基于Matlab的AOS泊松流等时帧生成算法包时延仿真
泊松融合matlab
泊松融合matlab
泊松融合是一种常用的图像处理算法，可以将两张不同的图片合并成一张完整的图片。
这种算法在数码相机、电影特效以及计算机视觉领域都有很广泛的应用。
在matlab中，实现泊松融合可以使用Image Processing Toolbox中的函数。
泊松融合的基本思路是将两张图像进行“剪切”和“粘贴”操作，即将一张图像中的某些区域剪切出来，然后将其粘贴到另一张图像中。
为了使得两张图像的边缘能够自然地衔接，需要使用泊松方程进行修正，从而达到更好的融合效果。
在matlab中，可以使用如下代码实现泊松融合：
```matlab
% 读入两张图像
A = imread('image1.jpg');
B = imread('image2.jpg');
% 获取A图像中需要剪切的区域
mask = roipoly(A);
% 对A图像中的剪切区域进行泊松融合
blended_image = poissonBlend(B, A, mask);
% 显示融合后的图像
imshow(blended_image);
```
上述代码中，通过调用roipoly函数获取图像A中需要剪切的区
域，然后使用poissonBlend函数进行泊松融合操作，最终得到融合后的图像。
需要注意的是，将两张图像进行泊松融合时，需要保证两张图像的大小和分辨率相同。
除了使用matlab自带的函数实现泊松融合之外，还可以使用第三方工具包，如OpenCV、Python等进行实现。
无论使用哪种工具包，都需要对泊松融合的算法原理有一定的了解，才能够更好地实现该算法。
基于MATLAB的MIMO-OFDM通信系统的仿真
基于MATLAB的MIMO-OFDM通信系统的仿真0 引言5G技术的逐步普及，使得我们对海量数据的存储交换，以及数据传输速率、质量提出了更高的要求。
信号的准确传播显得越发重要，随之而来的是对信道模型稳定性、抗噪声性能以及低误码率的要求。
本次研究通过构建结合空间分集和空间复用技术的MIMO信道，引入OFDM 技术搭建MIMO-OFDM 系统，在添加保护间隔的基础上探究其在降低误码率以及稳定性等方面的优异性能。
1 概述正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术通过将信道分成数个互相正交的子信道，再将高速传输的数据信号转换成并行的低速子数据流进行传输。
该技术充分利用信道的宽度从而大幅度提升频谱效率达到节省频谱资源的目的。
作为多载波调制技术之一的OFDM 技术目前已经在4G 中得到了广泛的应用，5G 技术作为新一代的无线通信技术，对其提出了更高的信道分布和抗干扰要求。
多输入多输出（Multi Input Multi Output,MIMO）技术通过在发射端口的发射机和接收端口的接收机处设计不同数量的天线在不增加频谱资源的基础上通过并行传输提升信道容量和传输空间。
常见的单天线发射和接收信号传输系统容量小、效率低且若出现任意码间干扰，整条链路都会被舍弃。
为了改善和提高系统性能，有学者提出了天线分集以及大规模集成天线的想法。
IEEE 806 16 系列是以MIMO-OFDM 为核心，其目前在欧洲的数字音频广播，北美洲的高速无线局域网系统等快速通信中得到了广泛应用。
多媒体和数据是现代通信的主要业务，所以快速化、智能化、准确化是市场向我们提出的高要求。
随着第五代移动通信5G 技术的快速发展，MIM-OFDM 技术已经开始得到更广泛的应用。
本次研究的MIMO-OFDM 系统模型是5G的关键技术，所以对其深入分析和学习，对于当下无线接入技术的发展有着重要的意义。
用Matlab实现排队过程的仿真
用Matlab实现排队过程的仿真一、引言排队是日常生活中经常遇到的现象。
通常，当人、物体或是信息的到达速率大于完成服务的速率时，即出现排队现象。
排队越长，意味着浪费的时间越多，系统的效率也越低。
在日常生活中，经常遇到排队现象，如开车上班、在超市等待结账、工厂中等待加工的工件以及待修的机器等。
总之，排队现象是随处可见的。
排队理论是运作管理中最重要的领域之一，它是计划、工作设计、存货控制及其他一些问题的基础。
