基于网络编码的被动式动态网络拓扑层析方法

    公开(公告)号:CN102546091A

    公开(公告)日:2012-07-04

    申请号:CN201110254234.5

    申请日:2011-08-31

    Abstract: 本发明公开了一种基于网络编码的被动式动态网络拓扑层析方法,包括以下步骤:网络各中间节点在共同有限域内选取各自的局部随机编码向量,经信源汇聚成编码本后传播给信宿节点;信宿节点根据接收到的信息矩阵利用纠错编码计算整个网络拓扑的候选初始化向量集合;网络各中间节点利用编码本和候选初始化向量集合层层计算、判断其上游链路的连通性直至信源,得到网络拓扑结构。本发明可以在不额外增加网络吞吐量开销的前提下,实现被动式的网络拓扑层析;另外还可探测网络拓扑的动态变化,实现对动态网络环境的拓扑层析。

    一种蜂窝移动节点自组织Adhoc网内节点的通信控制方法

    公开(公告)号:CN101267578B

    公开(公告)日:2011-04-20

    申请号:CN200810047527.4

    申请日:2008-04-30

    Abstract: 本发明公开一种利用认知无线电技术的蜂窝移动节点自组织Adhoc网内节点的通信控制方法,其特征在于包括如下步骤:i、在节点上安装第一收发机和第二收发机;ii、基站找出当前可用信道集,并将当前可用信道集广播给网内节点;iii、第二收发机扫描当前可用信道集,从中选择出一组候选家乡信道,然后随机选择一个信道作为当选家乡信道;iv、节点通过所述第一收发机在公共控制信道向邻居节点广播自己的当选家乡信道,并监听网络上的返回信号;v、发送节点将第二收发机调谐到接收节点的当选家乡信道上,然后以CSMA/CA的方式接入信道进行数据传输。应用本发明,可以有效的利用频谱资源,将数据传输分布到多个信道上,很好的减小了业务冲突。

    下一代网交换技术与通信安全实验装置

    公开(公告)号:CN100593922C

    公开(公告)日:2010-03-10

    申请号:CN200710052800.8

    申请日:2007-07-20

    Abstract: 本发明涉及一种下一代网交换技术与通信安全实验装置,包括:中心处理模块,用于将发出各种实验操作指示;信令监控模块,与所述中心处理模块相连接,用于对协议信令消息以及系统信息进行监视和分析;状态监控模块,与所述中心处理模块相连接,用于对整个通话过程进行状态的监控和分析;系统基本配置模块,与所述中心处理模块连接,用于根据所述实验操作指示并结合网络仿真设备,对下一代网交换技术与通信安全实验装置中的各个实验进行配置。通过本发明提供的实验装置,实现了模拟下一代网交换技术和通信安全的现实环境,具有同真实通信设备互通的能力。

    工业无线传感网络及其基于分布式协同频率的通讯方法

    公开(公告)号:CN101262393A

    公开(公告)日:2008-09-10

    申请号:CN200810046786.5

    申请日:2008-01-25

    Abstract: 本发明涉及工业无线传感网络,包括:传感器节点、Sink节点;以及无线信息主干网。本发明还涉及基于分布式协同频率的通讯方法,其特征在于包括:传感器节点和Sink节点在握手阶段自动搜索可用工作频道,并且所述传感器节点在所述可用工作频道上采集数据包,并将所述数据包发送给所述Sink节点;当所述传感器节点等待不到所述Sink节点的应答信号且重发数据包超时,所述传感器节点改变频率选择新的可用工作频道发送所述数据包。因此,本发明提供的工业无线传感网络和基于频率管理的通讯方法不需要采用复杂的联网协议,并且具备良好的抗同频段干扰的性能。

    一种用于增强Ad hoc网络安全与合作机制的方法及其装置

    公开(公告)号:CN101170410A

    公开(公告)日:2008-04-30

    申请号:CN200710053430.X

    申请日:2007-09-29

    Abstract: 本发明的目的在于提供一种用于增强Ad hoc网络安全与合作机制的方法,其中包括:初始化阶段,用来为新加入网络的节点分配一对密钥和设定其信誉初值;票据请求阶段,用于当节点自己当前的票据不足以支付活动交易时,向其邻居节点广播发起票据请求;身份考察阶段,用于邻居监测节点的行为,并对不同的行为予以一定的评价且计算出其本地信誉值,根据信誉值将节点划分为可信的和不可信的;票据管理阶段,用于当邻居节点收到节点的票据请求时,先在各自的信誉表中查找此节点的信誉值,如果节点的信誉值高于门限值,颁发若干票据给它,在活动中,节点票据值会发生相应变化,并根据需要及时更新;路由与数据转发阶段,用于根据节点的信誉来选择路由。

