电力无线通信异构多网共存环境中的网络选择算法

综合考虑电力业务需求和无线专网性能因素,针对邻域网、LTE无线专网、WiMAX无线专网和230 MHz无线专网等构成的异构多网混合共存场景,提出一种网络选择算法。该算法以AHPTOPSIS算法为基础,首先构建能表征候选网络与决策属性之间关系的决策矩阵,归一化处理获得归一化决策矩阵;利用AHP算法,依据不同业务类型下决策属性与网络性能之间的相对关系定义权重,对归一化决策矩阵加权获得加权归一化决策矩阵;然后对TOPSIS算法进行改进,依据加权归一化决策矩阵确定正负理想值,利用正理想值与候选网络之间的最小距离以及负理想值与候选网络之间的最大距离确定理想网络,计算各候选网络与理想网络之间的有效距离;据此执行候选网络排序和最佳网络选择,以避免运行TOPSIS算法可能存在的排序异常。仿真结果表明,该算法能根据电力业务需求对候选网络进行正确排序和最优选择,且能在满足业务服务质量的同时,提高资源利用率。     

异构网络多网共存环境中网络资源分配技术的研究

现代社会经济的快速发展促使我国无线通信技术领域的技术不断进步,无线资源以及业务服务发展之间的矛盾也在这个过程中进一步加剧。多种类型的接入技术发展形成了异构网络环境,基于此形成的多网覆盖网络选择以及资源利用效率等研究逐步形成。异构网络中多网共存环境下的资源分配技术是当前阶段最重要的技术类型。 异构网络中主要存在集中、分布以及混合结构类型模式。分布式模式作为其中一种应用性、适应性较强的模式,得到了较广泛的应用。因为多RATs覆盖条件下的属性信息本身具有较为复杂的特征,侧重从模糊逻辑视角形成了将用户作为中心内容的网络选择算法,并通过这种方式进行拓展,建立网络资源分配技术研究。     

基于SIP消息的异构网络拥塞识别机制

当前立体空间内多种网络重叠覆盖,在收益率、用户体验等因素的驱动下,运营商在其掌握的异构网络间进行无缝切换势在必行。但在一些安全环境中,例如遇到一些需要与外界联系的紧急情况,收益和并不能成为触发切换的唯一条件,网络拥堵也会是影响通信至关重要的一个因素。提出一个新的基于SIP协议的异构网络拥塞识别切换的技术。不仅基于信号的强度,而且还基于目标网络的状态来融入新的SIP消息切换策略。由于SIP协议与下层协议无关,因此可以比较容易地配置到运营商的环境,具有一定的实用性。仿真结果表明,使用该机制可以在保证Qo S的前提下,让用户以较小的代价切换到目标网络。     

异构多子网的以太网物理拓扑发现算法研究

针对异构网络的特点,在分析了网络拓扑发现相关协议的基础上,本文提出了一种依赖SNMP协议、基于异构多子网的以太网物理拓扑发现算法。实验显示,该算法可以准确、高效地进行物理拓扑发现,准确识别链路连接类型,是解决该问题的一种有效方法。     

基于演化博弈的多用户网络选择算法

无线通信技术的发展和演进,使得多种广域蜂窝网和大量无线局域网共存、重叠。针对热点区域,密集分布的大量用户同时发起同种业务请求应用场景,提出一种基于演化博弈的多用户网络选择算法,依据选择网络的用户数设计效用函数,给出了演化博弈的复制动态方程。与RSSI算法的对比仿真结果表明：该算法能快速达到演化均衡,用户平均收益高于RSSI算法,接入网络的用户分布更均衡,能合理利用网络资源。     

通用的异构多子网物理拓扑发现简单算法

准确的网络拓扑结构对于网络管理、安全管理、性能分析等起着非常重要的作用。首先分析已有物理拓扑发现的主要算法及存在的问题,然后提出一种简单通用的基于SNMP协议的物理拓扑发现算法解决异构多子网的物理拓扑发现问题。该算法通过定义区域以及与之对应的IP范围来分区域发现网络拓扑结构,克服了地址转发表完整性限制的要求,能够准确、全面、高效地发现网络的物理拓扑,既可以发现可网管的设备,也可以发现不可网管的哑设备。     

