基于NS2的能量模型的研究

随着无线网络的迅速普及,人们对无线网络的要求也逐渐提高,对于无线网络的研究也成为热点话题。在大规模的无线网络中,其功率控制问题显得非常重要。首先介绍了免费网络仿真平台NS2的构成及其原理;其次对NS2上无线网络的能量模型进行了仿真;最后对仿真结果进行了分析。它们为今后进一步研究无线网络的功率问题奠定基础。     

一种改进的NS元胞自动机模型

研究改进了基于元胞自动机的一维NS交通模型，细化了元胞长度和时间步长，对静止车辆的加速能力进行了约束，用简单的方法解决了该模型中车辆的速度演化规则与前车速度无关的缺点。同时，考虑了交通密度对随机慢化概率的影响。计算机仿真表明：改进模型不仅得到了一些与其他元胞自动机模型共有的性质，且得到的基本图更加接近实测数据。     

基于NS2的Blue算法的分析与改进

本文主要介绍了如何在网络仿真工具NS2中扩展队列算法以及如何利用NS2中自带的工具进行数据分析,并利用NS2对主动队列算法BLUE进行了分析并将它与RED算法进行了比较,指出其不足之处并提出了改进方案。     

NS2中新协议的实现

深入分析了网络仿真器NS2的组成和结构,以及NS2中队列管理算法的实现机制,在此基础上,通过一个新的主动队列管理算法的设计与实现阐述了在NS2中实现新协议、新算法的方法。新算法主要通过更为准确的拥塞检测和更为合理的分组丢弃概率计算来提高主动队列管理算法的稳定性,最后通过仿真实验对新算法的性能进行了测试,实验结果表明新算法的性能要由于RED算法。     

基于NS2的改进O－LOAD路由的设计与实现

针对目前LOAD路由存在的个别节点能量消耗过快导致整个网络瘫痪以及路由请求频繁的问题,提出改进O－LOAD路由协议,加入能量模型作为路由代价之一并且设计备用路由,当活跃路由失效时,更新备用路由为活跃路由。经过NS2平台对O－LOAD路由进行仿真,结果证明O－LOAD路由具备高数据投递率和低路由开销的优点,同时有效延长了网络的生存时间。     

NS2下P2P网络信任模型模拟框架构建

由于P2P网络的庞大和复杂,模拟在P2P系统的评估和分析中有着重要的作用。对P2P系统的信任模型的模拟仿真是研究P2P信任模型的主要手段。现有的关于P2P信任模型的论文中,都是为自己的模型专程设计程序进行仿真,缺乏通用性和可扩展性,同时由于其底层的交互并非模拟真实的P2P环境,所以在仿真的数据准确度上有一定的偏差。为解决上述问题,提出了一种基于NS2的可扩展的P2P信任模型模拟平台P2PRSSim（P2P Reputation System Simulator）架构,该平台可为P2P下不同的信任模型提供通用的模拟环境。介绍了此平台的系统结构和一些重要实现细节,并模拟EigenTrust作为实例演示系统的仿真。     

基于NS2的规定轨迹的运动模型的实现与性能分析

该文基于仿真工具NS2在随机路点模型RWP(Random Waypoint Protocol)之上探讨了一种MANET环境下节点可沿规定轨迹移动的新的运动模型,对其主要思想及生成方法进行了较细致介绍,并通过仿真实验对其性能进行了评估和分析。     

基于NS2的计算机网络教学研究

NS2是一个面向对象的网络模拟工具,它支持众多的协议。本文介绍一种基于Fedora6.0系统中的NS2.31的安装方法,通过一个AODV路由协议的简单实例,利用NS2进行仿真与数据分析,以此来增强对计算机网络的教学研究。     

基于NS2的认知无线电网络模型

针对NS2对多接口、多信道网络协议的模拟支持薄弱的问题,提出一种基于NS2的认知无线电网络模型,通过对网络整体框架的修改以及功能的拓展,使NS2不仅支持多接口、多信道,而且可以进行功率控制和认知无线电网络的模拟,并具备通用性。仿真实例证明了该方案的有效性。     

基于NS2的IEEE 802.16 Mesh模式的功能模型与仿真*

IEEE 802.16定义了无线城域网物理层（PHY）和媒质接入控制层（MAC）标准,其MAC支持点到多点和Mesh两种模式。为了满足Mesh模式网络研究中可扩展仿真平台的需要,根据IEEE 802.16—2004标准提出了基于NS2的Mesh模式功能仿真模型。该模型将Mesh模式的物理层和媒质接入控制层的必要功能分成相对独立的几个功能模块,每个模块都可以在NS2仿真中用面向对象的C++类实现其功能,具有很好的可扩展性。基于该模型,扩展了NS2,实现了Mesh模式的协调分布式调度功能和算法。通过建立仿真环     

