基于双转发机制的车载自组织网络路由算法

在车载自组织网络(VANET)中,节点高速移动性与动态拓扑快速变化会引起控制开销大、链路不稳定等问题.利用节点的位置、运动速度等信息,提出一种基于双转发机制的VANET路由算法.在路由寻路阶段,运用方向转发、动态概率转发限制路由请求(RREQ)包的洪泛广播.在路由回溯阶段,运用链路预测机制,选择路径失效时间最大的路径作为传输路径.在路由维护阶段,设置定时器,在路径断裂前触发新的路由寻路,寻找新路径替换即将断裂的旧路径.实验结果表明,与链路时间预测-按需路由算法以及无线自组织网络按需距离向量路由算法相比,该算法在转发的RREQ包数量、平均端到端延迟、传输吞吐率及报文投递率方面的性能较好.     

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。     

基于动态规划的多链路出口路径选择算法

针对多链路接入问题,选取链路成本及影响网络性能的路由跳数作为多链路出口路径选择的优化对象,通过建立多目标优化模型,将多链路出口路径选择转化为动态规划问题,提出一个基于动态规划的多链路出口路径选择优化算法。模拟结果表明,该算法能有效提高网络性能,降低网络链路成本。     

移动自组网的单向链路优化路由算法AODVUD

移动自组织网络路由协议多是基于双向链路提出,而单向链路在实用环境下普遍存在,严重影响着网络性能.本文在路由发现、双向链路感知和路由维护等方面对AODV路由算法进行改进,提出了一种基于单向链路的优化路由算法AOD-VUD.仿真实验表明该算法显著改善了报文端到端传榆率,相对于现有按需路由算法AODV和AODVUU有较显著的优势.     

基于分时的LEO卫星网络非对称路由算法

提出了一种基于分时的LEO卫星网络非对称路由算法A-DTRA（asymmetric discrete time based routing algorithm）。针对网络节点在各时间片内的链路连接状态,该算法通过中心节点两次广播来获取一跳邻节点信
　　息及其邻节点的邻居节点信息,从而完成了链路检测,得到每个时间片内的有向虚拟拓扑图。通过使用备份路由和路由表压缩机制实现了非对称链路上分组转发的可靠性,失效节点处理的及时性以及星上节点开销的低耗性。通过仿真分析可知,该算法具有较好的数据包转发率和端到端时延性能。此外,利用非对称链路可提高网络的连通性能,该算法适用于存在非对称链路的LEO卫星网络。     

战术通信中异构Ad-hoc网络路由策略

针对战术通信中的网络异构性和节点群组移动性,在建立群组移动模型的基础上,采用簇头稳定分簇算法动态划分管理异构网络分层结构,提出基于链路状态的分层路由策略整合异构无线资源。该策略分为区内路由策略和区间路由策略,面向不同网络层次采用不同路由机制。OPNET仿真结果表明,该策略的分组成功接收率和平均端到端延时性能均优于分层AODV协议。     

无线传感器网络启发式失效链路推断算法

无线传感器网络的实际应用产生了对网络故障管理的迫切需求。严重报文丢失的失效链路影响无线传感器网络的性能,需加以发现并修复。受有限资源的约束,采用被动端到端测量的方法,利用网络断层扫描技术推断失效链路。通过将失效链路推断问题映射为最小集合覆盖问题,提出了一种基于启发策略的失效链路推断算法。仿真实验结果表明该算法具有可行性和有效性。     

基于最低开销模型的传感网络通信优化仿真

当传感网络中某条链路发生变化时,需要重新计算最短路径树,一旦传感网络规模较大,传统的算法采用抑制链路改变的方法提高传感网络通信容量,但这大幅抑制通信节点周期内路径选择灵活性,通信延迟明显.提出一种改进的A-OSPF算法并应用到传感网络通信优化中,该算法在原始的OSPF基础上融人了最低开销节点机制,增强了传感网络中节点构建的概率,考虑了节点移动性,将更加平稳的链路当成节点,按照链路代价原理得到源节点到目标节点的最佳路径,确保数据包可在链路质量最高的路径上进行传递,降低传感网络数据传送的平均端到端延时.仿真结果表明改进算法在传感网络生存周期以及平均端到端延时方法优于原始的OSPF算法,实现了延长传感网络生存周期以及能量均衡的目标.     

MIRA N：一种改进的最小干扰路由算法*

研究动态路由算法,提出了一种改进的最小干扰路由算法（MIRAN）。该算法引入关键链路、次关键链路的定义,将算法分为预处理和在线路由两个过程,降低了算法复杂度影响。仿真结果表明该算法可使网络负载分布更为均衡、提高网络吞吐量,进一步改善最小干扰路由算法的性能。     

一种优化ZigBee性能的综合加权选路算法

ZigBee的拓扑树路由算法设计的目标是应用于拓扑简单的、低负载的及低功耗的无线传感器网络环境,伴随着物联网技术及应用的广泛发展,物联网应用数据流可能会对ZigBee网络产生较大的负载,而现有ZigBee拓扑逻辑树构建方法无法兼顾链路配置和节点繁忙程度,需要优化ZigBee选路算法以提升网络整体性能.针对上述问题,本文在兼顾了节点繁忙程度、链路质量以及跳数等因素的基础上,提出一种基于链路综合加权的优化网络性能的选路算法.该算法在NS2平台上设计实现并通过了大量的模拟试验,结果表明该算法提高了分组到达率,减小了分组端到端时延,均衡了节点能量消耗,是一种适合于ZigBee网络环境的选路算法.     

