PKI在虚拟专用网络中的应用

虚拟专用网络(VPN)中的IPSec协议不能解决通信各方的身份认证问题。为此,在VPN中引入PKI认证技术,描述PKI在VPN中的应用,包括身份认证、密钥管理和访问控制3个方面,给出PKI在VPN中的配置模型与功能模型,并对VPN用户数字签名的实现过程进行分析。     

传感器网络基于移动信标改进的DV-Hop定位算法

无线传感器网络节点定位算法的精度多依赖于信标节点的密度,但信标节点成本高,约为普通节点的100倍以上,为了降低定位的成本,提出了一种基于移动信标和DV-Hop的无线传感器网络节点定位算法(MBWDV-Hop)。该算法在DV-Hop定位算法的基础上,利用一个移动的信标节点在网络中按预定的路径移动并不断地广播自己的位置信息,形成多个虚拟信标,未知节点记录到每个虚拟信标的跳数,并采用加权处理的方法计算平均跳距及其与各虚拟信标的距离,最后利用三边测量法计算未知节点的位置信息,实现节点精确定位。由于只采用一个移动信标,降低了定位的成本和布网的复杂度。最后通过仿真证明算法可以提高定位精度,降低定位成本,提高了定位的效率。     

一种节点任务活动状态感知的改进型S-MAC协议

S-MAC协议设计的主要目标是减少能量消耗。该协议具有良好的扩展性,不要求严格的时间同步,但它也存在着节点活动时间无法根据通信负载动态变化和节点休眠带来的延迟问题。提出一种基于节点任务活动状态感知的MAC协议,通过收集节点自身和相邻节点的任务活动状态来估算无线传感器网络的网络负载,并根据网络负载来确定节点进行信道访问的概率,以此来提高能量效率和吞吐量。仿真结果表明:提出的改进方法可以减少能量消耗,并通过消除不必要的碰撞来提高网络的吞吐量。     

无线传感器网络中一种新的基于神经网络的自适应路由算法

为了在无线传感器网络中建立合理有效的分簇结构,提高网络性能,最大限度地延长整个网络的寿命,提出了一种基于神经网络的自适应路由算法.提出的路由算法是在基站上采用神经网络的自适应学习来选择簇头,并根据最优权函数值来选择最短路径中的下一跳,同时添加一个新因子来选择网关节点进行簇头间的通信.实验结果表明提出协议的性能是EMHR的180%.该算法在节点中使用更少的计算和通信开销来构造和维护整个无线传感器网络,更加均衡网络负载,大大减少簇头节点成为网络瓶颈的概率,具有更强的网络生存能力和更长的生命周期.     

新型精密直线驱动器及其控制器的研究

介绍一种采用“带压电元件,圆弧缺口杠杆和双平行四边形弹簧的多级放大的一体化结构”的新型精密直线驱动器及其控制器的研究。实验表明：该新型精密直线驱动器的最大行程为４３０μｍ,最大输出力为５０Ｎ,可控精度小于０．５μｍ,频带宽为１２０Ｈｚ（在最大行程状态下）。该新型精密直线驱动器及其控制器的特点的驱动力大、可控精度高、响应快、可直接用于ＮＣ机床、机器人、活塞加工等的精密直接驱动。     

面向物联网的一种自适应实时数据分发机制

针对物联网系统数据分发机制的缺陷,提出了一种新的自适应实时数据分发机制（ARTDDM）。它以发布/订阅模型为基础,采用两种机制相结合的方法,提供及时可靠的数据传输机制。首先利用语义感知通信机制减少计算和通信开销,使得订阅者在网速缓慢或网络不稳定时也能及时访问数据;其次在系统中加入了前馈—反馈控制,随着网络负载变化,系统能自适应动态调整传感器模型的精度,保证服务质量。仿真结果表明,ARTDDM不仅在数据传输效率和可靠性上有较大改善,而且对可变网络负载具有较强的适应性。     

CPF-EDAS：无线传感器网络中一种基于簇势场的高效数据融合策略*

为了增强无线传感器网络中数据的融合效率,降低节点的能耗,延长网络的寿命,提出一种基于簇势场的高效数据融合策略（CPF-EDAS）。提出的策略是在簇内引入序列势场和在簇头与sink之间引入混合势场来进行数据融合,且簇头根据其局部信息快速构建路线。实验结果表明CPF-EDAS的性能明显优于DP。该方案不但适用于静态路由,且适合火灾监测等动态环境,具有更好的扩展性,可用于各种大规模的无线传感器网络。     

基于快速SVM的大规模网络流量分类方法

支持向量机方法具有良好的分类准确率、稳定性与泛化性,在网络流量分类领域已有初步应用,但在面对大规模网络流量分类问题时却存在计算复杂度高、分类器训练速度慢的缺陷。为此,提出一种基于比特压缩的快速SVM方法,利用比特压缩算法对初始训练样本集进行聚合与压缩,建立具有权重信息的新样本集,在损失尽量少原始样本信息的前提下缩减样本集规模,进一步利用基于权重的SVM算法训练流量分类器。通过大规模样本集流量分类实验对比,快速SVM方法能在损失较少分类准确率的情况下,较大程度地缩减流量分类器的训练时间以及未知样本的预测时间,同时,在无过度压缩前提下,其分类准确率优于同等压缩比例下的随机取样SVM方法。本方法在保留SVM方法较好分类稳定性与泛化性能的同时,有效提升了其应对大规模流量分类问题的能力。     

一种基于能量预测的双簇首路由控制算法

在深入研究经典网络路由算法LEACH的基础上,提出了一种基于能量预测的双簇首(DCHBEF)路由控制算法。该算法利用改进的阈值产生式与节点剩余能量相关性并设计主、次簇首的选举和工作机制,解决了LEACH和SAHRC协议中的盲目分簇和簇内单簇首通信方式缺陷。仿真结果表明:DCHBEF算法比原有的LEACH和SAHRC算法有较好的节能性,并提高全网通信效率。