Matlab 是MathWorks 公司开发的科学计算软件，它以其强大的计算和绘图功能、大量稳定可靠的算法库、简洁高效的编程语言以及庞大的用户群成为数学计算工具方面的标准，几乎所有的工程计算领域，Matlab 都有相应的软件工具箱。
选用 Matlab 软件正是基于 Matlab 的诸多优点。
二、排队模型三．仿真算法原理（ 1 ）顾客信息初始化根据到达率λ和服务率µ来确定每个顾客的到达时间间隔和服务时间间隔。
服务间隔时间可以用负指数分布函数 exprnd() 来生成。
由于泊松过程的时间间隔也服从负指数分布，故亦可由此函数生成顾客到达时间间隔。
需要注意的是 exprnd() 的输入参数不是到达率λ和服务率µ而是平均到达时间间隔 1/ λ和平均服务时间 1/ µ。
根据到达时间间隔，确定每个顾客的到达时刻 . 学习过 C 语言的人习惯于使用 FOR 循环来实现数值的累加，但 FOR 循环会引起运算复杂度的增加而在 MATLAB 仿真环境中，提供了一个方便的函数 cumsum() 来实现累加功能读者可以直接引用对当前顾客进行初始化。
第 1 个到达系统的顾客不需要等待就可以直接接受服务其离开时刻等于到达时刻与服务时间之和。
（ 2 ）进队出队仿真在当前顾客到达时刻，根据系统内已有的顾客数来确定是否接纳该顾客。
若接纳则根据前一顾客的离开时刻来确定当前顾客的等待时间、离开时间和标志位；若拒绝，则标志位置为 0。
（完整版）基于MATLAB的泊松分布的仿真
（完整版）基于MATLAB的泊松分布的仿真泊松过程样本轨道的MATLAB 仿真⼀、 Poisson Process 定义若有⼀个随机过程{:0}t N N t =≥是参数为λ>0的Poisson 过程，它满⾜下列条件： 1、0N = 0；2、对任意的时间指标0s t ≤<，增量()()t s N N t s ω-ωλ(-)服从参数为泊松分布。
3、对任意的⾃然数n ≥2和任意的时间指标0120n t t t t =<<12110,,n n t t t t t t N N N N N N --?,--是相互独⽴的随机变量。
⼆、从泊松过程的定义可知1、泊松过程具有平稳独⽴增量性。
2、时间指标集合为[ 0 , +∞],状态空间为*S=N 。
3、泊松过程是⼀个连续时间离散状态的随机过程。
三、MATLAB 仿真泊松过程的思想1、若定义i T 为泊松过程的到达时间，1,n n n T T n τ=+-∈N 为到达时间间隔。
那么泊松过程N 的到达时间间隔{:}n n N τ∈是相互独⽴且同服从于参数为λ的指数分布。
2、若U 是服从于[0，1]的均匀分布，则1()E Ln U =-λ服从于参数为λ的指数分布。
利⽤随机变量分布函数的定义很容易证明这条性质。
3、由于1、和2、中的条件成⽴，现在我们考虑11[()]n n n T T Ln U n τ=+=--λ那么就可以推出11[()]n n T T Ln U n +=-λ在MATLAB 中我们可以⽤rand(1,K)产⽣⼀个具有K 个值的随机序列，它们在[0,1]上服从于均匀分布，利⽤上式计算出 n T ，在每⼀个到达时间 n T 处，N 的值从n-1变成n 。
⽤plot 函数就可以将样本轨道画出了。
四、MATLAB 程序1、⾸先我们建⽴⼀个poisson 函数，即poisson.m:function poisson(m)%This function can help us to simulate poisson processes. %If you give m a integer like 1 2 3 and so on ,then you will get %a figure to illustrate the m sample traces of the process. %rand('state',0); %复位伪随机序列发⽣器为0状态 K=10; %设置计数值为10%m=6; %设置样本个数color=char('r+','b+','g+','m+','y+','c+'); %不同的轨道采⽤不同的颜⾊表⽰lambda=1; %设置到达速率为1for n=1:mu=rand(1,K); %产⽣服从均匀分布的序列T=zeros(1,K+1); %长⽣K+1维随机时间全零向量k=zeros(1,K+1); %产⽣K+1维随机变量全零向量for