无线区域网中保障QoS的多业务调度算法

针对无线区域网中多业务资源分配和调度问题,基于认知无线电的特点提出一种改进的调度算法.该算法通过计算单用户不同业务的QoS优先级,并兼顾多用户之间的公平性选择业务传输的最优信道,在传输过程中采用节点中断管理方式动态修正业务的QoS优先级.仿真结果表明,该算法能有效利用网络带宽,并且能保障单用户业务的QoS要求和多用户调...     

IEEE 802.16中改进的QoS调度算法设计

IEEE802.16标准在每个节点处都提供实时业务和非实时业务。由于基于优先级的业务的服务质量（QoS）的需求不同,因此需要对传统的调度算法进行改进使其具有更大的适应性。为了改善QoS端到端时延的性能,提出了一种混合调度算法（EDD和WFQ算法相结合）。仿真结果表明：在每个节点处,提出的混合算法比仅使用EDD算法能给实时业务产生的时延更少,并且还能够使单个BS在可允许的端到端时延范围内容纳数量更多的子SS,而且使用从BS到SS的GPSS模式的调度机制比使用GPC模式能产生更小的时延。     

基于PSO-DE-CA的FIR滤波器设计

为优化有限脉冲响应(FIR)数字滤波器的设计,提出一种基于双种群的文化算法。种群空间分别按照粒子群优化和差分进化算法独立进化。信仰空间作为知识库,用于保存求解问题的群体经验。仿真实验结果表明,在设计FIR数字滤波器时,该算法具有较高的鲁棒性和较快的收敛速度,优化结果好于同类算法。     

无线Mesh网络信道分配研究

针对多接口多信道无线Mesh网络,提出了一种基于链路负载和链路“潜在的”干扰度的权值的分布式静态信道分配算法。给出基于链路负载和链路“潜在的”干扰度的权值的定义和基于权值的链表的构建方法;阐述了算法的设计思想和实现步骤。仿真实验测试结果表明,该算法不但能适应业务流量分布均匀或不均匀的状态,而且能相应地提高网络吞吐量,提升网络性能。     

基于自适应遗传算法的OSPF链路权重优化

在综合考虑链路利用率、链路流量与剩余带宽的基础上,提出了OSPF链路权重优化目标函数,建立了优化数学模型,并设计了自适应遗传算法对其进行求解。实验结果显示提出的优化目标函数在满足给定流量要求的前提下,可以减少链路上的总流量;在网络流量较大时,能够均衡网络内负载分布,提高网络总吞吐量。     

带交通约束的多目标优化混合算法

针对实际交通中带约束的多目标问题,提出一种基于分层GA-AS算法的多目标路径优化算法。该算法通过约束条件对路网进行分层,采用蚁群算法对各子网进行寻优,利用遗传算法在各子网寻优的基础上进行全局寻优。算例仿真结果表明,该算法既具有较强的实际应用效果,又在很大程度上减少寻优计算次数,提高算法的性能。     

基于辅助节点的安全协作频谱感知

在认知无线电网络中,恶意用户会占用授权频段,模仿主用户的信号特征发送信号,导致其他认知用户误认为主用户存在。针对该问题,提出一种基于辅助节点的安全感知机制,在网络中部署若干辅助节点,利用链路特征和加密机制对主用户的活动情况进行识别。设计适用于该机制的融合判决算法,不对授权网络做任何形式的改动即能有效识别恶意用户,并在融合时采用信任节点的感知数据,从而提高融合结果的鲁棒性。仿真结果表明,与K秩、And和Or算法相比,在恶意环境下该算法具有较好的检测性能。     

基于改进T-S模糊神经网络的交通流量预测

在萤火虫优化算法和T-S模糊神经网络的基础上,提出了一种采用萤火虫算法优化的T-s模糊神经网络预测交通流量的算法。该算法利用萤火虫算法得到T_s模糊神经网络的最优参数配置,从而能发挥T-s模糊神经网络泛化的映射能力。将该算法应用到实测交通流中进行算法的有效性验证,并与传统的T-s模糊神经网络和遗传算法优化的T-S模糊神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明了该算法在交通流量预测领域的可行性和有效性。     

基于经验模态分解和递归图的语音端点检测算法

结合Hilbert-Huang变换中的经验模态分解（EMD）和递归图（RP）法,提出了一种新的语音端点检测算法。该算法首先基于语音和噪声通过经验模态分解及其多尺度特征,在不同的固有模态函数（IMF）上进行软阈值时间尺度滤波处理,然后采用非线性动力学行为中的递归图法,定量统计递归分析中的确定性进行语音端点检测。仿真结果表明,该方法具有很强的非稳态动态变化分析能力,在低信噪比环境下较传统方法能更准确提取出语音信号的起止点,鲁棒性好。     

基于FCM-LSSVM网络流量预测模型

为了提高网络流量的预测准确性,针对训练样本选取问题,提出一种训练样本选择的最小二乘支持向量机网络流量预测模型（FCM-LSSVM）。采用模糊均值聚类算法对网络充量数据进行了聚类分析,消除其中的孤立样本点,构建最小二乘支持向量机的训练集,然后将训练集输入到最小二乘支持向量机进行了学习,并采用人工蜂群算法对模型参数进行了优化,最后建立建立网络流量预测模型,并采用仿真实验对模型性能测试。仿真结果表明,相对于其他网络流量预测模型,FCM-LSSVM不仅提高了网络流量的预测精度,而且建模速度得以提高,获得了更加理想的网强流量预测结果。