    一种基于可编程数据平面的微突发检测与消除方法、系统

    公开(公告)号:CN114745309A

    公开(公告)日:2022-07-12

    申请号:CN202210233618.7

    申请日:2022-03-10

    Inventor: 戴彬 石鑫斌

    Abstract: 本发明公开了一种基于可编程数据平面的微突发检测与消除方法,属于网络通信技术领域。本发明提出在数据平面快速估计速率的方法,不需要控制平面的参与,仅使用寄存器、计数器等资源和内置的时间戳等信息,便可以达到快速检测。本发明提出快速估计排队时延的方法,通过记录数据包到达时间和已知的数据包离开时间来估计排队时延,不会增加入流水线的输入带宽。本发明的方法针对微突发流直接以估计的排队时延作为保障目标,通过在入流水线丢包的方式,即丢弃一定数量时延需求最低的流量数据包,来快速消除微突发并保障其时延需求。

    一种分布式路由规划模型的构建方法及应用

    公开(公告)号:CN114697229A

    公开(公告)日:2022-07-01

    申请号:CN202210238645.3

    申请日:2022-03-11

    Abstract: 本发明公开了一种分布式路由规划模型的构建方法及应用,属于网络通信技术领域;本发明为网络中的每个路由器均搭建一个DRL代理,构成了分布式路由规划模型;DRL代理利用图神经网络根据图结构关系对本地特征信息进行聚合与更新,精准刻画网络拓扑之间的关系,将通过多个图卷积层生成的隐藏特征信息与网络特征作为DRL代理的状态输入,通过策略网络输出选择形成路由下一跳的概率。分布式路由规划模型中的各DRL代理相互协作生成总的路由序列,在数据平面中进行分组转发后,根据业务需求计算当前流的奖励,以实现每个DRL代理经过的所有流累积奖励的最大化;本发明所构建的分布式路由规划模型泛化能力较强,能够真实准确地进行路由规划。

    一种基于链路状态估计的网络路由转发方法及系统

    公开(公告)号:CN113938415A

    公开(公告)日:2022-01-14

    申请号:CN202111058710.6

    申请日:2021-09-09

    Abstract: 本发明公开了一种基于链路状态估计的网络路由转发方法及系统,属于网络通信领域,方法包括:S1,将流量矩阵输入DDPG神经网络,输出各链路的第一权重;S2,监测网络中各节点对之间的端到端时延,基于端到端时延估计各链路的拥塞概率,生成包含拥塞概率的动作噪声;S3,将动作噪声添加至各链路的第一权重中,对添加结果依次进行截取和softmax函数处理,得到各链路的最终权重,将最终权重转化为路由策略并分发至各节点,根据路由策略下的网络状态计算奖励;S4,多次重复执行S1‑S3以形成不同时刻下的多组样本数据以训练DDPG神经网络模型,样本数据包含最终权重、奖励和流量矩阵。解决DDPG收敛困难和过早陷入局部最优的问题。

    一种n维幅度相位联合调制方法及调制器

    公开(公告)号:CN111835670B

    公开(公告)日:2021-10-08

    申请号:CN202010518057.6

    申请日:2020-06-09

    Abstract: 本发明公开了一种n维幅度相位联合调制方法及调制器,本发明分别从(n,n(n‑1),n‑1)置换群码的码集合Pn中选择2k个和两个置换码字,构成n维相位调制矢量集合Γn和n维幅度调制矢量集合Λn,基于待发送二进制信息序列,分别从Γn和Λn中取出置换码字u和v,使用置换码字u控制载波信号的相位,使用置换码字v控制载波信号的幅度,从而产生n维实欧式空间上的幅度相位联合调制信号;所产生的幅度相位联合调制信号对应的星座图Ωn,具有良好的欧式距离特性,在复杂度较低的情况下,仍然具有较强的抵抗瑞利衰落的能力,可靠性较高。

    基于图神经网络和深度强化学习的路由优化方法及系统

    公开(公告)号:CN113194034A

    公开(公告)日:2021-07-30

    申请号:CN202110435964.9

    申请日:2021-04-22

    Abstract: 本发明公开了一种基于图神经网络和深度强化学习的路由优化方法及系统,属于网络路由优化领域。方法包括测量当前网络状态s,根据当前网络状态请求分配的流量需求,选取k条源节点到目标节点的最短路径,作为动作集a;将动作集a输入至图神经网络,聚合链路特征并迭代更新,经Q函数得到网络状态s和动作集a的估计Q值;根据估计Q值进行深度强化学习得到当前网络状态下的路由策略,将路由策略反馈给网络拓扑执行相应的路由动作。本发明提出了基于图神经网络和深度强化学习的网络路由优化体系结构,旨在利用图神经网络学习拓扑中图元素之间的关系以及组成它们的规则,利用深度强化学习算法进行决策,从而优化网络路由。

Patent Agency Ranking