基于统计网络演算的端到端时延上界研究

为分析融合网络端到端统计时延性能,根据最小加代数理论中的统计网络演算相关知识,提出了一种改进的统计服务曲线并应用GPS调度系统模型,然后利用网络演算理论求解串型网络节点统计时延上界。数值分析结果表明,改进的调度模型有效改善了自相关特性对时延上界所造成的影响,比未改进的模型相比统计时延上界更具有良好的紧致性,为在融合网络环境中对端到端节点延迟上界研究提供有效控制、调度和管理具有一定的参考价值。     

基于分形漏桶的长程相关业务端到端延迟上界模型

为了求解以长程相关业务作为输入的网络端到端延迟上界,提出了基于分形漏桶和GPS系统的端到端网络模型,利用网络演算理论证明了分形漏桶的引入不增加网络端到端延迟上界,建立了端到端延迟理想及其近似确定上界模型.数值结果表明,分形漏桶有效改善了长程相关特性对端到端延迟上界所造成的影响,与简单漏桶相比,基于分形漏桶的长程相关业务端到端延迟上界具有更好的紧致性.     

随机移动模型下移动自组网无序传输端到端延迟闭解分析

针对移动自组网端到端延迟在封闭形式分析方面的局限性,该文提出一种有效的针对无序传输,单副本两跳中继算法的网络延迟建模方案,并给出其严格的理论延迟上界。首先针对多种随机移动模型,证明了移动节点的相遇间隔时间可归纳为统一表达式。然后,综合分析了媒介竞争、流量竞争、排队延迟等问题,合理划分并精确求解出了各延迟关键时间段,从而构造了数据包排队服务模型。最后推导出移动自组网端到端延迟的封闭形式理论上界。仿真结果表明,该理论延迟与实验数据紧密吻合。     

基于网络演算的聚合模型分析方法及其评估

在资源共享的通信媒介中,例如总线、交叉矩阵、网络,聚合模型的应用十分普遍.经由聚合节点发送的数据包的延迟上界可以通过网络演算理论得到,然而对于这种延迟上界紧致性的研究一直以来都是开放性问题.本文基于网络演算理论,讨论了单节点、多节点聚合模型的分析方法,包括两种到达曲线模型、两种等价服务曲线分析方法.同时以实验手段对延迟上界的紧致性进行了经验性的评估.最后作为结论,本文归纳了各种分析模型的质量,总结了各个参数是如何影响延迟上界的紧致性的.     

基于无线Mesh网络的分布式协调功能的研究

随着无线mesh网络的迅速发展和实时多媒体业务的日益增长,要求无线网络不仅能提供简单的连通性,还需要提供非常有效的QoS保证机制,针对这一问题,以时分多址/时分双工(TDMA/TDD)技术为基础,提出一种基于无线mesh网络的分布式协调功能,信道存取与数据传输发生在不同的时隙中,能够为端到端数据流公平的分配带宽,并且保证了实时服务传输的QoS.仿真及分析表明该协调功能可提高系统吞吐量并降低端到端延迟,有着更好的QoS性能.     

基于快速转发服务机制的端到端延时上界预测研究

以往运用确定性网络演算理论已经得到EF(Expedited Forwarding)流端到端延时上界表达式,它对实际网络的QoS控制起到了重要参考作用,但是这个表达式不够精确,而且只能描述网络状况最坏情况下的延时上界.本文改进了用确定性网络演算得到的EF流端到端延时上界,推导出更精确的延时上界表达式.同时,引入生灭模型,得到EF流端到端延时上界的概率分布表达式,能够描述不同网络状况下的延时上界.相比以往的结果,本文推导出的延时上界概率分布能够更准确地描述延时上界,具有更好的参考价值.     

基于Q-learning算法的无人机自组网AODV稳定路由改进方法

针对小型无人机集群组网中节点高速移动、网络拓扑变化剧烈导致的网络性能下降问题,在无线自组网按需平面距离向量（AODV）协议基础上,提出一种具有链路稳定度意识的无人机自组网路由协议（LN-AODV）。首先,通过加权计算链路维持时间和邻居节点变化度,从而选择稳定路径,解决拓扑结构动态变化条件下数据传输延迟和数据成功投递率下降的难题;然后,结合Q-learning算法自适应调整Hello消息的发送周期,使协议能够通过感知拓扑变化程度调整路由控制开销和拓扑感知灵敏度。仿真结果表明,相比于AODV,所提方法在端到端延迟、分组投递率、路由开销和数据吞吐量4个网络性能指标上分别提升7.56%,2.58%,17.39%,2.62%,可适应于节点高速运动的无人机自组网,对于无线自组网理论研究及拓展应用具有重要的借鉴意义。     

一种无线短波自组网QoS源路由协议

针对无线短波自组网传输信道的特殊性,通过分析链路质量和节点业务负载对路由性能的影响,提出了一种基于路径质量和网络负载均衡的QoS源路由协议,它将链路质量、跳数及中间节点的负载信息作为最优路径选择标准。详细阐述了该路由协议的工作机制,并给出了具体的代价函数计算公式。分析结果表明,该路由协议的确可以提高无线短波自组网的路由性能,能够满足短波自组网的特殊要求。     

TDMA自组网的QoS设计

QoS设计是一个复杂的问题,IETF针对有线网络提出实现QoS的2种标准模型;然而在无线自组网中,由于隐终端、显终端问题的存在和带宽限制问题,有线网络使用的QoS模型略显繁琐并使实现无线QoS较为困难。通过对TDMA方式自组网的分析,使用跨层合并方法设计一个QoS路由协议,并得到集成服务模型在无线自组网络的一个实现。通过仿真,验证此路由协议设计的正确性,同时分析此协议性能,结果表明该路由协议高效可行。     