j=1:Kk(j+1)=j;T(j+1)=T(j)-log(u(j))/lambda; %计算到达时间endfor i=1:Kplot([T(i):0.001:T(i+1)],[k(i):k(i)],color(n,[1,2])); hold on;endend2、下⾯我们在命令窗⼝键⼊以下命令：clear；poisson(1);就可以得到⼀条样本轨道，如下所⽰：键⼊poisson(2)，得到的图如下：键⼊poisson(3),得到的图如下：键⼊poisson(4),仿真结果：键⼊poisson(5)，仿真结果：键⼊poisson1(6),仿真结果：。
基于自相似业务流的AOS等时帧生成算法的复用效率仿真
图 １ 等 时 帧 生成 算 法 的 复 用 效 率 均 值
收 稿 日期 ： ２ ０ １ ５ — ０ ９ — １ ４
作 者 简介 ： 刘瑞冰（ １ ９ ８ ８ － － ） ， 女， 内 蒙古 赤峰 人 ， 硕 士研 究 生， 主要 研 究移 动 无 线 网络 技 术 ： 潘伟 杰 （ １ ９ ８ ８ —） ， 男， 广 东梅 州人 ， 硕 士研 究 生， 主 要研 究高速移动无线信 号处理； 宿晋（ １ ９ ９ ０ —● ， 男， 吉林 四平人 ， 硕 士研究生， 主要研究移动无线网络技术； 范玉娜（ １ ９ ９ ０ － － ） ， 女， 吉林松原 人， 硕 士研 究 生， 主要 研 究 高速 移 动 无 线信 号 处理 。
ｏ ｎ Ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｉ ｎ ｇ． １ ９ ９ ７ ， ５ （ ６ ） ： ８ ３ ５ —８ ４ ６ ．
［ ２ ］ 高晓玲． 基于 Ａ Ｏ Ｓ的多路复用技术研 究［ Ｄ ］ ． 沈阳理工大 学。 ２ ０ １ １ ．个
［ ３ ］ 刘保柱， 苏彦华。 张宏林． Ｍ ａ ｔ ｌ ａ ｂ ７ ． ０从入 门到精通（ 修订版 ） ［ Ｈ ］ ． ２
传统的业务流研究 中采用了泊松过程 ， 马可夫调制的泊松 过 程、 自回归模型等作为网络流量模型 。 但这些模 型所产生 的业务 ， 一
般在时域上只具有短相关性 ， 不具有 自相似性。 目前 自相似业务流 量建模有多种方法 ， 其 中０ Ｎ／ ＯＦ Ｆ 模型是经典的 自相似模型 ， 不但 有 明确 的物理意义 ， 而且在一定程 度上解释了 自相 似产生的原因 。 ０Ｎ／ ０ Ｆ Ｆ 信 源分为两种状态 ， 活跃期和 空闲期 。 在 活跃 期时（ 称 为 ＯＮ期间） 以一定 的速率 发送数据 ， 在 不发送数据期 间（ 称 为Ｏ Ｆ Ｆ 期 间褓 持空闲。 如果Ｏ Ｎ和Ｏ Ｆ Ｆ 期间是相互独立 的， 并且传 输的文件长
基于MATLAB的泊松分布的仿真
泊松过程样本轨道的MATLAB 仿真一、 Poisson Process 定义若有一个随机过程{:0}t N N t =≥是参数为λ>0的Poisson 过程，它满足下列条件： 1、0N = 0；2、对任意的时间指标0s t ≤<，增量()()t s N N t s ω-ωλ(-)服从参数为泊松分布。
3、对任意的自然数n ≥2和任意的时间指标0120n t t t t =<<<⋯<<⋯，n 个增量12110,,n n t t t t t t N N N N N N --⋯,--是相互独立的随机变量。
二、从泊松过程的定义可知1、泊松过程具有平稳独立增量性。
2、时间指标集合为[ 0 , +∞],状态空间为*S=N 。
3、泊松过程是一个连续时间离散状态的随机过程。
三、MATLAB 仿真泊松过程的思想1、若定义i T 为泊松过程的到达时间，1,n n n T T n τ=+-∈N 为到达时间间隔。
那么泊松过程N 的到达时间间隔{:}n n N τ∈是相互独立且同服从于参数为λ的指数分布。
2、若U 是服从于[0，1]的均匀分布，则1()E Ln U =-λ服从于参数为λ的指数分布。
利用随机变量分布函数的定义很容易证明这条性质。