异构IP网络物理拓扑发现的改进算法

网络拓扑发现对于现代网络管理、性能分析、故障定位具有重要的作用。针对实际异构网络的特点,在分析原有基于MAC地址转发表算法的基础上,提出了一种全新的基于SNMP协议的异构IP网络物理拓扑发现算法。该算法能够高效、准确、全面地进行物理拓扑发现,既可以检测到可网管的设备,也可以检测到不可网管的哑设备(如HUB)。     

异构IP网络的物理拓扑自动发现算法的研究与实现

发现网络拓扑信息是实现许多关键网络管理任务的先决条件，目前大多数的网络管理工具仅提供逻辑(即IP层)的拓扑发现功能，而要发现物理网络拓扑却是个非常困难的任务。本文提出了一个实用的异构网络的物理拓扑发现算法，算法的运行结果显示，该算法能高效、准确地生成异构网络的物理拓扑图。     

能量异构传感器网络中的分布式数据收集算法

针对无线传感器网络分簇过程中簇头耗能过快问题,提出了一种综合节点剩余能量和节点位置进簇头选取的分布式数据收集算法.在每轮的簇头选取中,算法考虑了簇内节点的剩余能量和所有节点的平均剩余能量,并依据节点的位置优化簇头的选择.算法在保证网络最优簇头个数的同时,避免了能量较低的节点当选为簇头.仿真结果表明,本算法与LEACH和...     

基于实时多业务的异构网络接入选择算法

为提升无线异构网络用户体验及服务质量,提出基于实时多业务的异构网络选择算法。该算法考虑多业务的主客观属性,重新定义和构造了判断矩阵,基于AHP(Analytic Hierarchy Process)算法和熵权法综合计算属性权重,最后利用TOPSIS算法选择出最优的接入网络。仿真实验结果表明,实时多业务网络选择算法能够有效地减少切换次数,在兼顾网络负载的情况下,降低了业务的阻塞率。     

异构自组织网络环境下路由算法研究

针对传统自组织网络路由方法不能满足异构网络环境下的通信要求这一问题,提出混合节点发现算法(HNDA)以及结合路由跳数和节点负载的综合度量方法 (CM-HCTL);将HNDA与CM-HCTL相结合融入AODV协议,得出完整的异构网络环境下自组织网络路由解决方案HC-AODV。对AODV和HC-AODV这两种算法进行仿真对比,仿真结果表明,在一定的网络环境下,HC-AODV方法能够提高数据分组投递率,降低平均端到端时延以及路由控制开销,具有有效性。     

基于NOMA异构云无线接入网的联合子信道和功率分配算法

针对基于NOMA异构云无线接入网中增加网络效用需要以更高的能源消耗为代价,从而导致能源效率低的问题,提出了一种联合子信道和功率分配方案。首先,该方案定义网络效用和电网能源成本之间的差值为系统收益,考虑了最大传输功率、能量收集（energy harvesting,EH）电池容量、用户最小数据速率需求和跨层干扰阈值等约束,以最大化系统收益为目标建立优化问题;然后,采用贪心算法给用户配对并分配子信道,实现低复杂度次优解;最后,利用基于交替方向乘子法的拉格朗日最大化方法优化了功率分配。仿真结果表明,与NOMA系统中未配备EH单元的方案相比,系统收益提高了约18.8%;与OFDMA系统中配备EH单元的方案相比,系统收益提高了约11.8%。     

面向异构WSNs的基于能量感知的簇路由算法

有效地使用传感节点的能量,进而延长网络寿命成为设计无线传感网路由协议的一项挑战性的工作.为了延长网络,现存的多数簇路由是面向同构网络.为此,提出分布式能量感知的异构WSNs非均匀分簇路由DEAC(Distributed Energy Aware unequal Clustering)算法.DEAC算法是以EADUC(Energy Aware Distributed Unequal Clustering)为基础,并进行优化.与EADUC不同,DEAC算法从簇头竞选机制、簇间多跳通信中的下一跳转发节点的选择策略以及自适应的节点通信半径的设置三方面进行优化.在簇头竞选机制中,采用退避算法,利用节点的剩余能量以及邻居节点的平均能量设置延时时间;在选择下一跳转发节点时,建立节点的关于能量的度量函数,选择具有最大剩余能量的节点作为下一跳;而在设置节点通信半径时,考虑了距离、剩余能量以及邻居节点数信息.仿真结果表明,与EADUC协议相比,提出的DEAC算法能够有效地延缓第1个节点失效的时间,减少了能耗,扩延网络寿命.     

