网络编码研究综述
脉冲神经网络研究进展综述
脉冲神经网络研究进展综述一、本文概述随着和机器学习的飞速发展，神经网络作为其中的核心组件，已经得到了广泛的研究和应用。
然而，传统的神经网络模型在处理复杂、动态和实时的任务时，由于其计算复杂度高、能耗大等问题，面临着巨大的挑战。
脉冲神经网络（Spiking Neural Networks，SNNs）作为一种新型的神经网络模型，以其独特的脉冲编码和传输机制，为解决这些问题提供了新的思路。
本文旨在全面综述脉冲神经网络的研究进展，包括其基本原理、模型设计、训练方法以及应用领域等方面。
我们将详细介绍脉冲神经网络的基本概念和脉冲编码机制，阐述其与传统神经网络的主要区别和优势。
然后，我们将回顾脉冲神经网络模型的发展历程，分析各种模型的特点和应用场景。
接着，我们将探讨脉冲神经网络的训练方法和学习机制，包括监督学习、无监督学习和强化学习等。
我们将展示脉冲神经网络在各个领域的应用实例，如图像识别、语音识别、机器人控制等，并展望其未来的发展方向。
通过本文的综述，我们希望能够为研究者提供一个清晰、全面的脉络，以了解脉冲神经网络的研究现状和发展趋势，为未来的研究提供有益的参考和启示。
我们也期望能够激发更多研究者对脉冲神经网络的兴趣和热情，共同推动这一领域的发展。
二、脉冲神经网络的基本原理脉冲神经网络（Spiking Neural Networks，SNNs）是一种模拟生物神经网络中神经元脉冲发放行为的计算模型。
与传统的人工神经网络（Artificial Neural Networks，ANNs）不同，SNNs的神经元通过产生和传递脉冲（或称为动作电位）来进行信息的编码和传输。
这种模型更接近生物神经元的实际运作机制，因此具有更强的生物可解释性和更高的计算效率。
在SNNs中，神经元的状态通常由膜电位（Membrane Potential）来表示。
当膜电位达到某个阈值时，神经元会发放一个脉冲，并将膜电位重置为静息状态。
脉冲的发放时间和频率都可以作为信息的编码方式。
无线网络编码机会路由综述
２０１无线网络编码机会路由综述关淯尹，底兴芳（宁夏大学物理与电子电气工程学院，宁夏银川750021）摘要：作为无线网络协议中两个重要的研究方向，网络编码和机会路由广泛应用于社会各个方面,为提高无线网络的总体性能，融合网络编码和机会路由已成为当今研究热点。
文章系统地总结了网络编码与机会路由的方法和研究现状，对网络吞吐量、可靠性、转发效率、延时等性能进行介绍和分析。
最后，对融合网络编码和机会路由提高网络性能方面的工作进行了展望。
关键词：网络编码；机会路由；吞吐量；延时中图分类号：TP393文献标识码：A 文章编号：1673-1131（2016）08-0201-04Survey onNetwork-Coding-Opportunistic Routing in Wireless NetworkGuan Yuyin,Di Xingfang(School of Physics and Electronic-Electrical Engineering,Ningxia University,Yinchuan,750021,China )Abstract:As a wireless network protocol in two important research direction,network coding and opportunistic routing can be widely used in many