网络编码在无线Mesh网络中的研究与实现

Mesh网络沿用了Ad Hoc网络中的路由协议,但Mesh网络节点移动性高,路径的生存周期短,根据无线Mesh网络自身的动态特点进行路由协议的优化成为了研究的热点。COPE编码方案是针对Mesh网络中的单播特性提出的一种新的机会网络编码机制,能够提高网络的吞吐量。通过NS2仿真平台对AODV路由协议添加COPE网络编码方案,仿真结果表明在不同网络条件下,AODV和COPE的结合增加了无线节点的编码机会,使网络的吞吐量得到了有效的提高。     

编码TCP的理论研究与应用方法

为了深入理解编码TCP的原理,在讨论TCP Vegas协议和网络编码的基本形式的基础上,分别从无线网络发送端和接收端的角度深入论述了其与网络编码的融合方法以及网络编码层的结构和控制机理,在最后提出了NS2模拟软件底层代码的修改思路来实现检测网络编码TCP性能的目的。     

网络业务流的自相似性

对通信网络的大量研究表明,网络业务本质是自相似的(相关函数上表现为长相关特性)。网络业务的统计自相似性主要是指在不同时间尺度上观测到的业务流量序列具有相同的统计特性。讨论了当前网络业务流的特性;分析了现有的自相似业务流模型。为在线测量网络中的高速业务流,根据实测时间序列数据建立合适模型提供了参考。     

基于COPE协议改进的网络编码感知机会路由算法

提出一种网络编码感知机会路由算法,将COPE协议中的机会监听和网络编码技术引入现有的机会路由机制,采用新的路由度量即LQM(链路质量度量)标准来选择备选转发节点集,在确保选择路径的编码机会的同时也在一定程度上保证了链路质量。仿真结果表明,此方法能提高网络的整体吞吐量,增加编码机会,降低平均端到端的时延。     

基于DSP的线性预测语音编码实现

LPC(线性预测编码)是语音信号分析的有效方法.文中阐述了LPC的基本原理,提出了一种基于DSP的PLC实现方案.在对TMS320C5401的软硬件资源进行介绍的基础上,对系统的工作原理、硬件、软件进行了分析和研究,测试结果表明系统利用高速DSP能实时地实现LPC,具有实现简单,效果良好的特点.     

适合TCP的网络编码重传机制

通过理论分析,看出基于反馈的重传方法比定量重传的方法有更低的解码延迟。提出了一种新型的基于反馈的网络编码(FNC)重传机制,利用seen机制中的隐含信息来获取接收方解码所需的重传分组个数,并改变了编码规则使部分分组可以提前解码。该机制不仅可以处理有固定误码率的随机分组丢失,还可以有效地应对大量突发性分组丢失。仿真结果显示,该机制在高误码率下也能保持较高的吞吐量,且极大地减少了解码延迟,传输过程基本不受分组丢失的影响,有效地对拥塞控制协议隐藏了链路错误。算法简单有效,更适于在实际系统中应用。     

基于预测的机会式网络编码

针对理论网络编码在实际应用上的缺陷,以及现有机会式网络编码完全依赖于消息偷听导致应用场合的局限性,以完全不同于网络编码优化问题的思路,提出了基于预测的机会式网络编码的方法。其主要思想是：基于网络流量的自相似性,利用EMD（empirical mode decomposition, 经验模式分解）和ARMA（自回归滑动平均）预测下一个报文的到达时间,综合计算编码时间、为了编码而等待的时间、传输时间等要素,从而决定是否编码。推导出了网络编码在不同情况下要实现吞吐量正增益可以等待的时间上界。仿真实验结果显示,在吞吐量上,提出的方法相对于理论网络编码平均提高15%左右,相对于当前的存储转发平均提高21%左右。在提高吞吐量的基础上,提出方法也可有效地降低网络的能量消耗。     

网络业务流统计分析平台的设计与实现

针对网络业务复杂、端口识别和应用层检测方法失效的情形,设计并实现了网络业务流统计分析平台,为网络业务的有效识别与分类创造了条件。通过实验证明,该平台采集的业务流以及获取的流量统计分析结果,能实现网络业务的有效识别,为基于流统计特征来识别网络上的P2P应用创造了条件。     

