基于PLE的有确定解的端到端网络链路时延推测方法

网络时延是重要的网络性能指标,端到端网络时延推测能够克服传统的基于路由器或者路由器协作的网络测量技术的弊端。在网络拓扑已知且稳定和链路性能时空独立性的假设前提下,给出了网络链路时延推测模型,提出了一种基于伪似然估计(PLE)的有确定解的端到端网络链路时延推测方法。在应用期望最大化算法的伪似然估计的基础上,控制背靠背发包方式,确定可以求解的探测单元,解决了不满足有确定解拓扑下的求解问题,且有效降低了计算复杂度。最后利用基于模型的计算验证了该方法的准确性和有效性。     

一种基于多播推测丢包率的算法

网络层析是近年新兴的一个网络研究领域,它利用端到端的性能测试结果推导网络内部性能特征或拓扑结构,克服了传统网络测量技术的一些缺陷.丢包率层析的主要方法是利用最大似然估计(MLE),但是计算复杂度高且计算时间较长;基于伪似然估计(PMLE)方法可以较快估计各链路丢包率,但是在非叶节点链路的误差较大.为了克服以上缺点,本文基于多播网络的端对端测量,结合MLE和PMLE提出一种推算网络内部各链路的丢包率算法.通过仿真证实该算法估测的结果能真实地反应网络内部丢包趋势,在推测精度较好的情况下,计算量减少,计算复杂度降低.     

一种稳健的GPS多径估计算法

为研究抵制多径误差的信号处理,提出了一种在低信噪比、多经和干扰条件下GPS码延时估计算法.首先,使用一种基于块平均的预处理技术把零均值的干扰转换成有色高斯噪声,然后一种结合白化滤波的基于最大似然估计方法用来估计相关的参数.在实现最大似然估计时,使用了数据压缩技术和脉冲内插技术来降低优化计算的计算复杂度.计算仿真表明所提出的方法在低信噪比和干扰条件下优于传统的最大似然估计方法.为高精度定位提出了有效的方法.     

一种低复杂度的网络链路时延估计及仿真研究

网络时延是重要的网络性能指标,是网络服务质量测量与分析领域的重要目标之一.在网络拓扑已知且稳定及链路性能时空独立性的假设前提下,给出了网络链路时延估计模型和端时延数据采集方法,提出了一种低复杂度的网络链路时延估计方法.首先应用伪似然估计,然后确定可解的探测单元,通过限制平均采样精度和探测单元链路数的增加来显著降低计算复杂度,解决了计算复杂度过高的链路时延估计求解问题.最后利用基于NS2的仿真研究验证了时延估计方法的有效性和准确性.     

多径相干信号到达角和衰落系数的最大似然估计

针对多径相干信号到达角(DOA)和衰落系数(FC)的估计问题,在已知信号波形条件下,提出了一种联合估计DOA和衰落系数的改进最大似然估计方法。通过改进最大似然估计求极值获得DOA和衰落系数的解,在联合估计参数时,使用交替极大值技术,降低了估计算法的复杂度,并且推导了最大似然估计的Cramér-Rao界。理论分析和实验表明,该方法与现有方法相比具有更好的估计性能,当来自不同辐射源的多径信号中存在相同DOA时,仍然可以得到很好的估计效果。     

最大似然估计ROC凸包曲线算法

采用列联表表示特定阈值下入侵检测系统(IDS)的性能,使用ROC曲线对不同阈值下IDS的总体性能进行评估。在实际应用中,基于样本数据集,通过计算几何的方式得到ROC凸包曲线(ROCCH)。为降低ROCCH的计算复杂度,在曲线下面积(AUC)最大似然估计的条件下,通过保序回归得到最大似然估计ROC曲线(MLE-ROC)算法。实验表明,MLE-ROC算法在降低计算复杂度的同时提高了AUC的近似程度。     

基于最大伪似然准则估计的故障链路诊断*

识别网络内部的故障链路对提升网络性能具有重要参考价值。研究了树型拓扑下基于端到端测量的故障链路诊断问题,提出一种最大伪似然估计方法估计链路先验故障概率,把树型拓扑划分为一系列具有两个叶节点的子树,并使用期望最大化(EM)算法最大化每个子树的似然函数,求出链路先验概率。仿真实验表明,该方法与现有的联立方程组求解方法估计精度相当,但是大大降低了算法时间复杂度,证明了该方法的有效性。     

空时分组码的简化译码方法

实际无线通信应用中,译码方法的简化一定程度上降低了移动端的功率消耗。文章根据星座图的几何结构,从数学角度出发,描述了一种8进制相移键控(8PSK)下空时分组码的简化最大似然(ML)译码方法,并将该方法推广到幅度相移键控(APSK)映射情况下的译码。对最大似然译码方法和文中简化最大似然方法的仿真结果及译码计算复杂度进行了分析和比较,结果表明简化最大似然译码算法只是降低了计算复杂度,并没有影响误码率。     

一种快速网络拓扑推测方法

网络拓扑推测是推测网络内部链路性能的前提条件。目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,但是其计算量会随着网络规模的增长而急剧增加,影响在实际网络中的应用。针对这种问题,提出了一种快速的网络拓扑推测方法,根据观测节点测量数据的相似度推测网络的逻辑拓扑结构,推测准确且计算简单。最后利用仿真实验验证了该方法的有效性和准确性。     

