基于小波变换的光突发交换网络业务流的研究

最近大量研究表明实际业务流存在分形特性,这对业务流的性能产生较大影响.针对光突发交换（OBS）网络边缘节点的汇聚业务流,首先在多重分形条件下利用小波变换对业务流进行尺度刻画.同时采用分块操作、块间变化的方法对业务流进行分析,通过深入研究发现均值和方差对业务流的性能影响较大.     

基于分形的多尺度网络性能影响因素研究

最近大量研究表明,实际业务流普遍存在尺度特性,针对小尺度下的多重分形特征,首先基于单分形去研究多尺度的业务流性能,同时结合小波变换进行分形刻画,深入的分析影响业务流性能的因素,发现了与传统结论不同之处:并非业务流的相关性越大性能就越差,而是与具体的网络环境(如缓冲区、利用率大小等)存在较大联系.通过对大量实际业务流进行统计分析,验证了结论的正确性.     

基于组合模型的网络业务流多重分形建模

研究表明网络业务流具有长相关、短相关特性以及小尺度上的多重分形特性的特点。将可以描述网络业务流波动情况的GARCH模型和可以描述网络业务流长相关特性和短相关特性的FARIMA模型引入网络业务流的多重分形建模中。提出了一种FARIMA/GARCH组合模型。数值仿真对比结果表明提出的FARIMA/GARCH组合模型对网络业务流多重分形谱描述更为准确,实现了对网络业务流多重分形特性的有效建模。     

基于网络信息流的自适应MWM模型研究

多重分形小波模型(MWM)可以用于网络流量非严格自相似性的分析,但现有MWM及改进模型大多不能保证各个尺度下尺度系数的边缘分布都能拟合业务流数据,当边缘分布与源数据的统计特性有较大差异时,得到的排队分析结果也将出现较大差异.针对传统多重分形小波模型存在的缺陷,在分析实际视频流量多分辨率性能的基础上,提出了参数可调的自适应多重分形小波模型.该模型的改进之处在于它能够根据实际情况实时地调整小波参数和乘性系数,更好地适应实际网络流量的特性.对新模型的仿真流进行了尺度函数和多重分形谱的分析,结果证明了新模型的准确性.     

基于多重分形的实际信息流的尺度研究

信息检索的相关性反映了信息流对用户信息需求的满足特性,正确认识信息流的分布特性并建立合适的模型,对信息检索的研究和发展有着十分重要的作用．针对检索信息流的统计特性,对各种检索模型反馈的业务流进行研究,利用小波变换刻画其尺度特性,发现不同的业务流都具有分形特性,并且在尺度表现上有所差别,其原因是由于业务流自身的分布特征所造成的．     

基于小波分析的WiMax网络业务流长相关性

为了精确有效地检测WiMax网络业务流的长相关性,利用自相似随机过程和小波变换都具有尺度不变性的特性,建立了表征长相关性的Hurst参数和小波系数的统计量.研究了业务流长相关性的小波估计法,反复选择小波消失矩和优化尺度参数的范围,减小这些因素对检测结果的影响.利用ON/OFF模型仿真WiMax网络中5种不同类型业务流,然后使用小波估计法对trace文件进行分析.检测分析结果表明:实时业务流的长相关性比较小,非实时业务流的长相关性相对较大;随着网络负载的增大,业务流的长相关性会略有变化,聚合业务流的长相关性的检测值与理论值基本吻合.     

