一种高精度低负载的可用带宽测量机制

端到端的可用带宽是网络测量的重要性能指标之一. 针对现有的大多数测量工具及
方法在估算可用带宽前需要大量时间分析和测量等问题,在全面分析了网络中背景流特征的
基础上,提出一种高精度低负载的可用带宽测量机制. 该机制考虑了高速网络环境中丢包的情
况,建立网络利用率与探测速率间的关系模型,结合扩展卡尔曼滤波实时获得最新的端到端
的可用带宽. 该机制不需要事先知道瓶颈链路容量,探测速率可低于可用带宽,降低了突发背
景流对测量的影响. 数值模拟表明,所提出的机制能快速响应突发背景流,准确高效地测得端
到端的可用带宽.     

基于博弈论的异构无线网络动态选择

下一代无线通信网络的主要特征之一是移动终端可以灵活接入各个网络. 在异构网
络共存的下一代通信中,网络选择技术能提高频谱利用率和网络容量. 为此,设计了一个基于
非合作博弈的网络选择机制,以保证移动终端能从异构网络中选择合适的网络接入. 证明了
该博弈为潜博弈,分析了该机制中博弈的纳什均衡存在性和可行性,并设计了一个基于反应
动态机制的最优迭代算法求解博弈. 仿真表明,该算法能够收敛到纳什均衡,且其网络选择机
制具有近似最优的性能.     

一种基于层次结构深度信念网络的音素识别方法

针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一
种基于层次结构深度信念网络(deep belief network, DBN)的音素识别新方法. 该方法由基于层次结构DBN的瓶
颈特征以及基于DBN的音素分类器两部分组成：其中的瓶颈特征能够充分利用DBN能够处理长时段语音、监督
性的提取方法等特性;而基于DBN的音素分类器则具有更强的建模和表征能力. 因此,将两者结合在一起能够在
提取低维、监督性特征的同时,利用DBN更加有效地对音素后验概率进行识别. 在TIMIT数据库上进行的实验结
果表明,所提出的音素识别方法在识别正确率上相对于以往音素识别系统有较大提高.     

有数据丢包的复杂网络的鲁棒保性能状态估计

针对现实网络在数据传输中存在数据丢包和噪声干扰的特点,研究离散时间复
杂网络的鲁棒保性能状态估计问题,旨在减小数据丢包和噪声干扰对状态估计的影响. 利
用Lyapunov稳定性理论与随机分析方法,以线性矩阵不等式的形式提出了鲁棒保性能状态
估计增益矩阵存在的条件和设计准则,在满足状态估计误差均方指数收敛的前提下,能进一
步使网络的状态估计满足一定的性能指标. 仿真结果表明,鲁棒保性能状态估计器可以有效地
估计复杂网络的状态.     

采用黄金分割法的自适应调制无线网络跨层设计

提出一种通过最优化网络的目标误包率来降低丢包率的方法. 物理层采用自适应调制编码方式,数据链
路层采用有限长数据缓冲区,并改变了原有网络中固定的目标误包率值. 在不同的网络参数,如网络的信噪比、功
率、带宽、包到达率等条件下,考察网络的丢包率随目标误包率的变化,总结其变化规律,并根据黄金分割法寻找
最佳的目标误包率,使得丢包率达到最小,即网络吞吐量达到最大.     

基于自适应同源方差控制的法庭自动说话人识别

提出了自动说话人识别系统得分到法庭证据强度量化值似然比的转换方法. 为了更准确地评估嫌疑人的
统计模型,提出了自适应同源方差控制算法,该算法能自适应地融合来自参考人群和嫌疑人的同源语音得分模型
信息,降低了对嫌疑人数据量大小的需求. 与基本识别系统相比的测试结果表明,使用该算法的识别系统不但具有
更优良的识别性能和可靠性,而且提高了语音证据对判别结论的支持强度.     

利用边缘密度特征提取高分辨率遥感影像中的居民区

居民区相对于其他区域具有更明显更丰富的边缘特征. 根据这一特点,提出一种利用边缘密度特征差异
进行高分辨率遥感影像居民区自动提取的方法. 该方法首先利用Mean Shift 算法平滑原始影像,然后检测平滑影
像上的边缘并拟合成直线段,最后利用影像中的边缘密度分布构建空间投票矩阵,并结合Ostu 阈值分割方法提取
居民区. 实验表明：该方法可用于提取场景比较复杂的影像中的居民区,且具有较高的准确率和鲁棒性.     

