【摘 要】
：
针对代理移动IPv6(PMIPv6)中域间切换时延较大的问题,提出了一种基于PMIPv6的域间切换管理方案。新方案通过在PMIPv6域间发送PBU绑定更新消息,使得切换目标PMIPv6域提前知道移动节点(MN)的家乡网络前缀,避免了移动节点参与移动性管理及重新配置转交地址,从而有效减小了切换时延。分析和仿真结果表明,与现有的全局移动性管理方案移动IPv6和快速移动IPv6相比较,新方案更加适应移动
【机 构】
：
重庆邮电大学移动通信技术重点实验室
论文部分内容阅读
针对代理移动IPv6(PMIPv6)中域间切换时延较大的问题,提出了一种基于PMIPv6的域间切换管理方案。新方案通过在PMIPv6域间发送PBU绑定更新消息,使得切换目标PMIPv6域提前知道移动节点(MN)的家乡网络前缀,避免了移动节点参与移动性管理及重新配置转交地址,从而有效减小了切换时延。分析和仿真结果表明,与现有的全局移动性管理方案移动IPv6和快速移动IPv6相比较,新方案更加适应移动性管理中低时延、低复杂度、易于操作的要求。
其他文献
给定两组不同对象不同特征的信息元集,其中一组信息元的主动变换会导致另一组信息元传导变换的发生。在发生传导变换的这组信息元中,利用可拓学的方法和数据挖掘技术,挖掘与传导变换有关的知识。这些知识包括哪些对象的哪些特征发生了变化、变化的程度有多大、变化的时效有多久、哪些信息元发生了质变、哪些信息元发生了量变。获取这些知识可以为解决矛盾问题提供依据,为决策者提出合理的策略提供参考。
提出一种适用于无线传感器网络的自适应链路层FEC控制策略。该策略基于Kalman滤波器预测当前的网络状态,在数据链路层采用FEC控制机制,根据FEC能耗分析的自身特性自适应地调整FEC参数n,以便改善无线传感器网络的通信性能,并建立单跳无线传感器网络模型和能量模型。数学分析和仿真验证表明,该策略能够有效地提高无线传感器网络数据传输的可靠性,降低无线传感器网络的能量消耗。
失眠又称入睡和维持睡眠障碍,系指无法入睡或无法保持睡眠状态,进而导致睡眠不足。有研究报告,15%-30%的成人存在不同程度的入睡、再入睡困难及早醒等睡眠质量问题。失眠常导
为了快速地构造一个有效的模糊神经网络,提出一种基于扩展卡尔曼滤波(EKF)的模糊神经网络自组织学习算法。在本算法中,按照提出的无须经过修剪过程的生长准则增加规则,加速了网络在线学习过程;使用EKF算法更新网络的自由参数,增强了网络的鲁棒性。仿真结果表明,该算法具有快速的学习速度、良好的逼近精度和泛化能力。
针对基于泛洪的更新传播方法存在开销高、可靠性和可伸缩性差等问题,提出了一种基于闲话的更新传播方法,其思想是每个副本节点将更新消息随机转发给一组邻居副本节点,副本节点向其邻居副本节点请求更新副本。模拟实验结果表明,与基于泛洪的更新传播方法相比,基于闲话的更新传播方法在网络通信开销上减少了38%,在节点覆盖率和查询失效率上快速收敛,具有良好的抗搅动能力。
在聚类过程中利用先验信息能显著提高聚类算法的性能,但已存在的聚类融合算法很少考虑到数据集的先验信息。基于先验信息和谱分析,提出一种聚类融合算法,将成对限制信息引入到谱聚类算法中,用受限的谱聚类算法产生聚类成员,再采用基于互联合矩阵的集成方法生成最后的聚类结果。实验结果表明,利用先验信息能有效提高聚类的效果。
通过分析在光照变化条件下现有的一些眼睛定位算法的不足,提出一种基于各向异性滤波的人眼定位方法。利用各向异性低通滤波器对输入图像进行滤波消除光照的影响,利用多结构形态学开闭运算突出眼睛区域特征,并采用相关系数法获得眼睛粗定位,最后使用眼睛精确算法校正眼睛的位置。实验结果表明,该算法对光照变化不敏感,定位准确率更高。
Internet上专题资源网页汇聚和检索是垂直搜索引擎中的核心问题,HITS算法是早期解决这个问题的经典算法,很多文献对它进行了改进,但无论索引的主题相关率还是引擎的查准率都有提高的余地。提出一种基于锚文本和标题信息过滤并结合网页内容相关度判断的HITS专题检索策略,利用专题训练集判断主题相关度,很好地解决了只依靠查询字符串判断的弊端。实验表明,此策略能很好地提高专题信息汇聚精确度和检索的准确率,
基于热路径的动态优化技术是动态二进制翻译器中提高软件运行效率的一种有效方法。如何利用基本块中已有的有限历史运行信息来识别热路径并提高它的预测命中率,同时保持计算开销没有增加是研究的重点。已有的热路径识别算法中基于模型进行预测的方法非常少,算法实现比较复杂。基于隐马尔可夫模型提出一种改进的热路径预测算法。由于状态转移序列惟一,该算法实现简单,可以提高热路径的命中率,在一定程度上改善动态二进制翻译器的
从优化算法应该具有的共性出发,提出一种全新的算法——学习算法(LA)。该算法记录历史最优解和当前最优解这两组关键历史信息,然后让当前解向这两种最优解聚集(即学习的过程);同时为了不放弃其他区域的搜索,让当前解的一部分完全随机地被重置。该算法原理简单,可调参数少且各参数对算法效能的影响易于掌控。在多最优函数以及复杂函数的最小化测试中,通过与GA、PSO的比较,发现LA确实是一种有效的优化算法,其优化