基于网络坐标的BitTorrent Multi-Tracker机制

针对BitTorrent(BT)的Multi-Tracker机制中,下载节点对Tracker服务器的随机选择策略影响了文件传输性能的问题。该文引入了网络坐标技术,提出了一种基于网络坐标的Multi-Tracker机制(mTracker)。在这种机制下,下载节点将通过网络坐标的计算选择与自己邻近的Tracker服务器进行连接,并且通过Tracker得到邻近的邻居。这种改进优化了整个BT的覆盖网络。仿真实验表明:基于网络坐标的Multi-Tracker机制使得BT的覆盖网络更有效率,有效降低了BT下载中用于下载节点与Tracker间通信以及节点之间数据传输的开销。     

面向终端的移动用户行为可视化分析

该文面向移动门户网站设计实现了一个日志数据统计与挖掘系统,给出了实时的访问用户日志数据与获取的用户群体的网络行为数据的关联机制,实现了定性描述该机制的终端发售事件捕捉功能,建立了用户群体点击预制入口转化率提取模型,用以描述关联效率和价值,并得到了用户群体访问行为的分布。研究工作将为相关运营商提供有益的参考。     

基于邻近原则的BitTorrent实验研究

BitTorrent（BT）是一种基于P2P的文件共享软件,有着十分广泛的应用.在BT中,默认参与节点随机选择其它节点作为网络中的邻居构成覆盖网络,不能根据节点的位置优化覆盖网络,影响了BT中文件传输的性能.BT的有偏邻居选择,指的是BT Tracker参照BT Client在互联网中的位置,向BT有针对性地提供相应的邻居,优化BT的覆盖网络,使得BT的文件传输效率得到提高.本文提出了一种基于邻近原则优化BT文件传输速率的机制.首先利用网络坐标对BT网络参与节点在互联网中的位置进行计算；之后,根据网络坐标,对于BT参与节点的邻居进行了有偏选择；BT参与节点经过分布式聚类得到基于邻近原则的覆盖网络.仿真实验显示,基于网络坐标的有偏邻居选择对于BT整体文件传输性能有较大的提升.     

《语音信号处理》实验教学研究与实践

语音信号处理是实现人机交互和话音通信技术的基础,语音信号处理教学实验课程在国外著名大学的电子工程系中普遍开设。语音信号处理实验课是为适应当前人才培养需求,配合语音信号处理课程课堂教学而开设的。通过语音信号处理实验可以让学生深入掌握数字信号处理的基本方法、属于准平稳随机过程的语音信号的特点、语音通信中编码方法、话音质量评价方法、语言信息处理的基本方法、统计模式识别的基本原理等基础知识和应用方法,并增加对实际建模方法和算法编程能力及基本理论的应用能力。在培养学生的动手和分析解决问题能力的同时激发学生对相关领域的研究兴趣。本实验课对深入学习语音信号处理课程深入以及培养语音领域高层次人才具有重要意义。     

基于坐标的网络节点聚类在Internet中的实验研究

在分布式网络应用中,节点聚类是构建高效网络体系结构的有效办法. 网络坐标能够反映节点在Internet中的位置,利用网络坐标可以对网络节点之间的距离进行预测. 在测量各个节点的网络坐标的基础上,利用Triangulated heuristic方法对节点间的网络距离进行预测,提出了网络距离作为参数对网络节点进行分布式聚类的算法,并在PlanetLab分布式实验床遍布全球的156个节点上进行了实际的测量和分析. 分析结果表明,算法能够在网络规模较大的情况下对网络节点进行分布式聚类,算法有较高的可靠性和可扩展性.     

CERNET2 IPv6网络层拓扑发现

网络拓扑发现是网络体系结构、路由协议设计和各种网络应用的基础.与一般IPv4拓扑发现技术相比,IPv6的网络层拓扑发现有其自身的特点.本文针对CERNET2 IPv6网络层拓扑发现的需求,提出了改进的基于IPv6源路由Source Routing的IPv6网络层拓扑发现技术,在6PlanetLab实验平台部署了CERNET2网络层拓扑分布式发现系统Detector.Detector主动发出带有源路由Source Routing选项的TCP、UDP和ICMPv6探测包,并建立模型分析得到的ICMPv6响应数据包,研究CERNET2主干网及各下级AS的网络层拓扑结构.实验结果表明,Detector能更迅速地得到更加完整的IPv6网络层拓扑,更好地完成CERNET2网络层拓扑发现.     

Wavelet Neural Networks for Adaptive Equalization by Using the Orthogonal Least Square Algorithm

Equalizers are widely used in digital communication systems for corrupted or time varying channels. To overcome performance decline for noisy and nonlinear channels, many kinds of neural network models have been used in nonlinear equalization. In this paper, we propose a new nonlinear channel equalization, which is structured by wavelet neural networks. The orthogonal least square algorithm is applied to update the weighting matrix of wavelet networks to form a more compact wavelet basis unit, thus obtaining good equalization performance. The experimental results show that performance of the proposed equalizer based on wavelet networks can significantly improve the neural modeling accuracy and outperform conventional neural network equalization in signal to noise ratio and channel non-linearity.     

基于邻近原则的BitTorrent实验研究

BitTorrent（BT）是一种基于P2P的文件共享软件,有着十分广泛的应用.在BT中,默认参与节点随机选择其它节点作为网络中的邻居构成覆盖网络,不能根据节点的位置优化覆盖网络,影响了BT中文件传输的性能.BT的有偏邻居选择,指的是BTTracker参照BTClient在互联网中的位置,向BT有针对性地提供相应的邻居,优化BT的覆盖网络,使得BT的文件传输效率得到提高.本文提出了一种基于邻近原则优化BT文件传输速率的机制.首先利用网络坐标对BT网络参与节点在互联网中的位置进行计算;之后,根据网络坐标,对于BT参与节点的邻居进行了有偏选择;BT参与节点经过分布式聚类得到基于邻近原则的覆盖网络.仿真实验显示,基于网络坐标的有偏邻居选择对于BT整体文件传输性能有较大的提升.     

面向多描述编码的应用层组播树系统的设计与实现

多描述编码 [1-2] (MDC)在提高P2P流媒体系统的服务质量方面起着重要作用,作为其传输平台的应用层组播树系统 [3] 的构建及其在高动态网络中的性能研究是目前互联网研究领域中的重要问题.本文针对多描述编码的特点,设计实现了采用确定性组播树管理算法的多组播树系统,并基于PlanetLab [4] 分布式实验床分析了系统在P2P流媒体系统中应用的性能.实验结果表明,在节点非正常退出时,采用确定性算法构建的多组播树比单组播树和采用随机性算法构建的多组播树具有更好的数据传输连续性,而系统的恢复能力和数据传输连续性随着系统中组播树数量的增加而增强.     

面向多描述编码的应用层组播树系统的设计与实现

多描述编码（MDC）在提高P2P流媒体系统的服务质量方面起着重要作用,作为其传输平台的应用层组播树系统的构建及其在高动态网络中的性能研究是目前互联网研究领域中的重要问题.本文针对多描述编码的特点,设计实现了采用确定性组播树管理算法的多组播树系统,并基于PlanetLab分布式实验床分析了系统在P2P流媒体系统中应用的性能.实验结果表明,在节点非正常退出时,采用确定性算法构建的多组播树比单组播树和采用随机性算法构建的多组播树具有更好的数据传输连续性,而系统的恢复能力和数据传输连续性随着系统中组播树数量的增加而增强.