识别流网络关键节点的虚拟外界投入产出分析法

网络关键节点识别是复杂网络研究的核心问题之一。经济学中的投入产出分析法可以用于评估带有外界流入流出量的开放流网络的节点中心性,但该方法不能直接应用于缺乏外界流入流出量的封闭流网络系统的关键节点识别。该文通过引入虚拟的外界节点将封闭流网络系统转化为开放的流网络系统,再在转换后的网络上进行标准的投入产出分析即可对网络关键节点进行识别。以中国铁路网络和世界粮农贸易网络关键节点识别问题为例,演示了虚拟外界投入产出分析法的应用过程与结果。该文方法为评估一般的封闭流网络系统中的节点中心性提供了一种可选手段。     

基于工步备刀的FMS刀具流死锁的研究

针对为工步准备刀具的柔性制造系统中由于刀具资源竞争导致的死锁问题,采用图论方法进行了分析,建立了刀具流状态演变图,定义了机床阻塞,并由此给出了刀具流死锁的定义.建立了刀具资源分配图,描述了刀具流死锁与刀具资源分配图之间的内在联系,分析了刀具流死锁的相关特性,提出了刀具流死锁判定定理和刀具流死锁检测算法.实例表明该方法能够解决FMS中在工步备刀情况下的刀具流死锁问题,为进一步实现刀具流死锁避免奠定了技术基础.     

TFRC协议在P2P流媒体分发中的应用

分析了TCP和UDP协议在流媒体数据传输中存在的问题,研究了基于速率的TCP友好拥塞控制协议.针对P2P网络的特殊场景,通过应用改进的TFRC协议达到与TCP流公平竞争网络资源,并通过数据调度取得节点间一定程度的负载均衡.仿真结果表明TFRC协议有助于平稳系统的网络流量.     

车辆接入互联网基于机会链接的资源分配

为提高车辆接入互联网的通信服务能力,研究了无线网络接入点(AP)如何分配信道资源,才能更为有效地利用车载节点间的机会通信扩展AP通信服务范围.对基于机会链接的资源分配问题进行了形式化定义并证明该问题是NP-难的.为解决该问题又提出基于节点间链接预测的资源分配近似算法. 通过模拟实验分析了节点数量与节点请求下载量对传输率的影响,并将基于链接预测的资源分配算法(APL)与现有的基于竞争及随机资源分配方法进行了对比实验分析,实验结果表明: 该方法显著地提高了网络的通信服务能力.     

区分服务中基于实时带宽估计的TCP友好标记器

为了解决区分服务（DiffServ）中带宽分配的公平性问题，利用内部带宽评估机制提出了一种新的TCP友好标记算法。实时跟踪网络中剩余带宽的动态变化，将剩余带宽按比例在各个汇聚流之间公平分配，并以此为依据对数据包进行标记。将敏感的TCP流和非敏感的UDP流分开进行标记，并对抢占的UDP流采取更为严厉的惩罚措施。仿真实验结果表明，在解决汇聚流内部单流之间带宽分配，以及汇聚流之间对网络剩余带宽分配问题上，与同类标记器相比，该标记器具有更好的公平性，且更容易实现。     

TCP连接迁移的移动无线传感器网络数据可靠传输技术研究

针对可移动的无线传感器网络提出了基于TCP连接迁移的可靠传输技术,传感器节点加入网络时采用簇节点选择算法确定上层簇节点,当传感器节点移动出所连接簇节点临界区时,采用连接迁移节点选择算法选择迁移的目标簇节点,并进行连接迁移.该技术可以保证传感器节点在移动过程中仍然能够可靠的进行数据传输,具有对传感器节点透明的特点.仿真实验验证了方法的有效性和可行性.     