无线Mesh网中基于网络编码的多路径TCP研究

在无线多跳网络中,本地重传和网络编码已经被成功地应用到多路径技术上以增加吞吐量并减少丢包。然而,在提高UDP传输性能的同时,也产生了数据包重排序和延迟等副作用,严重影响了TCP性能。针对此问题,主要提出一种基于网络编码的多路径传输方案NC-MPTCP,即在无线mesh网络的多条路径中引入网络编码、执行拥塞控制以及使用一个基于信用的方法控制节点的传输速率,提高网络的吞吐量以及增加网络传输的可靠性。该方案使用一个简单的算法,评估丢包率以及发送线性组合数据包的速率,用来降低目的节点的数据包解码延迟和防止TCP的超时重传。仿真结果表明设计的NC-MPTCP有效。     

网络编码在网络安全中的应用

网络编码的思想在1999年由杨伟豪和张珍首次提出,由Ahlswede等人进一步发展和扩充,安全的网络编码也随即提出。蔡亍和杨伟豪首先针对单信源有向无圈网络给出了安全网络编码的定义和模型,其他研究者也各自提出了不同的安全模型,如J P Vilela提出了轻量级安全的网络编码,K Bhattad提出了弱安全的网络编码等,另外还有抗拜占庭攻击的网络编码。网络编码理论亦在网络纠错中得到了应用,杨伟豪和蔡宁推广了经典纠错码,引入了网络纠错码,杨胜豪在杨伟豪和蔡亍研究的基础上,研究了线性网络编码的重量性质。     

神经网络在无线网络流量预测中的应用

无线互联网的流量数据非常分离且极其不稳定,混沌理论在其身上体现得特别明显,因此对无线网络流量进行预测具有一定难度。该文使用BP神经网络建立预测模型,在常规神经网络系统进行训练之前,需要对系统内部各个层次之间的连接权值以及阈值范围实行初始化操作,但是此操作将会影响神经网络最终收敛速度,有可能造成最终结果为非最优解,使得流量预测结果不是很理想。因此这里使用布谷鸟搜索优化方式对神经网络系统内各层之间链接值与阈值进行初始化操作,提高系统预测精度。该文使用遗传优化神经网络算法和粒子群优化神经网络算法建立同样的预测模型,并与该文研究的预测模型进行对比。实例分析结果表明,初期预测结果精度较高,与实际值比较吻合,但测试数据越靠后,预测值越不稳定,这主要是累计误差造成的。但总的来说,该文使用的布谷鸟优化BP神经网络预测模型的预测性能要优于由遗传算法和粒子群算法优化的BP神经网络。     

Wireless network coding in slotted aloha with two-hop unbalanced traffic

This paper deals with two representative unbalanced traffic cases for two-hop wireless relay access systems employing network coding and a slotted ALOHA protocol. Network coding is a recent and highly regarded technology for capacity enhancement with multiple unicast and multisource multicast networks. We have analyzed the performance of network coding on a two-hop wireless relay access system employing the slotted ALOHA under a balanced bidirectional traffic. The relay nodes will generally undergo this unbalanced multidirectional traffic but the impact of this unbalanced traffic on network coding has not been analyzed. This paper provides closed-form expressions for the throughput and packet delay for two-hop unbalanced bidirectional traffic cases both with and without network coding even if the buffers on nodes are unsaturated. The analytical results are mainly derived by solving queueing systems for the buffer behavior at the relay node. The results show that the transmission probability of the relay node is a design parameter that is crucial to maximizing the achievable throughput of wireless network coding in slotted ALOHA on two-hop unbalanced traffic cases. Furthermore, we show that the throughput is enhanced even if the traffic at the relay node is unbalanced.     