3、由于1、和2、中的条件成立，现在我们考虑11[()]n n n T T Ln U n τ=+=--λ那么就可以推出11[()]n n T T Ln U n +=-λ在MATLAB 中我们可以用rand(1,K)产生一个具有K 个值的随机序列，它们在[0,1]上服从于均匀分布，利用上式计算出 n T ，在每一个到达时间 n T 处，N 的值从n-1变成n 。
用plot 函数就可以将样本轨道画出了。
四、MATLAB 程序1、首先我们建立一个poisson 函数，即poisson.m:function poisson(m)%This function can help us to simulate poisson processes. %If you give m a integer like 1 2 3 and so on ,then you will get %a figure to illustrate the m sample traces of the process. %rand('state',0); %复位伪随机序列发生器为0状态 K=10; %设置计数值为10%m=6; %设置样本个数color=char('r+','b+','g+','m+','y+','c+'); %不同的轨道采用不同的颜色表示lambda=1; %设置到达速率为1for n=1:mu=rand(1,K); %产生服从均匀分布的序列T=zeros(1,K+1); %长生K+1维随机时间全零向量k=zeros(1,K+1); %产生K+1维随机变量全零向量for j=1:Kk(j+1)=j;T(j+1)=T(j)-log(u(j))/lambda; %计算到达时间endfor i=1:Kplot([T(i):0.001:T(i+1)],[k(i):k(i)],color(n,[1,2]));hold on;endend2、下面我们在命令窗口键入以下命令：clear；poisson(1);就可以得到一条样本轨道，如下所示：键入poisson(2)，得到的图如下：键入poisson(3),得到的图如下：键入poisson(4),仿真结果：键入poisson(5)，仿真结果：键入poisson1(6),仿真结果：。
matlab中服从泊松过程的到达时间序列生成
Matlab中服从泊松过程的到达时间序列生成泊松过程是一种常见的随机过程，描述了事件在给定时间段内的到达规律。
在实际应用中，我们经常需要生成服从泊松过程的到达时间序列，以便进行仿真、建模和分析。
在Matlab中，我们可以通过一些方法来生成服从泊松过程的到达时间序列。
一、生成泊松过程到达时间序列的基本原理泊松过程的到达时间间隔服从指数分布，而指数分布可以通过指数分布的累积分布函数的逆函数来生成。
在Matlab中，我们可以使用rand函数生成服从均匀分布的随机数，再通过指数分布的累积分布函数的逆函数，即负指数分布的逆函数，来得到服从指数分布的随机数。
我们可以将这些随机数累积相加，即可得到泊松过程的到达时间序列。
二、Matlab代码实现以下是一段简单的Matlab代码，用于生成服从泊松过程的到达时间序列：```matlablambda = 10; % 泊松过程的到达率T = 100; % 时间段的长度N = poissrnd(lambda*T); % 生成总到达次数interarrival_times = exprnd(1/lambda, 1, N); % 生成到达时间间隔arrival_times = cumsum(interarrival_times); % 生成到达时间序列```在这段代码中，我们首先指定了泊松过程的到达率lambda和时间段的长度T。
我们使用poissrnd函数生成服从泊松分布的随机数N，表示在时间段内的总到达次数。
我们使用exprnd函数生成服从指数分布的随机数，表示到达时间间隔。
通过cumsum函数累积相加，得到服从泊松过程的到达时间序列。
三、代码分析和有效性验证这段代码的有效性可以通过对生成的到达时间序列进行统计分析来验证。
我们可以计算到达时间间隔的均值和方差，并与指数分布的理论均值和方差进行比较。
我们还可以绘制到达时间序列的直方图和间隔时间的概率密度函数，以直观地观察其分布特征。
AOS空间通信系统中自适应帧生成算法
