基于流映射的负载均衡调度算法研究

网络管理者需要能够提供可扩展性、吞吐率保证及报文顺序的高性能路由器体系结构.目前基于Crossbar的集中式路由器体系结构难以实现性能和规模的可扩展,基于两级Mesh网络的负载均衡交换结构成为扩展Internet路由器容量的有效的途径.负载均衡路由器存在严重的报文乱序现象,输出端报文重定序复杂度为O(N2).文中提出一种区域均等的负载均衡交换结构,每k个连续的中间级输入端口划分为一个区域,输入端采用基于流映射的负载分配算法UFFS-k(Uniform Fine-grain Frame Spreading,k为聚合粒度,简称UFFS-k),在k个连续的外部时间槽,以细粒度的方式将同一条流的k个信元分派到固定的映射区域,通过理论证明,该调度策略可获得100%吞吐率并能够保证报文的顺序.为避免流量区域集中现象,采用双循环(dual-rotation)方式构建不同输入端口的流到区域的映射关系;为实现负载在中间级输入端口的均衡分布,每个输入端口维护全局统一视图的流量分布矩阵,UFFS-k调度算法根据流量分布矩阵调度单位帧,可以证明,对任意输出端口j,同一区域OQj队列长度相同且不同区域OQj队列长度至多差1,从而实现了100%负载均衡度.UFFS-k调度算法分布于每个输入端口独立执行,根据流到区域的映射关系及负载分布状态分派信元,模拟结果显示,当聚合粒度k=2时,UFFS-k算法在同类维序算法中表现出最优延迟性能.     

基于OWPB和LS-SVM的电路板故障诊断系统

针对雷达电路板检修困难的问题,提出了基于最优小波包基和最小二乘支持向量机相结合的雷达电路板故障诊断方法。利用小波变换对采样数据进行去噪处理,通过小波包分解选择最优小波包基提取熵值作为故障特征向量,并作为基于最小二乘支持向量机的雷达故障诊断模型的输入向量,经诊断模型输出后,完成雷达电路板故障诊断。基于此方法设计了雷达电路板故障诊断系统,提高了雷达故障诊断的正确性和效率。     

基于字节频度的异常入侵检测影响因素研究

目前数据包负载异常检测缺乏针对性的测试数据。为此,构建一个模拟网络数据集,对基于字节频度分布的异常检测模型进行测试分析。实验结果表明,该数据集对模型测试具有可行性;数据包大小的分布特性对检测准确度有较大影响,必须根据特定网络服务数据包尺寸的密集分布区确定检测阈值,并尽量向小尺寸方向校准;数据包之间的频度差异对分组求频度平均值的模型有很大影响,组内数据包之间过大的频度差异将导致包模型失效,连接模型性能降低较大,改进的包模型则不受影响。     

Novel flow control mechanism based on improved BP neural network in cognitive packet network

In this paper, a novel flow control mechanism in cognitive packet network (CPN) based on the improved back propagation (BP) neural network is proposed, considering the flow distribution status predicted by BP neural network when packets are routed. The objective is to increase the capacity of CPN and improve the quality of service (QoS) by achieving flow balance. Besides, considering the slow convergence speed of traditional BP algorithm and the quick change of the flow status in cognitive packet network, an improved BP algorithm with dynamic learning rate is designed in order to achieve a higher convergence speed. The mechanism, which we propose, regards the predicated traffic data as an important factor when packets are routed to implement flow control. By achieving balance, the quality of network can be improved obviously. The simulation results show that the proposed mechanism provides better average time delay and packets loss ratio.     

移动分组业务的小区-时间流量分布

对于在国内GPRS现网Gn接口采集的数据样本进行了流量分布规律研究。发现大多数小区一天中大多数时段处于低速状态,突发的极少数大流量观测值集中在少数小区少数时段。用指数分布对样本的经验分布进行拟合,拟合效果较好。对现网不同区域和不同时段的小区流量数据使用Q-Q图等方法进行了指数分布的有效性验证,发现上述结论具有一定普遍性。     

一种高压开关柜温度预测的改进方法

对一种Elman神经网络进行高压开关柜温度预测的方法进行改进,融合小波包分析的方法对温度样本进行硬阈值平滑优化,与Elman神经网络松耦合组成松散型小波神经网络进行超短期温度预测。仿真结果表明,改进方法相比单一的Elman神经网络有效预测比率提高,均方根误差下降,其结果与实测温度值更加吻合,提高了预测的准确率和精确程度。     

天然气管道阀门内漏声发射信号特征研究

通过理论分析的方法建立阀门内漏过程中气体体积泄漏率与声发射信号特征参数均方根(AERES)函数关系,利用研制的实验平台进行了阀门气体内漏检测实验,利用小波包变换方法分别对球阀和截止阀内漏过程产生的声发射信号进行频谱特性分析研究,实验结果表明,经过3层小波包分解后的信号能量主要集中在12.5～75kHz。且声发射信号特征参数均方根(AERES)能有效反映气体体积泄漏率,因此可以利用声发射技术检测阀门是否内漏并估算其泄漏率。     

基于小包规律分析的BT流量识别技术

为提高在采样环境中Bernaille等的早识别技术对BT(BitTorrent)流量识别的准确性,通过分析BT协议和BT实际传输数据,找出其中BT传输过程前期有效载荷低于70个字节的小包出现的规律,并以此为基础来识别BT流量。实验表明,对比早识别技术,该方法能够提高在采样环境中识别的准确性,克服了早识别技术对BT流中前几个数据包的依赖的不足。