一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)導(dǎo)航信號的波形特性將會影響導(dǎo)航信號質(zhì)量，而信號質(zhì)量優(yōu)劣則直接決定了整個GNSS的服務(wù)性能極限。傳統(tǒng)的波形畸變評估方法主要針對傳統(tǒng)相移鍵控(PSK)調(diào)制信號的波形幅度和寬度開展研究，而忽視了波形不對稱對跟蹤誤差和測距誤差帶來的影響。該文在國際民航組織(ICAO)所采用的傳統(tǒng)測距碼波形分析模型TMA/TMB/TMC基礎(chǔ)上，給出了適用于各種新型二進制偏置載波(BOC)調(diào)制的波形畸變分析擴展模型。接著提出能夠精細(xì)分析波形上升下降沿對稱特性(WRaFES)分析模型，并從時域波形、相關(guān)函數(shù)、S曲線過零點偏差3個方面，深入仿真分析了WRaFES模型的性能特點。最后，以北斗試驗衛(wèi)星M1-S B1Cd信號為例，給出了基于WRaFES模型及相關(guān)曲線特性的實測分析結(jié)果。研究表明：該方法能夠精確分析導(dǎo)航信號波形不對稱性及對用戶帶來的影響，研究成果可為新型衛(wèi)星導(dǎo)航信號評估提供一種新方法和新思路，同時還可為GNSS用戶接收機相關(guān)器間隔參數(shù)的合理選取提供建議和技術(shù)支撐。

為提高MEMS陀螺儀測量精度，抑制測量噪聲對其造成的影響，該文分析了某型號MEMS陀螺儀誤差特性，提出基于遞歸最小二乘法(RLS)多重小波分解重構(gòu)的強追蹤自反饋模型，建立新的軟閾值函數(shù)。由于模型處理后的數(shù)據(jù)帶有部分奇異值，該文提出了一種改進的中值濾波算法。對于陀螺儀零偏噪聲問題，提出零偏不穩(wěn)定性抑制算法，并對該算法模型進行了詳細(xì)的描述。將某項目研究中列車姿態(tài)測量系統(tǒng)的實驗數(shù)據(jù)應(yīng)用到該算法模型中。測試實驗分為靜態(tài)、動態(tài)兩組，其結(jié)果均表明：該算法減小了信號中的噪聲，有效地抑制了MEMS陀螺儀隨機漂移，提高了姿態(tài)解算的精度。肯定了該算法對陀螺儀輸出信號噪聲去除，以及使用精度提升的可行性和有效性。

該文提出一種空時結(jié)構(gòu)下的精確寬帶波束賦形算法。在空頻結(jié)構(gòu)下，對各子帶權(quán)值進行波束賦形優(yōu)化。根據(jù)權(quán)值在滿足共軛對稱條件下，陣列幅度響應(yīng)可以轉(zhuǎn)換為線性函數(shù)這一原理，將波束賦形轉(zhuǎn)換為凸優(yōu)化問題。利用內(nèi)點法得到最優(yōu)權(quán)值后，通過空頻結(jié)構(gòu)與空時結(jié)構(gòu)之間的權(quán)值轉(zhuǎn)換關(guān)系，得到空時結(jié)構(gòu)下的波束權(quán)值。該算法能夠?qū)拵Рㄊ鴪D進行精確地賦形，同時保證在期望方向上陣列響應(yīng)具有線性相位特性。仿真結(jié)果驗證了算法的有效性。

針對有源欺騙干擾環(huán)境下基于小樣本的DOA估計問題，該文提出自適應(yīng)極化濾波(APF)聯(lián)合塊稀疏貝葉斯學(xué)習(xí)(BSBL)算法的DOA估計方法。首先，通過APF抑制干擾能量，提高信干比。然后，建立有源欺騙干擾環(huán)境下的稀疏貝葉斯模型，基于相鄰快拍相關(guān)性，利用BSBL算法進行DOA估計。仿真和實測數(shù)據(jù)處理結(jié)果表明，所提方法降低了干擾對BSBL算法的影響，且與APF聯(lián)合子空間類算法或最大似然算法(ML)相比，具有更高的空間分辨率和DOA估計精度。

