数据中心间光互联网络中的跨层动态保护策略

为了保证数据中心间光互联网络中业务所需的可靠性,同时提高网络资源利用率,提出一种带有可靠性感知的跨层保护策略．该策略在软件定义的IP over 弹性光网络架构中,通过IP层和光层控制器的协同工作,将业务的实时可靠性告知光层,使光层充分感知业务特性．在此基础上,光层控制器根据业务实时可靠性的变化,在确保业务可靠性得到满足的前提下,设计最小资源占用块释放方法来动态调整光层保护资源．仿真结果表明,该保护策略在充分保证业务可靠性的同时,可以取得较低的保护开销和阻塞率．     

一种端节点启动的光网络快速恢复机制

针对当前大多数光网络恢复机制仅某一个端节点启动恢复的缺陷,为进一步减少恢复时间,提出一种基于端节点启动的双向快速恢复机制.仿真证明,该机制在恢复时间上表现出优越的性能,其最好时甚至能提高恢复速度80%以上,从而实现光网络的快速恢复.     

OBS网中的数据丢失恢复机制研究

着重探讨了解决光突发交换网中突发数据包之间争夺链路资源引起数据丢失的丢失恢复机制,主要包括突发克隆、前向冗余、重传等机制,对这些技术的优缺点进行了比较分析,并提出了一种改进方案.     

凹凸棒石黏土的酸洗提纯工艺研究

实验以凹凸棒石黏土为主要原料,研究制定了凹凸棒石黏土的提纯工艺.分析了提纯过程中主要影响因素对提纯效果的影响,确定了凹凸棒石黏土提纯的最佳工艺参数.用FT-IR、EDX等现代测试手段对材料进行了表征,同时对凹凸棒石黏土提纯前后的表面性质进行了研究探讨.结果表明:由于煅烧后凹凸棒石黏土的比表面积会发生下降,没有采取煅烧的处理手段;通过正交实验最后确定凹凸棒石酸洗的工艺为:硫酸酸液浓度60%.酸洗时间2.5h,酸洗温度80℃,液固比5:1;凹凸棒石黏土经适当的酸洗工艺提纯后可得到SiO2含量达76%以上的凹凸棒石精土.比表面积提高,杂质元素减少.     

酸浸处理对凹凸棒石黏土性能的影响

以江苏盱眙凹凸棒石黏土为原料,用酸浸法提纯凹凸棒石黏土,分析了提纯过程中工艺条件对凹凸棒石比表面积的的影响;用TEM对凹凸棒石黏土提纯前后的结构和形貌进行了表征.结果表明:当凹凸棒石酸浸的条件为:硫酸浓度60%,酸浸时间2.5h,酸浸温度80℃时,比表面积提高到407m2/g,孔体积0.073cm3/g,平均孔径0.57nm;     

带有编码冗余控制的机会网络数据转发机制

网络编码方法能有效提高数据传输效率,但采用该方法的机会网络数据转发机制均未考虑传输中的编码数据迭代冗余副本控制问题。为了充分降低译码复杂度并减少迭代冗余副本,提出了相遇持续时间估计及编码机会感知方法,进而设计了带有传输容量估计的编码冗余控制数据转发机制。节点以分布式的方式感知数据编码机会,为不同扩散程度的数据确定相应的优先级,并根据传输容量估计结果完成转发控制,以充分利用节点间的相遇持续时间。结果表明,所提出机制有效地减少了网络中的冗余副本,使译码所需的数据量趋于理论上的最小值,改善了网络资源利用率。     

支持ONU模块独立不连续收发数据的节能方法

为有效解决绿色无源光网络中的节能效果与时延性能的矛盾,提出一种支持ONU模块独立不连续收发数据的节能方法。通过光网络单元的模块化,各能耗模块独立地切换睡眠或唤醒模式,从而在规定时隙内实现不连续地收发数据;通过子周期划分,将实时业务集中到第一个子周期内收发,提升了网络的总体服务质量;提出完全独立的上下行带宽分配算法,使所提方法在流量上下行不对称的应用场景更具优势。仿真表明,所提方法在保证业务时延性能的前提下,网络的能耗得到进一步降低。     

WDM网络中低开销的动态1＋N专有分段保护策略

针对现有波分复用（WDM）网络保护机制倒换时间长、资源消耗较大的问题,提出了一种低开销的动态1＋N专有分段保护（DSDP）策略,能够根据当前网络资源耗费情况动态地确定需要保护的网元,采用线性编码方法,利用单个工作路径对多个工作路径进行专有保护。仿真验证表明,本文策略能极大地降低用于保护的网络资源消耗,同时能有效地利用光...     

软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略

针对时分波分复用无源光网络(TWDM-PON)多个光线路终端(OLT)间资源缺乏协同集中调度问题,该文提出一种带有软件定义的基于带宽预测的资源分配策略(RABP)。在光线路终端间,设计粒子群优化的BP神经网络模型预测各光线路终端所需带宽,避免了控制器与光线路终端信息交互时延对资源分配实时性的影响;其次,在光线路终端内,动态设定滑动周期并基于光网络单元授权信息实时统计资源池共享带宽,同时,设计负载均衡的波长调度机制实现多波长的高效利用。仿真结果表明,该策略提高了信道资源利用率,降低了平均包时延。     

基于小波神经网络的告警信息相关性挖掘策略

针对现有告警信息相关性分析方法没有客观全面考虑各告警的重要程度,无法体现告警之间个体差异性等问题,该文提出一种基于小波神经网络的加权关联规则告警挖掘算法。综合告警级别、告警类型以及告警设备类型3个主要告警属性,将其作为小波神经网络的输入,通过对历史样本数据的学习确定连接权值,合理地评估各个告警属性重要程度,利用所得权值向量进一步挖掘告警加权关联规则。结果表明所提算法在权值确定时能够综合考虑告警信息的多个属性及历史经验,得到的权值更能合理地反映告警重要度,所得关联规则能够更加准确地反映告警之间的相关性。