2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩119頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、虛擬試驗(yàn)技術(shù)憑借其低成本、低風(fēng)險(xiǎn)等優(yōu)勢(shì)廣泛應(yīng)用于武器裝備研制生產(chǎn)過(guò)程中,成為軍工試驗(yàn)與測(cè)試領(lǐng)域的發(fā)展趨勢(shì)。在基于虛擬試驗(yàn)技術(shù)構(gòu)建的系統(tǒng)中,時(shí)空一致性決定了系統(tǒng)的公平性和正確性,是試驗(yàn)結(jié)果真實(shí)有效的保證。為提高虛擬試驗(yàn)過(guò)程的時(shí)空一致性,需要實(shí)時(shí)獲取網(wǎng)絡(luò)當(dāng)前的性能參數(shù)和拓?fù)浣Y(jié)構(gòu)信息,以此為依據(jù)及時(shí)調(diào)整實(shí)體在各網(wǎng)絡(luò)節(jié)點(diǎn)的部署,優(yōu)化虛擬試驗(yàn)系統(tǒng)的整體性能。因此,虛擬試驗(yàn)網(wǎng)絡(luò)測(cè)量是改善虛擬試驗(yàn)系統(tǒng)整體性能的基礎(chǔ),而測(cè)量方法的實(shí)時(shí)性是保證虛擬試驗(yàn)真

2、實(shí)性和有效性的前提條件。
  隨著虛擬試驗(yàn)技術(shù)的發(fā)展,廣域、跨系統(tǒng)邊界和虛實(shí)結(jié)合的試驗(yàn)?zāi)J绞沟锰摂M試驗(yàn)網(wǎng)絡(luò)具有異構(gòu)化和非協(xié)作等特點(diǎn),傳統(tǒng)的直接測(cè)量模式難以滿足虛擬試驗(yàn)網(wǎng)絡(luò)測(cè)量的需求。近年來(lái),國(guó)際上多個(gè)研究機(jī)構(gòu)提出的網(wǎng)絡(luò)層析成像技術(shù)以端到端模式解決網(wǎng)絡(luò)的非協(xié)作測(cè)量問(wèn)題,成為網(wǎng)絡(luò)測(cè)量領(lǐng)域的研究熱點(diǎn)。目前,網(wǎng)絡(luò)層析成像技術(shù)的研究主要針對(duì)互聯(lián)網(wǎng)測(cè)量而開(kāi)展,所關(guān)注的重點(diǎn)在于提高大規(guī)模網(wǎng)絡(luò)性能參數(shù)的測(cè)量精度,現(xiàn)有的方法難以滿足虛擬試驗(yàn)網(wǎng)絡(luò)測(cè)量

3、的實(shí)時(shí)性需求。針對(duì)上述問(wèn)題,本文在網(wǎng)絡(luò)層析成像技術(shù)框架下,從虛擬試驗(yàn)網(wǎng)絡(luò)性能優(yōu)化相關(guān)的參數(shù)(丟包率和時(shí)延)測(cè)量和拓?fù)浣Y(jié)構(gòu)估計(jì)兩方面進(jìn)行研究,力求提高測(cè)量效率(實(shí)時(shí)性)和測(cè)量精度,降低測(cè)量過(guò)程造成的網(wǎng)絡(luò)負(fù)載,具體內(nèi)容如下:
  在網(wǎng)絡(luò)層析成像技術(shù)框架下,端到端測(cè)量路徑的數(shù)量決定了測(cè)量的效率和網(wǎng)絡(luò)負(fù)載情況,而完成端到端測(cè)量所需要的最少路徑數(shù)量等于路由矩陣的秩。針對(duì)現(xiàn)有的鏈路丟包率測(cè)量方法存在的測(cè)量效率較低、測(cè)量過(guò)程易造成較大網(wǎng)絡(luò)負(fù)載和