aspects of society.In order to improve the overall performance of the wireless network,fusion opportunistic routing and network coding has become a hotspot of current research.This paper systematicallysummarizesexisting methods and research status of network coding and opportunistic work throughput,reliability,forwarding efficiency and the delay performance are reported andanalyzed.At last,development trends of network coding and opportunistic routing to improve network performance are discussed.Key words:network cording;opportunistic routing;throughput;latency0引言随着无线网络技术的发展，人们对获取通信信息的速度，质量等方面的要求越来越高。
网络编码的安全性综述
网络编码的安全性综述
张宇阳;高媛媛;杨保峰;张倩倩;顾耀坤
【期刊名称】《无线通信》
【年(卷),期】2015(005)006
【摘要】本文是针对网络编码的安全性问题的综述性文章,首先对现有的针对网络编码系统的恶意攻击进行了细致的定义和分类,总结了各类恶意攻击之间的联系和区别,说明了它们的基本防御思想;其次针对各类恶意攻击,阐述了一些经典的网络编码防御方案,并分析其优缺点;最后对现有的网络编码防御方案进行了总结并提出了改进思路。
【总页数】12页(P126-137)
【作者】张宇阳;高媛媛;杨保峰;张倩倩;顾耀坤
【作者单位】[1]解放军理工大学通信工程学院,江苏南京;;[2]南京邮电大学,江苏南京;;[1]解放军理工大学通信工程学院,江苏南京;;[1]解放军理工大学通信工程学院,江苏南京;;[3]65040部队,辽宁沈阳
【正文语种】中文
【中图分类】TP39
【相关文献】
1.网络编码在无线网络中的应用综述 [J], 都赟赟;程文彬
2.基于网络编码和多速率组播的网络性能优化综述 [J], 陈小徽;王俊义;赵振
3.联合编码开销与安全性能的网络编码优化方案 [J], 徐光宪;杨冬丽;高嵩;许春燕;
金钰博
4.基于网络编码的机会网络路由综述 [J], 白琳;何欣;何明书
5.多中继物理层网络编码系统加密设计及安全性能研究 [J], 唐猛;李海华;谢灵运;陈建华
因版权原因，仅展示原文概要，查看原文内容请购买。
网络编码在P2P网络中的应用
网络编码在P2P技术中的应用根据最大流最小割定理，通信网中端到端最大信息流是由网络有向图的最小切割决定的。
但目前网络中无法达到这一理论的上界，这是因为在网络中信息以“流”的方式来处理，原则上一个通信“管道”一次只允许传输一个“流”。
传统的观念中，认为在中间节点对信息进行处理于信息传输本身没有任何好处。
然而，Ahlswede等人于2000年提出了网络编码的概念，推翻了上述结论。
网络编码，是指中间节点不仅仅是简单的存储转发，还可以对信息进行一定处理融合，增加单次传输的信息量，提高网络的性能。
