一种基于应用需求的网络路径可用带宽测量策略

报文对间隔及报文单向延迟的变化可以反映报文发送速率与可用带宽的大小关系,根据这个规律本文提出了一种基于应用需求的网络路径可用带宽测量策略COPP.COPP发送多组发送速率不断增大的报文对序列,并从每组序列中求出所有成为转换点的报文对,然后根据这些报文对所受干扰的不同程度赋以它们不同的权重,从而得到路径可用带宽.COPP可根据具体应用不同的带宽需求动态决定测量范围,仿真实验研究了测量中探测报文大小的选择,并通过与Pathload等其它带宽测量方法的比较验证了COPP具有低开销、高精度、平稳性好且对网络状态变化敏感等优点.     

网络路径可用带宽的有效测量方法

针对网络路径可用带宽的精确测量问题,结合报文对与自拥塞原则提出了一种路径可用带宽测量新方法COPP(Chirp of Packet Paris),其基本思想是以一组发送速率不断增大的报文对序列为探测报文,通过发现所有转换带宽并根据相应转换点所受干扰程度赋予转换带宽不同的权重,加权平均的结果即为测量结果.分析并给出了报文对是否为转换点的判断规则及对不同类型转换点赋予不同权重的加权过程,讨论了不同阈值对测量的影响.在多种背景流条件下与其他方法的比较表明:COPP以较低开销得到了较高精度的测量结果.     

一种应用干扰消除进行冲突消解的分布式无线MAC协议

媒介接入控制(MAC)用以协调无线节点对公共信道的共享,对无线网络性能有至关重要的影响。传统的MAC协议只能抑制冲突,不能根除及处理冲突。提出了一种基于已知干扰消除技术的新型消解冲突方法,并以此为基础设计了一个全新的MAC协议——CR-MAC。在CR-MAC协议中,无线接入点(AP)通过将部分报文传输与已知干扰消除相结合来解码冲突所包含的所有报文。因此发生冲突的报文传输过程能够被充分利用,且所需的报文重传减少了。实验结果表明,在网络吞吐率及预期报文时延指标上,CR-MAC协议较普遍采用的IEEE 802.11DCF协议均有明显优势。     

无线传感器网络中的Sybil攻击

研究了无线传感网中Sybil攻击的检测与防范,提出了一种多节点协作的基于接收信号强度(RSS)的检测机制CRSD。它的基本思想是Sybil节点所创建的不同身份,其网络位置是相同且无法改变的。CRSD通过多节点协作确定不同身份的网络位置,将出现位置相同的多个身份归为Sybil攻击。仿真实验表明无防范时Sybil攻击显著降低了系统吞吐量,而CRSD能检测出Sybil节点从而有效地保护了系统性能。     

目标提取与哈希机制的多标签图像检索

目的 哈希是大规模图像检索的有效方法。为提高检索精度,哈希码应保留语义信息。图像之间越相似,其哈希码也应越接近。现有方法首先提取描述图像整体的特征,然后生成哈希码。这种方法不能精确地描述图像包含的多个目标,限制了多标签图像检索的精度。为此提出一种基于卷积神经网络和目标提取的哈希生成方法。方法 首先提取图像中可能包含目标的一系列区域,然后用深度卷积神经网络提取每个区域的特征并进行融合,通过生成一组特征来刻画图像中的每个目标,最后再产生整幅图像的哈希码。采用Triplet Loss的训练方法,使得哈希码尽可能保留语义信息。结果 在VOC2012、Flickr25K和NUSWIDE数据集上进行多标签图像检索。在NDCG(normalized discounted cumulative gain)性能指标上,当返回图像数量为 1 000时,对于VOC2012,本文方法相对于DSRH(deep semantic ranking hashing)方法提高24个百分点,相对于ITQ-CCA(iterative quantization-canonical correlation analysis)方法能提高36个百分点;对于Flickr25,本文方法比DSRH方法能提高2个左右的百分点;对于NUSWIDE,本文方法相对于DSRH方法能提高4个左右的百分点。对于平均检索准确度,本文方法在NUSWIDE和Flickr25上能提高25个百分点。根据多项评价指标可以看出,本文方法能以更细粒度来精确地描述图像,显著提高了多标签图像检索的性能。结论 本文新的特征学习模型,对图像进行细粒度特征编码是一种可行的方法,能够有效提高数据集的检索性能。     

