机载网络数据时间同步处理算法的设计与实现

数据准确可靠是飞行试验数据处理的基本要求,但网络化测试架构的使用给数据处理时间同步带来一定的难度。针对机载网络数据处理中存在的网络包乱序、时间不同步的问题,研究了网络包数据乱序的产生原因及其特点,详细分析并比较了基于包个数、基于最大逆序、基于半包时间间隔三种时间同步处理算法的优缺点及适用性,最终选择使用基于半包时间间隔的时间同步处理算法作为机载网络数据处理算法,并详细介绍了该算法的具体实现方式。在实验中测试了该算法的有效性,结果数据表明该算法能有效解决网络数据时间同步的问题并得到准确的处理结果,保证了型号数据处理的准确性。     

ACK报文拥塞对网络性能影响的研究

为了提高网络性能和安全、设计更有效地队列拥塞控制算法,通过研究现有的一些主动队列拥塞控制算法发现:大多数的拥塞控制算法的实现是基于队列长度或平均队列长度,这使得算法在提高网络整体性能上具有局限性。本文在现有的网络队列拥塞控制算法的基础上,将ACK信息确认报文传输状态引入到队列拥塞控制算法研究的系统中,通过仿真实验发现:ACK数据报文的传输状态在很大程度上影响着网络的吞吐量、数据包的传输延迟等。     

基于人工免疫的工业认知无线网络路由机制

工业互联网（industrial Internet）已成为第四次工业革命的代表技术.根据工业网络数据传输服务的需求,以及针对工业无线网络拓扑相对稳定、流量规律变化等特点,提出了一种基于人工免疫系统（artificial immune system,简称AIS）的工业认知无线网络路由机制,包含基于链路质量的域内静态路由算法和基于多路径的域间动态路由算法,以实现工业网络的可靠路由.根据人工免疫系统特点,将工业网络的拓扑结构进行区域划分：提出了基于链路质量的域内静态路由算法,采用软硬件结合的方式监视网络链路,并根据移动窗口指数加权平均法计算链路丢包率;提出了基于多路径的域间动态路由算法,根据模式距离对节点的流量周期进行预测,防止节点因流量过大而导致丢包.基于OMNET++仿真平台进行仿真实验,结果表明,所提出的路由机制在应对突发流量时与组合定向地理路由算法相比,丢包率及网络开销分别降低1倍;应对链路失效的情况时与图路由算法相比丢包率降低4倍.     

一种采用不同大小包对测量网络带宽的方法

随着Internet用户数和网络复杂度的激增,人们对网络性能提出了更高的要求。而带宽测量已经成为一种Internet网络性能研究的露要手段,并且越来越广泛地应用于各种网络测量分析平台。依据包对理论,提出一种带宽测量算法,可以解决网络背景流量的干扰问题和首包的排队问题。基于该方法开发的程序已经应用于大型网络性能监测与分析系统——NIPMAs,取得了良好的效果。     

基于RFC算法的快速多维数据包分类算法

数据包分类技术应用于许多网络服务,其性能基本决定了服务的质量。RFC算法是具有代表性的数据包分类算法,分类速度快,但由于存储开销巨大,增加了算法实现的存储消耗,加大了成本。该文在RFC算法的基础上提出了一种利用Hash技术减少存储开销且保持相对快速的数据包分类算法。     

基于网络断层扫描的传感器网络链路丢包研究

文中提出了一种基于网络断层扫描的无线传感器网络链路丢包率测量方法,通过边界节点的丢包率来估计传感器内部链路丢包的情况。根据无线传感器网络数据聚合的特点,提出了网络逻辑拓扑和链路报文丢包模型,在将链路报文丢失率推测问题形式化为MLE问题的基础上,用引入修正因子的μ的EM算法来推测链路报文丢失率。NS2仿真结果证明,μ-EM算法推测的链路报文丢失率与预设值更加接近,特别是在大规模网络中μ-EM算法在精确度和有效性方面均明显优于EM算法。     

一种快速的五元一维包分类算法

包分类算法在网络安全产品中至关重要,该文介绍常见的包分类算法,针对现有包分类算法的不足,构造了一种基于Hash函数的可快速查找、快速定位五元一维包分类算法,并给出算法准确性、快速性的理论证明。     

基于改进萤火虫群优化的无线自组网路由算法

针对无线自组网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题,借鉴萤火虫群优化算法,提出了一种改进萤火虫群优化的无线自组网络路由算法.路由算法将萤火虫优化算法中的荧光素强度更新与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量、节点间距离等因素进行相互映射,同时改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成无线自组网络中路由协议的路由发现、路由选择及路由维护等过程,整个协议无须传送大量的控制分组,即可实现无线自组网络的稳定传输.仿真实验结果表明,与AODV及基于蚁群优化的路由算法AntRouting协议相比,本文所提出的路由算法在端到端延时、分组数据传输率及网络生存时间上均有良好的性能.     

