超密集网络中基于干扰协调的资源分配算法

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,该文提出一种基于干扰协调的资源分配方案。该方案分为两个模块：第一模块基于毫微微接入点(Femtocell Access Points, FAPs)间的干扰程度,将干扰强的FAPs分到同一簇内,同簇内的FAPs共享频带资源,通过FAPs间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿真结果表明,该算法在超密集网络场景下能够有效控制FAPs间的干扰,最大化系统吞吐量。     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

一种增强小区资源分配的频谱效率提高算法

两层异构网络中小区增强技术在减轻宏小区负载同时也引起严重跨层干扰问题。针对增强小区跨层干扰问题,提出一种动态资源分配调度方案,以减小系统干扰提高系统频谱效率为目的,通过设定校验系数,平衡两层网络负载;通过动态调整增强小区专用频谱资源比例,在降低跨层干扰情况下,提高了资源利用率。仿真结果表明,与现有方案相比,所提方案在保证宏小区性能稳定的同时,有效地减少了微微小区跨层干扰,提高系统总频谱效率,两层网络负载得到平衡。     

认知异构网络中基于不完全频谱感知的资源分配算法

针对认知异构网络中的干扰抑制问题,文中研究了如何降低其对宏用户(MU)的干扰并提高系统吞吐量。通过全面分析干扰来源,建立不完全频谱感知下的干扰模型;结合用户拓扑信息,综合考虑总功率约束和干扰约束,以最大化下行链路的吞吐量为准则构建优化问题;然后分析KKT条件,简化优化问题,进而设计出基于不完全频谱感知的分步式资源分配算法。仿真结果及性能分析表明,相比于基于完全频谱感知的资源分配算法,所提算法对MU造成的干扰更小,并且获得了更优的吞吐量性能。     

基于深度学习的动态主用户频谱感知算法

实际的频谱感知场景中主用户可能随机到达或者离开,当主用户状态在实时频谱感知期间动态变化时,现有的静态频谱感知算法性能急剧恶化。针对该现状,研究提出基于残差收缩注意力机制的动态主用户频谱感知算法。频谱感知间隔内,主用户随机到达或者随机离开的时间服从均匀分布。采用深度残差收缩网络（DRSN）提取动态主用户特征,并且滤除冗余的噪声特征;利用协调注意力模块（CAM）增强每个通道不同方向的特征信息,提高模型对动态主用户特征的表达能力。仿真结果表明,所提算法性能优于对比算法ResNet、CBAM＿IQ和CBAM＿Energy,所提算法对主用户随机到达或者离开服从不同分布的主用户都可以保持较高的检测概率。     

认知无线电系统协作频谱感知机制优化

为使干扰受限情况下的频谱感知效率达到最大,提出一种认知无线电系统协作频谱感知机制的优化方案。定义系统模型,运用协作频谱感知对系统目标进行联合优化,包括感知时间、传输时间、参与协作的感知用户数在内的感知参数优化。仿真结果证明,采用该优化方案,能在满足干扰受限的条件下最大化频谱感知效率。     

认知无线电协作频谱感知机制的优化

频谱感知的目标是在尽量避免对主用户造成干扰的条件下为感知用户提供尽可能多的频谱接入机会。由于单用户频谱检测算法的局限性,协作频谱感知被提了出来。在满足对主用户干扰限度的条件下,为了使单个授权信道的频谱感知效率达到最大,引入一种新的协作频谱感知机制,联合优化包括感知时间、传输时间、参与协作的感知用户数目在内的感知参数,并通过穷尽搜索算法得到最优解。在此基础上研究了多个授权信道情况下的频谱感知效率问题,提出了一种授权信道选择分配方案。仿真结果验证了所提方法的有效性。     

OFDMA多跳中继蜂窝网络空间复用干扰协调策略

蜂窝网络空间易受到跨层或同层干扰,从而导致其存在资源分配不均衡的问题.针对该问题,提出一种OFDMA多跳中继蜂窝网络空间复用干扰协调策略.首先建立网络模型,在调节无线链路的基础上,通过资源重用策略和相应的多跳中继下行子帧结构,保证网络的资源利用率.基于此,结合STBC干扰协调策略提高小区边缘编码的分集性能.只有当来自多个小区的信号强度没有显著差异时,才可使用STBC编码.否则,选择信号强度最大的小区为用户提供服务,从而减少由多个天线同时服务而引起的附加干扰.实验结果表明:该策略取得了较好的接收信噪比性能,证明其具有较强的有效性.     

非完美频谱感知下认知超密集网络的资源分配

针对实际认知超密集网络场景中认知无线电存在非完美频谱感知的情况,提出了一种基于非完美频谱感知的资源分配方案,目标是在考虑跨/同层干扰约束、保障用户服务质量下,最大化非完美频谱感知下认知超密集网络中次级网络的能效。为此,依据网络模型构建能效优化问题,其为混合整数非凸规划问题,先通过分时共享松弛法和丁克尔巴赫法将其转换成等价的凸优化问题,再使用拉格朗日对偶法求其最优解,以此获得最优能效时的子信道和功率分配策略。基于此,提出了一种迭代的子信道和功率分配算法;为权衡计算复杂度,还提出了一种实用的子信道和功率分配算法。仿真结果表明,所提算法都有效地提升了网络能效。     

基于混合网络的小区间干扰协调研究

在蜂窝与Ad hoc混合网络中,小区边缘用户会受到邻近小区边缘用户的同频干扰.针对该问题,提出一种基于子载波分配的小区间干扰协调方案.该方案中的用户子载波分配选择算法具有信道增益选择性,且能对最小化子载波进行重利用,可提高小区边缘区域用户的通信性能.仿真结果证明,与软频率复用和部分频率复用方案相比,该方案能更有效地增加小区边缘用户的吞吐量.     

