车载自组织网络的竞争窗口自适应退避算法

随机多址接入协议对于保障车载自组织网络的服务质量（QoS）至关重要。由于该网络中车辆节点的高速移动特性使得网络拓扑变化频繁，固定的媒体接入控制协议机制会限制高动态自组织网络的整体服务质量。本文针对该问题，在CSMA/CA系列协议退避算法基础上，提出了一种基于车辆节点密度、信道占用因子和冲突门限的竞争窗口自适应退避算法（NCW COCT）。首先，为使冲突概率最小化,以车辆节点密度和竞争窗口值为基础建立一维马尔可夫模型进而构造目标函数；其次，提出信道占用因子并结合最优冲突门限值，实现以车载自组织网络通信服务质量最优化为目标的竞争窗口自适应退避。仿真结果表明，NCW COCT算法与同类的DCW算法和IM BEB算法进行比较，吞吐量性能分别提升了1164%和677%，丢包率分别降低了1946%和1329%。     

电力物联网接入层网络流量的建模与分析

针对电力物联网接入层可能面临设备并发接入引起的拥塞延迟问题,运用排队论的相关理论,对电力物联网接入层网络流量进行建模及参数分析。通过使用蒙特卡罗方法对模型进行计算,得出了物联网边缘代理在应对并发连接状况所要满足的性能指标。最后借助OPNET仿真软件,以ZigBee协议进行终端接入模拟,验证了所给出的流量模型和性能参数的有效性。     

基于服务质量的无线传感器网络MAC协议模型研究

无线传感器网络高性能通信要求MAC协议具有服务质量(QoS)保障功能,以满足数据传输实时性和可靠性需求。针对通过增加额外通信开销实现MAC协议QoS功能所导致传输性能降低的问题,提出一种基于分类优先不公平信道竞争访问的UC-MAC协议,通过节点状态、信道状态和网络状态分析,建立MAC协议多优先数据传输性能分析数学建模,并仿真验证了UC-MAC协议的QoS保障功能和数学模型的准确性。与其他MAC协议对比仿真测试结果表明,UC-MAC协议不改变IEEE802.15.4标准信道访问方式,不增加任何额外通信开销,在网络的吞吐性能和QoS功能两个方面同时得到提升。     

矿井无线传感器网络高效MAC协议研究

针对矿山井下巷道容迟无线传感器网络环境,在EQ-MAC基础上提出一种基于预测接收节点发起传输时间的MAC协议,从而减少发送节点空闲侦听。引入短竞争报文避免接收节点处数据包的冲突,并建立节点退避状态模型对MAC层传输性能进行分析。仿真结果表明提出的MAC协议能较好的满足井下无线传感器网络环境对数据通信和监控可靠性的要求,短竞争报文退避传输机制能有效解决接收节点处数据包传输冲突问题。     

OPNET软件在协议性能分析中的应用

随着网络技术的发展,以及网络规模的不断扩充,如何评价网络性能成为研究人员特别关注的问题.因此,为了使网络能够高效地应用,需要用一种网络仿真工具来设计、分析和验证比较各种网络的性能.本文详述了OPNET网络仿真软件的主要特性及其网络层次建模机制,利用OPNET网络仿真技术设计了Aloha和CSMA协议的网络模型,并利用OPNET软件仿真证明在任何信道流量复合下,CSMA协议都表现出比Aloha协议更加优越的性能.     

无线多跳网络中退避算法与TCP的交互性能研究

针对TCP协议在无线多跳网络中性能下降的问题,模拟实现了5种典型的退避算法,分析和比较了退避算法和TCP协议在无线多跳网络环境下的交互性能。仿真结果表明,退避算法严重影响了TCP的丢包率和吞吐量性能。     

一种应用于无人机编队通信的防碰撞方法

无人机编队自组网络类似于Ad Hoc网络,针对无人机编队飞行过程中产生的信息碰撞问题,研究了Ad Hoc网络中最典型的ALOHA协议,对时隙ALOHA算法进行改进。改进的时隙ALOHA将信道分成若干个离散的时隙段,给每个时隙段分配一部分节点进行传输数据。仿真结果表明:在对信道分成2个时隙段,竞争窗口K=2,吞吐量为0.368时,改进后的时隙ALOHA算法中数据包的平均传输次数为1.35,归一化时延约为5.32。与改进前的时隙ALOHA算法相比,系统的归一化传输时延降低,提高了无人机编队飞行时信息传输的有效性。     

电力线和无线双媒质通信系统的自适应中继协议

综合考虑混合媒质通信和中继协作技术,研究了无线移动接入、无线和电力线并行传输的系统.利用多维对数正态近似算法以及终端信噪比的矩生成函数,分别推导出系统采用放大前传(AF)和译码前传(DF)时中断概率的闭合解析式;为了有效克服AF和DF中继协议的缺点,提出了自适应中继协议,即根据信道通信质量动态选择AF或者DF中继协议,并给出了具体的实现步骤;最后采用蒙特卡洛仿真验证了理论分析的有效性和可靠性.理论和仿真结果表明,与AF和DF中继协议相比,所提出的自适应中继协议在低信噪比区域和高信噪比区域均能获得较好的通信质量.     