自相似过程的合并和分解过程

对LAN、ISDN的信令信道和其他通信系统中的数据统计分析表明,在宽带网络中的业务流具有自相似特性,它将对网络的设计、控制和分析产生影响,而业务流的合并和分解是网络中业务流的两个基本操作,要研究业务量的自相似特性对网络整体性能的影响,就必须首行研究它们的性质,文中给出了自相似序列经过合并和分解后仍然保持自相似性的充分条件,该结论对是进一步研究网络业务量的自相似性对网络性能的影响有理论指导意义。     

基于最小速率保证的IEEE 80216e公平调度算法

针对IEEE 80216e协议的特点,提出了一种基于最小速率保证的IEEE 80216e 公平 调度（MTRFS）算法。算法支持多种业务流类型并可保障业务流的最小预约速率。该算法中 引入了补偿模式,以保障处在恶劣信道条件下的业务流的最小速率。同时,该算法对高级别 业务流和信道条件好的业务流提供尽可能多的带宽,以保障其QoS性能和系统吞吐量的最大 化。仿真表明,该算法能够保证业务流的最小预约速率,区别对待不同优先级的业务流;无 论是其公平性能还是吞吐量性能都优于传统的PF算法。该算法与IE     

网络业务自相似性模型的建立及性能分析

回顾了近十年来对网络业务流特性的观测和研究进展,探讨它们对网络性能的影响.对现代数据网所呈现的独特特性给予充分的关注,指出了在这种特性下如何进行性能分析的基本途径.     

无线IP网络中保证QoS的业务流拒绝机制

DRSVP改进型算法虽然在不影响带宽使用的情况下改进了DRSVP机制的业务流断线率，但是它只降低了高优先级业务流的断线率，而没有考虑下层业务流．针对DRSVP改进型算法的不足，提出了HLDRSVP．该机制可以在保护高优先级业务流的同时，最大可能地保护低优先级业务流．分析与仿真结果表明，HLDRSVP具有优越的性能，能够处理不同优先级的业务流，并使各优先级被拒绝业务流数目都达到最小．     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.     

基于小波的异常检测方法研究

针对DDoS攻击引起的网络异常,提出基于小波变换的检测方法.将网络流量分解到不同的频段,根据高频段频谱能量,即小波方差的变化对网络流量异常进行检测.为提高预警的准确性,吸取了路由器的设计思想,用LRU Cache滤掉长时流发现突发流量,实验证明本尝试是有效的.     

基于小波变换的网络流量预测

由于现代的数据通信网络中网络流量存在很强的自相似性,如何降低这种自相似性给网络的性能造成的不利影响成为大家关注的焦点。本文通过实际的网络流量数据,利用小波变换和平稳时间序列的AR模型,实现了对网络流量很好的预测,其结果对于在网络中优化排队算法和实施流量工程具有很好的参考价值。     

基于小波变换与组合模型的网络流量预测算法

针对网络流量在以不同时间尺度分析时呈现不同特性给流量精确预测带来的困难,提出一种基于快速小波变换和季节差分自回归滑动平均组合模型的多分辨分析预测算法.采用小波方法对网络历史流量进行分解以分析不同时间尺度下的流量相关结构,根据不同时间尺度下的流量时间序列的周期性和自相似性,分别选择合适的模型建模用于预测.使用小波方法对各序列的预测值进行重构,得到原始流量的预测结果.仿真结果表明,所提预测方法比同类预测方法具有更高的精度.     

运动目标地震动信号的时频特征分析

该文对由典型地面车辆目标－－轮式车、履带式车引起的地震动信号进行了实时探测，对实验所得的信号，应用短时傅立叶变换、小波及小波包分析方法对信号进行了处理，得到了时频分布矩阵奇异值分布特征（SVD）和小波及小波包分解能量分布特征（WWDD）。采用改进的BP网络，对远距离目标的地震动信号进行目标识别，应用WWDD对远距离信号的识别率可达85％以上，说明WWDD具有更好的可分性。     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。     

网络流量的自相似特性

利用小波技术对网络流量进行特性分析，将网络流量过程分解成不同尺度下的小波系数(细节)和尺度系数(背景)，从而刻画出网络流量的自相似特性.     

基于小波分析的网络流量问题研究

应用小波变换，精确地刻画网络流量的自相似特性，应用Mallat算法模拟网络流量在此基础上，分析了局域网和广域网的网络流量特性．