一种高效安全的EPS AKA协议

针对4G认证与密钥协商协议(EPS AKA)中存在的安全问题,提出了一种高效安全的改进协议(ES-AKA)。该协议不仅能够抵抗重定向攻击和重放攻击,同时消除了密钥K泄露的安全隐患。安全性和协议性能分析表明：在更高的安全性能下,该协议降低了服务网络的存储空间和归属网络的计算量,有效减少了认证过程的比特通信量。     

一种高效安全的EPS AKA协议

针对4G认证与密钥协商协议(EPS AKA)中存在的安全问题,提出了一种高效安全的改进协议(ES-AKA).该协议不仅能够抵抗重定向攻击和重放攻击,同时消除了密钥K泄露的安全隐患.安全性和协议性能分析表明:在更高的安全性能下,该协议降低了服务网络的存储空间和归属网络的计算量,有效减少了认证过程的比特通信量.     

基于阈值处理的TD-SCDMA下行多用户信道估计方法

 阈值后处理是针对TD-SCDMA系统中B Steiner信道估计器受加性噪声影响而提出的一种去噪方法,该方法误滤除信息径,保留噪声径.本文提出一种基于阈值处理的多用户信道估计方法,它基于某一下行用户会收到所有其它下行用户的训练序列这一特性,设定一个值,与各用户幅度加权值比较,去掉信噪比很小的用户对应的信道估计窗,将其余用户的信道估计窗进行平均,然后将平均后的结果再进行阈值后处理,抑制由噪声贡献的信道响应.仿真结果表明,提出的方法与直接进行阈值后处理法在同一误码率下,所需平均信噪比(SNR)降低1~4dB;在SNR低于5dB时,与复杂度高的加权合并法具有相同的误码率.     

汽车降噪用非织造材料的应用及展望

介绍汽车噪声的产生机理、传播途径及控制方法,概述降噪用非织造材料在汽车上的应用情况和国内外研究现状,指出汽车用非织造降噪材料的发展方向,为汽车用非织造降噪材料的发展提供参考建议.     

子载波个数对非对称限幅光正交频分复用误码率的影响

误码率(BER)是非对称限幅光正交频分复用(ACO-OFDM)的一项重要性能指标,子载波个数是影响这一性能指标的重要因素。通过理论推导及仿真证明的方法,分析了子载波个数对光域单边带ACO-OFDM信号在单模光纤中传输时系统误码率的影响。结果表明,在总传输速率一定时,改变子载波个数从128个到16384个,所需要的总带宽改变不超过0.775%。并在此基础上,通过实验证明了不同的传输速率下ACO-OFDM系统均存在使系统误码率最低的最优子载波个数,实验结果表明该最优子载波个数随传输速率的增加而增加。     

变电站监测系统故障恢复方案

从程序故障、系统故障和硬件故障3方面分别讨论监测系统故障,并设计各种故障的恢复方案。     

高钛矿渣膨珠制备轻集料砂浆空心砌块研究

以水淬高钛矿渣膨珠为轻骨料,普通硅酸盐水泥为胶凝材料,脱硫石膏为激发剂,采用压制成型工艺制备了轻集料砂浆,研究了高钛矿渣膨珠、水泥、脱硫石膏掺量和对轻集料砂浆力学性能和干密度的影响,利用X射线衍射(XRD)、扫描电镜(SEM)手段对轻质砂浆矿物结构和微观形貌进行了表征。此外,以优选的轻质砂浆为基体,工厂试制了轻质砂浆小型空心砌块。结果表明:轻质砂浆力学性能和干密度随水泥用量增加而升高;随脱硫石膏用量增加,轻集料砂浆抗压强度先增加后降低,干密度变化不大。固定胶凝材料用量18%、脱硫石膏替代水泥20%条件下,所制备轻集料砂浆抗压强度16.0MPa,干密度1789kg/m3,以该轻骨料砂浆为基体材料进行轻集料砂浆小型空心砌块试制,可制备出抗压强度9.6MPa,干密度1223kg/m3,MU7.5的空心砌块。     

基于自适应小区选择的切换控制算法研究

针对现有切换控制算法的不足,提出了一种基于自适应小区选择的优先级信道预留切换算法。该算法在切换时根据各小区的负载情况,通过调整导频功率使小区间负载均衡,以系统效用最大化为目标,进行基于预留信道的优先级切换。系统效用通过多选择多维背包算法建模实现,预留信道的优先级切换通过马尔科夫排队模型实现。通过多选择多维背包建模、马尔科夫排队建模与实验仿真表明,该算法的性能在相邻小区间负载不均衡的情况下比目前切换控制所用的优先级信道预留切换算法明显提高。在负载不均衡度为6时,话音业务阻塞率与数据业务分组丢失率比目前算法分别降低0.2%和3%左右,数据分组平均最大等待时间比目前算法降低0.15s,系统小区平均吞吐量最大时升高80kbit/s/cell/MHz。     

低速率DoS攻击的短时分析算法的研究

针对低速率拒绝服务(DoS)攻击难以检测的问题,提出了采用短时分析技术检测和防御低速率DoS攻击的方法.该方法用短时过界率实现低速率DoS攻击的检测,用短时幅度差(SMD)防止检测过程中的误报.短时分析技术和传统的频域变换方法比较,用更低的时间复杂度实现低速率DoS攻击的检测;用修正的短时自相关函数实现攻击周期估计,估...     

高斯过程机器学习的基线计算算法

为了对网络监视领域中样本进行预测和相关处理,大多数研究在计算基线时都忽略了样本的概率特征,未能结合样本的数据分布,对样本进行相关的处理,忽略了利用样本的周期特性和数据分布对样本进行相关处理的改进空间.因此,本文分析样本历史数据的噪音,通过引入高斯过程机器学习方法,提出基于周期样本的高斯过程机器学习方法,通过采用复合核函数,实现了网络主动监控中的基线计算.首先对＂周期数据＂进行聚类处理,同时将核函数拆分为全局核函数部分和局部核函数部分,使用聚类点训练全局核函数部分;使用局部点训练局部核函数.通过实验,与其它算法相比大大提高了效率,而且保证了近似的准确性.最终保障网络安全、提升网络性能和用户满意度.