頻譜彌散(SMSP)干擾與線性調(diào)頻雷達信號之間存在大量的時頻域耦合，干擾效能突出。該文提出一種信息域的抗SMSP干擾的信號處理算法，根據(jù)SMSP干擾信號的形式與特點，通過自適應(yīng)改變壓縮感知的干擾基字典，同時匹配雷達信號與干擾信號的調(diào)頻率，構(gòu)建壓縮感知求解模型并基于凸優(yōu)化算法完成信號重構(gòu)，最終實現(xiàn)干擾信號的識別及雷達信號的提取。該算法中冗余字典的構(gòu)造采用了Pei型分?jǐn)?shù)階傅里葉快速分解方法，不需要反復(fù)對信號進行時頻域解耦，并且迭代次數(shù)較少，運算效率較高。

運動目標(biāo)速度估計是機載單天線高分辨率合成孔徑雷達(SAR)實現(xiàn)運動目標(biāo)成像和定位的關(guān)鍵環(huán)節(jié)。針對現(xiàn)有方法運算量大、易受距離徙動干擾等缺點，該文提出一種基于回波序列最小二乘擬合的速度估計方法。利用該方法，首先通過包絡(luò)相關(guān)提取相鄰回波序列的距離變化量，然后對其做最小二乘線性擬合，目標(biāo)的距離向速度和方位向速度可由擬合系數(shù)計算得到。與傳統(tǒng)方法相比，該方法不僅計算量小，而且無須先做距離徙動校正(RCMC)。該文給出了新方法的數(shù)學(xué)模型和參數(shù)選取原則，分析了該方法的估計精度、計算量和適用條件，并通過仿真和實際數(shù)據(jù)處理驗證了該方法的有效性。

目標(biāo)定位精度是機載合成孔徑雷達(SAR)系統(tǒng)的一項重要技術(shù)指標(biāo)，因此機載SAR圖像目標(biāo)定位具有重要的應(yīng)用價值。在基于距離-多普勒模型的SAR圖像目標(biāo)定位方法中，載機運動參數(shù)的精度會直接影響定位的精度，在機載平臺導(dǎo)航精度受限的情況下，定位精度會受到很大影響。因此，該文提出一種基于距離-多普勒模型參數(shù)更新的機載SAR圖像目標(biāo)定位方法，利用機載SAR圖像與基準(zhǔn)圖像匹配得到的匹配點來對載機運動參數(shù)進行更新，提高參數(shù)的精度，進而提高定位的精度。實驗證明了該方法的有效性。

由于運動誤差嚴(yán)重的2維空變性，對于10 GHz超寬帶微波光子SAR，傳統(tǒng)的直接從相位進行運動誤差估計的方法估計精度不高。因此，該文提出一種包絡(luò)與相位聯(lián)合的超高分辨運動誤差估計方法，能夠在沒有慣導(dǎo)信息時實現(xiàn)運動誤差的精確估計。該方法首先在距離徙動矯正(RCMC)之前，通過對包絡(luò)對齊算法(RAA)提取的包絡(luò)信息采用最小二乘算法(LSA)與梯度下降算法(GDA)獲得近似的3維運動誤差。接著，對粗補償與RCMC之后的數(shù)據(jù)，先消除方位相位空變，然后采用兩維空變的相位誤差估計方法獲得剩余運動誤差的精確估計。仿真和車載微波光子雷達實測數(shù)據(jù)驗證了該方法的有效性。

現(xiàn)代星載合成孔徑雷達(SAR)系統(tǒng)要求同時具備高分辨率和寬測繪帶的能力，而傳統(tǒng)單通道星載SAR系統(tǒng)在分辨率和測繪帶兩個重要指標(biāo)之間存在固有矛盾，因此方位向多通道的方法被提出并用于解決上述問題。該文在分析方位向多通道回波模型的基礎(chǔ)上，結(jié)合Relax算法的特點，提出了一種基于Relax算法的星載SAR高分寬幅(HRWS)成像方法，并給出了新方法的詳細(xì)迭代流程。通過點目標(biāo)回波仿真，并與傳統(tǒng)的方位向多通道HRWS重建方法進行對比，驗證了新方法的可靠性和有效性。

隨著雷達信號的日益復(fù)雜，從實數(shù)序列中提取特征變得越來越困難，但當(dāng)它們表示成符號序列時，通常能更容易地挖掘出有效的特征參數(shù)。因此，該文提出一種基于多尺度信息熵(MSIE)的雷達信號識別方法。首先通過符號聚合近似(SAX)算法在不同字符集尺度下將雷達信號轉(zhuǎn)換為符號化序列；然后聯(lián)合各符號序列的信息熵值，組成MSIE特征向量；最后，使用k鄰近算法(k-NN)作為分類器實現(xiàn)雷達信號的分類識別。通過仿真6種典型的雷達信號進行驗證，結(jié)果表明該方法在信噪比(SNR)為5 dB時，不同雷達信號的識別正確率大于90%，并且優(yōu)于傳統(tǒng)的基于復(fù)雜度特征(盒維數(shù)和稀疏性)的識別方法。

