无线共享信道退避访问攻击的新型检测算法

针对无线竞争共享型信道中恶意节点(或自私节点)不公平使用信道资源的退避访问攻击行为,提出一种新的中心极限定理检测算法。该算法能够有效降低计算复杂度,按需调节检测速度和检测精度、并且易于实现分布式联合检测。该文还基于CLT算法建立Markov链多步检测模型,进一步提升对恶意节点的检测精度。仿真试验表明,CLT检测算法具有较低的误判率和较快的检测速度,对介质访问控制(MAC)子层退避攻击行为的检测性能明显优于经典DOMINO算法。     

自适应p坚持时隙ALOHA近似算法性能分析

动态频谱共享通信系统(DSSCS)的分布式网络中使用p坚持时隙ALOHA作为媒体接入控制协议,MAC驱动不支持浮点运算。分析了动态自适应p坚持算法的工作原理,并针对该算法中需要进行对数运算的问题,提出了二进制移位和泰勒级数展开两种近似处理算法。对近似算法对系统性能的影响进行了数值计算和仿真测试,结果表明,该近似算法在降低了运算复杂度的基础上,能获得接近于p坚持理论算法相近的性能。     

RFID系统时隙不完全竞争防碰撞算法

基于ISO/IEC 18000-6C超高频射频识别标准,提出一种时隙不完全竞争防碰撞算法。将动态二叉树搜索技术引入竞争性冲突避免机制,并加入对空闲时隙和碰撞时隙的特殊处理策略。通过NS-2平台建立仿真模型,分析对比动态二叉树搜索算法、ISO/IEC 18000-6C标准算法和SPC算法的性能。仿真结果表明,SPC算法识别时间分别比动态二叉树搜索算法和18000-6C标准算法缩短约30%和20%,识别率比18000-6C算法提高约35%。     

车联社会网络综述

车联社会网络是一种融合了社会科学与无线通信技术的移动通信网络,旨在为车载用户提供基于社会关系的数据投递服务。在分析国内外移动社会网络及车载网络研究现状基础上,提出了车联社会网络的基本架构及其典型应用,深入分析了车载网络与社会网络之间的关系,探讨了车联社会网络中信息投递、带宽分配、分布式存储和安全隐私等技术中存在的关键问题及其解决策略,最后讨论了该领域中新的研究方向与挑战。     

基于数字孪生的城市交通流智能预测与导引策略

物联网和人工智能等信息技术的快速发展极大地推动了交通系统的变革,同样也带来了机遇与挑战。针对现有导航系统忽略交通流时空特征而产生的策略重复性拥堵问题,对宏观交通流和微观车辆驾驶分别建模,并挖掘其耦合关系,进而提出一种基于数字孪生的城市智能交通流分层预测与导引策略,为减缓交通拥堵提供新思路。在该策略中,虚拟空间中的上层道路孪生通过扩散卷积递归神经网络预测时空交通流量,并显式作用于车辆路径规划决策。在此基础上,提出一种时空协同深度强化学习方法,用于实现车辆面向未来的协作式路径规划,指导虚拟空间中的下层车辆孪生选出最优策略反馈于真实世界。基于SUMO仿真平台进行了仿真验证。实验结果表明,本文所提方法在提高出行达成率、缓解拥堵等方面显著优于现有算法,能够有效提升城市交通出行效率。     

IEEE 802.11支持QoS区分服务的性能优化

基于IEEE 802。11 p-persistent协议模型的研究,对一种近似优化条件在多优先级业务网络条件下的适用性进行了证明。应用该近似优化条件,提出了一种适用于IEEE 802。11 QoS区分服务支持的自适应优化算法QATC (QoS-supporting adaptive transmission control)。算法利用信道侦听信息实时优化调整各优先级业务的发送概率,更新相应的协议参数,实现信道利用率的提高和系统性能的增强。QATC算法不需要估计各优先级业务的节点数量,并且拥有     

一种基于IEEE 802.11e的多跳无线网络拥塞控制协议

多跳无线网络中网络拥塞的出现将严重降低网络的性能。基于802.11e提供的区分业务类型的信道接入优先级机制,提出了一种对尽力而为(best-effort)类型业务动态调整其优先级进行网络拥塞控制的协议。该算法的主要思想是对发生网络拥塞的节点提升其业务流传输的优先级使其获得更多的传输机会以缓解拥塞状况,并对严重的网络拥塞状况采取反向施压的策略降低上游节点业务流的转发速率。仿真结果表明,该算法有效地提高了网络重负载情况下的吞吐量。     

面向移动社会网络的好友推荐方法

针对移动社会网络（MSN）的好友推荐问题,提出了一种基于多维相似度的好友推荐方法。该方法隶属于基于内容的好友推荐,但与现有方法相比,不再局限于单一维度的匹配信息,而是从空间、时间和兴趣三个维度出发,判断用户在各个维度上的相似度,最终通过“差异距离”进行综合评判,向目标用户推荐与之在地理位置、在线时间和兴趣爱好上更具一致性的其他用户成为其好友。由实验结果表明,该方法应用于移动社会网络中的好友推荐服务时,其推荐结果查准率接近80%,查准效率接近60%,性能远高于只基于单一维度的好友推荐方法;同时,通过对三维权重值的调整,该方法可应用于多种特性的移动社会网络中。     

面向用户行驶计划的电动汽车充电调度策略

充电站（桩）尚未普及以及电动汽车有限的行驶里程,使得大多数汽车用户关于是否选择电动汽车犹豫不决。为了减少用户对于电动汽车有限电池容量的担心,并且降低因频繁充电以及偏离原定行驶路线绕路进行充电所增加的电动汽车使用费用,提出一种基于匹配理论面向用户行驶计划的电动汽车充电调度方案TPCS。首先,分别根据电动汽车用户的行驶计划和对各充电站的电量需求构建电动汽车用户与充电站的偏好表;然后,建立电动汽车用户与充电站之间的多对一匹配模型;最后,以系统总效用为优化目标进行充电站接口分配。数值仿真结果显示,与随机分配（RCS）算法和仅考虑电动汽车效用分配（OEVS）算法相比,TPCS算法将系统总效用较RCS算法最多提高了39.3%,较OEVS算法最多提高了5%;而在电动汽车充电需求轻负载时,TPCS算法始终保证用户满意度在90%以上,高于RCS算法。所提算法能够有效地提高系统总效用和用户满意度,同时降低计算复杂度。     

无线传感器网络中多sink节点优化部署方法

大规模无线传感器网络(WSN)环境下,当网络结构采用单一的sink节点时,容易造成sink节点周围的普通传感节点因为转发大量其他节点的数据,迅速消耗掉自身能量而使网络失效。为了延长网络寿命,需要降低传感节点到sink节点的跳数,而采用多sink结构是一个有效的方法。为此,需要考虑一定规模的网络中,应该布置多少sink节点,才能使得网络寿命最大化的同时网络成本最低。基于栅格网络结构,提出了多sink节点下的网络寿命模型和网络成本模型,并采用一种新颖的方法计算最大网络寿命成本比(RLC),推导出了保证网络寿命最大化的同时网络成本最低的sink节点个数的表达式。理论结果表明,该值与网络规模、关键节点数、节点收发功率以及普通节点和sink节点的成本等参数有关。最后通过仿真实验证明了该结论的正确性。