Cyclic autocorrelation based blind OFDM detection and identification for cognitive radio

Cognitive radio is considered as a promising technique to increase the utilization of limited spectral resource. The key issue in cognitive radio is to design a reliable spectrum sensing method that is able to detect the signal in the target channel as well as to recognize different signals. In this paper, focusing on classifying different OFDM signals, we propose a two-step detection and identification approach. The key parameters to separate different OFDM signals are the subcarrier spacing and guard interval. A simple but reliable peak detection method is adopted in the first step, while a peak searching method is used to determine the length of guard interval. Simulations are carried out in AWGN to verify the validation of the proposed method. It is shown that our method can satisfy the detection and identification requirement with a low false alarm probability.     

基于信噪比估计的自适应频谱感知算法

针对传统能量检测不能对低信噪比条件下的信号进行准确感知,容易造成误判的缺点。为了提高在低信噪比条件下的频谱感知性能并缩短感知时间,结合循环特征检测具有较高的检测性能和鲁棒性但计算复杂度高的特点,提出了基于信噪比预估计的自适应频谱感知算法。该算法通过预估计待检信号与信道噪声的信噪比,当高于信噪比选择阈值时,采用改进后的自适应门限能量检测,降低运算复杂度;若低于选择阈值则进行循环特征检测,保证良好的检测精度;并可以根据系统对检测精度和感知速率的要求,自适应调整选择阈值的大小。仿真结果表明,所提算法有效的提高了低信噪比条件下频谱感知的准确性,缩短了平均感知时间。     

一种新的无线传感器网络拓扑发现算法*

GBGD是一种面向攻击的隐蔽性较强的拓扑发现算法,通过分析发现,该算法对实际网络进行了过于理想化的假设,导致无法在实际中应用。在GBGD算法工作模式的基础上,对实际网络提出了合理假设,设计实现了一种新的网络拓扑发现算法,通过对报文向基站汇聚过程中每一跳转发时延进行分析得出节点在路由树中的层次关系,进而推算出网络的拓扑。仿真实验结果表明,该算法能准确推断出网络的拓扑,并在报文存在丢失较多的情况下具有较好的鲁棒性。由Mica2节点组成的原型系统实验结果表明,该算法能够较好地应用于实际网络。     

异质网络社区发现研究进展*

异质网络将复杂系统中的信息抽象成不同类型的节点和链接关系,不同于同质网络,基于异质网络的社区发现能够挖掘出更加精确的社区结构。异质网络的社区发现通过对异质网络中的多维结构、多模信息、语义信息、链接关系等信息进行建模表示和提取分析,以发现其中相对紧密稳定的社区结构,对网络信息的获取与挖掘、信息推荐以及网络演化预测具有重要的研究价值。首先对社区发现当前研究的不足进行了简单阐述,接着引出了异质网络的定义;随后结合实例介绍了异质网络社区发现的现有研究方法,包括基于主题模型、基于排序和聚类相结合、基于数据重构和基于降维的方法等,并针对各类方法指出了其特点和局限性;最后讨论了当前该领域在结构复杂性、信息多样性、数据规模等方面面临的挑战。在将来,基于并行化、可扩展、动态增量的研究更能适应当前的变化环境。     

基于能效的异构无线网络联合切换调度和资源分配算法

在宏蜂窝和微蜂窝并存的异构无线网络中,为了提高系统能效,提出了一种联合切换调度和资源分配(JSRA)算法。首先,利用基于微基站睡眠的集中式切换调度算法(CUSA)来确定用户的关联基站,CUSA将微基站用户全部切换到宏基站是否能减少功耗作为判断微基站睡眠的准则;然后,基站采用基于最优信道质量的子载波分配调整(BCSA)算法为用户分配子载波和传输功率,BCSA算法通过调整最大能效用户和最小能效用户之间的子载波分配,保证网络能效逼近最优解。理论分析和实验仿真表明,同单独考虑用户切换或资源分配的三种算法相比,JSRA算法复杂度偏高,但是在用户数为120时网络功耗最多降低44.4%,用户总速率只比一种对比算法略有下降,最多提升80%,网络能效最多提升200%。实验结果表明,JSRA算法能够有效提高异构无线网络的网络能效。