一种基于资源分配的QoS路由

针对网络中不同优先级数据流对QoS的不同需求提出一种新的基于半动态网络资源分配策略,并且根据每类流分得的资源以及各类流在该时刻内链路中剩余的资源实施路由选择策略。实验结果表明,与其它两种基于资源分配的QoS策略相比,该算法能够兼顾公平,又能满足不同类流对网络资源的需求。     

基于路由树的多信道多跳无线传感器网络资源分配算法

采用有效的多信道资源分配算法可以增强网络的稳定性,提高网络的通信效率.因此提出一种适用于大规模网络的资源分配算法,既可用于静态网络,也可用于动态网络.首先根据路由树的关系,依据提出的时隙复用规则,给出节点间的时隙分配.仿真与管载数据包算法比较,在不同的通信距离下,网络的吞吐率分别提高35.7%和18.4%.在动态网络中,恢复网络通信产生的通信量与节点个数的变化有关,与总通信量的比例要小于网络节点变化的比例.     

面向车联网自动驾驶的边缘智能多源数据处理

在车联网场景中,智能车辆受限于自身有限的感知范围和计算资源,难以实现高可靠性的自动驾驶.针对上述问题,提出了面向车联网自动驾驶的边缘智能多源数据处理方法,通过发掘网络中节点的空闲资源,提高系统的吞吐量,利用网络中的分布式数据,提高神经网络的推断准确率.为了解决车辆节点数据传输的耦合问题,构建了3层网络模型,对网络中的数据传输进行调度,并将原车辆节点一一映射为一个虚拟节点集合,对节点的数据传输进行解耦,从而把原问题转化为最小费用最大流的问题,实现了对自动驾驶网络计算、通信资源的高效分配.仿真结果表明,相比于本地处理的方案,所提方案可提升150%的系统吞吐量和12%的系统能效.     

认知反向散射网络通信容量公平的资源优化

为保证认知反向散射通信网络中物联网节点通信容量的公平性,提出一种基于最大最小准则的资源分配方案. 在考虑物联网节点动态电路能耗模型与非线性能量收集模型的基础上,通过联合优化发射功率、反射及时间分配系数构建一个最大最小物联网节点通信容量的非凸多维资源分配问题. 首先,采用反证法、连续凸近似及辅助变量等方法将原问题转换为凸优化问题;然后提出一种迭代算法来求解转换问题. 仿真结果表明,所提的资源分配方案在提升物联网节点通信容量的同时保障了节点通信的公平性.     

RF-RED:一种速率公平的RED改进算法

为了提高响应流和非响应流之间的公平性，提出了一种基于速率公平的RED改进算法--RF-RED (rate fairness random early detection).该算法在路由器端计算UDP流的平均速率并与TCP友好流速率进行比较，根据比较结果动态调整UDP流和TCP流的最大丢包率，最后使用RED算法分别更新UDP流和TCP流的实际丢包率.通过使用RF-RED算法，UDP流在瓶颈链路上成为TCP友好流，同时瓶颈带宽得到了公平利用.仿真结果验证了该算法的有效性.     

UDN中基于JR-CoMP的分簇和资源分配方案

针对超密集网络（UDN）中的上行干扰问题,提出了一种基于多点协作联合接收（JR-CoMP）的分簇与资源分配方法.首先,将用户和基站进行单频段分簇,将同一小小区的多个边缘用户放在不同的用户簇中,将位于相邻小小区并且距离较近的边缘用户放在同一个用户簇中,根据中心用户到已有基站簇的干扰强度将其归簇;然后,对用户簇进行多重子频段分配,为包含同一个小小区用户的多个簇分配不同的子频段,并且尽量为每个用户簇多分配子频段;最后,以最大化系统总传输速率为目标,采用注水算法为每个用户分配功率.仿真结果显示,所提方案能显著提高频谱效率.     

基于用户分簇的物理层增强安全多播算法

物理层安全技术是无线网络技术中一项重要的关键技术。在大量多播用户和窃听用户共存的场景中,针对传统物理层安全技术中在波束赋形下增加人工噪声时不能很好地应用于多播传输的问题,提出了一种基于多播用户分簇策略下的物理层增强安全多播算法。首先,具有相近信道矢量的多播用户被分为同一个多播簇,不同的多播簇分配不同的子载波传输多播数据;其次,基于多播用户分簇策略的结果,提出了通过采用联合功率分配和波束赋形设计算法,最大化整个多播系统的安全多播速率;最后,为了降低算法的计算复杂度,提出了新的搜索算法处理联合功率分配和波束赋形设计算法。仿真结果显示：与传统安全多播算法相比,基于多播用户分簇策略的物理层增强安全多播算法不但能够获得更高的多播安全传输速率,而且其计算复杂度也大大低于采用遍历搜索的传统安全多播算法。     

