基于网络环境的电台模拟训练系统设计与实现

提出了基于TCP/IP的电台模拟训练系统,构建了由主控计算机、电台模拟器、话音交换器、数据传输网络等四个分系统组成的系统框架,设计了系统模块之间的通信和控制协议。系统采用实物模拟仿真技术,实现了电台全部操作和响应过程的模拟。     

基于免疫粒子群的最小连通支配集求解算法

为解决复杂网络最小连通支配集(MCDS)求解算法复杂度高、速度慢及解的精确度差等问题,采用一种免疫粒子群优化(IPSO)算法进行求解.该算法将连通支配集的支配规则转化为基于邻接矩阵的并集约束,并结合图连通分支约束设计优化目标,采用二进制粒子群算法对MCDS进行求解.在求解过程中引入免疫机制,依据网络关键节点与支配节点之间的重叠关系,设置抗原因子,指导粒子群搜索方向、加快算法收敛速度.在随机网络上的仿真实验表明:相较于传统算法,所提算法能够找出网络的MCDS,并且在保证解精度的前提下提高了求解速度.     

基于模糊单类支持向量机的丢包区分算法

针对现有丢包区分算法难以获取先验知识和不具有推广性的问题,通过对模糊单类支持向量机的改进提出一种新的丢包区分算法。该算法根据无线误码丢包与按序到达包的时延特征分布一致的特点,由按序到达包的时延特征构成训练集,从而将区分误码丢包和拥塞丢包的二分类问题转化为判断丢包是否为误码丢包的单分类问题。由于无需采集两类丢包样本,解决了难以获取先验知识的问题,使新算法能实现在线的模型训练和丢包区分,具有很好的推广能力。仿真结果显示,新算法区分效果良好,提高了无线网络的传输效率。     

一种CDRWPCA网络故障特征提取算法

针对主元成分分析(PCA)在网络故障特征提取过程中可能丢失分类信息的问题,提出了一种中心距离比值加权主元成分分析(CDRWPCA)算法。算法计算样本每维特征的中心距离比值来衡量特征间的差异，并根据特征差异构造权重因子,对更具有鉴别性的特征赋予更大的权重,得到加权数据集;然后对加权数据集运用PCA进行特征提取后将提取后的数据集送入支持向量机(SVM)验证算法的有效性。算法相比较与PCA算法增加了时间复杂度,但相对于PCA算法本身的时间复杂度,增加不多。在网络故障诊断中的实验结果表明算法能在提取特征维数更少的情况下,提高了故障识别率。     

基于局部弹性路由层的关键航路段改航规划

空中交通流量管理中,改航规划是一项重要工作,可为失效的航班提供新的飞行路径,减小延误损失,提高空域利用率。目前的改航策略往往只考虑静态网络中的最短路问题,忽略了流量负载均衡,不利于解决多航段故障问题。本文提出了一种基于局部弹性路由层(local resilient routing layer, LRRL)的改航规划策略:利用连边删除评估法识别航路网络中的关键航路段集合,对其建立LRRL,通过二进制粒子群优化(binary particle swarm optimization, BPSO)算法进行优化,形成最优改航规划预案。仿真结果显示,该方法在多机场多航段故障时可提供兼顾流量负载均衡、重要航路保护度及其改航成本的改航预案,辅助管制指挥人员决策。