信息中心网络内数据重传算法的优化

对于信息中心网络(ICN)中原始数据恢复机制的网络带宽利用率低下的问题,提出一种基于网络编码的实时数据重传(NC-RDR)算法。首先,根据网络的实时状态对网络中丢失的数据包进行统计;然后,将网络编码结合到信息中心网络中,对统计的丢失的数据包进行组合编码;最后,将编码后的数据包重传发送给接收端。对提出的方案进行分析,仿真结果表明,与基于网络编码的多播数据恢复(NC-MDR)算法相比,在传输带宽(平均传输次数)方面,降低了约30%,因此,在信息中心网络中,该算法能有效地减少网络重传次数,提高网络传输效率。

DTN网络环境下基于蚁群算法的数据编码分发

提出了一种DTN多源多宿网络的数据编码分发机制(Data Dissemination Mechanism with Network Coding Based on Ant Colony Algorithm,DDM-NC).在发布/订阅机制的基础上,通过对主题数据的编码运算和传输,充分利用网络容量进行数据多播,使得数据传输具有更好的安全性和传输效率;同时,针对编码包洪泛传输过程中信息冗余大,无效投递较多等问题,设计了基于蚁群算法的编码包路由策略,引导编码包向信宿聚集,降低编码投递过程中的数据冗余,减少投递延迟.仿真实验表明,相比传统的DTN传染病路由策略和随机网络编码传输方法,DDM-NC方法有更好的数据投递性能.

基于改进遗传算法的网络故障数据实时检测系统研究

针对传统故障数据实时检测方法存在检测效率低的问题,提出基于改进遗传算法的网络故障数据实时检测系统。通过对数据实时检测硬件中分层结构与组网结构的设计可有效控制系统,设计软件功能,并对数据进行采集与处理,构建检测窗口,可随时查看与监测站相连的所有实时衰减数据。基于改进遗传算法可对发生故障组件定位,对染色体编码,将个体染色体基因作为故障诊断基础,为尽可能保证用户正常使用网络而进行结构调整。构造适应度函数,检测网络故障数据。通过实验验证可知,该系统检测效率高,能够实现整个网络故障数据的实时检测。

WSNs中基于网络编码的低功耗数据重传策略

在睡眠调度机制下,结合网络编码,提出了一种适合于有固定睡眠概率的无线传感器网络(WSNs)低功耗数据重传策略,该方法根据节点在不同时刻的休眠状况,将醒着节点丢失的数据包用网络编码进行重传,通过理论分析和仿真验证了该方法在保证数据正确重传的基础上,能够有效地减少数据包的传输次数,延长网络的使用寿命。

适宜普适无线网的地震实时数据压缩重传算法

分析使用普适无线网构建地震实时数据远程传输共享应用平台的不足,现有的STEIM1和STEIM2压缩算法无法满足波动增大和频率增高的原始数据压缩。针对现有压缩算法的不足,提出了新的三向数据分布区间压缩和重传算法,减少普适无线网的链路负载和增加应用层控制,降低延时抖动,大幅提升平台运行率,使其达到了实用化效果。

CDMA网络实时视频服务的编码数据速率智能控制

本文探讨有关CDMA无线网络环境下实现实时视频传输,对其编码数据速率的智能控制作了重点介绍,采用人工神经网络的理论,实现其编码数据速率的智能控制。

基于L-M算法的火电厂实时数据神经网络预测模型研究

提出了一种建立在BP神经网络上的基于Levenberg-Marquardt(简称L-M)算法的火电厂实时数据神经网络预测模型,以减少训练次数和提高训练精度。通过对某电厂300MW机组高压加热器进口温度进行训练和校核,分析了数据预处理的重要性。仿真结果表明,该模型能够获得未来时刻合理的预测结果,可用于缺失数据补充和实时数据校核,提高数据可靠性,适用于在线对未来状态的评价,为状态检修提供参考依据。

