IPv6过渡机制分析与Tunnel Broker的实现

IPv4向IPv6的过渡是网络发展的必然趋势，为了尽可能地平滑过渡到IPv6网络，人们提出了多种解决方法。本文讨论了几种主流的过渡机制，并就一个基于隧道代理的过渡方案详细地研究了其工作机制及流程，并进行了实验。实验证明，该方案有效地实现了对现有IPv4网络向IPv6的升级，并保证了IPv4网络与IPv6网络的互连互通。     

基于信任域的P2P访问控制模型研究

P2P作为一项愈来愈流行的技术，在资源共享和协同协作方面有崭新的应用。但是这种新的技术面临传统的网络所未曾遇到的网络安全方面的严重考验。文中从实际应用出发，分析了现有的访问控制技术并在此基础上提出一种新的基于信任域的P2P访问控制模型。该模型不同于传统的基于PKI的访问控制模型，它能够在信任管理的基础上对P2P用户进行域划分，并针信任对域制定访问控制策略，从而使得访问控制在实际应用中更加简洁和可行。     

无线传感器网络的能耗均衡策略研究

无线传感器网络中簇头的频繁更换导致大量能量用于发送成簇信息,从而大幅度降低网络性能。为此,提出多轮成簇算法(MRCA),通过改进轮模型减少簇头选举次数,利用辅助簇头分担主簇头的能量消耗,以均衡整个网络的能耗。仿真结果表明,与LEACH和HEED算法相比,MRCA能均衡网络能耗,延长网络生存周期。     

AirG：一种基于信道状态信息的空中手语手势识别方法

目前常用的手势识别方法存在设备部署困难与价格高昂的问题,遂本文提出基于信道状态信息的手语识别方法。该方法利用WiFi设备采集信道状态信息,选用局部离群因子检测算法与离散小波变换相结合的方法降低数据噪声,并通过主成分分析法筛选子载波。经降噪后,提取手势波形特征值,最终通过自适应算法多次训练的隐马尔科夫模型得出识别结果。结果表明,该方法可有效识别多种环境下不同人员手语手势的表达且平均识别率达88.98%,相较其他系统识别精度更优。     

基于移动锚节点的模糊信息三维定位算法

为有效抑制复杂环境对无线传感器网络节点定位精度的影响,在三边定位的基础上,基于移动锚节点和节点之间的模糊信息,提出一种三维空间中的节点定位算法( MANLFI)。该算法通过测量锚节点和未知节点的方向角、俯仰角实现节点定位,每轮定位结束后更新锚节点的速度和方向,节点被定位后充当静态锚节点对其他节点定位。仿真实验结果表明,与APIT-3D和Bounding cube算法相比,MANLFI算法可提高节点定位精度和网络稳定性,且时延短、能耗低。     

WSN节点定位中移动信标路径规划的研究

在无线传感器网络的节点定位技术中,通过移动锚节点定位是比较实用的定位方法,移动锚节点定位需要考虑移动路径问题,路径规划合理有效,可以获得较高的定位精度。若将传感器节点看作图的顶点,利用解决TSP的思想结合蚁群算法来寻找一条最佳路径,通过理论分析及仿真实验可知,该方法形成的路径可以很好地覆盖整个网络,很好地适应无线传感器网络节点随机分布时的节点定位。     

一种新的入侵检测报警关联分析方法

报警聚合和关联是入侵检测领域很重要的发展方向,报警聚合是将相同或相近特征的报警信息关联起来,报警关联是根据攻击之间的因果依赖关系关联报警。采用模糊C-均值（FCM）算法剔除误报或无关报警,然后用因果关联分析发现攻击场景,恢复攻击场景。实验表明,该方法能够恢复攻击场景。     

基于信道状态信息的人体复杂动作识别方法

现有人类行为识别方法识别精度低、成本高,所能识别的动作也相对简单。为此,通过引入信道状态信息(CSI)提出一种人体复杂动作识别方法,并以传统武术形意拳招式动作为背景进行验证。利用Wi-Fi网卡采集形意拳招式的CSI数据,以数据中的振幅为特征值,使用巴特沃斯低通滤波器和离散小波变换分别过滤数据中的高频和低频异常值。离线阶段采用受限波尔兹曼机对预处理数据进行训练和分类,并构建形意拳招式指纹库。在线阶段使用深度置信网络对采集数据进行分类,将分类结果与指纹库数据进行匹配,实现对形意拳招式的准确识别。实验结果表明,与CSI-SRC方法和基于传统RSSI模型的方法相比,该方法具有较高的识别精度,并且鲁棒性较好。     

基于30°角同心圆环形取样的室内人员检测方法

在现有基于信道状态信息的室内无源定位方法中,取样点的选取对指纹库的特征匹配准确率以及定位精度具有较大影响.根据WiFi信号的传输特性和信道的衰落特征,提出一种30°角同心圆环形取样法.离线阶段,按照同心圆对检测区域实现环形划分并每隔30.进行一次取样,运用主成分分析算法提取差异化信号特征并构建指纹库.在线阶段,通过陆地移动距离算法进行入侵检测,当检测到有人存在时,利用改进的支持向量回归算法并引入高斯核函数对数据进行特征匹配,最终实现人员的精确定位.实验结果表明,与CSI-MIMO、FIFS方法相比,该方法定位精度更高,定位误差更小.     

基于动态近邻反馈修正的室内定位算法

针对目前无线传感器网络（WSN）室内接收信号强度（RSSI）测距算法中RSSI易受到信道干扰和传播环境影响从而导致定位精度低的问题,提出一种动态近邻反馈修正的室内定位优化算法FC-DNN,以实现无线传感器室内节点精确定位。首先,通过对环境进行Voronoi图分割确定最小定位区域;然后计算每个区域的路径损耗模型参数得到节点间的精确距离;最后利用Spearman等级相关系数动态选择邻居锚节点,根据邻节点反馈修正进一步提高未知节点的定位精度。仿真结果表明,FC-DNN算法复杂度低、计算开销小、能耗较低,与典型的RSSI测距差分修正定位算法（DDLA）和受限三维空间传感器定位算法（CO-3D）相比,节点的平均定位误差降低了约15个百分点,能够很好地满足室内环境定位要求。