一种AODV路由协议端到端认证方案

在分析AODV路由发现机制安全性的基础上,提出使用不对称加密机制保护AODV的路由发现信息,实现有效的端到端路由认证,以弥补AODV协议安全性的不足.     

q对称熵损失函数下指数分布的参数估计

提出对称熵损失函数的一般形式(λ/δ)^q+(δ/λ)^q-2(q>0) , 即q对称熵损失. 讨论指数分布的尺度参数在此损失函数下的最小风险同变估计、 Bayes 估计和最小最大估计, 给出了更具一般性的结论, 并研究了(cT+d)^-1形式 估计的可容许性和不可容许性.     

均衡流量的改进AODV协议

基于距离向量的按需路由协议是adhoc网络中一种具有代表性的按需路由协议.与传统路由协议相比,按需路由协议减少了建立和维护路由所需要的开支,但是随着网络节点发送数据量的增加,网络性能会迅速下降.针对这一问题,提出了一种简单有效的均衡流量改进AODV协议——TB-AODV协议.在TB-AODV协议中,每个节点根据本地链路层的负荷,决定拒绝或接受收到的路由请求,以避免加重局部拥塞,使得网络的负荷能更加均匀地分布.仿真结果表明,改进后的协议提高了网络的吞吐率,降低了分组传送的平均端到端延时,改善了网络性能.     

IP波长路由器设计与实验研究

设计了一种新的骨干网中实现IP波长路由的方法,称为DPDP(缺省波长和专用波长),设计实验验证了节点结构设计、工作流程和相应通信协议设计的合理性,最后对相关问题进行了讨论。     

三维重建中特征点提取与匹配算法研究

提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.     

PSO基础的链路平衡NoC映射与路由

针对NoC设计流程中IP核映射和路由分配两个关键步骤,提出了一种基于PSO低功耗IP核映射和链路平衡的路由分配算法PLBMR。PLBMR是一个两步PSO优化算法,在建立NoC的通信功耗和链路负载的数学表示的基础上,采用一种有效IP核映射与路由分配的PSO粒子编码方法,使得NoC的通信能量消耗最小以及保证NoC的通信链路负载平衡。仿真结果表明,采用PLBMR算法产生的NoC通信能量消耗平均比GA和BnB分别少了0.7%和0.6%,特别是,PLBMR算法在计算时间上都优于GA和BnB;对于链路负载的平衡能力,PLBMR平均分别比MOCA小了9%,比BnB小了7%。     

k-冗余结构无线自组网广播算法研究

针对k-冗余连接路由算法的特点,对最优广播树的生成算法进行了研究。首先根据最优广播树的数学模型,证明了它是一个NP难题(NP-Complete)。然后针对网络拓扑的特点提出了启发式广播树生成算法。针对算法的特点,分析了算法复杂度和算法的效率。结合GlomoSim仿真平台,在无线网络环境下对算法的效率进行了仿真,将协议的性能与简单广播算法进行了比较。仿真结果表明,启发式广播算法能够减小网络开销和节点的转发次数,提高网络的传输效率。     

龙卷与怪雨

1834年5月16日,印度一次猛烈风暴后,在一个村庄里满地是鱼。 1940年6月17日,前苏联高尔基省巴甫洛夫区米西里村突然一声霹雷,在蓝色的闪光中一串串金光灿灿的古钱挂在天地相连的雨幕上,原来是数千枚16世纪末期伊凡五世的银币随雨而落。同年在高尔基省又突然下了一阵夹带有大量古老铜钱的铜钱雨。 1960年3月1日下午,法国南部地中海沿岸的土伦地区,随着乌云翻滚、惊天霹雷,无数只青蛙从灰暗的天空“飞”降至地面。 1983年5月11日下午2时左右,在我国河南省桐柏县彭庄所降的青蛙雨,每平方米也有100只左右。     

一种新的并行计算机网络模型及其路由算法

为了提高并行计算机的通信效率,基于Petersen图提出了一种新的网络结构-GP（n,k）网络．该结构继承了Petersen图简单的拓扑结构,同时具有良好的可扩展性．主要研究了其中一类GP（n,k）网络即GP（i^2,i）的拓扑性质,给出了它优于2-Dtorus的直径．最后设计出GP（i^2,i）的单播及多播路由算法．     

基于多尺度特征融合的超分辨率重建算法研究

超分辨率重建技术可以提高图像质量,使原图像具有更丰富的细节信息。针对现有的超分辨率重建算法存在提取特征单一、不利于对图像信息进一步提取的问题,提出了一种基于多尺度特征融合的超分辨率重建算法。采用多特征提取模块获取更多浅层信息,并在网络中添加密集连接结构,增强特征的传播,减少相关参数计算,减轻梯度消失问题。在Set5和Set14基准数据集上进行了测试,并在电力巡检数据集上进一步验证了算法的有效性。与主流的超分辨率重建方法进行了对比,实验结果表明,该方法生成的图像有更加丰富的细节信息,能够有效地改善图像质量,峰值信噪比与结构相似度值较其他主流算法均有一定的提高。