Ad hoc网络时钟同步研究*

为解决时钟同步方案存在依赖特殊节点以及算法精度不高等问题,在组网过程与自组网互同步相结合的基础上,完成网络节点的时钟同步,并通过测量网络延迟以提高同步精度.方案在一跳场景下验证,可将误差维持在15μs左右,提高了同步精度,并且本方案不需要特殊节点,各个节点只需要收到一个同步帧就可以自发地调整时钟,同步帧的开销小、实现简单,适用于多跳和灵活易变的Ad hoc网络.     

一种嵌入式安全网卡总体设计

提出了一种基于嵌入式系统的安全网卡设计方案。通过在网卡上引入SoC和嵌入式系统，在网卡上集成了嵌入式防火墙、网络隔离设备、硬盘保护与恢复及加密机等网络安全产品。并可以根据实际的需要，对嵌入式安全网卡的功能进行扩充和裁减。     

MANET网络中一种基于灰色区域的移动预测路由协议及多径备份路由扩展

MANET网络中拓扑结构频繁变化的特点,经常导致网络存在通信路径不稳定,通信质量较差的情况.文章提出一种基于灰色区域的移动预测路由协议LP-OLSR,该协议能够适应网络拓扑结构的快速变化,结合节点灰色区域范围,预测链路未来时刻的连接状态,在链路失效前重新计算路由,减少因为链路中断产生的时延.并且结合多径技术扩展至LP-OLSR-M协议,通过多径路由算法寻找一条备份路径,在当前链路即将失效前切换至备份路径,进一步保证了数据的稳定传输.仿真结果表明,新协议的QoS指标较OLSR协议相比有了明显改善,有效提高了MANET网络的通信质量.     

Ad Hoc网络相交多径路由协议

Ad Hoc网络具有移动性和链路高失效率,多径路由的提出就是为了减少由于链路失效造成的路由开销增加和分组投递率的减少.现有的多径路由追求链路的独立性大多选择不相交多径,但不相交多径在主路径失效后提供的备用路径不一定最优.在AODV协议的基础上提出了一种相交多径的方案(M_AOMDV).仿真结果表明M_AOMDV降低了时延和开销,提高了网络性能.     

基于模糊神经网络的导弹直接力/气动力复合控制系统设计

为了提高导弹的机动性、敏捷性和导引精度,新型导弹大多采用直接力/气动力复合控制方案。由于神经网络对于系统非线性变化具有较强的适应能力,因而在解决直接力/气动力复合控制中的时变非线性问题时有较明显的优点。在建立导弹非线性模型的基础上,采用模糊小脑模型神经网络(FCMAC)与动态逆相结合的方法设计导弹控制器,该方法结构简单,收敛速度快,易于硬件实现。数字仿真结果表明该方法对导弹系统参数的非线性变化具有很强的适应性。     

一种智能反步控制方法及其应用

针对反作用射流导弹的非线性和参数不确定性严重的特点,提出一种鲁棒自适应反步智能控制(Backstepping)方法。通过非特定的Lyapunov函数,采用遗传算法优化Backstepping镇定系数,得到适当的函数降低了当镇定系数不当时跟踪误差对控制律的影响。结合模糊小脑模型(FC-MAC)神经网络,推出系统参数不确定时的鲁棒控制律,克服了传统自适应反步法对模型不确定性要求线性有界问题。仿真结果表明,这种结合Lyapunov函数选择和参数优化的Backstepping方法鲁棒性强,受参数变化影响小。     

适用于VANET仿真的车辆合成运动模型

车载自组网(VANET)是移动Ad Hoc网络技术在交通领域的应用,已成为智能交通系统一项非常有前景的技术.准确反映节点运动方式的运动模型对于提高仿真实验准确性至关重要.首次利用了实际的卫星地图信息,在考虑实际道路环境特点基础上实现了新的节点运动模型--车辆合成运动模型,将该模型与随机路点模型和曼哈顿模型进行了对比,并在根据西安城区卫星地图构建的仿真场景中分别采用3种节点运动模型,利用QualNet仿真平台评估了不同节点运动模型对路由协议性能的影响.结果表明,节点运动模型对协议性能影响很大,分析认为合成运动模型更适合于VANET仿真研究.     

真实感布仿真中布与刚体的碰撞检测及修正

提出了一种快速碰撞检测与修正算法.在碰撞检测阶段,通过采用包围盒与层次结构模型结合的方法减少碰撞检测的次数,并把多种碰撞形式归纳为一种点-面碰撞,从而把解线性方程组简化为代数运算.在碰撞修正阶段,通过采用预条件共轭梯度法进行数值积分,将碰撞修正直接融合在数值积分过程中,提高了计算速度.     

一种基于身份的车载自组网认证机制

针对车载自组网（VANET）的安全特性,采用基于身份的密码学算法、分布式秘密共享算法和XTR公钥密码体制,实现安全高效的车辆节点认证。在使用Lagrange插值公式实现分布式的系统主密钥的基础上,基于XTR体制中的迹运算实现安全的分布式节点密钥签发;简单讨论了XTR密码体制下基于身份的数字签名算法;同时,引入信誉值的概念来查找和剔除网络中的恶意节点。通过算法安全性和效率分析,该机制适用于分布式的车辆移动网络环境。