基于网络断层扫描技术的网络拓扑推测方法研究*

目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,而其计算量会随着网络规模的增长而急剧增加,从而影响在实际网络中的应用。讨论了网络断层扫描在网络拓扑推断中的测量方法和推断方法,提出了一种基于网络断层扫描技术的网络拓扑快速推测方法,根据观测节点测量数据的相似度推测网络的逻辑拓扑结构。通过仿真研究表明,该方法推测准确且计算简单,具有优势,即使在发送较少报文的情况下,也可以得到较高的准确推断率。     

WSN基于声音能量量化数据的目标定位研究

无线传感器网络的通信带宽和能量是有限的,只传输二进制或几个比特量化数据来完成目标定位任务可以减少网络开销。对无线传感器网络目标定位方法进行了研究,采用声音能量衰减模型,推导了基于量化信号的似然函数,给出了基于声音能量量化数据的最大似然定位方法。为了对估计结果进行评定,推导了最大似然估计的克拉美罗下限。仿真结果表明,该方法对目标定位的准确度基本接近于克拉美罗下限。因此,在满足定位精度的前提下,可通过减少传递的比特位数来节约网络的能量。     

主动端到端离散式时延分布估计方法研究

对于网络质量评估链路性能推测无疑是至关重要的,然而现有的估计方法通常只能推测层次数有限的简单网络,无法应用于大规模网络。提出了一种基于不完整数据极大似然估计算法,估计网络内部链路时延分布,该方法通过不同的发包策略将树状网络拓扑划分成不同的两层三链子树,针对每个子树估计每条＂链＂的时延,随后通过移植算法将路径时延划分到各链路中,逐一对每个子树使用该方法计算从而得到整个网络链路时延情况。利用NS2仿真实验验证了该算法的可行性和准确性。     

基于贝叶斯网络的信用卡客户价值预测

在阐述贝叶斯网络的特点和学习算法的基础上,利用先验知识选取数据样本的属性变量,通过基于K2算法的贝叶斯网络结构学习和基于极大似然方法的参数学习,建立预测模型并进行银行信用卡客户价值预测。预测结果的正确率和覆盖率表明,贝叶斯网络是信用卡客户价值预测的有效工具。     

含分布式能源的主动配电网实时拓扑追踪

随着各种分布式能源接入配电网,配电网的潮流分布随分布式能源的运行方式转换而变化,传统仅考虑配电网拓扑结构的拓扑追踪方法不再适用,需要考虑配电网潮流方向变化对拓扑追踪的影响。本文根据配电网中主要电力设备及其连接关系建立了拓扑模型,基于配电网状态估计结果获取配电网的潮流分布,结合拓扑模型以及潮流分布给出计算各开关潮流的方法,在此基础上建立了基于潮流方向的连接节点/支路模型,并将该模型应用于拓扑追踪。文中列举了了多个拓扑追踪的应用场景,分别描述了各应用场景下的拓扑追踪实施方法。通过实例分析可知,文中的拓扑追踪方法充分考虑了多种分布式能源在不同运行方式下对配电网的影响,计算方法快速、结果准确,能够为运行人员提供调度决策支持。     

基于丢包率的多播网络拓扑推断算法

在已有的网络拓扑推断算法的基础上,提出一种改进的基于丢包率的多播网络拓扑推断算法。依据各层次节点及接收节点的层次信息,利用海明距离和节点接收的探测包数目,能够同时推断网络拓扑结构和链路丢包率,并且在计算链路丢包率的估计值时动态地调整拓扑推断的判决门限值,从而提高了推断的准确性。仿真实验证明,与现有算法相比,该算法具有更好的性能。     

Ad hoc网络中应用多波束转换天线的拓扑逻辑控制算法

运用样方统计法推导出保证拓扑图高概率连通的临界邻居数,在此基础上,提出了一种Ad hoc网络中基于邻居数的分布式拓扑控制算法,通过调整网络中各节点的发射功率和选择节点多波束转换天线的朝向来对网络中各节点的邻居数进行控制,使得每个节点在其天线的各个扇区中找到的邻居节点个数等于（或略小于）预先设定的邻居节点个数K。由于该算法中每个节点使用了较低的发射功率,减小了节点间的干扰,提高了整体网络的使用寿命。仿真结果表明：新算法在维护网络高概率连通的同时,保证了节点最小能量特性。     

层析成像技术在网络属性估算中的应用研究

网络层析成像技术在网络属性估算中的应用主要分为网络拓扑判定和链路属性估算两个重要应用.主要讨论通过对网络上的主机进行单播的测量来获得网络的逻辑拓扑及链路属性,并提出进行网络属性估算的新方案.首先介绍基于延时的"三明治"测量方案和相关网络拓扑判定算法,随后通过实验对网络拓扑判定的系统聚类树算法进行了分析,在此基础上提出进行网络属性估算的新方案.     

面向网络态势感知的实时网络拓扑发现

通过分析比较各种网络拓扑发现方法,提出一种面向网络态势感知、基于简单网络管理协议的实时网络拓扑发现算法,其中包含网络设备存活性判断、网络设备类型判断及网络拓扑信息的存储及处理等技术,与传统的网络拓扑发现相比,具有实时性高、发现准确等优点。实验证明该算法的可行性和准确性。     

深度生成模型综述

通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注,网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点,深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习等领域得到成功应用,并给无监督学习提供了良好的范式.本文根据深度生成模型处理似然函数的不同方法将模型分...