公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

关于无线自组网的分簇信任安全路由研究仿真被引量：3: 2020年; 由于无线自组网拓扑结构容易改变,能量和带宽受限等因素,给安全路由和能量均衡带来严峻挑战,为此,提出了关于无线自组网的分簇信任安全路由协议。首先设计了节点信任度模型,从直接信任与推荐信任两方面进行优化设计。在计算直接信任度时,采用加权方式引入能量信任度,用于改善节点的能耗;在计算推荐信任度时,采用熵权方式融合了直接推荐与间接推荐,用以改善信任度的可靠性。然后设计了非均匀分簇,引入惩罚系数,用于引导信任度计算的方向,有利于快速找出分簇中的恶意节点,为避免簇头能耗过高,根据最小能耗机制找到合理的分层,并利用簇头和层间关系计算出节点簇的合理大小,最终完成节点分簇。通过仿真,验证了分簇信任安全路由协议有效提高了无线自组网的数据安全性,避免异常节点的影响;并且明显改善了节点的能量均衡性,显著延长了网络的生存期。; 朱研张辉; 关键词：无线自组网信任度模型非均匀分簇安全路由协议

车联网环境下基于重复博弈的恶意车辆节点检测机制被引量：5: 2020年; 针对车联网内部存在的虚假信息攻击,以及节点动态变化快及密集程度不同造成的恶意车辆节点检测机制效率低下,提出了一种基于重复博弈的恶意车辆节点检测机制。首先,根据车辆在信息交互中的行为建立重复博弈模型,并利用生成的节点收益计算出信任值与动态阈值,经两者比较,筛选出可疑的恶意车辆节点;其次,通过权值投票算法从可疑的恶意车辆节点中判定出恶意车辆节点;最后,从邻居列表中选取信任值最高的下一跳车辆节点进行合作。仿真和分析表明,与现有的相关机制相比,该机制提高了对虚假信息攻击的检测率,降低了误检率。; 董文远朱研王永红张光华; 关键词：重复博弈投票算法检测率误检率

大型户外传感网络通信码间抑制抗干扰仿真被引量：3: 2016年; 在进行大型户外传感网络通信优化过程中,由于户外传感环境复杂,线路信号分布无法做到均匀,在相距较近的线路之间具有较强的耦合性,当通信数据量较大时,网络节点通信码间极易出现相互干扰的现象,传统的抗干扰方法进行干扰抑制时,没有很好的对信号进行分解,仅仅以阀值理论进行分类限制,抗干扰性能较差。提出采用神经网络算法的大型户外传感网络通信码间抑制抗干扰的方法。构建大型户外传感网络的抗干扰模型,为网络通信码间的干扰抑制提供有效依据,根据神经网络算法理论,分别对待处理网络通信信号进行小波分解、阈值量化及信号重构,完成对大型户外传感网络通信码间的干扰抑制。实验结果表明,采用改进算法进行网络通信码间的干扰抑制,能够有效降低误码率,提高信号输出的信噪比,有效的提高网络通信性能。; 黄莉静朱研; 关键词：抗干扰方法神经网络算法

基于IIVSSLMS低轨卫星导航增强系统数字域自干扰对消算法研究被引量：1: 2022年; 低轨卫星导航增强系统在实现高精度定位时,导航增强信号和低轨导航增强载荷正常接收信号会产生自干扰,针对此问题,提出了一种基于改进的迭代变步长最小均方(Improved Iterative Variable Step-size Least Mean Square,IIVSSLMS)的数字域自干扰对消算法。在初始阶段设置较大的步长因子以提高收敛速度,并基于箕舌线函数建立步长因子和迭代次数之间的非线性关系,同时利用当前误差信号和上一步误差信号之间的自相关估计协同控制步长因子。利用步长因子、误差信号和发射信号得到估计的自干扰信道冲激响应,并根据已知的发射信号重构自干扰信号。从接收信号中去除重构的自干扰信号,实现数字域自干扰对消。仿真结果表明,该算法与已有变步长最小均方(Least Mean Square,LMS)算法相比,收敛速度提高2.5倍,干扰对消比提高7.4 dB,性能提升显著。; 孟祥芳易卿武谢松朱研; 关键词：收敛速度

多服务器环境下的网络最脆弱攻击区检测被引量：1: 2016年; 在对多服务器环境下的网络最脆弱攻击区进行检测的过程中,由于随机性较大,容易产生很多冗余脆弱攻击区,造成干扰,导致传统核Fisher判别分析,无法获取最优网络最脆弱攻击区特征,不能有效实现多服务器环境下的网络最脆弱攻击区检测等问题,提出一种利用AFSA-SVM的多服务环境下的网络最脆弱攻击区检测方法,对多服务器环境下网络状态信息进行采集,提取网络状态特征。将多服务器环境下网络特征子集编码成人工鱼的位置,通过仿真鱼群的觅食、聚群及追尾行为获取最优特征子集,将最优特征子集作为SVM分类算法的输入,使多服务器环境下的网络最脆弱攻击区检测问题变成了对多个二分类问题,进行求解,把得到的结果结合在一起,获取多服务器下的网络最脆弱攻击区检测结果。仿真结果表明,所提方法具有很高的检测精度及检测效率。; 朱研郑琨; 关键词：多服务器攻击区

全选清除导出

共1页<1>

朱研