基于动态负载均衡的层次性移动IPv6路由优化方案

针对层次性移动IPv6网络负载过重时存在的MAP负载分配失衡的问题,提出一种动态的MAP负载调度方案。方案中,MAP通过提出的计算模型,以带宽使用情况作为参数计算当前的负载。当检测到网络负载分配失衡时,根据MN的移动趋向调度MAP之间的负载,使网络中的计算资源合理分配,优化网络性能。仿真结果表明,该方案能有效地改善网络的整体服务质量,降低通信时延和减少通信过程中的丢包率。     

用于移动终端的低复杂度快速运动估计算法

针对移动终端硬件计算能力不足的问题,提出一种高性能、低复杂度的运动估计算法。算法根据相邻块运动矢量的分布特性,判断运动趋势的可预测性,进而自动选择不同的混合搜索策略;再结合自适应的提前终止阈值,在保证搜索准确性的同时,大大减少了搜索点数。通过对各种类型的视频进行测试,结果表明,该算法对于不同运动类型、不同运动程度的视频序列都具有较强的自适应性,分别比UMHexagonS(Unsymmetrical-Cross Multi-Hexagon Search)和BBGDS算法节省55%和35.6%的运动估计时间,同时率失真性能保持不变。     

移动环境下一种缓存管理策略

移动计算环境中带宽具有非对称性,并且移动设备资源有限,传统的缓存管理策略需要占用大量的设备计算资源和网络带宽,有效的缓存管理技术能够极大提高移动计算的性能。对此提出一系列的针对移动计算的缓存管理策略。首先根据用户访问频率建立对应的具有生命周期的数据项缓存,然后使用自适应一致性维护策略维护缓存的一致性。通过实验分析,提出的管理策略能够很好地降低带宽占用,并且有效地减少对移动客户端的资源需求。     

基于移动无线传感器节点的栅栏覆盖研究

栅栏覆盖可用于入侵检测。研究具有有限移动能力的无线传感器节点在狭长区域中的栅栏覆盖问题。首先将狭长区域划分成网格,然后将移动节点和基准栅栏上的网格中心点构成二部图。基于二部图理论对1-栅栏覆盖问题进行数学描述,提出基于拍卖算法的1-栅栏覆盖算法(A1-BCA),并与基于匈牙利算法的栅栏覆盖算法进行性能比较。仿真结果表明A1-BCA算法在传感器节点较多时,优化性能好于匈牙利算法。     

一种轻量级的Android内核保护监控器

为阻止针对Android系统内核的攻击,保护Android系统内核不被破坏,设计一种基于ARM平台轻量级的hypervisor监控器架构。该架构利用ARM硬件虚拟化扩展技术,对不信任模块进行隔离,阻止模块中恶意代码对内核的破坏,保护关键对象不被篡改,并基于hypervisor、利用交叉视图检测rootkit。实验结果表明,该架构能及时阻止对被监控对象的修改,快速检测出rootkit威胁,减少系统被攻击后带来的损失。     

移动传感网中基于密度和距离的概率广播算法

广播是移动传感器网络(mobile wireless sensor networks)中最基本的信息传播方式,但现有的广播算法在广播时需要大量中间转发节点,造成大量消息冗余转发,从而导致能量浪费.因此提出一种基于节点密度和距离的概率(broadcasting algorithm named node density and distance-based probability,NDDP)广播算法.该算法平均转发率为5S/(Nπr~2),这里S为网络区域面积,N为网络节点总数,r为通信半径.理论分析得出该算法的平均广播接收率超过95%.ns-2模拟结果表明平均广播接收率达到92%以上,并且网络节点密度越大算法的转发率越低,越节能.模拟实验结果表明NDDP算法无论在稳定性方面还是在节能性方面均优于Smite和Sidewinder中的广播算法.     

基于移动增强现实的智慧城市导览

提出一种采用移动增强现实技术实现智慧城市导览的方法,满足用户个性化、多尺度、按需推送的智能导览需求,呈现用户虚实融合的周边环境.移动终端计算性能以及资源存储能力有限,但集成多种传感器,方便携带,易于显示.利用服务器实现基于词汇树的海量场景识别定位系统.依据地理位置信息动态划分分区缩减了场景检索范围,基于二进制鲁棒尺度不变特征(binary robust invariant scalable keypoints,BRISK)进行层级式聚类提高了识别算法的实时性.移动终端利用服务器返回的识别结果进行BRISK特征与光流算法结合的混合特征跟踪注册方法,并通过点集映射消除特征点漂移,利用前后帧信息以及关键帧信息减少跟踪抖动.UKbench标准图像库以及真实环境下的实验结果表明,虚实融合的智能导览效果良好.该原型系统已成功应用于上海电信体验馆等展馆智能导览系统.     

基于IMCB算法的无线传感器网络节点定位

针对蒙特卡洛盒(MCB)移动定位算法中存在的样本点退化问题,提出一种改进的蒙特卡洛盒(IMCB)定位算法,将其应用于无线传感器网络节点定位中。在MCB算法的基础上,通过分析当前时刻定位结果、节点距离以及相对位置信息,获得下一时刻在样本盒不同区域的采样概率,使样本点尽可能落在后验概率较大的区域内,从而解决MCB算法样本点退化导致定位精度降低的问题。仿真实验结果表明,在相同条件下,与MCB、MCL算法相比,IMCB算法的平均定位精度提高约14%,平均定位能耗降低约17%。     

基于模糊数学的MANET恶意节点识别

移动Ad hoc网络(MANET)是一种无线自组织网络,易受内部恶意节点攻击。针对由于网络内部攻击行为复杂而导致内部恶意节点不易识别的问题,提出一种基于模糊数学理论的MANET内部恶意节点识别方法。通过分析节点通信行为,建立由节点平均包转发延迟、转发率和丢包率组成的属性向量,利用最大隶属度原则进行分类识别。设置不同的仿真场景和恶意节点密度,采用NS2软件进行仿真实验,结果表明,该方法能识别多数内部恶意节点,虽然恶意节点密度对识别结果影响较大,但在恶意节点密度为30%的情况下,仍能保持96%以上的识别率和5%以下的误检率。     

异构无线网络终端服务感知的动态负载均衡机制

异构无线网络负载均衡是提高网络服务质量的关键技术之一。现有负载均衡机制大多没有考虑用户的个性化业务在请求网络资源时存在的差异,同时缺乏一种用户满意度保障机制。针对这一问题,提出一种终端服务感知的动态负载预先均衡机制。首先,采用模糊数学的推理方法,计算出终端对各个候选网络的接入期望值。在此基础上,充分考虑各候选网络的资源拥塞状况,有选择性地将该终端用户业务链接切换到低资源拥塞率、高接入期望值网络中,从而缓解网络中的局部热点,提高网络资源有效利用率与用户满意度。仿真结果表明,该机制能够显著均衡网络中各个无线接入点的工作负荷,有效减少拥塞发生的概率,改善用户的网络体验。