网络编码融合了编码和路由的概念，给现有的网络带来了革命性的变化，给网络结构、路由的设计带来了新的设计思路。
一、网络编码综述最初提出网络编码是用来解决网络中组播的最大流问题，即给定一个通信网络，以G(V，E)来表示，G是一个有向无环图。
在组播通信中，需要一个信源S∈V和一组信宿T∈V。
要实现组播通信，传统的路由方式是建立一个或多个组播树,即建立一棵以发送者为根节点、连接所有接收者的多播分发树，所要传输的信息就在这些事先选好的路径上传输。
所以建立组播树是实现组播的关键，但是一般认为组播树的建立是一个NP问题。
通常只是求出其近似解，先采用最大流算法找到信源与一个信宿R1的最大流路径，然后再依次寻找与下个信宿R2之间的最大流路径，这时通常会在原通信网络中去掉与R1之间已经用过的链路的容量。
这样处理是因为传统路由认为网络中传输的信息是不能叠加的，只能存储转发。
这样的组播树的建立方式就会导致信源与信宿R2后面的信宿建立的路径都不是以它们之间的最大流进行传输的。
而网络编码的提出就是为了解决这个问题，以实现由最大流最小割定理给定的一个通信网络的容量上限。
为进一步说明网络编码的原理，下面给出一个经典例子。
如下图所示，在这个蝶式网络中，每个边代表一个直接链路，每次可以可靠地传输一个包。
源端S1和S2分别有包S1和S2，想要都发送给R1和R2。
国外近十年深度学习实证研究综述主题、情境、方法及结果
国外近十年深度学习实证研究综述主题、情境、方法及结果一、概述：二、主题分类：计算机视觉：该主题主要关注图像识别、目标检测、图像生成等任务。
研究者利用深度学习模型，如卷积神经网络（CNN），在图像分类、人脸识别、物体检测等任务上取得了显著成果。
自然语言处理：自然语言处理是深度学习的另一重要应用领域。
研究者使用循环神经网络（RNN）、长短期记忆网络（LSTM）、变压器（Transformer）等模型进行文本生成、情感分析、机器翻译等任务，推动了自然语言处理技术的发展。
语音识别与生成：深度学习在语音识别和语音合成方面也有广泛应用。
研究者利用深度学习模型进行语音特征提取、语音识别和语音合成，提高了语音技术的准确性和自然度。
游戏与人工智能：深度学习在游戏领域的应用也日益增多。
研究者利用深度学习模型进行游戏策略学习、游戏内容生成等任务，提高了游戏的智能性和趣味性。
医疗与健康：深度学习在医疗领域的应用也备受关注。
研究者利用深度学习模型进行疾病诊断、药物研发、医疗影像分析等任务，为医疗健康领域的发展提供了有力支持。
这些主题分类展示了深度学习在不同领域和应用场景中的广泛应用和巨大潜力。
通过对这些主题的深入研究和分析，我们可以更好地理解深度学习的发展趋势和应用前景。
1. 计算机视觉在计算机视觉领域，深度学习技术的应用已经取得了显著的突破。
近年来，卷积神经网络（CNN）成为了该领域的主导模型，特别是在图像分类、目标检测、图像分割等方面。
AlexNet、VGG、GoogleNet、ResNet等模型的出现，不断刷新了图像分类任务上的准确率记录。
主题：计算机视觉的核心任务是让机器能够像人一样“看懂”图像和视频，从而进行自动分析和理解。
深度学习通过模拟人脑神经元的连接方式，构建出复杂的网络结构，实现对图像的高效特征提取和分类。
情境：计算机视觉的应用场景非常广泛，包括人脸识别、自动驾驶、医学影像分析、安全监控等。
在这些场景中，深度学习模型需要处理的数据集往往规模庞大，且存在噪声、模糊等问题，因此模型的鲁棒性和泛化能力成为研究重点。