基于循环神经网络的汉语语言模型并行优化算法

计算复杂度高导致循环神经网络语言模型训练效率很低,是影响实际应用的一个
瓶颈. 针对这个问题,提出一种基于批处理(mini-batch) 的并行优化训练算法. 该算法利用
GPU 的强大计算能力来提高网络训练时的矩阵及向量运算速度,优化后的网络能同时并行处
理多个数据流即训练多个句子样本,加速训练过程. 实验表明,优化算法有效提升了RNN 语
言模型训练速率,且模型性能下降极少,并在实际汉语语音识别系统中得到了验证.     

鲁棒的快速车道偏移警告

针对FPGA等片上资源较为缺乏的处理器,提出一种应用于辅助驾驶的快速车道线偏移警告方法. 方法
面向单目视觉识别应用;首先采用基于区域统计方式的二值化处理进行图像增强,并利用515车道线模板匹配方
法代替传统的边沿检测去除原图像中的大量干扰信息,最后采用压缩型霍夫变换对匹配结果进行车道线提取. 与
传统霍夫变换相比,大大降低了运算量,减小了内存使用量. 实验证明,该算法对车道线的识别非常有效,满足实
时性需求,并已成功移植到FPGA上.     

对旋转和平移鲁棒的序列图像拼接算法

受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图
像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的
全景图像. 为此,设计了一种序列图像拼接系统. 针对近似仅存在二维平移的待拼接图像,采
取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接. 针对待
拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的
序列图像拼接方案. 实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存
在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在
线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.     

基于加权特征的无监督模糊聚类入侵检测研究

鉴于网络入侵检测数据样本特征属性的异构性及贡献率不同,提出一种加权特征的异构数据相似性度量法来反应网络数据样本间的相似程度.针对基于模糊C-均值聚类的网络入侵检测算法聚类数目难以确定的问题,提出了一种自动确定最佳聚类数的无监督模糊聚类入侵检测算法.通过KDDcup1999数据集的仿真对比实验,结果表明本文算法能找到最佳...     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

流媒体传输中的软件解码技术应用研究

通过对流媒体传输过程中的音视频数据的软解压技术研究,结合校园网络教学系统,设计开发了基于Windows CE系统下的嵌入式流媒体播放器解码器,实现了软解压技术在网络教学中的应用.     

基于P2P流媒体视频直播教学系统研究

网络视频教学正在改变传统的教学方式,使用P2P流媒体技术不仅可以节省成本,而且使用异地教学方式的特征更加明显化．本文首先分析了P2P网络的结构,然后介绍了应用P2P网络技术所设计的视频直播教学系统,主要包括其界面构成、功能以及开发此系统所用的技术,最后说明了系统设计中应注意的问题．     

微博网络消息传播的ISSR模型

将微博用户划分为无知者、传播者和拒绝者3种类型,结合微博网络消息传播实际情况,在经典传染病易感染-感染-治愈模型基础上,提出新的无知-传播-传播-拒绝模型. 详细描述了传播机制,并对模型的均场方程进行稳态分析. 由爬取到的上海典型大学新浪微博用户信息,构建符合真实网络统计性质的网络演化模型,并进行网络动力学分析. 仿真结果表明,较大的转发率 和较小的拒绝率可以提高微博消息的传播范围,多次转发率对传播节点密度也有一定的影响.     

基于智能天线的一种自适应小基站架构

提出了一种将智能天线应用到小基站网络中的方案,配置有智能天线的小基站在周
围小基站繁忙时利用智能天线的方向性为业务繁忙的小基站进行自适应分流,达到负载均衡
的目的. 当本身业务繁忙时,通过智能天线进行空分复用可提高带宽利用率,从而提高系统吞
吐量,减少基站数目. 实验结果表明：在保证用户接入成功率和系统吞吐量的条件下,采用文
中小基站自适应算法可将所需部署的小基站数目约减少30%,从而降低了部署成本,减少运行
能耗.     

利用循环平稳性检测和支持向量机的调制信号分类

非合作接收条件下调制识别算法预处理要求高,分类集有限,为此提出一种基于循环频率特征和支持向量机的调制分类方法. 利用信号循环累积量的循环频率为分类特征,不必进行参数估计和同步等预处理,在缺乏先验知识条件下对FSK、PSK、QAM、OQAM、CPOFDM、ZPOFDM等常见调制信号具有良好的识别效果. 该方法提升了盲接收环境下的分类效果,扩大了分类集. 理论推导和计算机仿真表明,该方法能有效提升非合作接收条件下的盲分类性能.