4、測(cè)量精度不高等問(wèn)題,本文提出一種基于最小覆蓋集的鏈路丟包率測(cè)量方法。該方法在端到端測(cè)量之前首先通過(guò)最小覆蓋集測(cè)量尋找網(wǎng)絡(luò)中的正常鏈路,化簡(jiǎn)路由矩陣,縮小路由矩陣的秩,減少端到端測(cè)量所需要的路徑數(shù)量;隨后采用線性方程組和Gibbs采樣相結(jié)合的方法求解網(wǎng)絡(luò)內(nèi)部鏈路的丟包率,改善由于采用高斯模型描述網(wǎng)路鏈路報(bào)文傳輸概率導(dǎo)致測(cè)量精度降低的問(wèn)題。仿真實(shí)驗(yàn)結(jié)果表明,該方法可以有效提高鏈路丟包率的測(cè)量效率和測(cè)量精度,降低測(cè)量過(guò)程造成的網(wǎng)絡(luò)負(fù)載。

5、>  在離散時(shí)延模型下,端到端路徑時(shí)延分解后的基本計(jì)算單元數(shù)量越少,鏈路時(shí)延分布測(cè)量方法的計(jì)算速度越快。針對(duì)現(xiàn)有的基于離散時(shí)延模型的網(wǎng)絡(luò)鏈路時(shí)延分布測(cè)量效率較低,且在測(cè)量精度和計(jì)算時(shí)間方面相互制約的問(wèn)題,本文提出一種基于層次分解的鏈路時(shí)延分布快速測(cè)量方法。該方法按照網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的層次對(duì)端到端路徑時(shí)延進(jìn)行子樹(shù)分解,以子樹(shù)時(shí)延作為基本計(jì)算單元進(jìn)行鏈路時(shí)延分布的計(jì)算。由于子樹(shù)時(shí)延是子樹(shù)所包含鏈路的時(shí)延組合,因此將端到端路徑時(shí)延分解到子樹(shù)時(shí)延后

6、的基本計(jì)算單元數(shù)量顯著少于分解到鏈路時(shí)延后的基本計(jì)算單元數(shù)量,使得該方法的計(jì)算速度得到顯著提升。仿真實(shí)驗(yàn)結(jié)果表明,該方法可以在保持現(xiàn)有EM算法測(cè)量精度的條件下,有效縮短測(cè)量時(shí)間,提高鏈路時(shí)延分布的測(cè)量效率。
  通過(guò)對(duì)現(xiàn)有的深度優(yōu)先搜索下的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)估計(jì)方法的分析,發(fā)現(xiàn)在對(duì)目的節(jié)點(diǎn)進(jìn)行深度優(yōu)先搜索排序的過(guò)程中,參考節(jié)點(diǎn)的選取決定了拓?fù)浣Y(jié)構(gòu)估計(jì)的效率。針對(duì)現(xiàn)有的單播測(cè)量模式下的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)估計(jì)方法效率和準(zhǔn)確性較低的問(wèn)題,本文提出一

7、種高效的單播網(wǎng)絡(luò)自適應(yīng)拓?fù)浣Y(jié)構(gòu)估計(jì)方法。該方法利用探測(cè)包中的TTL信息選取參考節(jié)點(diǎn)對(duì)目的節(jié)點(diǎn)進(jìn)行深度優(yōu)先搜索排序,減少單播測(cè)量中所需的背靠背包對(duì)數(shù)量,提高拓?fù)浣Y(jié)構(gòu)估計(jì)的效率;在拓?fù)浣Y(jié)構(gòu)計(jì)算過(guò)程中,根據(jù)鏈路加性特征量的估計(jì)值實(shí)時(shí)修正判定閾值,使其對(duì)初始判定閾值的選擇具有自適應(yīng)性,解決網(wǎng)絡(luò)內(nèi)部鏈路參數(shù)未知時(shí)的判定閾值選擇問(wèn)題。仿真實(shí)驗(yàn)結(jié)果表明,該方法具備較高的拓?fù)浣Y(jié)構(gòu)估計(jì)效率,并且在網(wǎng)絡(luò)內(nèi)部鏈路性能參數(shù)未知的情況下仍然具有較高的拓?fù)浣Y(jié)構(gòu)估計(jì)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論