基于多业务QoS服务的拓扑控制算法研究

随着无线网络技术的不断发展,无线Ad hoc网络中,快速变化的网络拓扑影响着网络的性能。因此,在实现网络能量优化的前提下,如何提供有效的QoS服务来满足多业务要求是无线Ad hoc网络所必须面对的问题。针对此问题,提出了一种基于多业务需求的拓扑控制的方法,该方法考虑业务QoS指标的同时引入跨层的设计思想,实现了跨层的功率控制,减少了网络中节点的能量消耗,延长了网络的生命周期。     

一种基于SDN的CCN集中控制缓存决策方法

在软件定义网络(SDN)和内容中心网络(CCN)融合架构下,为了充分利用控制层对网络拓扑和缓存资源的全局感知,在全网中实现缓存资源的优化使用,提出了一种集中控制的缓存决策优化方案.在该方案中,应用粒子群优化算法(PSO)并且根据节点边缘度、节点重要度以及内容流行度对缓存资源和内容进行集中缓存决策,使得内容在不同的节点进行合理的缓存.仿真结果表明,通过评估缓存大小对缓存性能的影响,PSO缓存决策方法取得了比LCE、PROB缓存决策策略更优的缓存命中率和路径延展率,明显降低了缓存节点的缓存替换数,使得缓存达到了整体缓存优化.     

基于GMPLS的智能光网络生存性研究

智能光网络是在光路由和信令控制下完成自动交换连接功能的新一代光网络。在传输带宽和业务应用需求的双重驱动下，智能光网络作为光传送网的发展趋势正得到越来越多的关注。本文介绍并分析了目前智能光网络的结构特点，在此基础上引入了通用多协议标记交换(GMPLS)技术，最后提出并详细阐述了基于GMPLS的生存性方案。     

基于T-MPLS的路由与波长分配问题研究

文章介绍了光传送网承载传送多协议标签交换(T-MPLS)的结构,分析了解决基于T-MPLS的路由与波长分配(RWA)问题所采用的算法的类型.随后,将基于T-MPLS的RWA问题分为路由选择和波长分配两个子问题,结合T-MPLS技术的特点分别从支持流量工程、多域情况、支持组播和支持区分业务等方面进行研究.     

面向多业务场景的端到端网络切片安全部署算法

5G移动通信中,网络切片(NS)的引入成功解决了不同业务场景的网络资源分配不均问题.针对传统算法无法满足5G网络的多业务场景切片安全部署问题,该文提出一种针对于多业务场景的端到端网络切片安全需求(NSR)部署算法.首先,针对切片部署过程中节点的安全性进行了定义;其次,根据节点的安全性进行排序和映射,在此基础上,以最小化...     

SDH多环网络情况下自愈问题的研究

以往考虑SDH网的恢复时，即使实际网络由多个SDH环构成，也以单环恢复机制进行恢复。在此我们讨论了从多环网的角度考虑SDH网恢复的必要性和现实意义，并针对这一问题，提出了相应的解决方案。     

LTE-Advanced中继系统基于资源共享的呼叫接纳控制方法

针对LTE-Advanced中继系统提出了一种基于资源共享的呼叫接纳控制方法。如果目标站点内新用户和切换用户共享资源已经被使用完,切换用户可以使用目标站点为切换用户预留的资源接入系统,而新用户则可以通过目标站点所在小区内的站点间资源共享接入系统。仿真结果表明,与LTE-Advanced系统固定带宽预留方案和LTE-Advanced中继系统固定带宽预留方案相比较,提出的算法能有效降低小区内新用户阻塞率和切换用户的掉话率,并且能够提高系统的资源利用率。     

基于用户偏好的异构网络选择算法研究

针对当前大多数网络选择算法没有充分考虑用户基于业务的网络偏好这一问题,提出了一种基于用户偏好的异构网络选择算法。该算法充分考虑业务需求、用户偏好及网络性能差异,通过层次分析法和距离分析法分别计算用户对各候选网络的主观和客观偏好权重,根据用户策略动态确定综合权重,并由此结合各属性权重计算网络性能,选出最优网络。仿真结果表明该算法可以准确选择接入网络,并当用户在网络边缘做兵乓运动时有效减少切换次数。     

冲击噪声下基于相关熵的二维ESPRIT算法

针对基于相关函数的波达方向(Direction of Arrival, DOA)估计方法在冲击噪声环境下性能下降明显甚至失效的问题,提出基于相关熵 (Correntropy)的二维ESPRIT算法。该方法利用相关熵在冲击噪声环境下具有鲁棒性的优点,将受干扰信号的自相关函数替换为相关熵函数,并结合二维ESPRIT算法实现在冲击噪声环境下进行二维DOA估计。仿真表明,与基于分数低阶统计(Fractional Lower Order Statistics, FLOS)算法相比,该算法呈现明显优势,特别在高的冲击噪声条件下 能对信源方向进行更加有效的估计,且均方误差值仍保持很低。     

SDN中基于Q-learning的动态交换机迁移算法

由于网络流量动态变化,控制器负载均衡成为大规模部署软件定义网络研究的重点.提出基于Q-learning的动态交换机迁移算法,首先对软件定义网络中的控制器部署问题建模,再应用Q-learning反馈机制学习实时网络流量,最后根据Q表格将交换机从高负载控制器动态迁移到低负载控制器上,实现控制器的负载均衡.仿真结果表明,所提算法能够获得较低的控制器负载标准方差.