Internet上流媒体实时多点播放质量适应机制研究

在视频单点播放质量适应机制和VOD系统的代理缓冲机制的基础上,就Internet上流媒体的实时多点播系统提出了一种以分层编码为模型的代理缓冲质量适应机制,着重讨论了数据层的增加和丢弃算法及数据层在代理缓冲空间中的分配和替代过程,实例分析表明该机制能有效地提高各接收方的播放质量并使得播放过程具有平滑性。     

一种基于蚁群智能算法的航迹优化方法

航路规划是飞机地形回避系统的一个关键环节,是完成低空飞行任务的基础。针对飞机地形回避过程的航路规划技术进行研究,利用k均值算法对地形采样点进行聚类,建立地形障碍空间模型。运用狄克斯特拉算法进行初始航迹规划,然后利用蚁群智能算法对航迹进行优化,缩短整个航线的航程。通过仿真验证了方案的可行性和合理性。     

考虑驾驶员行为的车辆防撞系统仿真评价

 为评价车辆防撞警告算法的有效性,建立了以有效警告率、误警率等为主要评价指标的评价体系。根据实际道路交通情况,设计仿真场景,根据有无防撞警告系统条件设计实验组与对照组。采用Visual Basic 2005对微观交通仿真软件VISSIM进行二次开发,实现了警告算法仿真评价平台,实现了VB端参数输入、仿真结果输出以及指标自动统计等功能。实验中考虑了驾驶员反应时间与车辆减速度不同带来的影响。在仿真平台上,以Honda与PATH两种警告算法为例,进行仿真评价分析与比较。实验结果表明,前者有效警告率较低,而后者有效警告率较高,但同时误警率也较高。上述结论与相关研究一致,表明该评价方法能够对各种警告算法进行有效而低成本的定量分析评价。     

紧迫危险避碰决策支持模块设计及其应用

为有效解决紧迫危险时的避碰问题,积累更多的海上避碰经验,在船舶拟人智能避碰决策（PIDVCA）研究成果的基础上,提出了紧迫危险协调避碰决策支持模块的设计思路与实现方法;探讨了将该模块应用于航海模拟器培训教学实践的思路     

自适应拥塞控制系统中LDoS攻击仿真和分析

针对自适应拥塞控制系统操作特性所出现的低速率拒绝服务攻击（LDoS,Low-rate Denial of Service attacks）是近年来的一类新型DoS攻击。与传统洪范式DoS攻击相比,LDoS具有攻击效率更高、检测难度更大等特点。在对常用攻击模拟分析平台NS2进行缺陷分析的基础上,提出了一种基于有色Petri网（CPN）的LDoS攻击系统建模方法,应用仿真工具CPN Tools实现了对目标系统行为及LDoS攻击效果的仿真,并在此基础上提出了一种基于自适应资源投放的系统防范方案,仿真结果表明此方案能够有效降低LDoS攻击对目标系统服务质量的影响。     

两次随机丢包的被动队列管理算法

主动队列管理算法增加了硬件资源和运算量的开销,并且存在参数设置敏感,响应相对滞后于实际网络状况的缺陷,并没有在实际网络上推广使用。因此对目前使用最多的弃尾被动队列管理进行改进,提出了两次随机丢包的被动队列管理算法。在队列满时,两次随机丢弃队列中的数据包,改善弃尾队列管理的缺陷,提高了网络传输性能;提出了速度公平性的概念,两次随机丢包的被动队列管理算法对占据队列较多的TCP链接有更好的惩罚作用,能有效提高RTT公平性和速度公平性;该算法计算量小;NS2仿真表明该算法的有效性。     

一种认知无线网络中TCP拥塞窗口的在线学习方法

在认知无线电中,改进传输层协议提高吞吐量的方法引起了业界的广泛关注。采用可用带宽测量技术,提出了一种基于ACK时间间隔的在线学习方法(TCP-Learning)。该方法能够快速地学习到网络链路中可用剩余带宽;并能够快速调整TCP拥塞窗口。仿真结果表明,在链路处于良好状态下,TCP-Learning吞吐量略优于Reno和Vegas等传统拥塞控制算法,但在链路较差情况下,TCP-Learning吞吐量明显优于Reno和Vegas等传统拥塞控制算法。     

基于终端的QoS控制技术研究

研究了基于终端的QoS控制技术———拥塞控制和错误控制.通过对各种控制方案的特点进行分析比较总结出设计基于终端的QoS控制策略的几个原则.其中,重点介绍了一种混合的速率控制方案,该方案能明显提升多媒体数据处理的质量.     

石油企业纳税筹划的风险与防范

纳税筹划可给石油企业带来税收利益,但同时也存在着不可忽视的风险。从风险的内涵入手,通过对石油企业进行纳税筹划可能面临的风险,以及引起纳税筹划风险的不确定性因素进行深入分析,最终提出风险的防范措施,以期对石油企业的实际生产经营有一定的参考价值。     

未知环境下基于模糊神经网络的机器人路径规划

为提高移动机器人在未知环境下避障行为的成功率,通过对障碍物信息的输入,从控制输出数据中找出避障行为模式,生成相应的模糊逻辑控制规则,并把模糊控制算法引入到神经网络中,使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并最终到达目标.系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性.