由于傳統(tǒng)TEM小室的頻帶寬度不能滿足日益增長的寬頻帶需求，該文采用同軸結(jié)構(gòu)設(shè)計了一個DC-6 GHz的寬帶電磁輻照裝置。該裝置基于傳輸線理論和阻抗匹配原理，采用錐形過渡與圓同軸連接的結(jié)構(gòu)，在端口處選用N型連接器，與腔體的連接實現(xiàn)了良好的阻抗匹配。利用CST仿真軟件進行建模優(yōu)化，最后對仿真結(jié)構(gòu)進行加工與調(diào)試，仿真結(jié)果表明，該同軸電磁輻照裝置在DC-6 GHz頻率范圍內(nèi)S11均在–10 dB以下，由于加工的誤差測試結(jié)果在個別頻點稍有偏差，但趨勢和仿真結(jié)果具有較好的一致性，吻合較好，證明該輻照裝置具有良好的傳輸性能。該文設(shè)計的同軸腔在電磁輻照系統(tǒng)中具有很好的應(yīng)用價值。

為解決傳統(tǒng)遙感圖像分類方法特征提取過程復(fù)雜、特征表現(xiàn)力不強等問題，該文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)和多核學(xué)習(xí)的高分辨率遙感圖像分類方法。首先基于深度卷積神經(jīng)網(wǎng)絡(luò)對遙感圖像數(shù)據(jù)集進行訓(xùn)練，學(xué)習(xí)得到兩個全連接層的輸出將作為遙感圖像的兩種高層特征；然后采用多核學(xué)習(xí)理論訓(xùn)練適合這兩種高層特征的核函數(shù)，并將它們映射到高維空間，實現(xiàn)兩種高層特征在高維空間的自適應(yīng)融合；最后在多核融合特征的基礎(chǔ)上，設(shè)計一種基于多核學(xué)習(xí)-支持向量機的遙感圖像分類器，對遙感圖像進行精確分類。實驗結(jié)果表明，與目前已有的基于深度學(xué)習(xí)的遙感圖像分類方法相比，該算法在分類準(zhǔn)確率、誤分類率和Kappa系數(shù)等性能指標(biāo)上均有所提升，在實驗測試集上3個指標(biāo)分別達到了96.43%, 3.57%和96.25%，取得了令人滿意的結(jié)果。

現(xiàn)有的多目標(biāo)進化聚類算法應(yīng)用于圖像分割時，往往是在圖像像素層面上進行聚類，運行時間過長，而且忽略了圖像區(qū)域信息使得圖像分割效果不太理想。為了提高多目標(biāo)進化聚類算法的分割效果和時間效率，該文將圖像區(qū)域信息與部分監(jiān)督信息引入多目標(biāo)進化聚類，提出圖像區(qū)域信息驅(qū)動的多目標(biāo)進化半監(jiān)督模糊聚類圖像分割算法。該算法首先利用超像素策略獲得圖像的區(qū)域信息，然后結(jié)合部分監(jiān)督信息，設(shè)計融合區(qū)域信息和監(jiān)督信息的適應(yīng)度函數(shù)，接著通過多目標(biāo)進化策略對多個適應(yīng)度函數(shù)進行優(yōu)化得到最優(yōu)解集。最后構(gòu)造融合區(qū)域信息與監(jiān)督信息的最優(yōu)解評價指標(biāo)，實現(xiàn)從最優(yōu)解集中選取一個最優(yōu)解。實驗結(jié)果表明：與已有多目標(biāo)進化聚類算法相比，該算法不但分割效果有所提升，而且運行效率得以提高。

