光突发交换环网中突发包传输延迟性能分析

光突发交换(OBS)是近年来出现的一种新型光交换技术.OBS结合了光电路交换和光分组交换的优点,比电路交换更加灵活,而与光分组交换相比又提供了光层的统计复用能力且易于实现.OBS能提供高吞吐量、高带宽利用率和低时延,使其成为下一代城域网的有力竞争者.文章采用M/G/1排队模型,在限定条件下对不同优先级的突发包在OBS环网中的传输延迟进行了分析,最后给出了突发包在OBS环网中所经历的时延.     

可编程光缓存器在OBS中的应用

对之前报道的两种可编程光缓存器结构在光突发交换网中的应用进行了仿真研究.构建了仿真平台,选取支持QoS的JET协议,提出了一种简单的资源调度算法,在相同网络流量的情况下,对比研究了采用两种可编程光缓存器和固定时间光缓存器时,OBS网络在丢包率和时延等方面的差异.仿真结果表明,两种可编程光缓存器在以上性能方面有良好的优越性.因此该可编程光缓存器可较好地解决光突发交换网突发包的冲突问题.     

基于高性能包处理架构VPP的带内网络遥测系统

面向高性能虚拟网络转发架构及设备VPP,通过重构数据平面的流水线处理模块,设计了基于矢量数据包处理技术的带内网络遥测方案,并在此基础上通过引入源路由机制引导遥测报文走向,实现了一种带内全网遥测的扩展案例.最后,基于虚拟机组网方式,搭建网络拓扑并进行网络性能评测.实验结果表明,该遥测系统能够在0.13 ms精度的遥测时间...     

移动群智感知系统的任务分配方法研究综述

近年来,随着移动智能终端性能和网络传输能力不断提升,移动群智感知系统得到广泛关注.参与者的趋利性易导致系统效用低且难以完成既定任务.因此,合理的任务分配机制能够保证系统采集较优质量数据、达到更广覆盖范围,并使系统效益最大化.本文首先概述移动群智感知基本概念和工作流程;然后分析移动群智感知系统任务分配环节的2个核心研究问...     

声纹的变压器放电与机械故障诊断研究

变压器中的一些放电和机械故障会产生异常声,可用于故障检测.据此,该文提出基于可听声的变压器放电和机械故障诊断方法.针对机械故障声与变压器本体噪声特征相似易混淆的问题,提出改进小波包-BP神经网络算法,与传统小波包-BP神经网络算法相比声音识别率提高了5.7％.为提高声音识别系统的泛化性,提出基于梅尔对数频谱和卷积神经网...     

光突发交换网络中最长队列优先调度组装机制

提出了光突发交换网络中的最长队列优先调度（LQF-SA）机制,将边缘节点的突发组装和突发调度两种技术紧密结合在一起.在现实网络中,业务通常是非均匀分布的,即在某些源宿对之间存在更大的业务流量.仿真结果表明,LQF-SA机制可以很好地完成非均匀分布业务流的组装.即使在均匀分布业务流输入下,LQF-SA机制在突发大小分布、组装效率和突发丢失率等方面也优于已提出的轮询调度组装（RR-SA）机制.     

基于TCAM的包分类算法研究综述

包分类技术作为网络交换业务的核心技术,在保证网络的高带宽和低延迟方面发挥着重要作用。在核心网与承载网领域,高性能网络对交换、路由、QoS(Quality of Service)等业务提出了更高的要求。目前高端交换芯片的主流技术仍以基于硬件的包分类算法为主,其中又以TCAM技术的应用最为成熟。本文分析了当前TCAM算法应用现状和研究进展,系统性地介绍了TCAM中的范围匹配和多匹配两大核心问题及其解决方案,对比阐述了现有算法的优点和缺点,最后给出了未来TCAM包分类算法的研究趋势。     

基于实车道路试验的认知分心检测研究

为了对认知分心进行检测,设计认知分心次任务并搭建试验平台,选取试验路线、招募被试驾驶人开展实车道路驾驶试验。采用小波包分析法提取认知分心时的特征参数,然后利用主成分分析对得到的参数进行降维获得综合指标,构建支持向量机模型,利用网格寻优与交叉验证法确定最佳参数,将综合指标代入模型进行训练、测试以对驾驶分心进行检测。结果表明,所建模型对认知分心的综合识别率为84.97%。     

基于声学心理模型的固定门限音频水印方法

提出了一种基于声学心理模型和小波包变换的的音频水印算法,适用于立体声音频信号和单声道音频信号。对于立体声音频信号,在左右声道加入不同的水印信号;对于单声道音频信号,在奇偶帧加入不同的水印信号。左声道水印通过源信号包络与一个只有版权拥有者持有的随机序列加权生成水印信号,并且通过对得出信号进行小波包和声学心理模型分析控制水印信号的强度;右声道水印信号为幅度限制在可听门限的白噪声,用来控制检测门限。得到的水印信号在时域嵌入,水印的检测无需原文件。该方法能够将检测门限控制在事先设定的范围内,具有较好的隐秘性;嵌入的水印信号能够抵抗时域的切割、加噪攻击和一般的音频变换算法。     

小波域抑制多音干扰的扩频接收机

利用小波包理论提出了一种快速、准确地识别并且抑制多音干扰的有效方法。该方法利用小波包理论将多音干扰的各条谱线逐个定位,然后通过功率谱分析的方法来识别多音干扰的存在区间,最后将被干扰污染的区间逐个切除并反向重构接收到的信号。实验证明该方法的误比特率性能在强干扰时要优于以前的FFT域切割法。