【摘 要】
：
作为移动IP技术的新的发展方向,移动式网络技术是将节点移动性向网络移动性(NEMO)扩展的关键技术,降低移动式网络在注册和认证过程中的延时,能够提高移动式网络技术的实际应用。提出了新的基于Mob ile IP/AAA模型的移动式网络认证方法,研究了AAAL与AAAH之间的距离以及本地切换率对认证延时的影响,并提交了NS2仿真试验结果和安全性分析。该方法能够实现低切换时延,并保证移动式网络注册和切换
【机 构】
：
国防科学技术大学电子科学与工程学院
论文部分内容阅读
作为移动IP技术的新的发展方向,移动式网络技术是将节点移动性向网络移动性(NEMO)扩展的关键技术,降低移动式网络在注册和认证过程中的延时,能够提高移动式网络技术的实际应用。提出了新的基于Mob ile IP/AAA模型的移动式网络认证方法,研究了AAAL与AAAH之间的距离以及本地切换率对认证延时的影响,并提交了NS2仿真试验结果和安全性分析。该方法能够实现低切换时延,并保证移动式网络注册和切换中的安全性。
其他文献
采用一种基于概率密度的方法对常规多站时差定位法进行改进,并给出该方法的计算推导公式。该算法在获取目标位置初始值的基础上,将目标方位看成是满足一定概率密度的多个测量子集,寻找出多个子集共同密度对应的最大点,即为目标的最终位置。通过实测数据验证,实验结果表明,在合理布置辅阵位置的基础上,基于概率密度的定位算法可以大幅度降低定位误差,从而提高定位精度。尤其是在目标远距离飞行时,定位精度明显优于常规时差定
进程演算通常用来研究交互式反应系统,其中的互模拟方法是用来形式化验证系统属性的重要途径。首先扩展了进程演算中的Spi演算,并将其应用于形式化描述网络安全协议——Kerberos协议的安全属性。为了验证该协议所声称的安全属性,引入了Spi演算中环境敏感互模拟的方法,即两个系统与环境发生交互过程中是否互模拟。通过采用该互模拟关系对Kerberos协议两个安全属性——可认证性和保密性——的证明,发现其可
聚能爆炸的过程是非常复杂,很难进行精确的解析分析,通过实验手段研究则耗资过于巨大,所以数值分析是有效的近似手段。对于聚能射流对靶板的作用的研究比较少。ALE单元算法是一种比较新的有关流固耦合的算法,因此利用非线性有限元ANSYS/LS-DYNA软件中ALE算法,分别计算两种装药形式(圆锥形装药和球缺形装药)对双层板破坏的动力响应,分析了各计算结果,对比了破口,位移以及应力等变量。得到结论:圆锥形装
定位是车辆自主驾驶研究过程中的关键问题。从车辆的侧向动力学模型出发,研究并分析了其稳态响应结果,以此建立了车辆定位模型。由于定位模型具有非线性、多自由度、多变元的特点,在实际定位中很难应用,因此,在定位模型中采用了一种动态自适应网络即改进型的RBFNN,它能够动态调节网络的规模和参数,具有较强的逼近能力以及自学习能力;并利用Kalman滤波器对输入的前轮摆角以及车速信号进行滤波处理,减小误差,提高
在断裂力学中,如何求取应力强度因子一直是一个重要的课题。该文通过MSC.Marc提供的断裂力学模块,采用三维J积分法计算含有半椭圆表面裂纹前缘应力强度因子。首先通过MSC.Marc.Mentat建立特定裂纹体有限元模型,假设裂纹前缘处在平面应变状态下,由MSC.Marc计算出裂纹前沿的J积分,再由J积分计算出裂纹前缘的应力强度因子值。最后将计算结果与经验公式得到的结果进行了比较。仿真结果表明,通过
首先从接收信号的过采样出发,总结了SIMO信道的堆栈系统模型。针对输入信号为平稳且有已知自相关函数时的信道估计与均衡问题,通过统计特性变换的方法导出了变换阵的闭式解,最后给出一种适用于平稳信源的改进盲信道估计与均衡算法,并对算法进行仿真,分析其辨识误差、收敛性能和均衡效果。结果表明算法在输入信号为平稳非独立同分布时仍能对信道进行辨识且具有较高的精度,算法的收敛速度快并能达到理想的均衡效果。
基于DSP的软件无线电通信平台实现,要求能够实时快速准确完成调制解调编码解码等功能,因此对程序算法的效率要求很高,同时又必须保证结果的准确,软件无线电台有其特有的灵活性,因此必须对算法加以特殊处理以满足要求。基于TMS320C6201DSP平台,以软件无线电方式实现了实时QPSK通信平台,包括实时编解码、全自动识别、调制解调等,主要就解调过程中的软件锁相、判决、软件位同步及系统优化等关键技术提出了
提出了一种用于聚类分析的克隆-K均值算法。基于人工免疫系统的克隆选择算法具有全局搜索能力强,收敛于全局最优解的特点。基于以上优点,在克隆选择算法中引入K-均值算子,对种群中的个体在克隆、变异操作后进行K-均值运算。通过对初始种群的形成、克隆操作、变异操作、替代操作和K-均值操作等过程的描述,提出了完整的克隆-K均值算法。实验研究表明,算法成功解决了K-均值算法对初始值敏感且容易陷入局部最优的缺点,
在负载均衡问题中,负载调度方法是核心,它的好坏直接影响均衡系统的性能。提出一种基于多路规划遗传算法的服务器端负载均衡算法。该方法借鉴生物界自然选择和自然遗传机制,模拟自然进化过程搜索最优解,为负载均衡问题提供了新的计算模型。同时,多路规划(多次交叉或变异)后取最优策略的应用,使得多路规划遗传算法的优化性能大为提高。该方法降低了服务器端请求的响应时间,提高了服务器端CPU的利用率,从而改善了系统性能
传统的流形学习算法能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理稀疏的样本数据。针对这些缺点,提出了一种基于局部映射的直接求解线性嵌入算法(Solving Directly Linear Embedding,简称SDLE)。通过假定低维流形的整体嵌入函数,将流形映射赋予局部光滑的约束,应用核方法将高维空间的坐标投影到特征空间,最后构造出在低维空间的全局坐标。SDLE算法解决