increasingly complex space communication system，the performance of the frame generation algorithm in the A 0 S space
communications systems is studied based on
中 图 分 类 号 ：T 2 9 2 5
文 献 标 识 码 ：A
文 章 编 号 ：1000-1328(2018)07-0769-08
D O I ：10. 3873/j. issn. 1000-1328.2018.07.008
Adapti've Frame Generation Algorithm in AOS Space Communications Systems
第 39卷 第 7 期 2018 年 7 月
宇航学报
Journal of AMonauticM
5 。1.39 2 ; 7 July 2018
AOS空 间 通 信 系 统 中 自 适 应 帧 生 成 算 法
刘 立 士 ，田 野 ，徐 野 ，付 钰 ，赵 晓 曦
(沈阳理工大学，沈 阳 110159)
摘 要 ：针 对 泊 松 流 模 型 已 经 不 再 适 合 日 益 复 杂 的 研 究 空 间 通 信 系 统 中 帧 生 成 算 法 的 问 题 ，在 自 相 似 流 量 模 型 下 ，对 A 0 S 空 间 通 信 系 统 中 的 帧 生 成 算 法 的 性 能 进 行 研 究 。 通 过 严 格 的 理 论 分 析 ，给 出 自 适 应 帧 生 成 算 法 在 有
无 限 增 大 缓 存 容 量 达 到 降 低 溢 出 概 率 ，适 当 选 择 门 限 值 和 控 制 帧 提 取 时 间 ，可 以 有 效 提 高 该 算 法 性 能 的 结 论 ，为 空
基于Matlab的AOS自相似流高效率帧生成时间仿真研究
Ｓ ｃ 科 ｉ ｅ ｎ ｃ ｅ ＆ 技 Ｔ ｅ ｃ ｈ 视 ｎ ｏ ｌ ｏ ｇ ｙ Ｓ Ｖ ｉ ｓ ｔ ｉ ｏ ｎ
科技
・
探索 ・ 争鸣
基于 Ｍ ａ ｔ ｌ ａ ｂ ｌ 的 Ａ ＯＳ － 自相似流高效率帧 生成时间仿真研究
刘立士 范玉娜 罗 浩 张耀寰
（ 沈阳 理工 大学信 息 科 学与工 程 学院 ， 辽宁 沈 阳 １ １ ０ １ ５ ９ ）
．
１ 研究意义
４ 实验仿真 结果与分析
．
仿真参数设 置： 泊松 分布 ｘ ： ｏ１ ～ ０ ． ４ ， 一个 Ｍ Ｐ Ｄ Ｕ包含 的包数 ＝ 大量 的研究结果现 已证实 ： 在任何 的时间、 任何 的地点 、 任何的网 络． 不 论网络拓扑结构 、 用 户数量 、 利用类 型如何 的变化 ， 业务 流量的 １ — １ ９ 个。 自相似性 始终存 在口 ． 故在 Ａ Ｏ Ｓ 多路复用的研究方 面 ， 将传统的泊松 模 型作为业务流 的到达模 型已不再适合 ． 而目 前基 于 自相似业务流的 Ａ Ｏ Ｓ 多路复用的研究还不够充分 ， 故本文基于 自 相似业务流的性质针 对Ａ Ｏ Ｓ 多路复用 中的高效率帧生成算法进行研究 ，并利 用 Ｍ ａ ｔ ｌ ａ ｂ 仿 真软件验证其帧生成时间均值性能参数的理论正确性。
Ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗ ｉ ｔ ｈ Ｂ ｒ ｏ ａ ｄ Ａ ｐ ｐ ｌ ｉ ｃ ａ ｂ ｉ ｌ ｉ ｔ ｙ Ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｍ ｏ ｖ ａ ｂ ｌ ｅ Ｂ ｏ ｕ ｎ ｄ ａ ｒ ｙ【 Ｍ ］ ． Ｈｉ ｎ ｄ ａ ｗ ｉ
Ｐ ｕ ｂ ｌ ｉ ｓ ｈ ｉ ｎ ｇ Ｃｏ ｒ ｐ ｏ ｒ ａ ｔ ｉ ｏ ｎ ， ２ ０ １ ３ ．
８ ３ ５ － ８ ４ ６ ．
matlab 通信仿真案例
matlab 通信仿真案例MATLAB是一种常用的科学计算软件，被广泛应用于各个领域的仿真和模拟中。
在通信领域，MATLAB也是一个非常强大的工具，可以用来进行通信系统的仿真和设计。
下面我将通过一个简单的通信仿真案例来展示MATLAB在通信领域的应用。
假设我们要设计一个基本的数字通信系统，包括信号的生成、调制、传输、解调和接收等过程。
首先，我们需要生成一个信号源，这里我们选择一个简单的正弦波信号作为输入信号。
