持CE的T-MPLS关键技术及应用

传送网面临的一个重要问题就是如何将其扩展成一种多业务传送平台。传统的互联网协议／多协议标签交换（IP／MPLS）在这方面做了很大努力,但由于过多地考虑了三层功能、IP功能,很难建立面向连接的传送技术,这就需要统一的控制技术来实现资源管理与控制。     

支持CE的T—MPLS关键技术及应用

传送多协议标记交换（T—MPLS）作为一种面向连接的分组传送技术,是支持电信级以太网（CE）的主要承载技术。从T—MPLS技术特性入手,文章介绍了T—MPLS标准化的最新进展及其面临的挑战,给出T—MPLS作为CE承载技术的组网模型,在此基础上,讨论了与T—MPLS有关的数据转发平面,控制平面,网络生存性,操作、维护和管理（OAM）等关键技术,分析了基于T—MPLS的CE技术的应用情况。     

基于SOR-PCG的低复杂度信号检测算法研究

针对最小均方误差信号检测算法复杂度随着天线数量增加呈指数增长的问题,提出低复杂度的预处理共轭梯度信号检测算法.该算法通过灵活调整松弛因子,运用预处理技术降低矩阵条件数,从而加快共轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.通过选择适当的松弛因子,相比直接用共轭梯度法,能够更快收敛到最佳值.     

ATM网自愈算法的设计和性能分析

ATM网的自愈机制是确保网络的生存性的关键技术之一,文章在充分考虑了ATM网的特点和以往各种自愈算法局限性的基础上,给出了一种ATM网自愈算法的设计原则,并提出相应的MDF自愈算法,通过与传统的自愈算法进行比较,对这种算法的性能作了详细的分析。     

蜂窝网络下设备到设备通信中的联合资源优化

在蜂窝与设备到设备通信混合网络下,把设备到设备通信的系统吞吐量作为优化目标,同时考虑设备到设备链路和蜂窝链路的服务质量,提出了一种联合功率控制和信道分配的优化方案. 在该方案中,信道分配部分采用粒子群优化算法,并在功率控制部分的帮助下来为设备到设备链路分配最优的复用信道;功率控制部分针对信道分配部分给定的信道分配,通过优化链路发射功率来最大化系统吞吐量. 仿真结果表明,所提联合优化方案权衡了系统吞吐量和接入链路数性能之间的折中关系,在保证所有接入链路服务质量的前提下提升了系统整体性能.     

一种基于自适应KLMS的卫星网络流量预测算法

针对传统预测模型已不再适用于卫星网络的问题,提出了一种自适应步长和自适应核宽度的核最小均方算法（AKLMS）.通过核函数将非线性数据从低维输入空间映射到高维特征空间进行操作,并且在迭代过程中根据瞬时误差自适应地调整步长和核宽度.仿真结果证明,与核最小均方算法（KLMS）和最小均方算法（LMS）相比,AKLMS算法在收敛速度和预测流量精度方面都有大幅提升,为卫星网络的流量规划和路由设计提供了强有力的决策支持.     

基于加权1范数稀疏信号重建的DoA估计

针对l₁范数下奇异值分解的l₁-SVD稀疏信号重建的波达方向估计方法存在求解量的稀疏性较差且空间谱中存在较多的伪峰,不能准确估计波达方向的问题,对接收信号矩阵进行预处理,并使用信号子空间设计权值矢量得到更好的稀疏性和更好地逼近l₀范数,利用得到的权值矢量对l₁-SVD算法中解矢量的各个元素进行加权,以得到的加权l₁范数作为最小化的目标函数进行优化.仿真结果表明,提出的算法在快拍数、正则化参数和信噪比等条件改变的情况下能有效抑制伪峰,并准确稳定地估计出波达方向.     

一种基于ELM预测的NDN移动性支持方法

命名数据网络（NDN）架构是信息中心网络思想指导下的新一代网络架构,移动性支持方法是命名数据网络架构下的主要研究点。传统的生产者端移动性支持方法都采取事后应对的方式,对消费者而言,该方法无法保证切换过程的透明性。针对上述问题,提出了一种基于ELM预测的移动性支持方法PB,该方法对原有前向转发表进行修改,并增加了新的控制消息分组使得网络中相应节点可以针对预测算法的结果进行提前调整,并且兴趣分组多播的方式使得无论何时发生切换,生产者终端都能立即对兴趣分组进行响应,同时方法针对预测可能失败的问题提供了快速恢复网络原有状态的方法。仿真实验表明,本文提出的PB移动性支持方法相比于RP和IP移动性支持方法能显著降低切换时延,减少因切换导致的分组丢失。     

基于反馈机制的自愈算法

提出了一种网络自愈算法,当网络中的节点发生故障或链路出现拥塞时,该算法利用Q学习的反馈机制、多QoS约束的评价函数和基于Boltzmann-Gibbs分布的路径选择策略,自适应地选择恢复路径,降低了选择发生故障和拥塞路径的概率,从而实现了自愈。仿真结果表明,该算法在恢复率、区分业务能力和网络资源优化等方面,表现出了良好的性能。     

基于预处理共轭梯度法的低复杂度信号检测算法

大规模多输入多输出系统中,最小均方误差信号检测算法是近似最优的,但由于其涉及矩阵求逆,计算复杂度随着天线数量增加呈指数增长.提出了低复杂度的预处理共轭梯度信号检测算法,该算法通过预处理技术降低矩阵条件数,从而加快共轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.相比直接用共轭梯度法,能够更快收敛到最佳值.