基于流量自相似性的网络队列管理算法

网络流量的自相似性会导致数据突发状态持续,传统队列管理算法无法对网络流量突发状态进行预测,从而影响网络端到端时延、丢包率和吞吐性能。针对该问题,提出一种基于网络流量预测的主动队列管理算法P-ARED。基于网络流量的均值和方差给出网络流量等级的概念,讨论网络流量等级转移概率与Hurst参数之间的关系,提出基于贝叶斯估计思想的网络流量等级预测方法。在此基础上,在对自相似网络流量环境下的平均队列长度、缓存队列长度最小阈值等参数优化设置的基础上,基于Hurst参数和自相似流量等级预测结果,重新设计ARED算法中分组丢弃概率的计算方法,以提高缓存队列长度的稳定性。仿真结果表明,P-ARED算法与对比的主动队列管理算法相比,降低了网络端到端时延和丢包率,提高了端到端吞吐性能,其中平均吞吐量最高提升7.63%,平均时延最多降低17.52%。

AL-GAN:一种融合注意力机制的轻量级GAN水下图像增强模型

针对水下图像存在对比度低、颜色失真和现有网络模型推理速度慢等问题,提出一种融合注意力机制的轻量级GAN水下图像增强模型。该模型使用PatchGAN作为判别网络,生成网络在FUnIE-GAN模型基础上,使用轻量化模型MobileNet替换原U-Net特征提取网络中参数量极大的VGG16模型作为特征提取模块,提取水下退化图像特征,使网络模型参数量减少,加快了网络模型的推理速度。进一步在特征提取模块引入通道和空间注意力机制,增强了网络特征提取能力,达到了增强图像细节的目的。在EUVP数据集上进行实验,结果表明:该方法在处理真实水下图像时有很好的效果。与几种现有方法相比,本文中所提方法能够更好地提升对比度,修正色偏,减少图像细节信息损失,在主客观指标上都优于现有方法。

基于决策灰狼优化支持向量机的指挥控制网络故障检测方法

针对复杂战场环境下,我军传统指挥控制网络故障检测方法准确率较低、耗时较长等问题,提出了一种基于决策灰狼优化支持向量机的方法来实现指挥控制网络故障检测。对采集到的网络故障数据集进行归一化处理;再利用主成分分析法(principal component analysis,PCA)对数据集进行降维处理从而剔除数据集中信息量较少的维度;构建支持向量机(support vector machines,SVM)模型,并运用决策灰狼优化(decision gray wolf optimization,DGWO)算法来进行全局寻优,以狼群所在的位置来代替SVM中核函数与惩罚因子的取值,通过不断地迭代寻优来更新狼群的位置,获得最优的核函数及惩罚因子,从而进行指挥控制网络故障检测。实验结果表明所提方法与其他方法相比检测准确率达到了98.68%,具有更高的实用性和有效性。

基于网络流量水平等级预测的自适应随机早期检测算法

针对随机早期检测及其变体算法中平均队列长度和数据包最大丢弃概率的计算对网络流量的变化反应迟缓的问题,提出了一种基于网络流量水平等级预测的自适应随机早期检测算法。基于自相似网络流量的统计特性,建立了网络流量水平等级转移概率表,设计了自相似网络流量水平等级预测方法,该方法复杂度较低且精度较高。进一步,将预测结果应用于等间隔平均队列长度计算及数据包最大丢弃概率调整中,在固定和可变瓶颈链路容量2种情况下的仿真发现,无论自相似程度如何,所提算法在丢包率和吞吐量方面都有提升,特别在Hurst参数较大且流量负载较低时,吞吐量性能提升较大。

基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法

针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差,忽略了特征之间的相互关系等问题,该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系,完成数据的一次特征提取,在此基础上,定义一种基于注意力机制的特征重要性权重评估规则,依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重,完成数据的二次特征提取。最后,提出一种“先总分后细分”的设计思想构建网络流量异常检测模型,实现多分类网络流量的异常检测。实验结果表明,该文所提方法在性能上要优于传统单一的模型,并且具有良好的表征能力和泛化能力。

