基于路由器接口的IP追踪方案

IP追踪是防御分布式拒绝服务攻击的重要方法。分析了Gong等人的IP追踪方法,指出了存在重构路径速度慢的缺点,并针对这一缺点,提出了一个改进方案。新方案使用路由器的接口信息来标志一个路由器,缩短了原方法中的标记长度,并灵活地根据路由器部署情况来选择是否做日志记录操作,从而提高了重构的速度,降低了误报率,并能更好地适应渐进式的部署。     

计算机公共基础课程体系建设的思考

计算机公共基础课程是培养高素质的综合人才的重要基础课程,是高校学生计算机应用能力培养的重要环节.在分析当前计算机公共课程教学面临问题的基础上,提出5条改进计算机公共基础课程教学的建议:推行教学内容"面向对象,分层分类",采取灵活多样的教学方法和手段,实行纸质教材与电子教材共存的双元教材机制,加强计算机公共课程教师队伍的建设,实施新型有效的ELP教学评估方法,以此促进教学质量的良性发展.     

复数域网络编码中最大似然解码算法的改进

针对复数域网络编码中继网络,提出一种改进的中继处的最大似然解码算法。当传统的最大似然解码算法使用在复数域网络编码中继网络中时,计算复杂度会随着信息星座图映射方式的改变而大大增加。为了降低计算复杂度,在前人研究的基础上提出一种改进的最大似然解码算法,该算法利用无线中继网络通信系统的非对称性,在解码时,先进行预判决,然后进行精确判决,这样可以大大降低计算复杂度,提高了系统性能。     

基于TSDPLL的时钟漂移补偿算法容错研究*

提出集成TSDPLL对系统节点本地时钟计时频率漂移进行有效补偿的时钟同步方法,大大提高了应用网络时间同步技术（如NTP、PTP等）的同步精度。为确保TSDPLL能在网络出现拥塞的情况下仍然正常工作,通过分析收敛函数基本特征,提出基于收敛函数的容错方案。仿真实验结果表明,该方案算法简单、容错效果明显,是基于DPLL时钟漂移补偿算法不可或缺的关键组成部分。     

无线传感器网络入侵检测的重复博弈建模研究

通过分析无线传感器网络节点影响网络可用性及其整体性能的自私行为,提出了一种无线传感器网络入侵检测的重复博弈模型,集中于检测和响应传感器节点的自私行为以加强网络节点的协作性能,利用节点与其邻居节点进行的重复博弈过程,广播节点的效用变化,即时检测出网络节点的自私行为。通过对网络节点的自私行为引入惩戒机制,从而大大降低了节点背离协作的可能性。仿真结果表明,对节点的自私行为实施惩戒机制,可以大大增强节点间相互协作,从而保证网络的连通性。     

宽带接入服务器备份和负载分担网络方案的研究

由于弹性分组环具有快速自愈、业务分级等特性,论文以此为基础提出了实现宽带接入服务器备份和负载分担的城域网解决方案,并通过实验数据验证了这一解决方案的有效性。     

基于多层非对称剪裁光正交频分复用的水下光无线通信系统

为了提高水下光无线通信(UOWC)的频谱效率和功率效率,提出了一种基于多层非对称剪裁光正交频分复用(Layered-ACO-OFDM)的UOWC系统.该系统通过对子载波分层调制的方法,充分利用了传统非对称剪裁光正交频分复用(ACO-OFDM)中损失的频谱资源,极大地提高了光无线通信系统的频谱效率.此外,Layered-ACO-OFDM系统不需要加入直流偏置,故功率效率也得到了大大提升.考虑了可见光在海水中传输过程中的吸收和散射效应,建立了基于蒙特卡罗方法的UOWC信道模型,并较为全面地研究了海水中不同叶绿素浓度和不同接收机参数下的信道响应.结果 表明,与传统ACO-OFDM相比,基于Layered-ACO-OFDM的UOWC系统具有频谱效率高的优势.同时,当信噪比为27 dB时,在清澈海水中其可以实现10m距离下1 Gb/s的高速率通信.     

一类带边信息的时变数字水印信道容量分析

在对数字水印信道容量分析时，通常假设水印攻击信道的概率分布是完全已知的，但实际中对水印攻击信道的信息在某种意义上是不完整的，如信道估计误差、拉伸和几何攻击等。该文提出了一类带边信息的时变水印信道模型，它包含时变攻击的确定和随机两部分，在对水印信道的概率分布作很少假设条件下，获得了这类水印信道容量的上界和下界，同时也证实了在实际应用中加性高斯噪声信道模型不足以描述水印信道，最后用数值仿真验证了这个结论。     

移动百宝箱业务:在线阅读系统解决方案

本文介绍了一种新的移动百宝箱业务——在线阅读系统的解决方案。服务提供商利用该系统可以在移动互联网上开展新闻、精品文章、电子图书等各种类型信息的在线阅读服务。文中给出了详细的系统结构及具体的实现技术。     

一种基于抓取簇和碰撞体素的工业零件抓取姿态检测算法

针对工业上常见的散乱堆叠零件的抓取问题,提出一种基于抓取簇和碰撞体素的抓取姿态检测算法。所提出的抓取簇是定义在零件上的连续抓取姿态集合,解决了传统方法中因采用离散固定抓取点而导致可抓取点丢失、筛选效率低的问题。先对料箱和场景点云进行体素化;然后把包含料箱或点云的体素标记为碰撞体素,并把与碰撞体素相邻的体素标记为风险体素,从而建立体素化的碰撞模型;接下来,根据抓取簇的几何性质计算出候选的抓取姿态及其对应的抓取路径;最后,通过检测抓取路径所经过的体素类型来完成快速的碰撞检测,从而筛选出最优抓取姿态。基于所提算法搭建了完整的Bin-Picking系统,并对多种实际工业场景中常见的零件进行仿真实验和实际抓取实验,结果表明：该算法能够快速、准确地检测出安全的抓取姿态,实际抓取的平均成功率达92.2%,料箱平均清空率达87.2%,较传统方法有明显提升,且抓取过程均未发生碰撞,可满足实际工业应用的要求。