A rate based congestion control algorithm in networks with coexisting unicast and multicast sessions

The optimal rate control problem in networks with unicast and multirate multicast sessions is investigated. A penalty function approach is used to solve a convex program formulation of this problem, and then a heuristic rate control algorithm is derived. The algorithm is distributed, and suitable both for source-driven unicast sessions and receiver-driven multicast sessions. To obtain practical viability, the computational burden on core routers as well as end-hosts is kept very low, also is the overhead of network congestion feedback. Simulation results show that the algorithm guarantees TCP (Transmission Control Protocol)-based unicast sessions coexisting with multirate multicast sessions in a fair and friendly manner. It is also shown that various fairness criteria of resource allocation could be achieved by choosing appropriate utility functions, and resource-utilizing efficiencies would be likewise different.     

(研究生论坛)IEEE802.11g无线局域网中基于FrFT角分多址的多流OFDM技术

为了提高数据传输速率,本文把分数阶傅立叶变换（FrFT）角度看作一种时频联合资源,通过设计最优分配准则提出IEEE802.11g无线局域网（WLAN）中基于FrFT角分多址（ADMA）的多流正交频分复用（OFDM）技术。发送端通过不同角度的逆分数阶傅立叶变换（IFrFT）对多个数据流进行调制,由于每个数据流中不同子信道上调制基函数的相互正交性,以及不同数据流之间相同子信道上调制基函数的近似正交性,接收端可以通过FrFT域相关检测很好地抑制各数据流间干扰。最后的仿真结果表明：相比传统IEEE802.11g中单流OFDM技术,系统传输速率可以得到显著提高。     

Resource allocation scheme for video transmissions in cognitive radio networks

Considering SUs with multiple radios, this paper discusses the cross-layer resource allocation problem for video transmissions in cognitive radio networks. Because of the coupling relationship between radio and channel, this paper proposes a new conflict graph based on the link-radio-channel, and models the resource allocation problem into an optimization problem. The constraints ensure the conflict-free and interference-free video transmissions, and provide flow routing and rate allocation for video services based on the feature of scalable video coding streams. The objective function achieves the network-level throughput maximization with fairness consideration. Simulation results show that the multi-radio transmission could gain a higher throughput. Also, the proposed scheme could provide fairness resource allocation, and use resource efficiently based on the feature of video services.     

一种资源占用最小的并行LSPs流量分配算法

提出了一种资源占用最小的并行标签交换路径(LSPs)流量分配算法。该算法根据LSP(label switch paths)的跳数和时延来进行自适应流量分配,避免了传统基于最短路径路由流量分配算法引起的网络拥塞。仿真表明,该算法经过约15次迭代就可以收敛到预定的阈值,实现多协议交换网络资源的优化利用。     

短文本信息流中的用户建模与应用

社交媒体中存在着大量的短文本信息流,包含着丰富的用户信息。针对短文本信息流的特点,提出一种新的用户建模的方法。首先将用户发表的内容进行合并得到用户数据;然后将用户数据分割为固定长度的词链,在分割处添加用户名构造上下文关系;最后结合外部数据,使用Skip gram模型进行训练得到用户的向量表示。基于用户向量的用户标签推荐和用户聚类方法在真实聊天记录语料进行实验中都取得了优于传统方法的结果。     

基于增量DFT概要的数据流聚类算法

数据流聚类分析是数据流挖掘领域的重要分支。由于数据流海量、快速、动态到达,传统的静态数据挖掘技术不能满足在线分析的需求。数据流聚类的核心是设计单遍数据集扫描算法,在有限的内存中存储少量概要特征信息,实现数据流实时、在线聚类分析。采用数据流处理中广泛应用的滑动窗口模型,提出一种新的基于增量傅立叶变换(DFT)的数据流概要算法,并在此基础上运用k-均值(k-means)聚类,实现数据流的在线挖掘。基于增量DFT概要的数据流聚类算法可减少运行时间,节省内存空间,实际用电负荷数据证明了算法的有效性。