端到端带宽测量影响因素分析

带宽主要包括瓶颈带宽及可用带宽,它的测量有着广泛的应用背景。论文在中间网络特征未知的情况下,分析了主机和网络对端到端带宽测量的制约;然后将测量划分为数据收集、数据过滤及后续处理三个步骤,讨论了每一步实现上的限制因素。     

链路约束的分布式网络监测模型

分布式网络监测系统能够实时有效地收集网络性能数据，但收集过程受到链路延迟和路由跳数的约束．链路约束的分布式网络监测模型研究如何在链路约束下用最小的代价部署整个分布式网络监测系统；链路约束的演化网络监测模型研究在网络演化的情况下，如何用最小的更新代价重新部署监测系统使之满足链路约束．求取这两个模型的最优解的问题都是NP难的．通过指定权函数的形式，两个模型对应的最优化问题能够映射成带权的集合覆盖问题，采用贪婪策略能够得到近似比不超过ln n＋1的近似算法，其中n是被监测节点的数目．通过仿真实验还讨论了如何选择恰当的链路延迟约束值．     

结合视觉注意机制与递归神经网络的图像检索

目的 图像检索是计算机视觉的一项重要任务。图像检索的关键是图像的内容描述,复杂图像的内容描述很具有挑战性。传统的方法用固定长度的向量描述图像内容,为此提出一种变长序列描述模型,目的是丰富特征编码的信息表达能力,提高检索精度。方法 本文提出序列描述模型,用可变长度特征序列描述图像。序列描述模型首先用CNN(convolutional neural network)提取底层特征,然后用中间层LSTM(long short-term memory)产生局部特征的相关性表示,最后用视觉注意LSTM(attention LSTM)产生一组向量描述一幅图像。通过匈牙利算法计算图像之间的相似性完成图像检索任务。模型采用标签级别的triplet loss函数进行端对端的训练。结果 在MIRFLICKR-25K和NUS-WIDE数据集上进行图像检索实验,并和相关算法进行比较。相对于其他方法,本文模型检索精度提高了512个百分点。相对于定长的图像描述方式,本文模型在多标签数据集上能够显著改善检索效果。结论 本文提出了新的图像序列描述模型,可以显著改善检索效果,适用于多标签图像的检索任务。     

无线超宽带传感网中OFDM信号的阵列化接收机制

针对无线超宽带传感网中OFDM信号的接收,研究了基于多窄带接收设备的阵列化处理方法,以带宽拼接的方式实现超宽带(ultra-widdband,简称UWB)OFDM信号的接收与处理.首先,将超宽带OFDM信号的频带切分成许多子带,其中每两个相邻子带之间至少有一个子载波重叠.这样,超宽带OFDM信号被分解成多个子信号.与子带相等数目的窄带接收设备组成接收阵列,这些窄带设备分别工作在不同的子带上,以分布式协作的方式对相应子信号进行采样.然后,以相邻设备对重叠子载波的采样为依据,利用峰值对齐匹配法(peak value alignment retrieval, 简称PVAR)对相邻窄带接收设备采样数据进行时间对齐.再根据对齐的结果进行带宽拼接式数据融合,得到超宽带OFDM信号的离散信号.由于窄带接收设备的实现只需要低速ADC,因此有效解决了传统超宽带OFDM接收机中高速ADC的挑战.通过仿真考察了这种方法的有效性、同步误差的容错性、设备数量的扩展性以及不同信噪比影响下的性能.     

网络延迟主动测量结果的被动测量校准方法

网络延迟是提供QoS保证、监控和优化网络性能的重要指标.测量网络延迟主要采用主动测量和被动测量这两种测量方法,但是这两种方法都存在一定的缺陷.以主动测量获得的延迟作为用户数据包延迟的一个估计量,用被动测量设备检测到的用户数据包信息对主动测量数据进行校准,可以实现一种有效的网络延迟测量方法.这种方法具有与协议无关、对网络流量影响小、测量方法简单、可测量单个用户流等优点.我们综合考虑了探测包间用户数据包数量和相邻探测包延迟的变化,比以往的算法更准确地反映了网络的实际状况,特别是在网络拥塞甚至存在丢包的情况下,误差更小,测量结果更精确.