基于QoS的下一代网络的研究

随着下一代网络的发展,QoS保障成为下一代网络的一个重要课题.下一代网络的核心是软交换网络,而IP网将是软交换网络的承载网,所以,保障下一代网络的QoS可以从IP网、接入网、接入设备分别入手.文章首先在分析了下一代网络的新特征和一般模型的基础上,重点论述了作为下一代网络承载网的IP网的端到端QoS的保障方法:MPLS与IntServ和DiffServ相结合保障端到端QoS的技术,IntServ与DiffServ结合保障端到端QoS的技术.最后文章对接入网(FTTB LAN接入时)和接入设备(媒体网关,IAD)如何提供QoS也进行了综述.     

面向时延与可靠性优化的服务功能链部署方法

针对5G网络高可靠性、低时延的服务需求,该文提出一种面向时延与可靠性优化的服务功能链(SFC)部署(DROSD)方法。在不预留冗余资源的情况下,首先通过功能互斥约束来确定SFC中相邻虚拟网络功能(VNF)是否可聚合;其次通过功能性约束、资源约束选择可聚合物理节点集合,实现负载均衡,提高SFC可靠性;然后通过跳数约束进行优化,进一步筛选可聚合物理节点集合以降低SFC的端到端时延;最后通过节点可用资源、节点度以及与原节点跳数指标进行降序排列,取最大值物理节点部署VNF。SFC的路由选择,采用K-最短路径算法。仿真实验表明,该文所提算法提高了请求接受率、长期平均收益开销比,增强了SFC可靠性,降低了端到端时延,减小了平均带宽开销。     

一种自相关基音检测算法

自相关基音检测算法是语音信号处理的关键技术,算法的效率直接影响了语音信号实时处理的质量。目前有许多较好的检测算法提高了基音检测算法的效率。而自相关基音检测算法是一种时域算法,它能直接对时域信号采样值进行分帧、求短时自相关函数,并根据一定的判决准则进行清浊音判断。提供了一种自相关基音检测算法,经过实验,它在保持较好的性能的基础上提高了检测效率。     

H.323电视会议系统终端的实现

介绍H.323电视会议系统及其终端结构,对通过OpenH323 Library实现H.323电视会议系统终端进行了研究,并给出了一个在局域网上实现基于PC的H.323终端实例.     

一种IP网络多媒体通信系统的设计与实现

文章介绍了IP网络流媒体通信控制的相关技术及标准,基于H.323和RTP协议,运用多线程技术设计并实现了一个多媒体通信系统,并在实验室局域网进行测试,对系统通信流程和通信性能进行了分析.     

排队系统中一种具有自相似性的增量模型

以一个具有自相似通信量的模型作为输入,分析了有限长排队系统队长特性,提出了一个增量自相似模型,并求出了该模型的H参数以及一阶、二阶统计量,从而为计算输入模型中的H参数和设计缓存大小提供了一种新的方法。     

基于支持向量机和云模型的网络健康状态评估

分析了支持向量机分类方法的几何意义,结合健康评估问题的定义提出了一种基于支持向量机的网络健康评估方法.将健康评估转化为分类问题,以点到健康分类边界的距离为评估参数从整体上评价网络健康状况,降低了主观因素对网络评估的影响.采用云模型实现了健康度与评语域之间的不确定性映射,更符合评估的实际情况.基于opnet的仿真实验结果表明了该方法的可行性.     

边界偏转覆盖增量支持向量机

为了利用不断积累的网络样本提高故障诊断效能,针对标准支持向量机不直接支持增量学习的问题,提出一种边界偏转覆盖增量支持向量机. 根据违背Karush Kuhn Tucker条件的新增样本在特征空间中可引起原分类边界改变的情况,设计边界偏转覆盖算法预选支持向量再生区作为增量训练工作集,解决了难以确定的非支持向量向支持向量的转化问题. 理论分析和实验结果表明,该方法能有效简化训练工作集,在保证故障诊断精度的同时大幅度提高增量训练效率.     

基于种群生态的组播拥塞控制机制

针对现有TCP类组播拥塞控制机制不具有速率平滑性、往返时间(RTT)公平性以及在高速环境中传输效率低的问题,提出一种基于种群生态理论的自适应高速组播拥塞控制机制。该机制在每个接收端实现瓶颈链路带宽和背景流速率的测量,并将这两个测量值用于种群生态模型中以计算期望服务速率,然后使用一种简单的反馈抑制机制选取期望服务速率最小的接收端作为代表,该代表将其期望服务速率反馈给源端控制发送速率。仿真结果表明新机制发送速率平滑,具有RTT公平性,在低速网络和高速网络中都能与单播流公平共享带宽资源。     

基于双重支持向量机的网络故障诊断

为了提高网络故障诊断模型的建立和诊断速度,提出一种双重支持向量机(Dual-SVM)算法.通过两次SVM训练确定诊断模型:第1次SVM训练通过两类样本的类中心和样本点在类中心连线方向上的投影分布情况直接确定近似最优分类面;第2次SVM训练根据第1次的训练结果选择边界样本点并计算其模糊隶属度,通过模糊SVM获得诊断模型.在DARPA数据集上的实验表明, Dual-SVM相较SVM能够获得更快的训练速度和更加简单的故障诊断模型.