网络编码研究综述
Ａ ｓ ａｔＮ ｔｏｋ ｉ ， ｗ ａ ｏｅ ｔ ｍ ｓ ｉｐｒ ｎ ｂ ａｔ ｏｇｓ ｔ ｔｅｒ ｏ ｉ ｏｍ ｔｎ ｃ ｓ ｇ ｂｔ ｃ； ｒ ｃ ｎ ｋｏ ｎ ｎ ｏ ｈ ｏｔ ｏｔ ｔ ｋ ｒｕｈ ｏ ｈ ｈｏｙ ｎ ｒ ａｏ ｐｏｅ ｉ ａｄ ｒ ｅ ｗ ｏ ｇ ｎ ｄ ｓ ｆ ｅ ｍ ａ ｒ ｈ ｅ ｎ ｅ ｆ ｆ ｉ ｒ ｓｎ ｎ ｔ ｎｍｓｏ ， ａ ｄ ｔ ｍ ｉｉ ａ ｔ ｄ ｇ ｄｃｄ ｇ ｒ ｉ ｓ ａｐｅ ｏ ｔ ｉ ｏ ｉ ｍ ｓ ｇｓ ｎ ｒ ｒ ｓ ｉｉ ｉｂｓ ｏ ｈ ａ ｄ ｔ ｅｃ ｉ ａｄ ｏｉ ｏｅ ｔｎ ａｅ ｌｄ ｈ ｎ ｍｎ ｅ ａｅｏａ ｉｅ ａ ｓ ｎ ｓ ｅ ｎ ｎ ｈ ｎｏ ｎ ｎ ｅ ｎ ｐ ａｏ ｒ ｐ ｉ ｎ ｃ ｇ ｓ ｅ ｅ ａ ｅ ｆ ｎ － ｔ ｍ ｄ ｔｎｄ ｔ ｐ ｄｃ ｃｄｄ ｇｉ ｏｅ ｂｆ ｅ ｗ ｒ ｎ． ｗ ｒ ｃｄ ｇ ｍ ｎ ａｖｎ ｇｓ ｒ ｖｎ ｏａｒｕ ｅｉｅ ｅ ｒ ｕｅ ｅ ｏｔ ｎ ｎｓ ｏ ｆ ａ ｉ Ｎ ｔｏ ｏｉ ｈｓ ｙ ａｔ ｅ ｏｅ ｃｎｅｔｎｌ ｔ ａ ｏ ｏ ｏ ｏ ｕ ｏ ｇ ｅ ｒ ｏ ｄ ｇ ｅ ｋ ｎ ａ ａ ｄ ａ ｖ ｏ ｒ ｉ ｏ－ ｉ ， ｈ ｐｏｉｎ ｈ ｈｒ ｗ ｒ ｔ ｏｇｐｔｕｉ ｂｎｗｄｈ ｃ ｎｌａｄ ａｃ ｇ ｔ ｆｃ ｅ ． ｈ ｐｐｒ ｗ ｎ ｓｃ ａ ｒ ｄ ｇ ｅｎｔｏｋ ｕｈｕ， ｇ ｄ ｉ ｅ ｉｅｔ ｎ ｂｌ ｉ ｔｅ ｆ ， Ｉ ｔ ｓ ｅ， ｇ ｕ ｓ ｖ ｉ ｉ ｇ ｅ ｈ ｒ ｓ ａ ｎ ｔ ｆ ｉ ｙ ａ ｎ ｎ ｈ ｒ ｉ ｔ ｎ ａ ｆ ａ ｃ ｉ ｅ ｐｅ ｎ ｔｅ ｉｔ ｏ ａｄ ｉ ａｖｎａｅ ａｄ ａｖｎ ｇｓ ｅ ｏｋ ｉ ， ｔ ｎ ｃ ｂ ｔ ｋｙ ｏｔｍ ａ ｒ ｅｔ ｂｓ ｈ ｒ ｎ ｍ ｎ ａｔ ｓ ｄ ｄａｔ ｅ ｏ ｎｔ ｒ ｃｄ ｇ ａｄ ｄｓ ｉ ｈ ｅ ａ ｒｈ ｓ ｓ ｈ ａ ｃ ｙ ａ ｄ ｅ ｇ ｎ ｉ ｓ ａ ｆ ｗ ｏ ｎ ｎ ｈ ｅ ｒ ｅ ｅ ｅ ｌ ｉ ｇ ｓ ｗ ｌａ ｇ ｉ ａ ｅ ｌ ｅ ｏｓｍ ｔ ｉｌ ｌ ｅｔｉ ｓ ｅ ｏ ｃｄ ｇ ｅ ｉ Ｉ ｔｅ ， ｄｅ ｉ ｓ ｆ ｅ ｓ ｎ ｇｎｒ ｒ ｉ ｆ ｅ ｃ ｉｐ ｍ ｎ ｔｎ ｏｎｔ ｒ ｏｉ ｉｄｔｌ ｎ ｅｄ ｔ ｉｃｏ ａｄ ｌ ｉ ｇ ｅ ａ ｅ ｗ ｏ ｙ ａ ｍ ｅ ａｏ ｆ ｋ ｎ ｎ ａ． ｈ ｎ ｈ ｒ ｔｎ ｎ ｕ ｖ ｖ ｐ ｗ ｅ －
防窃听攻击的安全网络编码
Ｔ ｒ ｎ ０ ～ ０ 的“ 崩” ｏｒ ｔ ％ ３ ％ ｅ ２ 雪 系统 。此 外 ， 网络 编码也 可 以
０ 引言
随着网络通信技术 的高 速发展 以及 网络 用户数 量 的快 速 增长 ， 网络在提供 多样化 服务 的同时 ， 如何提 高现有 网络资 源 利用率及 传输质量 ， 优化 网络 ， 已成 为当前 网络通信 研究 的重 要课题 。在传 统多播通信网络 中， 中间节 点仅 对接收到的信息 进行 复制转发 ， 很难达 到网络多播 的最 大传输 容量。针对这一 问题 ， ｈｓ ｅｅ等人… 提 出了网络编码思想 ， Ａｌ ｄ ｗ 通过 对 中间节 点 进行 编码 处理 （ 使其不 仅具 备路 由功能 而且具 备 编码功 能 ） ，