基于网络流量模型方法的网络流量分析研究

阐述了网络流量模型的理论及研究现状,指出网络流量分析预测是网络规划设计的一项重要工作。提出了一种基于网络流量模型的网络流量分析方法,依据网络流量统计数据归纳总结出网络流量模型,在实际网络环境中进行测试和验证,并在此基础上对电网企业"SG-ERP"工程信息通信网络流量的需求进行了预测和分析。     

无线传感器网络的SMAC协议跨层优化

针对无线传感器网络中,由于个别节点因能量消耗大而加快网络消亡问题。本文采用能量均衡思想对SMAC协议进行跨层优化,提出了b-SMAC协议,节点可根据路径能耗来更新路由表,有效优化选择下一跳的节点,达到无线传感器网络中节点能耗均衡的目的。NS-2软件仿真结果表明,b-SMAC比SMAC协议更有效解决能量非均衡消耗问题,减少了网络消耗,延长了网络生存周期。     

WiNoC中基于Edge-first算法的流量平衡设计

在无线片上网络中,无线节点拥塞以及不同子网和全局网络内的流量平衡情况对整个片上网络的通信效率有着重要的影响,为此提出了基于Edge-first算法的全局流量平衡机制(GTB)。首先优化了划分有线无线数据包的机制,减少了无线节点处的拥塞;其次根据无线路由器(WR)的拥塞情况,提出Edge-first路由算法平衡子网内的流量;最后在全局网络中提出了全局子网拥塞感知(GSCA)判断机制,使得长距离数据包优先从低拥塞子网通过,平衡了全局网络的流量。实验表明,该方案在可接受的硬件开销、功耗开销下,保证较低的网络延迟和较高的网络吞吐率,并且大幅的提升了网络的流量平衡性能。     

WiNoC中基于Edge first算法的流量平衡设计

在无线片上网络中,无线节点拥塞以及不同子网和全局网络内的流量平衡情况对整个片上网络的通信效率有着重要的影响,为此提出了基于Edge first算法的全局流量平衡机制（GTB）。首先优化了划分有线无线数据包的机制,减少了无线节点处的拥塞;其次根据无线路由器（WR）的拥塞情况,提出Edge first路由算法平衡子网内的流量;最后在全局网络中提出了全局子网拥塞感知（GSCA）判断机制,使得长距离数据包优先从低拥塞子网通过,平衡了全局网络的流量。实验表明,该方案在可接受的硬件开销、功耗开销下,保证较低的网络延迟和较高的网络吞吐率,并且大幅的提升了网络的流量平衡性能。     

Neural Networks for Real-Time Traffic Signal Control

Real-time traffic signal control is an integral part of the urban traffic control system, and providing effective real-time traffic signal control for a large complex traffic network is an extremely challenging distributed control problem. This paper adopts the multiagent system approach to develop distributed unsupervised traffic responsive signal control models, where each agent in the system is a local traffic signal controller for one intersection in the traffic network. The first multiagent system is developed using hybrid computational intelligent techniques. Each agent employs a multistage online learning process to update and adapt its knowledge base and decision-making mechanism. The second multiagent system is developed by integrating the simultaneous perturbation stochastic approximation theorem in fuzzy neural networks (NN). The problem of real-time traffic signal control is especially challenging if the agents are used for an infinite horizon problem, where online learning has to take place continuously once the agent-based traffic signal controllers are implemented into the traffic network. A comprehensive simulation model of a section of the Central Business District of Singapore has been developed using PARAMICS microscopic simulation program. Simulation results show that the hybrid multiagent system provides significant improvement in traffic conditions when evaluated against an existing traffic signal control algorithm as well as the SPSA-NN-based multiagent system as the complexity of the simulation scenario increases. Using the hybrid NN-based multiagent system, the mean delay of each vehicle was reduced by 78% and the mean stoppage time, by 85% compared to the existing traffic signal control algorithm. The promising results demonstrate the efficacy of the hybrid NN-based multiagent system in solving large-scale traffic signal control problems in a distributed manner.     

适于智能配用电通信的OPS-WDM-PON技术

提出适于智能配用电通信的无源光网络架构.基于异步光分组交换及波分复用技术,构建树形及环形拓扑结构,可提高系统可扩展性及对实时突发业务的随机接入能力.基于空分光交换矩阵和光纤延时线,实现上行信号的冲突解决,可减小分组等待时延,提高冲突解决机制的灵活性.基于自相似流量分布分析了系统波长冲突的丢包率PLR及分组等待时延T.结...     