與經(jīng)典的K均值聚類算法相比，模糊C均值(FCM)聚類算法通過引入模糊因子，考慮不同聚類數(shù)據(jù)簇之間的相互關(guān)系，得到可分性更好的聚類結(jié)果。但是模糊因子的引入，使得任意一個樣本點都存在模糊性，造成FCM極易受到噪聲和離群點的影響，聚類結(jié)果泛化性能較差。因此，該文提出一種簇間可分的魯棒FCM算法(RBI-FCM)。RBI-FCM利用K均值算法對模糊隸屬度的稀疏特征，降低不同數(shù)據(jù)簇之間的相互作用，突出不同數(shù)據(jù)簇相鄰區(qū)域的可分性；另外，RBI-FCM在極小化數(shù)據(jù)簇內(nèi)部散布度的條件下，考慮不同數(shù)據(jù)簇之間的可分性，可提高聚類模型的泛化性能。該文設(shè)計了有效的模型求解迭代算法。實驗結(jié)果表明，RBI-FCM算法提高了FCM的魯棒性，有效降低FCM對數(shù)據(jù)簇分布差異性和抽樣不均衡的敏感性，得到理想的聚類結(jié)果。

圖像質(zhì)量評價研究的目標(biāo)在于模擬人類視覺系統(tǒng)對圖像質(zhì)量的感知過程，構(gòu)建與主觀評價結(jié)果盡可能一致的客觀評價算法。現(xiàn)有的很多算法都是基于局部結(jié)構(gòu)相似設(shè)計的，但人對圖像的主觀感知是高級的、語義的過程，而語義信息本質(zhì)上是非局部的，因此圖像質(zhì)量評價應(yīng)該考慮圖像的非局部信息。該文突破了經(jīng)典的基于局部信息的算法框架，提出一種基于非局部信息的框架，并在此框架內(nèi)構(gòu)建了一種基于非局部梯度的圖像質(zhì)量評價算法，該算法通過度量參考圖像與失真圖像的非局部梯度之間的相似性來預(yù)測圖像質(zhì)量。在公開測試數(shù)據(jù)庫TID2008, LIVE, CSIQ上的數(shù)值實驗結(jié)果表明，該算法能獲得較好的評價效果。

為提高現(xiàn)有隨機脈沖噪聲(RVIN)檢測算法的檢測準(zhǔn)確率和執(zhí)行效率，該文試圖從構(gòu)建描述能力更強的特征矢量和訓(xùn)練非線性映射更為準(zhǔn)確的預(yù)測模型兩個方面入手，實現(xiàn)一種基于訓(xùn)練策略的快速RVIN檢測算法。一方面，提取多個不同階的對數(shù)絕對差值排序統(tǒng)計值并結(jié)合一個能夠反映圖像邊緣特性的統(tǒng)計值作為刻畫圖塊中心像素點是否為噪聲的特征矢量。在計算量增加極少的情況下，顯著提升了特征矢量的描述能力。另一方面，基于深度置信網(wǎng)絡(luò)(DBN)訓(xùn)練RVIN預(yù)測模型(RVIN檢測器)將特征矢量映射為噪聲類型標(biāo)簽，實現(xiàn)了比淺層預(yù)測模型更為準(zhǔn)確的映射。大量實驗數(shù)據(jù)表明：與現(xiàn)有的RVIN檢測算法相比，所提算法在檢測準(zhǔn)確率和執(zhí)行效率兩個方面都更有優(yōu)勢。

針對直接利用卷積自編碼網(wǎng)絡(luò)未考慮視頻時間信息的問題，該文提出基于貝葉斯融合的時空流異常行為檢測模型。空間流模型采用卷積自編碼網(wǎng)絡(luò)對視頻單幀進行重構(gòu)，時間流模型采用卷積長短期記憶(LSTM)編碼-解碼網(wǎng)絡(luò)對短期光流序列進行重構(gòu)。接著，分別計算空間流模型和時間流模型下每幀的重構(gòu)誤差，設(shè)計自適應(yīng)閾值對重構(gòu)誤差圖進行二值化，并基于貝葉斯準(zhǔn)則對空間流和時間流下的重構(gòu)誤差進行融合，得到融合重構(gòu)誤差圖，并在此基礎(chǔ)上進行異常行為判斷。實驗結(jié)果表明，該算法在UCSD和Avenue視頻庫上的檢測效果優(yōu)于現(xiàn)有異常檢測算法。