一种简化的NS2链路模型

基于离散事件模拟技术的NS2网络模拟器被广泛运用于计算机网络的研究中。传统的NS2链路模型复杂度高,导致了大规模网络模拟由于需要大量的计算时间而难以实现。为降低网络模拟所需要的计算开销,以提高网络模拟的规模以及性能,提出一种简化的NS2链路模型。与传统的NS2链路模型相比,该模型在不影响网络模拟真实性的前提下,不再在链路模型中维护分组缓存队列,并将部分离散事件采用直接计算来处理,以减少离散事件个数,降低模拟运行时间。实验表明,该模型在保证真实性的前提下,使模拟运行时间减少35%以上。     

基于VAR的电能表降维误差估计模型

为达到远程监控电能表状态并及时准确发现电能表异常的目的,本文提出了一种基于VAR的电能表降维误差估计模型,通过对于电能表电量数据的获取、分析及筛选,采用主成分分析方法（PCA）对于原始数据进行降维,通过向量自回归模型（VAR）提取时间序列中的特征,从而准确预测电能表使用电量并对比出用电异常电能表。其中PCA降维算法处理了实际模型的不可解性,VAR自回归算法提高了估计的稳定性和精度,相较于传统方法具有预测准确度高,所需数据量小的特点。为验证该方法的有效性和实用性,将该方法应用于实际台区中测试,通过对于台区中127块电表半年内的用电数据进行分析,准确定位出8个异常电能表。结果表明,该方法不需要提前独立计算网损,能够实时估计智能电表误差和网损率。     

面向测量误差模型的外生变量估计方法

从观察数据中发现因果关系在近年来得到了越来越多学者的关注,其中外生变量在理解因果机制中扮演者重要的角色。然而,现有的因果发现方法大多假设观察变量就是真实发生的因(果)变量,忽略了测量误差带来的影响。为此,提出了一种解决测量模型下的外生变量估计方法。通过引入triad约束,根据此约束来找出与其余所有相关成对变量都满足triad约束的变量,即外生变量。该算法不仅能够解决含有测量误差数据的估计问题,而且对于没有测量误差的数据仍然适用。实验将该算法应用于真实网络产生的数据中,结果表明,无论变量是否含有测量误差,提出方法均优于现有的其他算法。同时,基于移动基站的真实数据实验也验证了算法的有效性。     

一种基于边数随机增长的BA网络模型

针对基本BA网络模型模拟现实网络的局限性, 采用新节点的度数增加服从泊松分布的随机函数来代替传统BA模型中的常数, 修改了节点度数的增长方式, 提出了一种基于边数随机增长的改进网络模型。从理论分析和实验验证两方面对该模型进行了分析和研究。理论证明过程中, 利用率方程法计算度分布并得到了解析解, 而计算机仿真则验证了度分布解析解的正确性。仿真结果表明改进后的网络模型符合现实网络的一定特性。     

虚拟测试系统的测试误差分析

在测试系统中,测试误差影响测试数据的精度.消弱其对测试结果的影响是至关重要的.首先讨论了随机误差的分布、测度,然后建立两种数据模型:基于LabVIEW平台的参数测试系统观测数据模型和理想数据模型.以此模型为基础,分析数据中的系统误差和研究系统误差的检验方法.提出了基于后验检验统计的系统误差检测法.最后修改观测数据的模型.结合此模型研究系统误差和随机误差的评定指标.     

基于NS2的路由器算法Droptail和RED的分析与比较

随着因特网的迅速发展,网络拥塞问题日益严重,近年来提出了许多基于路由器的拥塞控制机制。本文详细分析了基于路由器的弃尾（Droptail）和随机早期检测RED拥塞控制 机制的设计思想和算法实现。基于NS2网络仿真平台,分别在不同数据流和相同数据流情况下对两种算法的性能和原理进行了对比研究;对仿真结果进行吞吐量、延迟、振荡、丢包率等各项QoS指标的详细分析和比较,并给出了相应结论。     

分段抽样模型中抽中目标的概率分析

为了增大基于种群操作的搜索技术在有限时间内捕捉到决策空间中的特定目标的概率,基于古典概率模型建立不划分的随机抽样模型和划分成多个子区域的随机抽样模型(简称划分模型),分析比较了两个模型分别进行多次独立随机抽样至少抽中1次特定目标的概率,并证明：当总体中特定目标的数量为1或2时,划分模型抽中特定目标的概率恒大于不划分模型的概率。     

直线时栅传感器全误差模型与误差修正方法研究

为了进一步提高直线时栅位移传感器的测量精度,在建立该传感器周期误差、阿贝误差、热膨胀误差的全误差模型基础上,提出了一种组合校准的方法,利用傅里叶谐波分析和材料线膨胀原理对直线时栅的各种误差进行修正,修正后的精度可达±0.5μm/m。实验证明:该方法解决了直线测量中误差难以分离的问题,同时解决了计算机连续自动采样问题,提高了标定效率,使该方法广泛地应用于生产实践成为可能。     

灰色误差神经网络模型在预测中的应用研究

在分析GM（1,1）模型的建模机理的基础上,指出了传统建模方法的不足,即发现了预测数据序列中的第一点的值并不能用原始数据序列中第一点的值来代替,因为存在误差,同时给出了误差项的一般表达式,然后基于BP神经网络对误差项进行优化模型。结果表明,该模型拟合误差小,预测精度高。