（ ． ｈｆ ｎ ｄ １ Ｚ ｅａｇ ｉ ｗ Ｐ ｌｔ ｈ ｉ Ｃｌｇ ， ｈ ｏｉ ｈｆ ｎ ２ ００， ｈｎ ； ． ｕ ａ ｎｖｒｔ， ｈ ｎ ｈ ｉ ０ ４ ３ ｈｎ ） ｏ ｅ ｎ ｏｌ ｅ Ｓ ａｘｎ Ｚ ｅａｇ３ １０ Ｃ ｉａ ２ Ｆ ｄ ｎＵ ｉ ｓｙ Ｓ ａｇ ａ ２ ０ ３ ，Ｃ ｉａ ｙｃ ｃ ｅ ｇ ｉ ｅｉ
第２ ９卷 第 ３期
２１ ０ ２年 ３月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｍｐ ｔｒ ｐ ｉ ｔ ｓ ａ ｃ ｆＣｏ ｕ ｅ ｓ ｃ ｏ
Ｖ０ ． ９ Ｎｏ ３ １２ ．
Ｍａ ． ２ ２ ｒ ０１
防 窃 听 攻 击 的 安 全 网 络 编 码
不 同， 两方面 对现有 的防 窃听安 全 网络 编码研 究 中的 主要 工作 进 行 总 结 ， 而从 三 个 角度 对现 有 的 方 法进 行 从 进 了分析和 比较 ， 对现有 方法 的优 缺 点进行 了阐述 。
如何做综述性研究 读书笔记
如何做综述性研究第一章导言一、文献综述的必要性①随着电子计算机和在线网络搜索文献技术的应用，研究者获得社会科学信息的能力发生了变化。
②社会科学内部日益增长的专业化水平的逐步提高，研究者对已有的、大量真实可信的研究综述的需求也日益增多。
二、文献综述与文献综述意思相近的术语：文献综述、文献述评、综合性研究述评、研究综述以及元分析。
三、两种不同类型的综述类型第一种文献综述被称为研究综述、综合性研究综述或研究述评。
这类研究的研究者希望通过从已有的独立研究中推导出来描述相关或相同假设的整体结论，寻求总结以往的研究成果。
第二种类型的文献综述是理论综述，综述者用给定的理论解释一种特定的现象，并比较它们在、内在一致性及预测实质。
四、文献综述的五个阶段问题形成阶段、文献检索阶段、数据评估阶段、分析解释阶段、公开发表阶段五、四个例子（1）家庭作业对学习成绩的影响（2）实验室试验中人际期望效应的人格调和（3）酒精对人类攻击性的影响（4）对待强奸态度的个体差异第二章问题形成阶段一、原始研究和综述性研究中变量定义的异同同：①需要给出变量的概念定义。
概念定义的广度不同，包含的范围不同。
如“成绩”的概念可以界定为“某人在学术领域的知识水平”也可以界定为“通过努力取得的东西”。
②需要确定所研究问题变量的适用范围。
③需要确定一个事件如何代表了一个感兴趣的变量。
异：①原始研究者在研究开始前必须从操作层面界定概念。
如，攻击性的原始研究者必须确定如何衡量攻击性。
综述者最初不必清楚的界定概念。
对他们而言有一个概念定义和一些已知操作就可以进行文献检索。
②原始研究仅包括一类（有时是两类）的操作定义。
综述研究通常包括很多经验认识。
二、研究综述的多重操作1、概念一致性操作化不一致的情况：①用多重广义的方法界定狭义的概念。
②用广义的概念进行狭窄的操作。
2、多重操作主义3、新概念代替旧概念4、与概念相关的非初始操作的使用文献检索发现的研究被圈入一种概念框架内，这种研究不同于综述这的研究，但综述者想到的与概念相关的测量和操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
然后又通过链路XY 和XZ, 最终达到信宿 Y 和Z. Y 收到 b1 和 b2 后, 通过译码操作 b1 (b1 b2 ) 就能解出 b2, 因此, 信 宿 Y 同时收到了 b1 和 b2. 同理, 信宿 Z 也同时收到 b1 ( 通过译
(b1 b2 ) ) 和 b2. 由此, 基于网络编码的多播实现 了理论上的最大传输容量.