基于反馈裁决机制的无线传感网节点失效自愈修复

为解决移动条件下无线传感网节点失效时所导致的节点自愈困难,网络拓扑变动较大以及数据传输性能受限等不足,提出了一种基于反馈裁决机制的无线传感网节点失效自愈修复算法。首先,依据网络节点同一性及传输链路交叉特性,通过流量分析来构建节点失效裁决方法,通过排除失效节点的同级割点,避免割点对网络拓扑造成的分离影响,显著降低节点失效误判现象;再结合初级节点与次级节点具有的流量传递特性,设计节点失效评估机制,通过割点裁决与次级节点自愈重构,改善自愈过程中存在的拓扑变动,有效规避节点失效过程中存在的流量受限;随后,考虑到备用修复节点选取过程存在的节点自愈困难,结合割点可对网络拓扑进行切割的特性,定义备用修复节点优化选取准则,采用流量反馈机制来优化备用修复节点的选取,提高网络流量重定向能力,降低修复失败的概率。实验测试结果表明,与基于时变负载的复杂网络级联故障负荷再分配策略(TVL-LRS),网络级联故障自愈算法(PFO)相比,所提算法具有更低的节点自愈总数和节点拓扑移动距离,以及更高的网络出口带宽。     

改进灰狼算法优化支持向量机的网络流量预测

高精度网络流量预测是现代网络智能管理的基础,针对支持向量机在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出了改进灰狼算法优化支持向量机的网络流量预测模型。首先收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理,然后引入改进灰狼算法快速搜索到全局最优支持向量机的相关参数,并根据最优参数对预处理后的网络流量历史数据进行学习,建立能够挖掘网络流量历史数据包含变化规律的预测模型,最后与其他算法优化支持向量机的网络流量预测模型进行了对比分析。结果显示,改进灰狼算法优化支持向量机的网络流量预测精度超过90%,远高于对比模型,且预测建模过程的建模时间少于对比模型,可以满足网络流量管理的高精度和实时性的要求。     

无线网络中文件缓存命中率和能耗的联合优化

任何一个缓存问题的重要目标都是减少网络中的流量,但在内容中心网络中能量的消耗是一个不得不考虑的因素,包含缓存能量消耗和传输能量消耗.提出了传统的缓存效率衡量指标,例如命中率,和能量消耗之间存在一定的对立关系.提出一种既可以提高命中率又考虑到减少能量消耗的新的缓存机制,并将这个优化问题表达成亚模的形式,通过贪心算法找到命中率和能量消耗的平衡点,并且找到一种近似最优的缓存机制.最后通过仿真验证了这一结果,在内容中心网络中可以达到命中率和能量消耗的一个均衡的缓存机制.     

基于海量存储云调度机制的云网络数据存储算法

针对当前云网络超宽带存储难以实现流量的分流,且存储过程中存在严重的存储效率低下及存储时延过高等问题,提出了一种基于海量存储云调度机制的云网络数据超带宽存储算法。采用周期调度及梯度优化方式,且综合考虑数据存储中使用强度,最小传输粒度等数字特征,对数据存储过程中的指纹梯度进行优化,且将该梯度引入到数据传输过程中,成功地实现了数据的流量分离,提高了数据存储效率。仿真实验表明,与当前广泛使用的超线性存储调度算法（super linear memory scheduling algorithm,SLMS）相比,本文算法的存储效率更高,能够在流量分离的前提下显著降低存储时延。     

结合注意力机制和密集连接网络的车辆检测方法

为提高算法对车辆检测的准确性,解决原有算法在复杂交通场景下对车辆检测效果不佳的问题,提出一种基于注意力机制和改进密集连接网络结构的车辆检测方法。首先在过渡层中使用SoftPool整合密集块之间的特征信息;其次通过轻量化通道注意力机制加强有效通道特征的表达,将其作为Darknet-53的深层特征提取层;引入CIOU损失作为模型的边界框位置预测损失项,使用深度可分离卷积缩减模型体积;与原算法相比mAP值提高2.6%,模型体积缩减为原来的42%,实验证明本算法在复杂交通场景下具有良好的检测性能。     

基于时-频域混合特征的变电站通信网异常流量检测方法

准确快速检测智能变电站通信网络异常流量是发现系统异常、实现安全态势感知和主动防御的关键技术,对保证智能电网安全稳定运行有着重要意义。文中提出了基于时-频域混合特征的智能变电站通信网络异常流量检测新方法。首先,设计了基于分形自回归积分滑动平均(FARIMA)流量模型和小波包分析方法的流量频域特征提取方法,并结合电力信息流时域特征构建时-频域混合特征集。进而,采用人工蜂群优化的支持向量机算法进行异常流量辨识。最后,基于某110 kV变电站的站内实际网络流量和CIC DDoS2019数据集、KDD99数据集进行仿真,结果表明所提算法对网络异常流量识别有更低的误判率和漏检率。