MANET中基于蚁群算法的改进DSR协议*

为提高移动Ad hoc网络中DSR协议的服务质量,提出基于蚁群算法的改进DSR协议---ACOIDSR。ACOIDSR协议路由发现过程中,建立稀疏模式和稠密模式弥补DSR协议泛洪策略的不足;ACOIDSR协议路由选择过程中,利用路径长度、拥塞程度和链接可靠度计算每条路径的信息素数量,进而做出最佳路径的选择;ACOIDSR协议路由维护过程中,提出一种新的信息素衰退策略用于路由维护。最后,仿真实验用于ACOIDSR协议在端到端的延迟、路由负载以及能量消耗等方面分析。     

CDMA 1X IP协议栈结构和功能剖析

本文重点阐述了CDMA 1X IP网络各接口的相应协议栈层次结构和功能，并进行了深入剖析，使读者能够更加深刻地理解CDMA 1X系统IP网的原理和功能。也有助于理解1X-EVDO、WCDMA等其他3G技术。     

CDMA 1X无线网络系统常见问题分析

在CDMA1X网络的维护和优化中经常遇到各种各样影响网络性能的因素，归纳起来主要有以下几点：邻小区列表的设置，搜索窗的设置，覆盖空洞，导频污染，接入失败，导频拐角效应和硬件问题等。本文将重点就这几个方面从问题表征现象，问题原因分析和解决方案几个角度对这些问题展开分析讨论。     

协议组合逻辑安全的WMNs认证密钥协商方案*

IEEE P802.11 s?/D1.01中EMSA认证协议是无线网状网络(WMNs)安全的重要保证。论文基于协议组合逻辑形式化分析了EMSA协议的安全性,发现EMSA协议存在密钥泄露伪装攻击,针对该安全威胁,运用协议演绎系统提出了一种新的WMNs安全认证密钥协商方案,并使用协议组合逻辑对新方案进行了形式化的安全性证明分析,最终表明新协议相对于EMSA协议更加安全,具有前向安全性,可抵御密钥泄露伪装攻击,更适合WMNs应用环境。     

GSM无线网络优化的关键问题

在进行GSM网络基础建设的过程中,一直存在着建设周期较短、网络变动频繁的特点.建设间除了大规模的扩容外,还有许多小规模的扩容、调整和升级等工程.常常是工程结束后会遗留较多的问题,需要网络优化来解决.GSM无线网络优化有两个核心的内容:数据的采集分析和优化调整方案的实施.     

面向WSN安全路由协议的自适应威胁模型

针对无线传感器网络路由发现过程中安全性评估问题,提出一种新的自适应威胁模型。该模型通过对传统Dolev-Yao模型进行改进,将攻击分为限定接收传输范围的单个攻击者到不限定任何能力的多个共谋攻击者等九类,在无须任何安全假设的情形下对不同路由发现过程的攻击进行分类安全评估,自适应地确定破坏协议时的攻击强度和破坏协议所需的最小攻击强度,以评估路由发现协议的安全性,进而采取相应的安全措施予以预防。最后以一类无线传感器网络自适应威胁模型为实例,说明该模型的正确性、有效性。     

基于视频分析的电视视频监测技术

本文分析了当前广播电视安全播出中违法信息监测的重要性,对基于视频分析的电视节目内容监控的关键技术进行了分析,提出了视频、文字、音频等分类处理的方法.保障了广播电视节目的安全、可靠传输,提高了广播电视安全播出工作效率.     

基于图论的MANET入侵检测方法

移动Ad hoc网络(MANET)易遭受各种安全威胁,入侵检测是其安全运行的有效保障,已有方法主要关注特征选择以及特征权重,而忽略特征间潜在关联性,针对此问题该文提出基于图论的MANET入侵检测方法。首先通过对典型攻击行为分析,合理选择9种特征作为节点,依据欧式距离确定节点间的边以构建结构图。其次发掘节点(即特征)间关联性,综合考虑节点邻居规模属性和节点邻居之间的紧密程度属性,利用图论所对应的统计特性度分布和聚集系数具体实现两属性。最后对比实验结果证明此方法与传统方法相比平均检测率和误检率分别提高10.15%、降低1.8%。     

基于脑电熵值特征和功能连接的不同线型道路下驾驶状态检测

基于脑电信号完成对不同驾驶过程的解码分析，并就驾驶意图做出预测，是基于脑机接口的人机协同智能驾驶控制中的核心问题.为了实现对直线、左弯道和右弯道驾驶过程的识别，本文提出了基于脑电功能性脑网络和熵值特征的驾驶行为特征检测方法，并结合支持向量机和高斯混合模型等算法完成对不同线型驾驶过程的分类识别.模拟驾驶实验结果表明，本文提出的方法可有效实现对不同线型驾驶过程的识别，针对16名被试对直线和弯道驾驶过程的识别准确率均高于82%，最高达到86.66%，对左弯道和右弯道驾驶过程的识别准确率均高于75%，最高达到77.95%.对主要脑区间相互依赖关系的分析结果表明，弯道驾驶过程表现出明显的大脑对侧性特征，且左弯道驾驶相比右弯道需要更多的脑区间交互活动，而直线驾驶过程中左脑区的活动稍强于右脑区.本文研究结果对理解弯道驾驶过程中驾驶员脑认知特性，以及开展不同线型道路下驾驶行为检测和驾驶状态研究，具有一定的参考价值.     

基于多层脑功能网络特征的动作意图识别

基于脑电信号完成对步态特征的解码分析并就动作意图做出可靠识别和预测，是基于脑机接口的人机混合康复训练系统和智能助行机器人中的核心问题。为实现对站立、坐下以及静止状态这些最基本步态过程的分类识别，提出了基于多层脑功能网络分析的特征表示方法，结合对各类脑功能网络特征的统计分析，确定对不同动作敏感的网络特征量，并结合支持向量机、线性判别分析、逻辑回归以及朴素贝叶斯算法完成对不同动作过程的分类识别。实验结果表明，所提出的方法可较好地实现对上述动作意图的识别，针对13名被试者对站立、坐下和静止状态的识别准确率均高于71%，最高达到77%。对多层动态脑功能网络的分析结果表明，下肢运动过程的发生会弱化脑区间的相互依赖关系，导致网络拓扑连接结构变得逐渐稀疏。研究结果对理解下肢运动过程中大脑认知过程变化，开展基于脑机接口的下肢康复策略研究和康复系统开发具有一定的参考价值。