多目标联合优化的移动中继选择策略

为了在提升用户吞吐量的同时降低中继节点切换概率,分析了动态场景下用户与中继节点的移动状态,提出了多目标联合优化的移动中继选择策略.算法通过分析动态场景中影响系统吞吐量与中继切换概率的因素进行中继节点选择,充分考虑了多跳蜂窝网络的移动特性和用户呼叫到达状态.仿真结果表明,所提算法在有效提升用户吞吐量的同时降低了中继切换概率.     

基于Morlet-SVR和ARIMA组合模型的网络流量预测

针对网络流量的非线性和多维度动力学特性,结合小波多尺度分析的能力,提出了基于Morlet小波核函数的支持向量机回归算法（Morlet-SVR）和自回归积分滑动平均模型（ARIMA）的组合模型预测网络流量.采用Morlet-SVR和ARIMA分别预测通过Mallat小波分解和单支重构得到的近似信号和多尺度细节信号,最后通过线性叠加得到最终预测结果.通过仿真实验分别对比分析了基于径向基核函数的支持向量机回归算法和ARIMA预测模型,通过3种误差评估得知该组合模型具有更高的预测精度.     

随机化竞争的LTE-A中继蜂窝小区边缘协作调度策略

提出了随机化竞争调度算法. 该算法属于协作调度算法的范畴,适用于对相邻中继蜂窝小区边缘的用户进行联合调度. 以此算法为基础,提出了基于随机化竞争的中继蜂窝小区边缘协作调度策略. 该策略通过在相邻小区边缘可能产生资源冲突的区域形成协作中继簇,并在协作中继簇覆盖的区域内应用随机化竞争调度算法,能够尽量避免相邻小区之间产生同频干扰,从而提升小区边缘的传输性能. 仿真结果表明,所提出的协作调度策略有效地降低了相邻小区中继站对边缘用户的干扰,提升了小区边缘的吞吐量,并在一定程度上增强了小区中心和边缘区域之间的调度公平性.     

基于最小代价的虚拟网络重配置方法

提出基于最小代价的虚拟网络重配置(VNR)方法. 定义重配置改善度参数判断VNR机制的效果,以基于最小代价为约束条件选择目标物理节点,将虚拟节点迁移到目标物理节点上,再将虚拟链路映射到应用最短路径方法计算的物理路径,实现虚VNR机制. 这种方法可以有效解决"跷跷板"现象(VNR将虚拟节点从物理资源瓶颈节点迁移到目标物理节点,造成目标物理节点成为新的瓶颈节点的现象)造成的VNR开销增大等问题. 仿真结果证明了该方法的可行性.     

基于DT-KSVM的业务感知算法

提出一种新的基于DT-KSVM（decision tree kernel support vector machine,决策树支持向量机）的业务感知算法,利用ReliefF特征选择算法提取特征,提出样本间类别可分度计算方法排序不同业务感知难度,优先感知易分业务。在实际网络业务数据集上与传统一对一（one-versus-one）SVM感知方法进行对比,结果表明该方法具有较高的业务识别准确率和更好的时间性能。     

基于用户个体的混合CoMP模式选择算法

CoMP的两种传输模式CoMP-JP与CoMP-CB在对回程容量需求以及提升系统性能方面具有不同的优势.针对回程容量紧缺问题,在传统以用户群为优化对象的模式选择基础上,提出了一种混合CoMP模式选择算法.该算法针对用户个体选择最佳传输模式,充分利用回程容量的同时最大化系统吞吐量.仿真结果表明,所提出的模式选择算法能有效提升系统性能,并且随着用户数的增加,其性能增益会更高.     

冲击噪声背景下基于KPCA和C-SVM的频谱检测算法

针对背景噪声是冲击噪声,且在低信噪比中,二级用户检测性能低的问题,提出了核主成分分析(Kernel PrincipalComponent Analysis,KPCA)和C-支持向量机(Support Vector Machine,SVM)的频谱检测方法.提取接收信号的循环谱特征,核主成分分析对信号特征进行降维,提取出信号的主要非线性特征,再结合C-SVM对接收信号进行分类.仿真结果表明,在冲击噪声背景下,低信噪比中,与PCA-SVM、SVM算法进行比较,所提算法能够提高次级用户的检测性能.     

业务驱动的跨层生存性策略

为了在多层网络中提供区分业务的差异化服务,避免发生故障后上下层生存性策略冲突,应用段保护机制,基于GMPLS控制平面,提出业务驱动的跨层生存性策略。该策略应用基于传输质量(QoT)的再生节点配置机制在网络中提供区分业务的差异化服务、基于再生节点的段保护机制保证网络生存性以及基于GMPLS控制平面的跨层路由映射机制,避免资源重复分配和生存性策略冲突。仿真结果表明,该策略不仅具有区分业务提供差异化服务的能力,而且能够提高网络生存性,优化网络资源。     

基于机器学习的数据流突变型服务功能链构建策略

在SDN/NFV协同的未来网络架构下,针对增强移动宽带场景中因数据流突变造成的服务功能链低可用问题进行了研究,并提出了一种基于启发式闭环反馈算法的服务功能链动态构建策略。该算法分服务功能链的部署模块和反馈调整模块两部分。首先,基于资源优化模型实现服务功能链的初始化部署,其中对资源优化模型的求解选择利用遗传算法;然后,通过引入机器学习算法随机森林回归对当前服务功能链可承载的数据流量大小进行实时预测,以实现相应的反馈调整。整个服务功能链的构建策略是一种基于遗传和随机森林回归预测的启发式闭环反馈算法设计。仿真结果表明,在应对突变数据流时与现有的遗传和禁忌搜索算法相比,所提算法的用户接受率提高了12%,对底层资源的占用降低了19%。     

冲击噪声下基于相关熵的二维ESPRIT算法

针对基于相关函数的波达方向(direction of arrival, DOA)估计方法在冲击噪声环境下性能下降明显甚至失效的问题,提出基于相关熵 (Correntropy)的二维ESPRIT算法;该方法利用相关熵在冲击噪声环境下具有鲁棒性的优点,将受干扰信号的自相关函数替换为相关熵函数,并结合二维ESPRIT算法实现在冲击噪声环境下进行二维DOA估计;仿真表明,与基于分数低阶统计(Fractional Lower Order Statistics, FLOS)算法相比,该算法呈现明显优势,特别在高的冲击噪声条件下(1<α<1.5)能对信源方向进行更加有效的估计,且均方误差值仍保持很低。