Ad Hoc网络拓扑持续时间与端到端测量时间约束研究

网络节点的不断运动造成AdHoc网络拓扑的动态性.描述和量化动态性是设计、仿真以及测量Ad Hoc网络的基础.首先推导出Ad Hoc网络的链路持续时间分布和拓扑持续时间分布的计算公式,并进行了仿真验证.然后提出利用TTL值感知拓扑变化的方法,并研究了此方法的感知率.最后基于以上结果,提出将网络断层扫描技术应用于Ad Hoc网络时,在测量时间内网络拓扑不发生变化的概率计算公式,并在Ad Hoc网络步行速度场景下给出了仿真结果.研究结果为Ad Hoc网络动态性和端到端测量技术研究提供基础.     

一种基于流量工程的网络端到端性能分析算法

网络性能分析与优化是面向流量工程网络设计与管理的关键任务之一。以流量工程为基础,应用网络图的方法描述网络拓扑,通过对链路性能参数描述矩阵的标准化变换及网络邻接关联矩阵传递闭包的求解,同时结合网络事件的随机性,给出一种求解网络链路数据传输能力、分析网络端到端连通性能的算法,为网络设计及其性能分析提供了一种便捷可行的方法。     

分层分布式Ad Hoc网络拓扑模型的研究

以战术互联网络应用环境为背景，对分层分布式Ad Hoe网络拓扑仿真模型进行了研究，提出了“分层分阶段拓扑生成算法”，拓扑仿真结果与实际网络拓扑特点相吻合。利用仿真平台Glomosim，将不同网络拓扑连接情况的组网性能参数相比较，发现分层分布式Ad Hoe网络拓扑对系统组网效率影响较大。     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。     

基于链路质量的无线传感器网络路由量度研究

选择合适的路由量度对于提高无线传感器网络的路由效率而言至关重要.综述了现有无线网络几种典型的路由量度,并通过实验研究,发现了无线传感器网络的通信链路存在着高丢失率、非对称性等特点;进而分析了采用传统单一的路由量度方法在设计无线传感器网络路由协议时存在的不足;通过定义链路连接门限β,提出了一种基于Hops与ETX相结合的混合路由量度方法;将此路由量度方法应用于AODV协议中,仿真结果表明所提出的混合路由量度是一种高吞吐量,低丢失率的量度方法,能够为无线传感器网络高效路由协议的设计提供有价值的参考.     

基于分包的混合朴素贝叶斯链路预测模型

隐朴素贝叶斯模型(HNB)和树增强朴素贝叶斯模型(TAN)通过挖掘共邻节点之间的内在关联缓解局部朴素贝叶斯模型(LNB)的强独立性假设,却忽略了真实网络中同时存在关联紧密的节点和相对独立的节点。在此基础上设计一种分包准则,将共邻节点划分为关联共邻节点和独立共邻节点,然后分别对HNB和TAN做分包改进,提出基于分包的混合朴素贝叶斯模型。在平均共邻节点数高的FWFW网络上,分包后HNB和TAN模型与原模型相比AUC值分别提升12%和11.6%。实验结果表明,所提方法能有效提升链路预测性能,并且具有良好的鲁棒性。     

基于不确定链路参数的卫星网络路由算法

对于卫星链路参数在复杂空间环境中存在不确定性的问题,研究了一种基于不确定链路参数的卫星网络路由算法。首先,采用三角模糊数描述链路参数的不确定性;在此基础上,建立卫星网络多约束路由模型;然后,设计保证路径有效性的遗传操作,通过遗传算法对路由模型进行求解;最后,通过仿真分析表明,该算法可以在复杂环境中实现高效路由,在平均时延、时延抖动和丢包率等方面有较好的效果。     

基于能量流的产业网络链路预测

随着产业部门间经济协作不断深入,形成了以产业部门为节点的产业网络。对产业网络中的产业部门未来发生关联的可能性进行预测,有助于推进产业结构升级、实现经济高质量发展。基于生态学的能值理论,挖掘产业部门间的能量流动关系,提出了一种新的基于能量流的产业网络链路预测算法。运用我国2002-2017年期间五个年度的产业关联表为实证数据,验证了算法的有效性和精确度,并且预测了2022年产业网络结构,由此分析各年度产业网络结构演变规律,识别产业网络中的关键产业部门,提出产业结构升级建议。结果表明,相比于经典链路预测算法,基于能量流的产业网络链路预测体现了产业部门间能量流动对产业网络预测的重要性,具有更好的预测精度。     

基于OBDD的通信网链路重要性评估

通信网的链路重要性评估是网络设计和维护的重要依据。在链路重要性评估方法上提出了一种基于有序二叉决策图(ordered binary decision diagram, OBDD)的新方法--BO(Birnbaum OBDD, BO)方法。该方法引入了Birnbaum测度来量化链路重要性,并采用边扩张图(edge expansion diagram,EED)来创建网络的OBDD结构,在可靠度计算基础之上,通过分析链路故障时网络可靠度得到Birnbaum测度值。BO方法将高效的OBDD结构与hash表结合起来,并通过识别计算中出现的同构子网,减少冗余状态与重复计算来提高整体计算效率。引入并对比经典可靠性文献中一些规模较大网络,通过实验验证了BO方法不仅能正确地评估网络链路重要性,而且在计算效率方面优于因子分解方法。     

