提供QoS保证的WiMAX Mesh网络架构设计

为解决IEEE 802.16-2004标准中Mesh模式缺乏QoS(Quality of Service)保证机制的问题,提出了新的支持QoS保证的WiMAX(Worldwide Interoperability for Microwave Access)Mesh网络架构。该架构使用原标准已有业务分类,定义了动态业务流建立的协议流程。通过拓展分布式管理消息实现了动态业务管理消息在WiMAX Mesh中的传递。改进Mesh模式下数据子帧分配方法,提供了不同业务的数据调度。改进的分布式调度消息可以快速地`完成业务流建立,数据子帧的分配方法则对不同级别业务提供了吞吐量和时延方面的支持。该架构设计可以有效地实现WiMAX Mesh网络服务质量保证。     

支持大规模分布式网络测量的组件自配置机制

针对大规模分布式网络测量中,大量异构组件需要自动配置和管理才能统一协调运行的问题,提出了分布式网络测量组件自配置机制(CSCM:Components Self-Configuration Mechanism)。采用基于目录服务的方式对组件进行认证和配置管理;并通过资源权限的分配,使全网范围内的测量资源得到合理使用。通过形式化描述和分析CSCM机制的系统模型和运行模型,证明了CSCM具有一阶线性的消息复杂度和收敛时间。并给出一个基于CSCM的分布式网络监测系统(MMS:Monitor and Measurement System),实践证明CSCM增强了MMS的易用性和可扩展性。     

地域通信网聚点团生存性估计方法

为了使地域通信网生存测度考虑时延和链路迂回特性,在跳面节点的基础上提出一种新的地域通信网生存性测度指标——聚点团生存度。计算机仿真结果表明,该生存性测度指标能够同时考虑节点的生存概率以及链路的迂回特性,准确地反映出地域通信网的生存特性。     

Web服务对等联盟组织演化机制

为提高分布式非结构化对等网络中Web服务发现的效率和稳定性,设计了一种以Web服务提供者的服务内容为评价依据的对等联盟演化机制.根据该机制,服务提供者依据各自提供的Web服务内容之间的相似程度,自发形成联盟.每个提供者维护的同盟表用来保存部分盟友列表,从全局形成服务联盟.服务提供者根据盟友关系将Web服务的描述信息发布...     

角点特征在目标识别中的应用

针对在视点变化情况下进行目标识别这一问题,作者结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小.作者还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的角点特征构造方法,通过BP网络实现目标分类.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.     

基于网络环境下的信息资源整合模式探析

分析了网络用户信息环境下的变化和用户信息需求的变化,在此基础之上提出了图书馆门户的5种服务模式以及为实现这些服务图书馆门户系统应当具有的功能构成。     

可扩展的集成化业务服务模型

为了对面向服务的企业(service oriented enterprise,SOE)中的业务服务提供全面的、有业务含义的、可扩展的描述,并支持SOE的业务构建及运行,从业务角度入手,在提出一个SOE运行框架并进行分析的基础上,以业务服务和业务过程为核心,定义了一种多视图的集成化业务服务模型(integrated bu...     

一种支持互联网上跨域流程编排的服务访问代理方法

面向服务架构(service oriented architecture,SOA)适用于分布式企业信息系统的跨域集成方案,但其现行的实现方法很难同时较好地实现系统的高度安全性和服务流程编排的松耦合性。为此提出了一种服务访问代理方法,基于SOA建立了一套服务访问代理系统(service access agentsystem,SAAS),对分布式企业服务总线上的服务资源进行共享管理和访问控制。该方法能够有效保障互联网上跨域集成的安全性,并在此基础上显著改善流程编排的敏捷性和可维护性。在某集团型企业信息化建设中,本方法显示了良好的应用价值。     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.