大尺度IP骨干网络流量矩阵估计方法研究

流量矩阵估计是当前的热点研究问题,它被网络操作员用来进行负载均衡、路由最优化、流量侦测、网络规划等等.然而,流量矩阵估计本身固有的高度病态特性,使得精确地估计流量矩阵成为具有挑战性的研究课题.本文研究大尺度IP骨干网络的流量矩阵估计;基于RBF(Radial Basis Function)神经网络,提出一种新的估计方法...     

基于流量矩阵估算的流量测量模型

网络流量的测量是流量矩阵估算数据来源的基础。在全面总结了当前的流量测量技术的基础上,从流量矩阵估算的角度提出了一种流量测量模型,引入了适用于流量矩阵估算的测量服务和数据服务的概念,同时对模型的通信机制和数据存储机制进行了探讨,该模型的实现对流量矩阵估算具有非常重要的意义。     

基于时频分析的混合矩阵估计方法

在盲源分离信号处理中,尤其在欠定条件下(观测信号数目大于源信号数目),精确的估计混合矩阵是具有挑战性的问题。现存部分方法利用信号的稀疏性进行求解,并假设在时域或者时频域中源信号不重叠,然而这类方法在假设条件不满足,即源信号部分重叠情况下随着信号稀疏性降低性能恶化明显。本文针对具有较弱稀疏性的源信号,提出了一种基于时频分析的欠定盲源分离的混合矩阵估计方法。首先,利用源信号时频变换后系数实部与虚部比值的差异性选择单源点;其次,运用经典的聚类方法估计解混合矩阵的各向量。仿真结果表明:提出的方法简易可行并具有较好的估计性能。      

一种解析的基于旋转矩阵估计的波达方向估计方法

本文提出了一种解析的基于旋转矩阵估计的高分辨波达方向估计算法.为了充分利用空时信息以提高算法的估计性能,利用传感器阵列接收数据相关矩阵构建既包含旋转矩阵信息又具有可对角化结构的目标矩阵组.通过一系列矩阵变换,将复数域普通目标矩阵组转化为实数域对称目标矩阵组,以利用ACDC算法实现目标矩阵组的联合对角化并求得对角矩阵,继而求取旋转矩阵并挖掘波达角度信息,实现了波达方向估计.仿真结果表明,与其他现存的经典算法相比,所提算法具有更强的分辨能力及更准确的估计性能.     

基于方向性模糊C-means与K-means的混合矩阵估计方法

在信源数目未知的欠定盲源分离问题中,精确地估计混合矩阵是具有挑战性的问题.针对现有方法在病态条件下(某些混合向量的方向接近)不能准确估计信源数目、易受离群点干扰的不足,提出了一种基于方向性模糊C-means与K-means的混合矩阵估计方法.该方法首先通过方向性模糊C-means对观测信号进行预聚类,通过预聚类可以实现...     

MIMO扩频通信系统矩阵信道估计

为了解决第三代移动通信系统下行链路容量瓶颈问题，在HSDPA的解决方案中，MIMO系统的提案越来越受到重视。本文提出了一种移动深衰落环境下的MIMO系统信道估计方案，并进行了详细的理论推导，给出了独立MIMO深衰落信道环境下的仿真结果。     

基于矩阵因子重构的MIMO雷达角度估计方法

多输入多输出（MIMO）雷达中部分失效阵元会使得阵列采样数据丢失,从而导致较差的角度估计性能。为此,提出一种基于不完整矩阵因子重构的MIMO雷达角度估计方法。首先,根据协方差矩阵可分解的性质,提取维度较低的矩阵因子,并将协方差矩阵中缺失数据恢复问题转化为矩阵因子重构问题。然后,为了利用矩阵因子中元素的相关性,对不完整矩阵因子建立核范数约束下的低秩Hankel矩阵重构模型;为避免传统的核范数最小化求解中计算复杂度高的问题,采用低秩矩阵拟合方法将Hankel矩阵分解为两个维度较低的矩阵,等价表达了核范数约束。最后,利用交替方向乘子法（ADMM）对该矩阵重构模型进行求解。仿真结果表明,本文方法可以有效地重构出矩阵因子中的缺失元素,进而实现阵列协方差矩阵中丢失数据的补全,改善阵元失效下的MIMO雷达角度估计性能。     

基于几何方法的结构化协方差矩阵估计

针对雷达在非均匀环境下难以获得足够数量样本估计协方差矩阵,致使干扰抑制性能下降的问题,遵循几何范式,本文提出了两种结构化干扰协方差矩阵（ICM）估计算法。具体而言,算法从一组训练数据出发,考虑不同的协方差矩阵结构信息（Persymmetric或Toeplitz结构）,构造了两种结构样本协方差矩阵（SSCMs）,通过利用正定矩阵空间特性并施加条件数上限约束,以ICM和SSCMs之间的Frobenius范数作为目标函数建立极小化问题,并对该问题进行转化,最终得到估计器的闭式解。在两种场景下的仿真结果表明了所提算法可更加精确地估计ICM,有效地提高了干扰抑制性能,且在小样本情况下的优化效果更为显著。     