針對Jousselme證據(jù)距離函數(shù)不能較好描述證據(jù)局部沖突和不能對高沖突證據(jù)進行準(zhǔn)確沖突度量的不足，該文首先提出改進的Jousselme證據(jù)距離函數(shù)，該函數(shù)基于能夠較好描述證據(jù)之間局部沖突情況的非重合度對Jousselme證據(jù)距離函數(shù)進行改進，使其沖突度量結(jié)果隨非重合度取值及其取值范圍的變化按適當(dāng)比例進行變化；其次，基于沖突系數(shù)和新改進Jousselme證據(jù)距離函數(shù)共同構(gòu)建改進的融合沖突度量函數(shù)。在此基礎(chǔ)上，對焦元權(quán)系數(shù)計算式進行改進，并依此對局部多維沖突信息進行按比例分配。理論及應(yīng)用分析結(jié)果表明，新算法是一種適用性廣泛且抗干擾性能好的證據(jù)融合算法。

標(biāo)準(zhǔn)應(yīng)用映射問題中，每個任務(wù)的通信量是確定值，而實際應(yīng)用中任務(wù)通信具有突發(fā)性和時變特征，因此將任務(wù)通信量建模為不確定值具有現(xiàn)實意義。該文利用區(qū)間流法對任務(wù)不確定性進行描述，基于保守因子對魯棒性應(yīng)用映射問題建模，提出了求解問題的改進禁忌搜索算法(Tabu-RAM)，通過5個Benchmark案例對本文模型和算法進行了驗證。實驗結(jié)果表明Tabu-RAM能夠求解傳統(tǒng)應(yīng)用映射問題，且優(yōu)于現(xiàn)有文獻中給出的算法。此外，與傳統(tǒng)禁忌搜索算法相比，Tabu-RAM算法在求解魯棒性應(yīng)用映射問題時具有更好的性能和穩(wěn)定性。

針對脈沖型噪聲的抑制問題，該文提出一種自適應(yīng)的限幅器設(shè)計方法。該方法以效能函數(shù)為指標(biāo)，采用自適應(yīng)搜索算法，自動尋找削波器和置零器的最佳門限，且能適用于未知噪聲分布的情形。首先分析了效能與非線性函數(shù)的關(guān)系，給出關(guān)鍵的優(yōu)化問題。然后考慮到效能函數(shù)計算復(fù)雜，提出基于線搜索的自適應(yīng)設(shè)計算法。其次針對未知分布情況，考慮非參數(shù)化的概率密度估計，該算法能夠穩(wěn)健運行且基本取得最優(yōu)設(shè)計效果。最后，結(jié)合兩種非高斯噪聲和實測大氣噪聲數(shù)據(jù)仿真，結(jié)果表明：該文方法可自適應(yīng)尋找最佳門限，使削波器和置零器效能達到最佳；當(dāng)噪聲分布未知時，該文方法無需假設(shè)噪聲模型，可與非參數(shù)化概率密度估計方法結(jié)合，取得最優(yōu)檢測效果。

該文給出了基于差族的高斯整數(shù)互補序列構(gòu)造方法。利用差族與互補序列之間的聯(lián)系，首先推導(dǎo)出高斯整數(shù)互補序列存在的充分條件，進而直接構(gòu)造了階數(shù)為2的高斯整數(shù)互補序列。為進一步增加高斯整數(shù)互補序列數(shù)目，又利用映射方法構(gòu)造了階數(shù)為4的高斯整數(shù)互補序列。同傳統(tǒng)的2元互補序列相比，高斯整數(shù)互補序列的存在數(shù)目很多，因此該文方法可以為通信系統(tǒng)提供大量的互補序列。

八陣圖算法(ESF)是一種具有廣義Feistel結(jié)構(gòu)的輕量級分組密碼算法，可用在物聯(lián)網(wǎng)環(huán)境下保護射頻識別(RFID)標(biāo)簽等資源受限的環(huán)境中，目前對該算法的安全性研究主要為不可能差分分析。該文通過深入研究S盒的特點并結(jié)合ESF密鑰擴展算法的性質(zhì)，研究了ESF抵抗相關(guān)密鑰不可能差分攻擊的能力。通過構(gòu)造11輪相關(guān)密鑰不可能差分區(qū)分器，在此基礎(chǔ)上前后各擴展2輪，成功攻擊15輪ESF算法。該攻擊的時間復(fù)雜度為2^40.5次15輪加密，數(shù)據(jù)復(fù)雜度為2^61.5個選擇明文，恢復(fù)密鑰比特數(shù)為40 bit。與現(xiàn)有結(jié)果相比，攻擊輪數(shù)提高的情況下，時間復(fù)雜度降低，數(shù)據(jù)復(fù)雜度也較為理想。