基于组播通信的交通通信网络研究

研究交通通信网络,提高网络的吞吐量和数据传输效率。针对传统的单播组网中通信发送者需要多次复制相同的数据包以满足多个接受者同时提出的数据请求,随着数据请求的增多使得发送者的通信负担加重,造成网络拥塞、吞吐量不高的问题。为了解决上述难题,提出基于组播通信的交通通信网络的组网方法。采用Mesh结构构建交通通信网络的组播模型,使得网络节点之间建立有线或无线的连接,然后利用网络编码算法实现网络间的通信,使得源点只需发送一次就可向多个终点成功传输相同的数据。实验表明,组网方法能够有效解决数据请求过多时网络吞吐量不高的问题,同时提高了数据传输的效率,取得了满意的结果。     

基于掩码匹配的校园网出口流量抽样测量研究

针对校园网出口流量抽样测量问题，给出了测量点的选择及测量环境的设计方案,实施了特定掩码与IP报文标识字段进行匹配的抽样测量。提出了从抽样后的报文中估计一定时间刻度原始流量的大小、估计原始报文长度与协议分布的方法。通过对防火墙流量信息的观测和对校园网流量信息的分析表明，抽样测量结果与实际情况相符。     

基于网络流量的应用层DDoS攻击检测方法研究

根据应用层DDoS攻击和正常网络流量在特征上的不同,提出一种基于流量分析的应用层DDoS攻击检测方法,通过对源IP地址进行分析,能够有效地识别应用层DDoS攻击.同时,针对DDoS攻击流量和突发流量的相似性,在识别DDoS攻击的同时,能够正确区分突发流量,减少误报和漏报.     

基于自回归滑动平均的网络数据流量预测模型

在无线网络中,对入侵攻击的准确和迅速的检测是关系到无线网络安全的重要问题。各种入侵攻击可以由其导致的网络流量的变化来检测。针对网络流量复杂的非线性以及混沌性,结合网络流量的时间序列特性,提出了一种基于自回归滑动平均(ARMA)的网络数据流量预测模型。该模型利用第三方检测系统,不需要耗费网络资源,能够迅速和准确地预测网络流量。采用从16个信道分析器获得的数据流量测量值对模型进行了初始化。仿真实验结果表明,文中提出的模型能够有效地检测网络入侵攻击,提高了整个网络的性能,延长了网络的寿命。     

网络业务流量自相似性及判断方法研究

随着网络规模的扩大,网络速度的提高,对于网络业务流量特性的研究已经成为网络性能分析最主要的方向之一。通过对网络流量的研究,可以为预测网络性能、保障关键业务所需的QoS等应用提供必要的支持。主要介绍网络流量自相似性以及形成自相似的可能原因以及自相似程度的判断方法。     

贵阳公交复杂网络抗毁性分析

城市公共交通系统可以抽象为由公交线路和停靠站点构成的网络,公交网络构成了一个典型的复杂网络。复杂网络的研究在过去几年得到了迅速发展,其中复杂网络的抗毁性是研究焦点之一。在本文中,以贵阳市的公共汽车交通系统中的停靠站点网络为研究对象,测试了网络在随机攻击和选择性攻击情况下的抗毁性。结果表明,该网络对节点的随机攻击具有较强的抗击能力,而对选择性攻击的抗击能力较弱。     

城市道路交通流仿真算法研究

将元自动机模型与车流跟随模型相结合，提出了一种全新的道路交通流仿真算法，快速准确地仿真再现了含有4个交叉路口的城市道路交通网络中的车流变化状况。     

基于子空间聚类算法的流量分类方法研究

目前网络流量业务类型具有不断变化和业务特征不断更新两大特点,但是,现有的流量分类器由于存在业务特征库更新代价大、误判率高等缺点,而无法满足正常的业务分类需求。因此需要设计一种子空间聚类算法来实现业务分类精细化,保障分类精确率、召回率以及效率等特性。实验验证表明,子空间聚类算法的业务分类精细化程度高,分类精确率平均超过95%,训练数据需求量低,并且这类方法对于改进DPI分类器对网络环境的适应能力有重大意义。     

基于HOG特征的交通信号灯实时识别算法研究

针对无人驾驶汽车的交通信号灯识别,提出了一种基于HOG特征和SVM的交通信号灯实时识别算法。该算法首先提取视频中的红绿色区域,筛选出符合条件的区域,提取各类信号灯的HOG特征,然后运用SVM构建对应类别信号灯的分类器,之后依据判决函数对当前信号进行实时判决,从而得到准确的信号灯信息。实验结果表明该算法有良好的准确率和实时性。