基于聚合度的地域通信网关键节点识别方法

分析了地域通信网的网络模型,从网络的拓扑结构出发,以图论知识为基础,把节点的度数和聚合度作为衡量节点重要性的标准,给出了关键节点的定义方法,通过分析对比得出地域通信网中有些关键节点并不具有较大的度分布特征,而且链路之间存在着一定的差别,采用度作为节点重要性的评估方法具有一定的片面性。在此基础上,文中提出了一种基于聚合度大小排序的关键节点识别方法,并给出了关键节点识别流程。实例分析结果表明了该方法的有效性、简单性和准确性。     

一种新的地域通信网关键节点识别方法

分析了地域通信网的网络模型。根据地域通信网的典型特性,针对节点容量法和节点连通度法的缺点,提出了一种新的关键节点识别方法,并给出了关键节点识别流程,同时进行了实例分析。首先比较节点连通度的大小,定义连通度最大者为关键节点;其次,当存在某两节点的连通度一样大时,取节点的容量大者为关键节点。实例分析表明了该方法的有效性、简单性和准确性。     

基于地域通信网流量攻击方法的仿真研究

地域通信网中各节点之间的正常通信是保障作战胜利的关键,由于地域通信网中各节点间的连接多采用无线链路,可以使用流量攻击的方法对链路进行攻击,使各节点通信中断。在分析流量控制和拥塞控制的基础上,结合OPNET仿真软件建立网络模型,通过仿真研究验证了流量攻击法可以有效地使地域通信网通信中断,达到攻击的目的。     

地域通信网干扰效果评估指标研究

目前地域通信网是战术通信网的主体和主要发展方向。介绍了地域通信网的特点,分析了对地域通信网的干扰方法。针对地域通信网的工作特性,提出了采用误码率和网络阻塞概率作为对地域网干线节点干扰的效果评估指标,最后以四个节点组成的栅格状地域通信网作为研究对象,采用数学仿真方法对多种情况下的误码率、网络阻塞概率进行了仿真评估。     

一种野战地域通信网网络节点和链路重要性的评估方法

评估网络节点和链路的重要性,是研究野战地域通信网网络可靠性的重要内容。在采用节点收缩法判断网络节点重要性的基础上,结合实例,提出了利用层次分析法确定连接于核心节点的各条链路权重值的方法,进而得出野战地域通信网网络节点和链路重要性的评估方法,为野战地域通信网的可靠性研究和电子对抗作战提供参考。     

基于OPNET的地域通信网网络仿真研究

针对无线通信情况下地域通信网中心交换机节点间的通信质量,采用模块化的方法描述节点对象的行为并对节点进行建模,通过OPNET网络仿真工具对地域通信网各网络节点的仿真模型以及组成各节点的进程模块进行设计实现,结合地域通信网的一个实例,得出了节点受不同干扰情况下的全局数据业务丢包率和话音业务呼损率。     

基于改进跳面节点法的地域通信网抗毁性评价

为了提高地域通信网对抗训练的有效性,需要对地域通信网的抗毁性和节点链路的重要性作出评价。针对跳面节点法的问题和不足,提出了一种基于改进跳面节点法的地域通信网抗毁性评价方法,并对改进的结果进行了对比,最后对抗毁性评价方法在地域通信网对抗训练中的应用情况进行了分析。     

基于节点的地域通信网抗毁性评价及应用

分析了战场条件下地域通信网抗毁性评价的需求和现有地域通信网抗毁性评价方法存在的不足,确定了节点失效条件下地域通信网抗毁性评价的标准和计算流程。从节点失效的实际出发,给出了节点重要度的分析方法,并以该方法为基础,综合考虑节点逐个失效的整个过程,给出了基于节点的地域通信网抗毁性评价方法。最后,将这种方法应用于地域通信网拓扑优化,并给出了应用实例。     

无人机覆盖搜索地域通信网交叉式航路规划

针对地域通信网的侦察搜索问题,提出一种以交叉式航路来实现对地域通信网部署区域完全覆盖搜索的无人机航路规划方法。首先,根据地域通信网结构特点以及干线节点天线波束特性,定性地分析得到无人机侦察干线节点时的最大侦察距离与盲区侦察距离,并分析得到无人机搜索干线节点的静态模型以及动态模型;其次,根据侦察模型,建立并优化无遗漏搜索的无人机交叉式搜索航路模型,该方法可保证搜索到地域通信网所有干线节点,并提高任务执行效率;最后,对无人机交叉搜索航路进行仿真,仿真结果表明,该方法能有效搜索到地域通信网每一个干线节点,并求解了无人机交叉式覆盖搜索航路代价。     