利用DBSCAN和概率密度估计的欠定盲源分离混合矩阵估计

针对欠定盲源分离中混合矩阵估计精度不佳的问题,本文提出了一种结合带噪声的基于密度的空间聚类（combining density-based spatial clustering of application with noise, DBSCAN）和概率密度估计的混合矩阵估计算法。首先,通过向量转换方式获得单声源时频点检测准则,并基于此准则从混合信号中检测出单声源点。其次,利用基于密度的空间聚类算法对单声源点进行聚类,由此估计出声源个数以及各类别所属的单声源点。再次,利用概率密度估计获得各类别的聚类中心,并构成混合矩阵。所提混合矩阵估计方法不需要提前设定声源个数,并且避免了由于数据分布不均所造成的聚类效果差的问题。最后,采用压缩感知技术实现源信号恢复,从而从混合信号中分离出各个声源信号。实验结果表明,本文所提的混合矩阵估计方法在声源个数未知的情况下,能够准确估计出混合矩阵;并且分离出的信号具有较高的质量。     

基于IP/MPLS网络的动态业务流量矩阵测量模型

IP网络动态业务流量矩阵的测量是业务量工程研究中的一个难点,本文提出了一种面向IP/MPLS骨干网络的基于LSP级的动态业务流量矩阵测量模型。该模型能够获取网络边界处对应于每一条LSP的路径转发信息,并根据每一条LSP上的测量结果,计算得知全网的业务流量矩阵。文中证明该测量模型是可行的,并给出了相关的算法及其性能分析。模型的优点是测量只在网络边界处进行而不涉及网络核心,故引起的网络开销较小。另外模型所需的算法复杂度低,仿真结果显示测量模型是有效的。     

基于最优观测矩阵的压缩信道感知

信道估计技术作为获得信道衰落信息的方法,是提高无线信道传输接收性能的关键技术。而物理多径信道固有的稀疏性,使得将压缩感知（CS）理论用于稀疏多径信道的估计成为可能。由于传统的线性估计方法没有考虑信道的固有稀疏性,因而在训练序列数目较少的情况下,压缩信道估计的重构效果要明显优于传统的最小二乘估计方法,在获得同样估计性能的情况下,需要的训练序列长度也大大减少,提高了频谱资源利用率,体现了压缩信道估计出色的估计性能。本文在应用CS理论进行稀疏信道估计的过程中,通过减小观测矩阵的列向量相关性,产生最优观测矩阵的方法,从而让压缩信道估计的性能得到进一步的改善。      

Estimating the Traffic Distribution Matrix of a Packet-Switched Network Using Aggregate Traffic Measurements

Methods are developed to estimate the source–destination traffic distribution matrix of a packet network using only aggregate link and source/sink traffic measurements. The methods are useful for network planning and monitoring of large packet networks, where it is impractical to gather measurement data on every end-to-end traffic flow. The first method assumes that the distribution matrix is time-invariant. This method is of theoretical interest but provides the foundation for developing a method for the realistic case of a time-varying matrix. The second method assumes that the matrix is time-varying. It uses linear programming (LP) to find a distribution matrix that optimally fits the measurement data. A practical problem with the first two methods is that the computational requirements increase as the square of the number of network nodes. The third method is a fast exact decomposition procedure for the time-invariant case that scales with the network size. The maximum number of unknowns that needs to be solved simultaneously is equal to the number of network nodes. The final method is a fast decomposition procedure for the time-varying case. This procedure scales with the network size. It uses LP to find an approximate distribution matrix that optimally fits the measurement data. The methods are applied to simulated example networks to illustrate the accuracy and speed.     

基于联络矩阵法的道路交通网可靠性研究

对于小型网络系统,可用联络矩阵法求出系统的最小路集,进而求出系统的可靠性。在具体分析某交通网络系统的基础上,建立了网络图模型,用联络矩阵法分析了系统可靠性及可靠性敏感度。     

降维投影矩阵法空间谱估计性能研究

首先阐述了降维投影矩阵算法的原理，并通过大量的计算机仿真实验与MUSIC和最小模方法进行了比较，对所得的结果进行了分析，得到了在信噪比较低但采样数据较长的情况下，降雏投影矩阵算法比MUSIC和最小模方法具有更好的性能的结论：降维投影矩阵算法成功分辨的概率更大、计算量更小。     

基于粒关系矩阵的流量在线分类

随着各种网络应用爆发式增长,流量的在线分类陷入困境之中.传统的基于包统计特征的机器学习方法适用于稳定的网络环境,当网络拥塞出现严重的时延和丢包时将产生较大误差.因而本文提出基于粒计算模型的分类方法.粒计算属于人工智能计算的分支,当数据缺失、信息不完全或是有噪数据仍拥有较高的分辨能力.为此本文将网络流量定义成粒子并构造粒...     

谱估计方法的通用矩阵表示与新的谱估计方法

本文指出几种常见的谱估计方法可以归结为同一数学问题并可用同一矩阵方程表示。从这通用矩阵表示可导出许多新的谱估计方法。本文还具体研究了相关阵特征矢量空间谱估计方法,得出一些有益的结论。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。