摘要：设计并实现了一种基于ARM+FPGA的视频监控系统,以ARM9处理器为主控制器,FPGA为协处理器,构造ARM与FPGA间的高速数据传输通道和基于Linux的轻量级的图形驱动,完成实时视频采集和显示。实验结果表明,该设计能够流畅播放PAL/NTSC两种制式视频信号,具有良好的扩展性、稳定性和较快的响应速度。

摘要：网格计算是近年来兴起的一个研究热点。它的出现和发展使得解决高性能计算领域的问题和挑战成为可能。而安全问题是网格计算成败的关键,因此,分析了当前网格计算环境的安全需求和网格安全基础设施(GSI)以及数字证书在GSI中的应用,并针对其存在的不足,设计了一种新型的网格应用安全模型,并基于网格计算环境实现了该模型。

摘要：文中首先介绍了CORBA技术与Web技术应用于网络管理系统的优点 ,通过分析基于CORBA与基于Web的两种网管系统的体系结构 ,提出了一种基于CORBA/Web技术的综合网管系统并进行了相关的仿真与试验。这种综合网管系统很好的将CORBA与Web技术相融合 ,可以使网络管理员在任何时间和任何地点使用Web对网络上的任意节点进行方便。

摘要：为了解决在流量高峰时期网络节点由于超负荷工作导致报文丢失的问题,在几何抽样的基础上,设计了一种能自动适应流量负载变化的抽样算法。该算法在流量高峰时会根据负载情况动态地计算最佳的抽样概率来匹配节点的处理能力从而降低节点丢失的报文数,在流量负载轻时会自动地提高抽样概率以充分利用节点的处理性能。通过真实网络流量数据的实验分析表明,改进后的几何抽样算法不仅能有效降低节点丢弃的报文数,同时还提高了网络测量的精度,证明了该改进算法对流量负载具有良好的适应性。

摘要：为解决地空数据链组网可靠性问题,建立了网络拓扑优化模型,在考虑网络拓扑和可靠因素影响的基础上,引入一种快速的可靠性评估方法进行定量分析,仿真结果验证了该算法的可行性和有效性,为实现数据链网络拓扑结构的优化设计提供了新的研究思路和方法。

摘要：针对液晶式电子水平状态指示仪应用时图形显示速度慢的问题,提出基于嵌入式Linux实时系统的软件设计方案。给出软件设计原则、设计思路和消息机制,并详细分析"贴图"、Linux下进程间通信和多级缓冲等关键技术。对软件运行结果进行分析,软件在帧速率和CPU使用率方面均能达到较好效果,能够满足设计需求。该方案有效提高了电子水平状态指示仪界面显示速度和质量。

摘要：为了解决当前雷达情报传输中存在的问题,提出一种利用IP宽带网络传输雷达情报的系统,设计了本传输系统的关键设备———采用ARM处理器的嵌入式网关。利用专用芯片进行了串口电路的扩展,解决了雷达情报接收中的多串口通信问题;通过裁减、移植嵌入式实时操作系统RTLinux,提高了嵌入式网关对雷达情报处理和传输的实时性和可靠性;在嵌入式操作系统的基础上,利用Socket网络编程,最终实现了雷达情报在IP宽带网上的正常传输。在实验室内,对系统进行测试验证,结果表明,该嵌入式网关能够顺利地对多个串口输入的数据进行处理和转发,在广域网内实现了数据的实时、高速、可靠传输,满足雷达情报传输的要求。

摘要：为了科学地评估网络运行情况,提出了网络质量的概念并阐述了其内涵;设计了一组反映网络质量的评估指标体系并以隶属度向量值计算指标的统计值,该值能够明确地反映在统计周期内指标的等级情况;基于模糊数学理论建立了采用统计的网络质量模糊评估模型。以4个不同驻地IP网络统计数据为例,对4个网络的质量进行了模糊评估,从而获得网络质量的量化评估结果。

摘要：网络流量预测的关键是建立相应的数学模型。介绍了网络流量预测模型的基本概念和分类,指出了单一预测模型存在的问题。从模型构建原理出发,重点对组合预测模型进行了系统的分类,将其分为线性组合模型、优化组合模型、分解重构组合模型,介绍了各组合模型的相关研究进展,并分析了它们的特点和适用范围,指出组合预测模型能更精确、全面地预测流量。针对流量预测目前存在的问题,对未来研究趋势提出了几点思考。

摘要：支持向量机(SVM)可以解决传统态势评估算法无法兼顾的"维数灾难""过学习"及"非线性"等难题,却无法应对大规模样本的问题。为了有效应对态势评估中的大数据处理挑战,提出了一种基于MapReduce的SVM(MR-SVM)态势评估算法。该算法利用MapReduce并行计算模型,同时结合SVM可并行化的特点,通过设计主要的map函数和reduce函数,实现了SVM算法的并行化和主要参数的选取。在搭建的Hadoop平台上对改进算法与原算法进行了比较验证:对于小规模样本,改进算法反而"化简为繁",不比原算法效率高;但在大规模样本的处理上,原算法的训练时间随样本规模呈指数型增长,而改进算法的训练时间随样本规模并没有特别明显的增幅,体现出了较好的时间优势。实验结果表明,基于MapReduce改进的SVM很好地弥补了原算法"样本规模"的短板,更适用于大数据环境下的网络态势评估。