业大学.2019
[3].屈德建,许诗诗,陶国庆.电力信息网络中IP地址状态管理及终端台账自动更新方法[J].电子技术与软件工程.2018
[4].季中恒,季新生,黄开枝.非理想信道状态信息的认知无线网络下行功率分配和波束赋形方法[J].电子与信息学报.2018
[5].李宽.基于数据调度的多传感器网络信息融合状态估计研究[D].重庆邮电大学.2018
[6].袁林.不可靠网络传输系统的多源信息融合状态估计[D].济南大学.2018
[7].刘宏建.基于网络诱导不完全信息的几类离散时滞随机忆阻神经网络的稳定性及状态估计问题研究[D].东华大学.2018
[8].王晓楠,巨永锋,高婷.紧急状态下候选通信网络信息实时生成仿真[J].计算机仿真.2017
[9].陈淑群,罗小华.基于网络状态信息的车载网功率控制方法[J].传感器与微系统.2017
[10].刘菲.基于非完美信道状态信息的OFDMA无线网络资源分配技术研究[D].西安电子科技大学.2017
论文知识图