T echnology , W uhan 430074, Ch ina )
Abstract: N etw o rk coding, know n a s one of the m o st i m po rtan t b reak th rough s on the theo ry of info rm a tion p rocessing and tran sm ission, is ba sed on the m a in idea tha t encoding and decoding op era tion s a re app lied on the incom ing m essages of an in ter2 m edia te node to p roduce coded ou tgo ing ones befo re fo rw a rding. N etw o rk coding ha s m any advan tages over conven tiona l rou t2 ing, such a s p roviding h igher netw o rk th roughp u t, u sing bandw idth efficien tly and ba lancing the traffic, etc. In th is p ap er, w e p resen t the ba sic theo ry and m a in advan tages and disadvan tages of netw o rk coding, and then describe the key a lgo rithm s a s . In the end, the direction s and fu 2 w ell a s giving a genera l review of som e typ ica l i m p lem en ta tion s of netw o rk coding in deta il tu re w o rk s a re summ a rized. Key words: netw o rk coding; random netw o rk coding; info rm a tion flow ; m u ltica st
对于节点平均度数越大, 网络编码在网络吞吐量上的优势越 明显 [15 ]. 从理论上可证明: 如果 8 为信源节点的符号空间, V 为通信网络中的节点数目, 则对于每条链路都是单位容量的 通信网络, 基于网络编码的多播的吞吐量是路由多播的 8 ( log [16 ] V )倍 .
2. 2. 2 均衡网络负载.
584
小 型 微 型 计 算 机 系 统
2008 年
w o rk ) 模型为例, 阐述了网络编码的基本原理. 如图 1 所示的
“单信源二信宿” 蝴蝶网络, 设各链路容量为 1, S 是信源节点, “最大流最小割” 定 Y 和 Z 是信宿节点, 其余为中间节点. 根据 理, 该多播的最大理论传输容量为 2, 即理论上信宿 Y 和 Z 能 够同时收到信源S 发出的2 个单位的信息, 也就是说能同时收 到 b1 和 b2. 图 1 (a ) 表示的是传统的路由传输方式, 节点W 执 行存储和转发操作. 假定W 转发信息 b1, 则链路W X、 XY 和 XZ 上传输的信息均为 b1, 虽然信宿 Z 收到 b1 和 b2, 但信宿 Y 却只能收到 b1 ( 同时收到一个多余的 b1 ) , 因此信宿 Y 和 Z 无 法同时收到 b1 和 b2, 该多播不能实现最大传输容量.
摘 要: 网络编码是通信网络中信息处理和传输理论研究上的重大突破, 其核心思想是允许网络节点对传输信息进行编码处 理. 运用网络编码能够提升网络吞吐量、 均衡网络负载和提高网络带宽利用率等. 本文介绍网络编码的基本原理以及主要优缺 点, 归纳了网络编码的主要实现算法和机制, 总结了网络编码的几种典型应用, 最后讨论了网络编码进一步的研究方向. 关 键 词: 网络编码; 随机网络编码; 信息流; 多播 中图分类号: T P393 文献标识码: A 文 章 编 号: 100021220 ( 2008) 0420583210
条件, 节点X 则不具备编码条件) 对接收到的信息进行一定方 式的处理 ( 编码) , 然后传输给下一级的网络节点, 收到消息的 下一级节点如果具备编码条件, 又对其接收的信息按照同样 的方式进行处理和传输, 如此反复, 直到所有经过处理后的信 息都汇聚到信宿节点为止. 最后, 在信宿节点, 通过逆过程的 操作 ( 译码) , 即可译出信源发送的原始信息. 网络编码是发生 在域 F q 上的操作, 如果域 F q 无限大, 则运用网络编码的多播 传输能达到理论上的最大传输容量等于各信宿节点的最大流 的最小值, 即 h = m in m ax f low ( t i ) , t i ∈T .
(a )
(b )
( c)
码操作 b2
图 2 单源三接收网络
F ig. 2 O ne sou rce and th ree sink s netw o rk 2. 2. 3 提高带宽利用率.
