基于接收方信用量调整的TCP新算法

传输控制协议(transport control protocol, TCP)发送窗口的大小由拥塞窗口和接收方确认窗口中较小的值来确定。在高速网络中,通过合理地增加拥塞窗口,可以提高TCP的性能。然而,一个相对较小的接收方确认窗口将限制发送窗口的增加,如果根据TCP接收方的数据变化率恰当地增加接收方确认窗口赋予发送方的信用量,就能减少这种限制。提出一种增强的TCP算法,命名为接收方信用量调整传输控制协议（receiver credit adjustment transport control protocol, RCA-TCP）,该算法根据TCP接收方缓冲区的动态数据变化率和TCP连接的最小往返时间之间的乘积的估计值来获得信用量增量。在ns-2(network simulator, version 2)下仿真表明,该算法能获得更好的性能。     

基于网络协议栈模块化的802.16跨层交互管理

针对跨层设计的软件实现架构尚未成熟的问题,提出一种考虑网络协议栈模块化现象的跨层交互管理算法CLIM.该方法使用DSA机制和消息队列机制,令跨层交互的实现更加灵活,并维持了网络协议栈的良好架构.仿真表明,在CLIM中运行跨层交互的时间开销较小,且CLIM算法可与IEEE 802.16信令机制相结合,使得在802.16设备中使用多种跨层设计算法成为可能.     

现代网络业务流的几个基本定律

为了采用有物理意义的参数,在多个时间尺度下对现代网络业务流进行建模,考察了网络流量长相关(LRD)的基本特征,提出了业务流中满足的几个基本定律,揭示了在流量中描述LRD定量关系的参数cγ(或cf)、流量聚集级m、平均到达率l之间的基本关系,并通过实际测量的数据加以验证.所提出的定律表明:(1)流量确实存在LRD行为;(2)平均到达率(TCP和IP流等)与参数cγ(或cf)存在一定的统计定量关系.     

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.     

大规模网络中基于FFT的呼叫阻塞率的快速算法

在大规模网络条件下，Kaufman提出的一维递推快速呼叫阻塞率（CBP）算法由于其呼叫阻塞率的计算将导致系统计算溢出，改进的Kaufman方案虽然消除了计算溢出，但是其计算时间随网络规模的变大呈指数增长．有鉴于此，文中提出了一种基于快速傅立叶变换（FFT）方法和计算溢出避免预处理机制的呼叫阻塞率快速计算方法．仿真结果表明，该算法消除了计算溢出且降低了计算复杂度，具有计算简单、无误差、速度快的优点．     

构造 TCM 好码的动态规划算法

提出了一种构造ＴＣＭ好码的动态规划算法（ＤＰ）．ＤＰ算法在建立了ＴＣＭ好码规则、编码器及信号网格图间的对应关系的基础上,采用动态规划算法进行寻优,从而获得ＴＣＭ好码．与常规ＴＣＭ好码构造算法［４,５］相比,本算法在精度、计算复杂度和灵活性上均有所改进．     

双选择信道下叠加训练OFDM系统的迭代信道估计与均衡

在频率和时间双选择性信道下,时域冲击响应将会在一个OFDM符号时间内发生变化,导致OFDM系统出现严重的子载波间干扰。本文提出一种在双选择性信道下利用叠加训练序列进行迭代信道估计和均衡的方案。在假设时域信道抽头系数服从指数基扩展参数模型以后,利用在一个符号内的已知叠加周期训练序列建立线性模型,并基于最小二乘准则求出信道参数模型的各个抽头参数,从而构造出对应的时域信道响应矩阵和频域均衡矩阵。为进一步改善估计和均衡性能,将所得的符号判决作为已知的训练序列进行迭代估计和均衡,从而能有效地增强信道估计的性能并消除ICI干扰。实验结果表明本文算法在时间－频率双选择性信道下具有较好的性能。     

利用多波束智能天线提高Wiamx MESH网络集中调度性能的方法

在Wimax（IEEE802.16）Mesh网络集中调度机制中,通常采用树形拓扑,由于数据都是往来于Mesh基站（MBS,Mesh Base Station）的,越靠近MBS的节点,需要中继的数据越多,因此越可能成为影响网络吞吐量的瓶颈节点。当采用全向天线时,使用各种先进的调度算法都不能有效解决这个瓶颈问题。提出了在网络节点上（尤其是在瓶颈节点上）使用多波束智能天线,使更多链路可以并行传输,从而有效解决瓶颈问题。仿真结果表明,提出的方法可以显著提高网络吞吐量,而且,仅在瓶颈节点上使用多波束智能天线,可以在性能与代价之间进行折中。     

基于神经网络的ATM网络ABR业务流量控制

提出了异步转移模式ATM网络可用位速率ABR业务一种基于神经网络的流量控制方法。采用基于径向基神经网络的流量控制算法可以实现在线学习,自适应根据流量大小的变化和网络的拥塞状况调整神经网络的模型参数。仿真结果表明与传统的静态反馈方法相比,文中所用的算法可有效地提高信道的利用率和降低信元丢失率。     

无线Mesh回程网的跨层优化快速算法

针对时分多址(TDMA)模式下无线Mesh回程网的路由及调度的跨层优化问题,提出了两种跨层优化的快速算法.首先在以最短系统调度时间为目标的跨层优化模型的基础上,提出了一种基于极大团搜索的快速最优算法,该算法通过Bron-Kerbosch极大团搜索算法列举出网络中所有极大并发传输模式,简化了跨层优化模型,从而可以用线性规划方法最小化系统调度时间,极大提高了运算的速度.仿真结果表明,与经典的列生成最优算法相比,该算法的运算时间缩短了99%以上.根据无线Mesh回程网的流量特点,文中还提出了一种基于链路权重分类的快速启发式算法,该算法能以较大的概率筛选出含有较大权重链路的极大并发传输模式.仿真结果表明,对于35节点的网络,该算法得到的次优结果相对于最优的平均偏离率在0.5%以下,平均运算时间仅为极大团最优算法的2.5%左右.