高速网络业务模型及数据流量反馈控制研究

分析了高速通信网络不同业务类型的特点．根据不同业务对网络服务质量（ＱＯＳ）的要求及动态占用带宽的优先度,将其分为两种类型：一类业务可在预定的范围改变其传输速率,另一类是被动的,网络根据可用带宽的大小动态地调节其传输速率．文中给出了一种业务流量控制模型,该模型把带宽的高效率利用归结为如何对被动业务流量进行控制．按充分利用信道容量的原则,提出了一种自适应反馈控制算法．模拟表明,这种控制方法有良好的性能．     

基于正交约束常模算法的MIMO系统盲信号分离

文中提出一个基于线性即时混合类型的两步盲信号分离方案。该方案先利用接收信号的二阶统计特性对信号进行白化,然后利用常模算法对信号向量进行自适应的盲分离。为了使每一个输出端都能分离出一个独立的信号,文中提出一种基于正交约束的常模算法,仿真结果表明该算法不仅能使每个输出端收敛到一个独立的输入端,并且能使收敛速度加快。     

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．     

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.     

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。     

互联网ISP服务质量的监测

衡量网络服务提供者（ISP）优劣的指标是服务质量，但目前许多ISP还缺少对服务质量的监测，本文探讨服务质量监测的原理和方法，以及主要服务类别的各项指标和测试方法，并给出了一些监测实例。     

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.     

H.263系统中FPGA控制及协处理的实现

分析了基于DSP实现H.263系统的构成,比较了几种用FPGA实现对DSP数据处理的协处理方案,并用vHDL代码实现了两组16位数据串行输入并行输出移位寄存器缓存与输出的优选方案.最后的仿真结果证明该方案是可行的.     

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.