网络编码在实时战术数据多播中的应用

抽象了一种基于中心的战术应用场景与业务,并将网络编码技术应用于此类场景的实时数据多播业务中。在分析基于中心网络与Many-to-all业务模式特性的基础上,提出了仅在中心节点进行编码操作的传输策略以及相应的贪心算法。分析了网络编码多播策略的理论增益上界,仿真试验表明该贪心算法能够获得与理论相近的性能增益。最后的分析与仿真试验表明,在这种有中心网络的实时数据多播应用中,所提出的多播策略的实时性能要明显优于传统传输策略。

一种新的基于多节点网络编码的无线广播重传算法

提出了一种基于网络编码的无线网络广播重传算法。该算法按照包丢失分布概率的特点生成新的重传序列,采用多节点的网络编码方法进行丢失包组合实现重传。通过数学分析和仿真证明,该算法能保证接收节点的编码可解性,同时重传次数可达到局部最优性;与传统重传方法相比,该算法可以有效地减少信息包的平均传输次数,从而提高传输效率。

基于带状无线传感器网络的实时智能数据收集算法

为减少在带状无线传感器网络下数据传输延时,提出一种基于数据压缩和线路调度的实时智能数据收集算法.首先通过对采集数据进行变换训练评估数据相关性,确定分割编码最长尺度,以此重编码实现冗余信息压缩;然后计算数据收集占用的最大时间槽长度,调度网络收集链路,最小化时延;最后通过多路径传输机制构建传输能耗模型,利用Lagrange函数算法求解,完成数据收集.仿真实验结果表明,该算法网络负载均衡,数据收集传输时延较小,能量消耗小,鲁棒性较好.

无线网络中基于机会网络编码的加权广播重传

在无线广播网链路状态不同和丢包率高的条件下,基于机会网络编码的数据分发策略面临传输效率低和计算复杂度高的问题。针对这一问题,该文提出一种新的基于机会网络编码的加权广播重传(Weighted Opportunistic Network Coding Retransmission,WONCR)方案。该方案通过构建加权数据包分布矩阵(Weighted Packet Distribution Matrix,WPDM),在重传过程中采用新的调度算法进行编码数据包的选取,并将选取的数据包进行XOR编码后再重传。机会仿真结果表明,WONCR方案提高了传输效率,且计算开销较小,实现了无线广播网中高效、可靠的数据分发。

基于匹配理论的无线广播编码重传算法

针对成批数据在无线广播过程中发生丢包后的重传策略,利用网络编码技术,研究尽可能多地减少重传次数的方法.首先通过矩阵及向量的运算给出了待重传数据满足编码条件的代数表达形式,再根据关联矩阵构造相应的图,最后通过图论中的最佳匹配理论给出了一种寻找编码机会的优化算法.此算法中不但能够找出最多的两两编码机会,而且还考虑了将尽可能多的数据包编在一起的可能性,从而尽可能地减少了重传次数,实现了编码的优化,有效提高了网络带宽效率和吞吐量.

基于提升格式的实时数据压缩和重构算法

提出了一种新的实时数据压缩和重构算法。算法采用基于提升格式的线性整数变换小波双正交滤波器组合哈夫曼编码方法对电力系统的实时数据进行压缩和解压缩,并利用实测数据对算法进行验证。实验结果表明该算法所耗时间短,数据压缩倍数提高到接近9 倍,是一种有效的数据压缩和重构方法,尤其适用于电网动态监测系统连续记录数据的实时压缩和去噪。

进化Elman神经网络在实时数据预测中的应用

为了提高电站实时数据的准确性,提出了一种利用改进粒子群算法进化Elman神经网络的动态系统实时数据预测方法。改进粒子群算法中,根据群体早熟收敛程度和当前最优解的大小对部分不活跃粒子进行变异,增强了算法跳出局部最优解的能力。利用改进的粒子群算法训练Elman神经网络权值和自反馈增益因子,有效地解决了梯度下降法训练网络权值收敛速度慢、易陷入局部极值的缺点。以某300 MW机组的主蒸汽流量为具体对象,给出了该方法的算例,结果表明该方法能正确获取系统动态特性,具有较强的降噪能力,对异常数据具有鲁棒性。与标准Elman神经网络进行比较,该方法具有较好的预测精度和泛化能力。