群組簽密既能實現(xiàn)群組簽名，又能實現(xiàn)群組加密，但是現(xiàn)有的群組簽密方案的發(fā)送者和接收者基本上在同一個密碼系統(tǒng)中，不能滿足現(xiàn)實環(huán)境的需求，而且基本上采用的是公鑰加密技術(shù)，公鑰加密技術(shù)在加密長消息時效率較低。因此該文提出由基于身份的密碼體制(IBC)到無證書密碼體制(CLC)的異構(gòu)密碼系統(tǒng)的混合群組簽密方案。在該方案中，私鑰生成器(PKG)和密鑰生成中心(KGC)能夠分別在IBC密碼體制和CLC密碼體制中產(chǎn)生自己的系統(tǒng)主密鑰；而且群組成員只有協(xié)作才能解簽密，提高了方案的安全性；同時在無需更換群組公鑰和其他成員私鑰的情況下，用戶可以動態(tài)地加入該群組。所提方案采用了混合簽密，具有可加密任意長消息的能力。在隨機預(yù)言模型下，證明了該文方案在計算Diffie-hellman困難問題下具有保密性和不可偽造性。通過理論和數(shù)值實驗分析表明該方案具有更高的效率和可行性。

為滿足未來移動通信網(wǎng)絡(luò)中多樣化的業(yè)務(wù)需求，為用戶提供定制化服務(wù)的同時提升網(wǎng)絡(luò)經(jīng)濟效益，該文提出一種基于在線拍賣的網(wǎng)絡(luò)切片資源分配算法。根據(jù)業(yè)務(wù)類型將用戶的服務(wù)請求轉(zhuǎn)化為相應(yīng)投標(biāo)信息，以最大化拍賣參與者的社會福利為目標(biāo)，將切片資源分配問題建模為基于多業(yè)務(wù)的在線贏家確定問題。結(jié)合資源分配與價格更新策略，實現(xiàn)基于在線拍賣的資源優(yōu)化配置。仿真結(jié)果表明，該算法能夠在滿足用戶業(yè)務(wù)需求的同時，提升網(wǎng)絡(luò)經(jīng)濟效益。

移動邊緣計算(MEC)通過在無線網(wǎng)絡(luò)邊緣為用戶提供計算能力，來提高用戶的體驗質(zhì)量。然而，MEC的計算卸載仍面臨著許多問題。該文針對超密集組網(wǎng)(UDN)的MEC場景下的計算卸載，考慮系統(tǒng)總能耗，提出卸載決策和資源分配的聯(lián)合優(yōu)化問題。首先采用坐標(biāo)下降法制定了卸載決定的優(yōu)化方案。同時，在滿足用戶時延約束下采用基于改進的匈牙利算法和貪婪算法來進行子信道分配。然后，將能耗最小化問題轉(zhuǎn)化為功率最小化問題，并將其轉(zhuǎn)化為一個凸優(yōu)化問題得到用戶最優(yōu)的發(fā)送功率。仿真結(jié)果表明，所提出的卸載方案可以在滿足用戶不同時延的要求下最小化系統(tǒng)能耗，有效地提升了系統(tǒng)性能。

針對彈性光網(wǎng)絡(luò)中物理損傷導(dǎo)致業(yè)務(wù)頻譜利用率低和傳輸能耗高問題，該文提出一種面向業(yè)務(wù)的鏈路損傷感知頻譜分區(qū)(LI-ASP)能效路由策略。在LI-ASP策略中，為降低不同信道間非線性損傷，基于負(fù)載均衡設(shè)計一個綜合考慮鏈路頻譜狀態(tài)和傳輸損傷的路徑權(quán)重公式，根據(jù)調(diào)制方式的頻譜效率和最大傳輸距離構(gòu)造分層輔助圖，從最高調(diào)制等級開始，為高質(zhì)量業(yè)務(wù)選擇K條邊分離的最大權(quán)重傳輸路徑；為低質(zhì)量業(yè)務(wù)選擇K條邊分離的最短能效路徑。然后，LI-ASP策略根據(jù)業(yè)務(wù)速率比值對頻譜分區(qū)，采用首次命中(FF)和尾端命中(LF)聯(lián)合頻譜分配方式，減少不同傳輸速率業(yè)務(wù)間的交叉相位調(diào)制。仿真結(jié)果表明，該文所提LI-ASP策略在有效降低帶寬阻塞率的同時，減少了業(yè)務(wù)傳輸能耗。