可见, 网络编码的核心思想是: 具备编码条件的网络节点
( 比如该节点的入度至少为 2, 如图 1 中的节点W 就具备编码
(a )
(b )
图 1 “单信源二信宿” 蝴蝶网络
F ig. 1 B u tterfly netw o rk w ith one sou rce and tw o sink s
图 1 ( b ) 表示的是网络编码方法, 节点W 对输入的信息进 行模二加操作, 然后将操作结果 b1 b2 发送至输出链路W X ,
1 引 言
传统的多播传输是通过构造多播树实现的. 典型的多播 树, 如最小费的 Steiner 树, 其构造过程一般是个 N P 完全问 题 [1 ] , 因此大多数的近似算法 [123 ] , 均不能使多播传输达到 “最 (M A X 2FLOW M I 大流最小割” N2 CU T ) 定理 [4 ] 确定的最大理 论传输容量. 这主要是因为: 现有通信网络中使用的路由机制 认为网络中传输的信息是不能叠加的, 只能进行存储和转发. 然而, 香港中文大学 R. A lshw ede 等在 2000 年的 IEEE 信息 论会刊上发表的一篇著名论文 [5 ] , 彻底推翻了这一结论. 该文 首次提出了网络编码 (N etw o rk Coding ) 的概念并从理论上证 明: 如果允许网络节点对传输的信息按照合适的方式进行编 码处理 ( 如模二加、 有限域上的运算等) , 而非限于存储和转 发, 则基于该方式的网络多播总能够实现理论上的最大传输 容量. 网络节点对传输信息进行操作和处理的过程, 就称为网 络编码. 网络编码彻底改变了通信网络中信息处理和传输的方 式, 是信息理论研究领域的重大突破, 已经引起学术界广泛关 注和高度重视. 国际许多著名大学和研究机构, 国外许多著名
2 网络编码的基本概念和优缺点
2. 1 基本概念 (B u tterflyN et 2 “蝴蝶网络” R. A lshw ede 等 [5 ] 以著名的
收稿日期: 2006211229 基金项目: 国家自然科学基金项目 (60572049) 资助; 华为公司科技基金项目 (YJCB 2006049R E ) 资助. 作者简介: 陶少国, 男, 1980 年生, 博士研究生, 研究方向为下一代网络关键技术, 网络编码理论与应用; 黄佳庆, 男, 1972 年生, 副教授, 研究方向为网络编 码, P 2P, 多播; 杨宗凯, 男, 1961 年生, 教授, 博士生导师, 研究方向为下一代网络, 电子商务, 远程教育; 乔文博, 男, 1983 年生, 硕士研究生, 研究 方向为网络编码与 P 2P 应用; 熊志强, 男, 1979 年生, 博士研究生, 研究方向为下一代网络关键技术, 网络编码理论与应用.
小 型 微 型 计 算 机 系 统 Jou rna l of Ch inese Com p u ter System s
2008 年 4 月 第 4 期 V o l129 N o. 4 2008
网络编码研究综述
陶少国, 黄佳庆, 杨宗凯, 乔文博, 熊志强
( 华中科技大学 电子与信息工程系 智能互联网技术湖北省重点实验室, 湖北 武汉 430074) . com E2 m ail: tao shaoguo@ gm ail
2. 2 主要优缺点
网络编码提出的初衷是为使多播传输达到理论上的最大 传输容量, 从而能取得较路由多播更好的网络吞吐量. 但随着 研究的深入, 网络编码其它方面的优点也体现出来, 如均衡网 络负载、 提升带宽利用率等. 如果将网络编码与其它应用相结 合, 则能提升该应用系统的相关性能.
Survey of Network Cod ing
TAO Shao 2guo , HU AN G J ia 2qing, YAN G Zong 2ka i, Q I AO W en 2bo , X I ON G Zh i2qiang
(H ubei K ey L abora tory of In tellig en t N etw ork T echnology , T he D ep a rtm en t of E lectron ics and Inf orm a tion , H uaZ hong U n iversity of S cience and
网络编码多播可有效利用除多播树路径外其它的网络 链路, 可将网络流量分布于更广泛的网络上, 从而均衡网络 负载. 图 2 ( a ) 所示的通信网络, 其各链路容量为 2. 图 2 ( b ) 表 示的是基于多播树的路由多播, 为使各个信宿节点达到最大 传输容量, 该多播共使用 SU 、 U X、 U Y、 SW 和W Z 等共 5 条 链路, 且每条链路上传输的可行流为2; 图2 ( c ) 表示的是基于 网络编码的多播, 假定信源节点 S 对发送至链路 SV 的信息 进行模二加操作, 则链路 SV 、 V X 和V Z 上传输的信息均为 a , 最终信宿 , 和 均能同时收到 b X Y Z a 和 b. 容易看出, 图 2 ( c ) 所示的网络编码多播所用的传输链路为 9 条, 比图 2 ( b ) 的多播树传输要多 4 条链路, 即利用了更广泛的通信链路, 因此均衡了网络负载. 网络编码的这种特性, 有助于解决网 络拥塞等问题.