一种基于蚁群优化的WSN拥塞控制算法*

针对无线传感器网络中由于拥塞引起的丢包和能量过度消耗等问题,提出了一种基于蚁群优化的拥塞控制算法以减轻WSN中的拥塞和改进网络性能。该算法充分考虑了给定时刻WSN的拥塞状况,分成三个阶段在源节点和sink节点间寻找一条最佳的路径,并及时地消除拥塞。仿真实验结果表明,该算法在网络吞吐量、丢包率、时延和能耗方面具有较好的综合网络性能。     

基于包对推测丢包率的简化算法

在进行网络测量时，有时只能获得端到端的数据，然而得到网络内部的信息对网络性能的认识是非常重要的，因此就需要从网络端到端测量得到的数据推测网络内部链路的数据。本算法是基于单播网络的端到端测量的，利用包对进行统计，运用最大似然估计和EM算法进行计算，从而推算网络内部节点的丢包率。我们在文中给出了算法的逻辑分析和仿真结果。     

一种面向汇聚网络处理器模型的负载均衡算法

本文提出一种由多个网络处理器组成的汇聚网络处理器转发子系统路由器结构模型,并设计了算法DIHDA对多网络处理器的负载进行均衡分配。实验结果表明,该算法能够在保持负载均衡的同时获得较好的报文保序效果,综合性能优于目前已有的同类算法。     

Incorporating packet semantics in scheduling of real-time multimedia streaming

In this work, we develop a novel packet scheduling algorithm that properly incorporates the semantics of a packet. We find that improvement in overall packet loss does not necessarily coincide with improvement in user perceivable QoS. The objective of this work is to develop a packet scheduling mechanism which can improve the user perceivable QoS. We do not focus on improving packet loss, delay, or burstiness. We develop a metric called, “Packet Significance,” that effectively quantifies the importance of a packet that properly incorporates the semantics of a packet from the perspective of compression. Packet significance elaborately incorporates inter-frame, intra-frame information dependency, and the transitive information dependency characteristics of modern compression schemes. We apply packet significance in scheduling the packet. In our context, packet scheduling consists of two technical ingredients: packet selection and interval selection. Under limited network bandwidth availability, it is desirable to transmit the subset of the packets rather than transmitting the entire set of packets. We use a greedy approach in selecting packets for transmission and use packet significance as the selection criteria. In determining the transmission interval of a packet, we incorporate the packet significance. Simulation based experiments with eight video clips were performed. We embed the decoding engine in our simulation software and examine the user perceivable QoS (PSNR). We compare the performance of the proposed algorithm with best effort scheduling scheme and one with simple QoS metric based scheduling scheme. Our Significance-Aware Scheduling scheme (SAPS) effectively incorporates the semantics of a packet and delivers best user perceivable QoS. SAPS can result in more packet loss or burstier traffic. Despite these limitations, SAPS successfully improves the overall user perceivable QoS.     

基于云模型的被动队列管理算法

为了解决因拥塞而带来的网络性能问题,基于“弃头”方式提出了一种新的被动队列管理算法DFCM。该算法首先结合业务流队长和到达速率给出了丢包策略和丢包概率,同时利用云模型对实际队长进行求解;最后,通过利用NS2和Matlab进行仿真实验,深入分析了影响算法性能的关键因素。与“弃尾”(Drop Tail)和DFSQ算法相比,DFCM在瞬时队长方差、有效传输数据包等方面显示了较好的适应性。     