一种基于TCP-ARED的网络动态拥塞控制策略

技术的发展推动着传统网络向智能网络转变,智能网络中类型繁多的流量业务所产生的巨大、多样的数据流量易导致网络拥塞等问题,这给网络拥塞控制体系提出了更高的要求。主动队列管理机制是拥塞控制体系中不可或缺的一环,随机早期检测(random early detection,RED)算法及其改进算法都是主动队列管理机制中缓解网络拥塞的常见方法,但都存在无法适应网络动态变化所带来的队列长度不稳定的问题。针对该问题,提出一种新型主动队列管理算法SP-ARED(square power-ARED),SP-ARED算法通过优化丢弃概率函数以及引入新的阈值上限,来更好地缓解网络拥塞。NS2的仿真结果表明,在复杂、动态的网络环境下,除时延以外,SP-ARED算法在平均队列长度稳定性、吞吐量、丢包率和时延抖动方面的表现都有了提高。

基于协同学习的频谱智能感知方法

目前无线通信网络频谱环境时空分布复杂多变,现有多用户协同感知方法数据预处理繁琐,感知效率低下。为此,在由用户感知层和边缘融合层构成的系统架构下,提出了一种基于协同学习的频谱智能感知算法。用户感知层采用多分支卷积循环门控神经网络,利用原始归一化能量信号的底层结构信息,实现本地感知。边缘融合层基于自注意力机制进行消息传播,融合用户感知层中各个非授权用户的感知结果得出最终决策。实验表明,在信噪比为-20 dB以及5个用户协同感知的情况下,该方法能在虚警概率为1.91%时达到18.3%的检测概率,相比对比模型提升了6.1%,且不需要对原始数据额外预处理,降低了算法的复杂度。

卫星网络中基于多QoS约束的蚁群优化路由算法

针对蚁群算法在求解多目标优化问题时存在收敛速度慢、容易陷入局部最优解等问题,提出一种面向卫星网络的多约束QoS路由算法。通过改进蚁群算法的启发函数,将链路QoS信息作为蚂蚁选择下一跳节点的重要依据,并结合排序思想与最大最小蚂蚁算法优化信息素更新规则,获取符合当前业务的最优QoS路径。实验结果表明,该算法在满足卫星网络业务多QoS需求的同时,具有良好的收敛速度和寻优能力。

基于MPLS的空间信息网络路由策略

针对空间信息网络中卫星链路组网时延长、IP技术与ATM技术体制难以融合与互通的问题,基于卫星多协议标签交换(MPLS)组网方案,提出一种空间信息网络路由策略。将IP数据包和ATM信元采用统一的MPLS格式进行封装,融合IP与ATM 2种技术体制,在融合过程中为合理选择传输路径,提出一种基于跳数和带宽利用率的路径选择算法。通过OPNET仿真平台进行验证,结果表明,与OSPF卫星网络路由策略相比,该策略能够有效降低网络的传输时延。

SDN架构下的空间信息网络业务识别技术

针对传统的离线业务流量识别方法消耗时间长、实时性差的问题,通过对空间信息网络管控和网络资源的高效编排,提出一种基于软件定义网络(SDN)架构的空间信息网络业务识别技术。运用OpenFlow协议在线收集业务流量,提取流中前5个数据包作为一条子流,在SDN控制器上实现基于机器学习的在线业务分类,同时给出一种具有噪声过滤功能的协同训练算法Dif-TriTraining。实验结果表明,与传统的Tri-Training算法相比,该算法能够有效提升业务识别的准确率。

改进灰狼优化算法的K-Means文本聚类

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法。在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类。所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠。

面向并发业务的卫星网络服务功能链优化算法

在空间信息网络中,卫星硬件在线升级难度大且并发业务数量多,导致现有服务功能链(SFC)映射算法的服务请求接收率降低且资源开销过大。利用流量缩放因子与虚拟网络功能间的依附关系构建SFC,以最小化处理请求时延与总资源消耗为目标,提出一种空间信息网络SFC映射算法。通过调整预测函数的权值来控制搜索范围,从而获得全局最优的快速映射方案,有效解决节点随机失效问题。仿真结果表明,与OMD算法相比,该算法在较高的并发服务请求下可使处理请求时延和总资源消耗平均降低19%和6%。

一种实现MEO/LEO网络快速收敛的动态路由协议

针对卫星网络传输时延大、拓扑结构高动态特性所导致路由收敛慢的问题,提出一种实现MEO/LEO双层卫星网络路由快速收敛的动态路由协议,该协议在将虚拟拓扑路由策略和链路状态路由协议相结合的基础上,引入网络分簇思想,在卫星网络路由收敛过程中,将整个网络分簇管理,并提出适用于MEO/LEO双层卫星网络的覆盖式分簇算法,缩小了链路状态通告LSA(Link-state advertisement)的扩散范围,从而减少LSA的扩散开销及排队时延。同时,在路由表更新阶段,提出一种基于故障类型判断的定时器调度算法,有效减少了路由表更新时延,实现卫星网络的快速收敛。