利用MATLAB的信号处理工具箱，我们可以很方便地生成一个正弦波信号，并对其进行调制。
接下来，我们将对信号进行调制，这里我们选择将信号调制为一种常见的调制方式——正交振幅调制（QAM）。
在MATLAB中，可以很容易地实现QAM调制，同时也可以设置调制阶数和载波频率等参数。
然后，我们需要模拟信号在传输过程中的传输情况，包括信道的噪声和衰落等影响。
在MATLAB中，可以通过添加高斯噪声或其他类型的信道噪声来模拟传输过程。
同时，可以通过调整信号的功率和信道的信噪比等参数来观察信号在传输过程中的性能表现。
接收端的解调也是通信系统中非常重要的一个环节。
在MATLAB中，可以很方便地实现QAM的解调过程，并对接收到的信号进行解调和解码。
通过观察解调后的信号和原始信号的误码率等性能指标，可以评估通信系统的性能。
除了基本的信号处理和调制解调，MATLAB还提供了丰富的工具箱和函数，可以用来实现各种通信系统中常见的功能和算法。
比如信道编码、调制解调、信号检测、自适应调制等。
可以根据具体的需求和应用场景，选择合适的工具箱和函数来实现通信系统的仿真和设计。
总的来说，MATLAB是一个非常强大的工具，在通信系统的仿真和设计中有着广泛的应用。
通过上面的简单案例，我们可以看到MATLAB在通信领域的强大功能和灵活性，为工程师和研究人员提供了一个方便快捷的平台，用来实现各种通信系统的仿真和设计。
希望通过这个案例的介绍，读者对MATLAB在通信领域的应用有所了解，也能够在实际工作中运用MATLAB来进行通信系统的仿真和设计。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于Matlab的AOS泊松流等时帧生成算法包时延仿真
作者：罗浩周雅芳范玉娜刘立士
来源：《科技视界》2014年第26期
【摘要】两级多路复用技术是高级在轨系统（AOS）协议的关键技术之一[1]，第一级多路复用是指包复用，第二级多路复用为虚拟信道调度。
本文基于Malab主要针对第一级复用中的等时帧生成[2]算法的平均包时延性能参数进行研究仿真。
【关键词】Matlab;AOS泊松流;等时帧生成;包时延
1 研究意义
文献[3-5]均在是在以泊松流作为源包到达模型的基础上对AOS多路复用做出了大量的研究，对于帧生成算法和调度算法给出了严密的性能参数的理论公式的推导，并给出了理想的仿真结果对比图，但都没有在分析等时帧生成算法时对其平均包时延进行研究，故而本文基于matlab仿真软件对其进行了仿真，为AOS多路复用研究补充了新的研究结果。
2 等时帧生成平均包时延原理
等时帧生成算法为每隔一段固定的时间将上层到达的数据包封装成帧并且释放。
等时平均包时延为在时间t内到达的最后一个包与之前到达的每个包的时间间隔之和的均值，即：
等时平均包时延=在时间t内的时延和/到达的包数
3 等时帧生成包时延流程图
图1 泊松流等时帧生成平均包时延流程图
4 实验仿真结果与分析
仿真参数设置：泊松分布λ=1，等时帧生成时间t=7～10s，一个MPDU包含的包数
nf=25～35个。
图2 泊松流等时帧生成平均包时延仿真图
图2给出了当等时帧生成时间为7～10s并且一个MPDU长度为25～35个时，泊松流等时帧生成算法的平均包时延的仿真结果。
从图中可以看出，在帧生成时间和MPDU长度变化的条件下，平均包时延的仿真结果与理论值几乎完全一致，论证了理论推导的正确性。
【参考文献】
[1]田野，冯永新，马玉峰，刘桂君.高级在轨系统中的多路复用与差错控制技术研究[M].科学出版社，2014.
[2]Ye Tian，Qingfan Li，Yongxin Feng，Xiaoling Gao.A Virtual Channels Scheduling Algorithm with Broad Applicability Based on Movable Boundary [M].Hindawi Publishing Corporation，2013.
[3]张艳琴，基于高级在轨系统的虚拟信道调度算法研究[D].沈阳理工大学，2010.
[4]高晓玲.基于AOS的多路复用技术研究[D].沈阳理工大学，2011.
[5]夏莹.AOS空间复用技术研究[D].沈阳理工大学，2011.
[责任编辑：薛俊歌]。