一种新的被动队列管理算法

针对因网络拥塞而产生的丢包问题,基于弃头方式提出了一种新的被动队列管理算法(Drop Front n based on Wavelet and Shuffled frog leaping,DFWS)。该算法首先利用小波变换对实际流量的长相关特性进行刻画,并利用混合蛙跳方法获取网络队长,同时结合弃头方式提出丢包策略和丢包概率。最后,以实际数据进行仿真实验,深入研究了网络队长、丢包数量和服务率之间的关系。结果发现,与其他算法相比,DFWS具有较好的适应性。     

分布式网络智能控制模型

基于遗传算法,提出了一种分布网络控制模型。首先,针对由于网络延时的不确定性而可能造成的数据包延时、数据包丢失等严重问题,给出了相应的远程网络辨识和优化控制系统体系结构。接着,给出了辨识与优化的控制算法。最后,给出了相应的应用仿真实验。结果表明,所提出的系统结构与优化算法具有很好的控制效果,具有很强的实际应用性。     

基于RTT的TCP拥塞控制慢启动改进算法

分析目前TCP拥塞控制的慢启动策略及其存在的短连接带宽浪费、过度丢包等实际问题,提出一种基于RTT（Round Rrip Time,往返时延）反馈的TCP慢启动改进算法SS IM(Slow Start Improved)。改进算法在慢启动过程前期为快速利用当前有效网络带宽,拥塞窗口保持较高速度增长,后期为避免加重网络拥塞,根据当前网络状况动态地缓慢调整拥塞窗口增长因子,使cwnd（congestion window,拥塞窗口）平滑过渡到ssthresh（slow start threshold,慢启动阈值）。性能分析和NS2仿真实验结果表明,改进算法能有效地减少分组丢包数,提高网络吞吐量,降低路由排队时延,平缓数据突发量冲击,降低网络拥塞发生的可能性,利于网络性能的提高。     

小波包滤波在齿轮故障诊断中的应用

为快速准确地判断齿轮故障的类型,提出了小波包滤波和神经网络相结合进行齿轮故障分类的方法。介绍了小波包去噪的原理和神经网络的设计方法,对阈值算法和神经网络优化算法作了改进,得到了不含噪声的信号和准确的故障分类方法。仿真结果表明,基于小波包滤波的神经网络方法具有更高的准确性和稳定性,可以满足工业故障诊断的要求。     

多宿点无线传感器网络时分多址时隙优化分配算法

针对单宿点无线传感器网络的时延大、容易出现传输瓶颈等问题,提出了多宿点无线传感器网络模型以及该模型的基于遗传算法(GA)的时分多址(TDMA)时隙分配算法。该算法根据宿点的数量以及位置将整个传感器网络划分成多个小传感器网络,并采用遗传算法对时隙分配结果进行优化。仿真结果表明,基于遗传算法的多宿点无线传感器网络TDMA时隙分配算法得到的时隙分配结果在时隙分配帧长度、数据包平均时延以及节点平均能耗方面均要优于图着色算法。     

基于BP神经网络的智能入侵检测研究

分析了入侵检测技术在计算机网络安全技术中的作用和地位,同时将BP神经网络算法应用于入侵检测当中,建立了基于BP神经网络的智能入侵检测系统.该系统能够通过数据包捕获模块实时抓取网络中传输的数据包,之后通过协议分析模块进行数据包所使用的数据协议的识别,从而能够在BP神经网络模块分别针对采用TCP、UDP、ICMP这三种网络数据传输协议的数据包进行处理.从本文中列出的该系统在Matlab07上的仿真结果可以看出:基于BP神经网络的智能入侵检测系统能够有效地提升入侵检测识别率.     

基于分组特性的冗余流量消除算法

针对大量数据片段冗余传输造成网络传输效率降低的问题,在协议无关冗余消除技术的基础上,提出了一种基于分组特性的冗余流量消除(PFRTE)算法。该算法以对数据包大小分组为基础,动态统计和分析网络流量的双峰特性和分组特性,以对冗余消除贡献大的数据包为阈值,利用滑动窗口计算数据块的边界点,对两个边界点间的数据块计算其指纹并进行指纹匹配。对重复传输的数据块进行简单编码,用编码数据替换重复传输的数据片段,再对消除冗余流量的数据包进行传输。与基于最大值选择和基于静态查找表选择等冗余流量消除算法相比,PFRTE算法动态统计网络流量分组特性,能够大大减少服务器端和客户端的CPU运行时间,同时冗余消除字节节省了8%~40%,证明了该算法的有效性。