基于贝叶斯算法的天线端到端优化

在确定天线的拓扑结构以后, 通常需要对天线的结构参数开展反复的优化才能达到设计目标, 快速有效的优化算法有利于缩短天线的设计周期。在建立综合目标函数的基础上, 同时考虑天线的多个优化目标和限制条件, 使用贝叶斯优化算法对天线进行端到端优化。基于在线更新的数据集, 高斯过程估计出目标函数的后验分布, 进而使用获得函数进行迭代。通过两种天线模型对提出的优化算法进行仿真验证, 结果表明, 由于建立了天线参数到综合目标函数的映射关系, 整个优化过程以端到端的方式实现, 与传统的优化方法相比, 所提算法的优化结果和优化速度都具有明显的优势。     

基于仿真的有线通信网络连接方案优化研究

费用问题是有线通信网络建设过程中的重要问题.针对通信网络费用计算过程中的拓扑结构问题和定性值量化问题,分别研究了"演进法"和"拟合法".其中"演进法"大大减少了拓扑结构选择的计算量,使多节点连接方案计算成为可能;"拟合法"为多层定性值的量化提供了手段.把这两种方法综合到仿真计算过程中,为选择费用最小的网络连接方案提供了支持.     

基于模糊神经网络的实时路段行程时间估计

基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .     

基于拓扑维持时间的移动自组网拓扑控制

针对移动自组网拓扑结构不断变化的特点,提出一种基于拓扑维持时间的移动自组网拓扑控制协议.节点通过预测邻接关系维持时间进而感知邻近节点的稳定度,调整传输范围构建拓扑结构;并且根据拓扑维持时间预测拓扑的失效时刻,自适应进行拓扑维护.实验结果表明:该协议能有效地减小网络链路通断次数和重构维护次数,降低潞由修复等开销,提高网络吞吐率.     

基于异轨动态建链的低轨星座拓扑控制技术研究与仿真

低轨星座卫星通信系统中由于卫星间的相对运动使整个网络拓扑变化频繁,是一个全动态网络,这给低轨星座的拓扑控制带来了挑战.研究具有同轨及异轨星间链路的24/3/1 Walker星座网络,提出了两种异轨动态建链的拓扑控制方案,并对其进行了相应的仿真研究,得出了有价值的结论.     

基于目标之间拓扑信息的数据关联方法

数据关联是多平台多源信息融合系统中的关键问题。当传感器平台高速移动时,其自身的定姿定位往往存在一定误差,此时多个传感器对同一目标形成的量测经过坐标转换到同一坐标系下后会存在很大偏差,通过目标位置、速度等信息进行关联难度较大。所以,尝试提取目标的另一特征—目标之间的拓扑信息,通过对目标之间的拓扑信息进行模糊匹配和搜索,找到最佳的关联拓扑组,为数据关联和配准提供进一步校准的先验信息。仿真实验表明该方法具有较高的关联精度和鲁棒性。     

基于模糊CMAC神经网络的过程辨识与优化

提出一种利用FCMAC(fuzzy cerebellar model articulation controller)神经网络进行工业过程的辨识和稳态优化方法。利用FCMAC神经网络的优点,基于系统的动态信息,在不干扰系统正常运行的情况下获得当前时刻下系统的稳态模型,并在此模型的基础上,对系统进行稳态优化。仿真结果证明了该方法的有效性与优越性。     

基于深度残差神经网络的电阻层析成像及流型辨识方法

针对电阻层析成像(electrical resistance tomography, ERT)反问题成像精度和流型识别准确率偏低的问题,提出一种基于深度残差神经网络的两相流电阻层析成像及流型识别方法。利用有限元法对ERT正问题建模,构造多种气液两相流分布状态的“边界电压–电导率分布–流型类别”数据集。搭建用于气液两相流ERT图像重建和流型辨识的残差神经网络模型并进行网络训练,将残差神经网络的两个输出分别进行数据处理,得到重建的电导率分布图像和流型辨识结果。仿真与静态实验结果表明：该方法能够同时实现成像及流型辨识的需求,具有重建图像精度高、泛化性和抗噪性强、流型辨识准确度高的特点。     

基于数据链的雷达误差配准算法

针对没有航迹关联和系统误差分布先验信息的情况,利用数据链系统合作目标的精确参与平台定位与识别(PPLI)报告功能,提出了一种雷达系统误差配准算法.算法将雷达与PPLI航迹对映射为参数域点集,定义了参数域上的信任函数,证明了在一定假设下信任函数随公共航迹数量增加依概率收敛于以系统误差点为均值的正态分布概率密度函数,通过搜索信任函数峰值初步估计雷达系统误差.在此基础上求解雷达航迹与PPLI航迹全局最优关联关系并精确估计雷达系统误差.通过蒙特卡洛仿真验证了算法性能接近Cramér-Rao下界.