移动自组网QoS路由协议研究

移动自组网是由一组带有无线收发装置的移动节点组成的一个多跳的临时性的自治系统。随着无线通信中多媒体业务的增加,在移动自组网中提供QoS(Quality of Sevice服务质量)保障具有越来越重要的意义,而QoS路由技术则是其中的核心技术和热点问题。文章指出移动自组网QoS路由的困难,对移动自组网典型QoS路由协议进行了详细的分析与比较,并对几种较新的移动自组网QoS路由协议进行了介绍,末了对移动自组网QoS路由协议的发展进行了展望。     

基于复杂网络的在线社会网络模型的研究

针对典型的在线社会网豆瓣网中用户之间的关系存在用户关注关系和影评关系复合的情况,利用复杂网络模型理论,根据在线社会网络演化模型的建模步骤设计了一个网络拓扑演化模型,通过仿真实验得出模型的网络特征和豆瓣网实际网络特征较为符合。     

基于小波神经网络的网络流量预测研究

主要采用小波神经网络的相关理论和方法对某小区网络的访问流量情况进行建模和预测。利用收集到的网络流量变化情况作为小波网络的训练样本,成功实现了该网络的流量预测。试验仿真结果表明,构建的小波神经网络模型可以很好地实现对网络流量的高精度预测。     

网络环境下车联网通信协议的研究

随着我国汽车保有量的剧增以及我国计算机网络技术的不断成熟,车联网成为人们生活和工作的一项重要辅助工具,也成为政府进行交通管理的重要辅助工具。因此,对车联网通信协议和车联网的研究就显得意义重大。文章首先论述了车联网的概念以及研究背景,接着阐述了车联网通信协议的研究内容,最后列举了车联网未来的一些应用,以期能为车联网通信协议的研究者和车联网的使用者提供一些有意义的参考。     

浅谈移动通信网的网络优化

近年来随着移动通信网络的迅猛发展，在市场需求的驱动下，移动网络不断扩容，网络的规划也一再随之调整。建设周期短，发展速度快，前后工期重叠进行，造成整个通信网络的各种资源不能得到合理的应用，网络运行效率低。为使得网络资源能够合理配置和应用，移动通信网络的网络优化工作已经成为移动通信运营商提高服务水平，保障通信质量的重要工作内容。     

基于ZigBee无线网络的可控组网方法研究

ZigBee无线网络中节点多采用自组网的方式入网,这种方式容易引起网络中部分节点的过度消耗。针对此种情况提出可控组网方式,通过对节点入网父节点的选择控制,可以有效的监控管理整个网络的拓扑结构和节．最分布,并延长节点和网络的寿命。通过在基于CC2530的开发系统中对可控组网方式编译和实现,验证了其可行性。     

基于BP神经网络的网络安全态势预测研究

以网络系统安全运行作为出发点,从入侵检测系统和杀毒软件等安全手段中提取出可以反映网络安全运行的数据。从网络安全运行的威胁性、脆弱性、风险性和基础运行四个方面建立了一套网络安全态势评估体系。通过层次分析法对该评价体系进行计算,获得可以表征网络安全运行状态的综合安全指数。在该体系的基础上,利用BP神经网络对网络安全状态进行预测,实验结果表明,采用BP神经网络可以较好地对网络的安全态势进行预测,在相关研究领域有一定的借鉴价值。     

基于改进神经网络的无线网络流量预测

考虑到无线网络流量具有极强的分散性、随机性以及混沌等特性,使用传统的ARIMA预测模型和BP神经网络模型难以对其进行精确的预测等,该文使用粒子群优化算法对BP神经网络预测模型进行优化以解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,引入遗传算法中的自适应变异因子来以一定概率初始化部分变量解决粒子群优化算法会出现陷入局部最优解以及早熟收敛等问题。最后使用经典的CRAWDAD数据库中的无线网络流量数据对该文预测方法性能进行测试,使用稳定小波变换方法将无线网络流量数据分解,得到由1个近似分量以及3个细节分量组成的数据流。测试结果表明,该预测算法在预测性能上要优于ARIMA预测模型和BP神经网络模型。     

基于卷积神经网络的网络隐写分析方法研究

针对现有网络隐写分析算法特征提取难度大、算法适用范围单一的问题,文章提出了一种基于卷积神经网络的网络隐写分析方法。对网络数据流进行预处理,将所有数据包处理成大小相同的矩阵,最大限度地保留数据特征完整性;使用异构卷积进行特征提取,减少模型计算量及参数数量,加快模型收敛速度;取消池化层,提高模型训练效率。与传统网络隐写分析方法相比,模型能够自动提取数据特征,识别多种网络隐写算法。     

基于BP神经网络技术的网络时延预测研究

为了应对网络控制系统中普遍存在的时延,有效预测是对网络控制系统非常重要的一环。介绍了一种基于BP神经网络的时延预测研究,利用BP神经网络中的最小平方算法来决定权值、基函数中心以及隐层的单元数量。运用Matlab软件对提出的BP神经网络的预测模型进行仿真实验,结果表明提出的BP神经网络模型在预测网络时延上非常有效。     

浅谈MANET网络攻击类型与网络安全

随着计算机网络技术的高速发展,互联网技术的应用越来越广泛.很快,由传统的防单机病毒,人们更加意识到网络安全的重要性.很多类型的攻击每天都在增加,保护计算机和网络安全是关键问题.MANET在计算机技术方面定义为移动自组网络的工作组,全称为Mobile Ad-hoc NETworks.本文描述了网络安全机密向量、网络安全完整性向量和网络安全可用性向量,并提出了MANET中的主要攻击类型.