基于修正蒙特卡罗方法的光脉冲传输模拟

针对现有的蒙特卡罗(Monte Carlo)法在模拟光脉冲传输时没有考虑大气-海水界面的边界条件,对经过介质界面以及到达接收平面的光子提出了修正的Monte Carlo方法,对到达水下接收平台的光脉冲传输多径时间延迟和光斑分布进行了仿真研究。光传输模拟结果表明,使用修正的Monte Carlo方法考虑了边界条件的影响,减少光脉冲传输仿真的误差。     

基于点密度优化的以太网眼图参数计算方法

传统以太网眼图参数计算算法是建立在高斯模型点密度统计的基础之上,是在假定眼图累积次数足够多、点分布足够密集、眼图垂直片段上的电压分布具有拟合高斯正态分布等条件下计算而得。当眼图累积的次数较少、点分布不够密集、垂直片段上的电压分布不具有拟合高斯正态分布时,眼图参数计算结果就会存在较大误差。基于此,提出基于点密度优化的以太网眼图参数计算方法,实验结果表明,该方法能较准确地计算出眼图中的眼幅度和上升/下降时间,有效克服了眼图累积次数较少、点分布不够密集对眼图参数计算的影响。     

基于卫星通信网络的链路监测方法

依据卫星星地链路误码率的统计特性,提出一种采用变序列长直接监测链路误码率的新方法。该方法利用误码率分段分析的策略,采用统计学统计置信度原理,并通过对训练序列长度、误差精度和监测可信度进行仿真验证与统计分析,确定了链路监测中序列序列长度的选取准则。实验数据表明,变序列长链路直接监测方法在保证一定信道资源的前提下,有效扩大了链路监测的范围,降低了运算复杂度,在星地链路监测方面具有一定的优越性。     

5G融合卫星网络研究综述

在总结5G融合卫星网络(5GSIN)的标准化工作和国内外研究现状的基础上,对5GSIN的关键技术、应用和网络架构几个重点方向的研究进展进行了阐述与分析.针对融合网络异构性强、时空尺度大而导致的关键问题,提出了对5GSIN架构的思考,并设计了多层分布式异构融合网络架构和架构管理方法.最后,从智能化网络角度分析5GSIN未...     

基于序列统计的未知无线协议特征提取方法

在未知无线网络环境下，比特流形式的协议数据帧特征不明显，且缺乏先验知识对其进行分析，造成特征提取困难。提出一种利用序列统计提取未知无线协议特征的方法。统计数据中定长序列出现的频次和位置，根据概率和相似性筛选满足频繁条件的固定序列和交互序列，得到频繁项集，并借鉴关联规则连接频繁项集中的频繁序列，去除冗余的序列信息，得到协议特征集。仿真结果表明，该方法能够有效提高未知无线协议特征提取效果，准确率稳定在90%以上。     

卫星网络中基于多QoS约束的蚁群优化路由算法

针对蚁群算法在求解多目标优化问题时存在收敛速度慢、容易陷入局部最优解等问题,提出一种面向卫星网络的多约束QoS路由算法。通过改进蚁群算法的启发函数,将链路QoS信息作为蚂蚁选择下一跳节点的重要依据,并结合排序思想与最大最小蚂蚁算法优化信息素更新规则,获取符合当前业务的最优QoS路径。实验结果表明,该算法在满足卫星网络业务多QoS需求的同时,具有良好的收敛速度和寻优能力。     

基于定价机制的卫星网络虚拟资源共享分配策略

针对卫星通信网络规模不断扩大而卫星资源总量受限导致卫星通信资源紧缺的情况,提出一种基于定价机制的虚拟资源共享分配策略。根据微观经济学理论中边际成本的思想建立用户成本的分段函数模型,通过模型求解得出用户请求的总成本并将其上传至资源分配模块,结合定价机制达到资源利用的最大化和用户请求成本的最小化。仿真结果表明,该策略能提高卫星网络资源利用率及分配公平性,最大限度地实现资源的潜在价值。     

LEO卫星网络中一种改进的Vegas算法

针对SCPS-TP(Space Communications Protocol Standards Transport Protocol)协议的Vegas算法在LEO (Low Earth Orbit)卫星网络中吞吐量下降的问题,提出了一种自适应Vegas-AD(Adaptive)拥塞控制算法。该算法在分析Vegas的基础上,细化往返时延RTT的计算方法,使其能够更加精确地调整拥塞窗口;优化拥塞窗口的增长策略,提高了拥塞避免阶段的带宽竞争力;同时,提出基于网络拥塞程度的自适应窗口调整因子。仿真结果表明,Vegas-AD算法的带宽竞争力明显高于Vegas,并且该算法能较大幅度地提高网络吞吐量。     

天地一体化智能网络流量实时分类

天地一体化智能网络规模大,环境复杂,网络中流量业务类型繁多且流量具有突发性.本文结合Spark大数据分布式平台,根据流量的特点设计了SFFS-FCBF-C4.5(简称SFC)决策树分类模型,实现了大规模网络下流量的实时分类,以保障网络中资源的合理分配和利用.SFC算法是在C4.5决策树算法的基础上结合了改进后的快速相关滤波算法(Fast Correlation-Based Filter Solution, FCBF)和连续型属性值离散化算法,可以在有效去除冗余特征和降低模型复杂度的同时,提高模型分类的速度和准确率.仿真结果表明,SFC决策树分类模型相比传统的流量分类模型具有较好的稳定性和较高的准确率,可以很好的适应复杂多变的网络环境.同时,Spark大数据分布式平台的应用大幅度提高了大规模网络下流量分类的速度,能够对海量流量进行实时分类.     

天地一体化智能网络智能节点部署策略

针对传统卫星网络中,由于低轨卫星节点计算能力不足,导致大量计算任务需要传输到高轨卫星计算或转发,进而产生巨大传输时延的问题,本文利用移动边缘计算技术,结合天地一体化智能网络架构,提出了一种基于人工蜂群的智能卫星节点优化部署算法.该算法通过迭代,结合网络分簇算法,选出边缘服务有效覆盖率最高的智能卫星节点部署策略.从而使得更多卫星和地面节点能够获取到边缘服务,进而有效降低了系统的平均传输时延.实验部分建立了基于Matlab和STK的仿真实验平台,仿真结果表明本文提出的算法有效降低了传统卫星网络的平均传输时延,优化效果与粒子群算法和集群化部署算法进行对比,也有着较大的提升.