基于小波神经网络的网络流量预测研究

主要采用小波神经网络的相关理论和方法对某小区网络的访问流量情况进行建模和预测。利用收集到的网络流量变化情况作为小波网络的训练样本,成功实现了该网络的流量预测。试验仿真结果表明,构建的小波神经网络模型可以很好地实现对网络流量的高精度预测。     

中国移动互联网省网数据流量增长分析预测

本文从推动互联网发展的关键因素入手,论述了视频、移动、云计算对互联网流量的主要影响,从而逐步分析了中国移动互联网省网数据的流量计算模型,并给出建设意见。     

基于改进神经网络的无线网络流量预测

考虑到无线网络流量具有极强的分散性、随机性以及混沌等特性,使用传统的ARIMA预测模型和BP神经网络模型难以对其进行精确的预测等,该文使用粒子群优化算法对BP神经网络预测模型进行优化以解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,引入遗传算法中的自适应变异因子来以一定概率初始化部分变量解决粒子群优化算法会出现陷入局部最优解以及早熟收敛等问题。最后使用经典的CRAWDAD数据库中的无线网络流量数据对该文预测方法性能进行测试,使用稳定小波变换方法将无线网络流量数据分解,得到由1个近似分量以及3个细节分量组成的数据流。测试结果表明,该预测算法在预测性能上要优于ARIMA预测模型和BP神经网络模型。     

WPANFIS: combine fuzzy neural network with multiresolution for network traffic prediction

A novel methodology for prediction of network traffic,WPANFIS,which relies on wavelet packet transform(WPT)for multi-resolution analysis and adaptive neuro-fuzzy inference system(ANFIS)is proposed in this article.The widespread existence of self-similarity in network traffic has been demonstrated in earlier studies,which exhibits both long range dependence(LRD)and short range dependence(SRD).Also,it has been shown that wavelet decomposition is an effective tool for LRD decorrelation.The new method uses WPT as extension of wavelet transform which can decoorrelate LRD and make more precisely partition in the high-frequency section of the original traffic.Then ANFIS which can extract useful information from the original traffic is implemented in this study for better prediction performance of each decomposed non-stationary wavelet coefficients.Simulation results show that the proposed WPANFIS can achieve high prediction accuracy in real network traffic environment.     

Designing a green optical network unit using ARMA-based traffic prediction for quality of service-aware traffic

The optical access networks (OANs) provide an attractive solution to the bandwidth bottleneck problem of the last mile. However, it has been proved (Baliga et al. in J Lightwave Technol 27(13):2391–2403, 2009; Baliga et al. in IEEE Commun Mag 49(6):70–77, 2011) that the OAN consumes a significant ratio of the total energy consumed in an optical networking scenario. This has provided incentive for inspection of energy-efficient schemes for OANs. It has been demonstrated in the literature that energy consumption figures of an OAN can be improved by either designing efficient hardware or employing better media access control (MAC) protocols. In this paper, we design a MAC protocol for OANs to ensure energy-efficiency in the presence of quality of service (QoS)-aware traffic. The proposed scheme incorporates traffic prediction-based selection of different sleep (energy-efficient) modes of operation, of the optical network units—ONUs (OAN end units). It also implements switching between different sleep modes to maintain high QoS with significant energy-efficiency figures. The discussed scheme requires processing at the ONU only and can work independent of the entire OAN (ONU assisted). Thus, our proposal is an attractive solution for the already deployed networks or even in green field deployment.     

Evaluation of neural network architectures for MPEG-4 video traffic prediction

Multimedia applications and particularly MPEG-coded video streams are becoming major traffic components in high speed networks. Traffic prediction is important in enhancing the reliable operation over these networks. However, MPEG video traffic exhibits periodic correlation structure and a complex bit rate distribution, making prediction difficult. Neural networks can effectively be used to overcome such problem. In the literature, the problem has been mostly evaluated using standard feed-forward neural networks. However, a significant improvement can be expected using different types of neural networks. In this paper, six separate neural network predictors (including feed-forward) that can predict the basic frame types of MPEG-4: I, P, and B are developed and evaluated using long entertainment and broadcast video sequences. The performance is also compared to the widely used linear predictor. Comparison with results published in a recent work is also presented.