基于仿真的地域通信网规划与管理

针对地域通信网在开设和维护中的需求，提出了一种基于仿真的实时规划与管理方式，将仿真系统与地域通信网中的一些节点构成半实物仿真环境。根据网络的当前状态．快速仿真网络运行，预测网络未来的性能，并持续地对网络进行优化，以此来提高地域通信网性能，改善服务质量。     

深度学习在雷达通信目标识别中的应用框架

深度学习是当前人工神经网络领域的研究热点,广泛应用于字符识别、图像识别和语音识别等应用中。雷达通信目标识别是通信对抗的前提和关键。文中分析了模板匹配法、DS证据理论等传统通信目标识别方法的在特征提取、模型表达方面的不足,对深度学习神经网络在通信目标识别中的应用进行了初步探讨,并提出了一种基于深度学习的通信目标识别框架。该框架和思路同样适用于雷达对抗目标识别等问题,可为深度学习在雷达目标识别领域的应用提供支撑。     

空地协同场景下通信干扰智能识别方法

针对现有通信干扰智能识别方法在小样本条件下识别精度低、网络模型欠拟合的问题,并形成通信干扰识别的空中与地面布设能力,该文提出一种空地协同场景下基于孪生网络的通信干扰智能识别方法。首先在空中无人机与地面设备之间构建空地协同的通信干扰认知架构,并通过提取所接收的通信干扰信号的时频图、分数阶傅里叶变换和星座图,对通信干扰信号进行智能表征,以作为网络的输入。然后搭建基于密集连接网络的网络结构,并设计双输入权值共享的孪生网络。最后,利用随机样本对孪生网络进行训练,并通过孪生单边网络构建基准通信干扰类型特征库进而实现通信干扰的智能识别。该方法通过度量两个样本之间的特征距离来判断样本的相似性,并通过相似度度量扩大了训练样本数量并训练了孪生网络模型。仿真结果表明,所提方法不但在较小数据集的条件下可有效地实现通信干扰的智能识别,而且相比现有的智能识别方法,所提方法的识别性能显著提升。     

无线局域网中的载波侦听

钢铁公司的铁水运输时，需要合理调度运栽鱼雷罐的机车。无线局域网能实时传送机车的位置信息，但在恶劣的电磁干扰下如何保持通信的稳健性，使数据无差错、不丢失的传送是设计无线局域网必须考虑的关键问题。本文介绍利用通信模块RFW102和D100设计局域网时提高通信质量的2种方法。     

Multi-step attack detection method based on network communication anomaly recognition

In view of the characteristics of internal fixed business logic,inbound and outbound network access behavior,two classes and four kinds of abnormal behaviors were defined firstly,and then a multi-step attack detection method was proposed based on network communication anomaly recognition.For abnormal sub-graphs and abnormal communication edges detection,graph-based anomaly analysis and wavelet analysis method were respectively proposed to identify abnormal behaviors in network communication,and detect multi-step attacks through anomaly correlation analysis.Experiments are carried out on the DARPA 2000 data set and LANL data set to verify the results.The experimental results show that the proposed method can effectively detect and reconstruct multi-step attack scenarios.The proposed method can effectively monitor multi-step attacks including unknown feature types.It provides a feasible idea for detecting complex multi-step attack patterns such as APT.And the network communication graph greatly reduces the data size,it is suitable for large-scale enterprise network environments.     

21世纪通信网络及其支撑技术

阐述了支撑通信网络的几种关键技术，并通过对这些技术的介绍，说明未来的通信网络是一个国际标准化的、综合化的、宽带化的多媒体数据通信网。     

基于半监督联合神经网络的调制识别算法

针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM (long short term memory)和ResNet (residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率。在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%-20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0dB时对11种调制信号平均识别正确率达到92%,具有明显优势。      

基于C/S模式的多水下机器人仿真平台网络通信研究

文章研究了基于客户端/服务器（C/S）模式的多水下机器人仿真平台中网络通信的关键技术.文章介绍了该仿真平台的结构和功能,分析了仿真平台的信息流向和通信特点,在此基础上,提出了适合该仿真平台应用的网络通信协议和时钟同步方案,并详细讨论了Windows和QNX两种不同操作系统上的应用程序之间进行网络通信的实现方法.     

无线传感器网络层簇式密钥管理方案的研究

密钥管理是无线传感器网络安全机制最关键的技术之一。该文分析比较了各种密钥管理方案,认为组密钥管理更适合于无线传感器网络。并在集中式和分布式两种组密钥管理方案的基础上,提出了新的层簇式密钥管理架构,并解决了这两种方案存在的安全缺陷。而组间通信则采用基于(t, n)门限方案的密钥分割机制来实现。该新方案能保证无线传感器网络安全需求的同时改善执行效能。