5G融合卫星网络研究综述

在总结5G融合卫星网络(5GSIN)的标准化工作和国内外研究现状的基础上,对5GSIN的关键技术、应用和网络架构几个重点方向的研究进展进行了阐述与分析。针对融合网络异构性强、时空尺度大而导致的关键问题,提出了对5GSIN架构的思考,并设计了多层分布式异构融合网络架构和架构管理方法。最后,从智能化网络角度分析5GSIN未来发展的几个重点方向,以期对相关领域的研究提供一定的参考。

基于改进LSTM算法的天地一体化信息网络流量预测

天地一体化信息网络由于存在流量突发性强、拓扑时变等问题使得通信易产生中断,流量波动不平稳导致其流量预测难度远高于地面网络。针对该问题,提出一种改进的LSTM算法,首先分析流量序列滞后变量对预测值的影响,判断流量自相关度;其次,采用以预测值代替中断的方式,消除训练集的噪声和断点;最后,使用Dropout算法减少了噪声和神经网络过拟合带来的影响,准确预测天地一体化信息网络流量数据。仿真实验表明,在OPNET仿真环境中,该算法相较于其他算法准确性提升了59.21%,算法训练速度提升了11.11%,能够为天地一体化信息网络统筹调度提供有效的数据支撑。

基于MODPSO-SA算法的多AUV任务分配

提出一种基于Pareto解集的多目标模拟退火粒子群算法(MODPSO-SA),用于解决自主水下机器人(AUV)协同任务分配问题。为避免粒子群算法陷入局部最优,加入改进的模拟退火技术,形成一种新的多目标局部搜索策略。仿真结果表明,MODPSO-SA算法能够得出多组合理Pareto解集,可以有效解决多AUV任务分配问题。

一体化网络流量理论与链路汇聚及网络融合机理

针对陆军战术防空通信网络互联互通差导致混编使用难、动态重组慢导致多代指挥弱等难题,提出了支撑高效互联互通和快速动态重组的一体化网络流量理论,简述了一体化网络流量自相似性的定义和定理等,建立了特征、边界和规律三位一体的网络流量理论;揭示了基于一体化网络流量理论的异构链路汇聚机理、异构网络融合机理;应用于陆军战术防空指挥控制系统,为陆军战术防空通信网络体系结构的全新设计、链路汇聚与网络融合等关键技术的突破奠定了坚实的理论和技术基础.

Dynamic resource management using bandwidth brokers

The admission control issue in the design of a centralized bandwidth broker model for dynamic control and management of QoS provisioning is studied. A two-phase differentiated flow treatment based dynamic admission control scheme under the centralized bandwidth broker model is proposed. In the proposed scheme, the flow requests are classified into two classes and get differentiated treatment according to their QoS demands. We demonstrate that this admission control scheme can not only improve the resource utilization but also guarantee the flows＇ QoS. Furthermore, the admission control is divided into two phases： edge admission control and interior admission control. During the interior phase, the PoQ scheme is adopted, which enhances the call processing capability of the bandwidth broker. The simulation results show that the proposed scheme can result in lower flow blocking probability and higher resource utilization. And it also reduces the number of QoS state accesses/updates, thereby increasing the overall call processing capability of the bandwidth broker.

卫星网络动态资源图多QoS约束路由算法

针对高动态卫星网络拓扑变化导致的网络更新期间可用路径失效,QoS需求难以满足的问题,提出了一种基于软件定义网络(SDN)架构的虚拟节点动态资源图多QoS约束路由算法(DRGVN-QR)。根据节点的切换状态、缓存以及链路的剩余带宽、时延等信息,结合虚拟节点的网络拓扑方式,建立虚拟节点动态资源图模型。根据资源图模型,建立最小路径代价的优化模型,利用蚁群算法(ACO)并发地为每个连接请求找到一段时间范围内的最优路径集合,并对信息素挥发系数的取值问题进行了讨论,以提升路径质量和算法性能。最后,为了适应卫星网络的时变性,设计一种幂数加权公式求出一段时间范围内的最优路径。仿真结果表明:DRGVN-QR算法能够规避路径失效带来的传输中断问题,提高网络QoS,与其他算法相比,该算法降低了平均端到端时延、网络丢包率和时延抖动。

多状态空间信息网络拓扑生成优化算法

依据空间信息网络(SIN)高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火(IMOSA)算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨(LEO)的铱星星座进行仿真,研究表明:针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。