WSN聚合数据率约束最大生命期路由

无线传感器网络通常由能量受限的传感器节点以及一个数据中心构成,采用数据聚合消除数据中的冗余信息.针对目前还没有对网络生命期与聚合数据率之间约束关系的研究,提出了适用于数据聚合无线传感器的网络流模型,并通过定义聚合数据率松弛系数,将网络最大生命期与最小聚合数据率路由结合起来,并设计了一组线性规划问题消除路由中的环路.通过大量仿真实验,给出了不同场景下路由算法的性能,分析了网络生命期与聚合数据率之间的约束关系.     

间断连接无线网络中能量有效的数据转发策略

针对间断连接无线网络中节点能量有限、节点间相遇持续时间较短和网络资源无法得到充分利用的问题,提出一种带有自适应异步唤醒的数据转发策略,综合考虑节点能耗和休眠机制,并结合灰色模型预测节点间相遇持续时间,优化节点探测阶段和数据转发阶段的能耗,进而实现高效数据转发的目的.结果表明:所提出的数据转发策略能够有效利用节点剩余能量和通信机会.与现有的转发策略相比,该策略能够在低能耗下有效改善网络的探测成功率和通信时延.     

基于带宽与往返时间联合预测的多路径并行传输性能优化算法

在流控传输协议(stream control transmission protocol,SCTP)中,多路径并行传输利用多家乡特性实现数据在关联的多条端到端路径中的并行传输.然而,受不同路径性能差异的影响,多路径并行传输将带来接收端的数据乱序.为了减轻数据乱序的程度并提高网络吞吐量性能,需要尽可能准确地估计每条路径的实时带宽与往返时间(round trip time,RTT).本文利用扩展矢量卡尔曼滤波对多路径并行传输中每条路径的可用带宽与往返时间进行联合预测,同时提出了一种综合考虑发送端未经接收端确认的数据的路径选择算法.仿真结果表明,通过实时准确地预测可用带宽和往返时间,路径选择算法能够减轻接收端数据乱序的程度.对于带宽敏感的多路径应用场景而言,该算法的收敛速度比Kalman-CMT算法更快,对网络吞吐量性能也有一定程度地提高;对时延和带宽都敏感的多路径应用场景来说,算法在收敛速度与吞吐量两方面优势明显.     

基于树突神经网络的低轨卫星智能感知路由算法

在低轨卫星网络中,卫星运行速度快、运行周期较短,星间链路动态变化.为了及时感知星间链路状态并选择正确的路由,提出一种基于树突神经网络的低轨卫星智能感知路由算法,通过卫星之间的可视性约束分析星间建链情况,实现星间链路态势感知;通过实时构造训练集,利用树突神经网络自动调整全局卫星网络链路的权值,进而优化传统迪杰斯特拉(Dijkstra)算法,实现星间链路质量感知,给出智能路由决策;通过周期性监测卫星网络拓扑,实时修正初始路由路径.仿真结果表明,基于树突神经网络的路由算法复杂度低,路径时延、时延抖动及丢包率均低于传统启发式路由算法和Dijkstra路由算法.     

认知无线电网络自私行为问题及安全解决方案

针对认知无线电网络中出现的两种自私行为问题,结合分簇式认知无线电网络体系结构,提出两种相应的安全解决方案.对路由发现阶段,由信道协商过程产生的隐藏可用信道信息的自私行为,首先通过可信簇头发现自私节点,然后由簇头向目的节点发送转发节点的可用数据信道信息来避免自私行为.对拒绝转发数据包的自私行为,通过节点监视机制确定自私节点,从而避免在路由过程中将自私节点作为转发节点.为了便于检验两种安全解决方案的有效性和可行性,设计了一种分布式认知无线电网络按需路由协议.理论分析和仿真实验表明,这两种自私行为问题可严重降低网络通信性能,相应的安全解决方案是有效和可行的,可分别显著提高合作节点的平均吞吐量和网络吞吐率.     

无线传感器网络中能量均衡的组播路由协议

以锚节点与监测区域相距很远的无线传感器网络为研究对象,提出了一种能量均衡的组播路由算法.该算法分成两个阶段:在第一阶段,前向转发区域内的候选节点通过依据自己的剩余能量及到接入点的距离设定定时器来竞争转发数据包;在第二阶段,算法在多播区构建一棵以接入节点为根节点的组播树,树中的节点根据当前父节点及候选节点的剩余能量更新父节点.     

能量均衡的间断连接无线网络数据转发策略

针对间断连接无线网络中节点负载不均衡和能量资源受限的问题,提出了一种能量有效的数据转发策略.该策略根据网络运行的历史相遇信息,充分考虑网络特性,以分布式方式估计节点的活跃度、剩余能量和数据转发率,准确地估计节点效用值,感知网络节点的服务能力,以帕累托最优作为自适应选择最佳下一跳中继节点的理论依据,执行数据转发操作,有效地解决了由于节点自私性所导致的网络性能下降.数值结果表明,与其他能量管理机制相比,所提出的机制能够均衡网络节点负载,有效解决网络\     

基于数据丢包的离散奇异脉冲系统量化控制器设计

针对离散奇异脉冲系统,在保证闭环系统稳定的基础上,考虑网络中存在的数据丢包和信号量化问题,提出了一种基于数据丢包的量化反馈控制器设计方法.首先,根据非线性奇异脉中系统的描述,建立了相应的具有丢包的闭环量化反馈控制系统的数学模型.其次,根据李亚普诺夫稳定性理论,给出了离散奇异脉冲系统的渐近稳定的充分条件以及量化反馈控制器的设计方法.最后,通过求解一组代数矩阵不等式得到量化反馈增益.通过对洛伦兹系统仿真,表明利用所设计的量化控制器能够保证闭环非线性离散奇异脉冲系统在具有数据丢包的情况下渐近稳定.     

基于CACTI的BGP多路径数据监测分析

针对BGP缺乏有效的多路径实现的问题,设计并实现了一个基于CACTI的BGP多路径数据监测分析平台,通过给BGP协议配置多出口鉴别(MED)属性,利用BGP路由表及CACTI流量监测图,在实验平台上实现了对MED策略路由的验证.实验结果表明:监测分析平台不但有利于BGP故障的发现,而且也可以减小新策略的盲目部署对运行中的现网造成的不利影响,并为新策略在现网的部署提供了保证.     

数据驱动的文献辅助管线钢产线落锤撕裂韧性内禀特征关联

管道运输是当前长距离输送石油、天然气等能源最经济的方式之一,具有优异的低温韧性是保证管线钢安全运输的重要特征.落锤撕裂试验（Drop weight tear testing,DWTT）是衡量管线钢低温韧性的最有效的方法.在目前的工作中,根据钢厂提供的产线数据集和文献收集的管线钢数据集,建立了基于机器学习的DWTT剪切面积预测模型.基于纯产线数据和文献数据辅助的产线数据构造了两种机器学习策略方案,测试了不同机器学习算法,效果最好的均是随机森林模型,策略一的纯产线数据模型的性能指标皮尔逊相关系数（PCC）为0.64,策略二的文献数据辅助的产线数据模型的性能指标皮尔逊相关系数（PCC）为0.92,文献数据的增加有效提高了DWTT剪切面积预测精度.机器学习技术为优化和预测DWTT剪切面积提供了一种新的思路.