基于改进遗传算法的网络传输异常数据实时监测方法

传统的网络异常数据实时监测方法误差率高、不具备实时性。基于改进遗传算法研究了一种新的网络传输异常数据实时监测方法,设定开关系数将神经网络的各个节点相连接,根据总误差F1和神经网络稳定性F2得到网络传输异常数据实时监测框架,利用Sigmoid函数进行改进,优化神经网络中的权值、阈值和拓扑结构,通过优化的神经网络、交叉操作和适应度函数设计监测网络异常数据,利用选择算子处理异常的网络数据。从适应度、训练结果和误差结果三方面进行验证,结果表明,基于改进遗传算法的网络传输异常数据实时监测方法适应度要始终高于传统异常数据实时监测方法,收敛速度更快,实时性更好,有效性更强。

传感器网络中基于蚁群算法的实时查询处理

无线传感器网络因不同应用而被广泛部署于各种场合,通常被视为分布式数据库.可以通过向该类数据库发布查询请求来获取事件相关的响应信息.一些具有实时需求的应用对查询时延要求较高,而目前存在的查询算法通常不能很好地满足实时查询应用的需求.针对此类特定应用,提出了基于蚁群优化的实时查询处理算法,该算法采用基于事件重要性的分环存储策略和基于蚁群算法的分布式搜索机制,充分利用蚁群优化算法的自组织和正反馈等特征,综合提高查询处理算法的节能性、实时性及查询请求接受率,为分布式动态并行实时查询应用提供新的思路.执行过程仅需局部环境信息即可有效获取指定事件信息并动态确定事件副本的数目及其位置.理论分析和实验表明,此算法既能在一定程度上提高节能性和查询成功率,又能显著缩短查询时延,与现有的算法相比,具有明显的优越性.

多源网络编码数据完整性验证方案

基于同态向量哈希函数和向量合并算法,提出一种能够抵御污染攻击的多源网络编码数据完整性验证方案。通过信源节点计算发送向量的哈希值,利用私钥对该哈希值进行签名,并将消息向量、哈希值以及哈希值的签名发送至中间节点。中间节点和信宿节点基于系统公钥,验证来自不同信源节点的线性编码消息的完整性。实验结果表明,当信源节点数大于200时,该方案的计算效率优于现有多源网络编码方案,更适用于大规模分布式网络数据的安全验证。

基于数据融合的WMSNs最小能耗实时路由算法

为了在无线多媒体传感器网络WMSNs通信中提供QoS支持,研究了WMSNs最小能耗实时路由算法问题。首先,定义了数据融合的概念及其在路由设计中的作用,在此基础上设计了一个最小能耗实时路由算法LERTR,用于构造WMSNs最小能耗实时路由树。该算法首先使用ADH算法生成一棵最小能耗路由树;若时延不满足要求,则通过合并最小时延路径来产生一个满足时延约束的路由树。仿真实验表明:LERTR算法生成的路由树在保障时延约束的情况下,具有很好的能耗代价性能。

面向海量机械故障数据的胶囊网络算法研究

针对卷积神经网络算法在大规模故障数据集检测中出现的故障敏感度低、部分特征丢失等问题,提出一种基于优化胶囊网络算法的机械故障检测方案。胶囊网络算法采用多神经元封装的胶囊体结构设计,且包含多个胶囊层,具有更强的故障数据处理能力和泛化能力;经过squash函数挤压后的胶囊矢量可以更准确地提取和描述故障特征;升维胶囊矢量,基于特征编码和归一化的处理方式,可得到更准确的故障分类结果。实验结果显示:优化胶囊网络算法具有更强的故障特征聚类性能和迭代运算性能,故障集检测精度值高于经典卷积神经网络算法。

Rice无损数据压缩算法在网络传输中的应用

本文主要阐述一种无损数据压缩算法在网络传输方面的进一步研究,作为网络传输中的数据包,算法设计中不但要考虑方法的有效性,同时还必须充分考虑工程应用的可靠性,而防止误码扩散是算法可靠性设计中要解决的首要问题。本文在数据传输可靠性的阐述中,着重分析了有意义范围内的图像特征,利用可靠性自适应的预测方案,可得到较好的去相关效果,从而达到增强算法工程可靠性的特点。