块对角化预编码下的用户选择技术.doc

《块对角化预编码下的用户选择技术.doc》由会员分享，可在线阅读，更多相关《块对角化预编码下的用户选择技术.doc（4页珍藏版）》请在三一办公上搜索。

1、第 37 卷第 4 期 2010 年 4 月计算机科学Vol . 37 No . 4Co mp ut e r Scie nce Ap r 2010 块对角化预编码下的用户选择技术尚鹏朱光喜苏钢谭力(华中科技大学电子与信息工程系武汉 430074)(武汉光电国家实验室武汉 430074)摘 要 针对下行多用户多天线系统 ( MU2M IMO) 的资源分配和用户调度 ,提出了一种基于遗传算法 ( GA) 的多用户比例公平调度算法 ,并通过在初始群体中加入具有优秀基因的个体并保持其基因稳定性 ,加快了遗传算法的收敛性。 基站端采用块对角化预编码机制来消除用户间干扰 ,并在保证用户间速率比例公平的前提

2、下最大化系统吞吐量 ,在同 一时刻选择最优用户集来传输 。此外 ,分析了信道反馈错误对该系统的影响 。仿真与分析表明 ,提出的基本算法与改 进算法在公平性和系统的吞吐量方面取得了较好的折中 ,同时算法复杂度比较低 。关键词 M IMO ,多用户分集 ,块对角化 ,比例公平 ,遗传算法中图法分类号TN929文献标识码 AMult i2user Select ion with Block D iagonal izat ion PrecodingS HA N G Peng Z H U Gua ng2xi SU Gang TA N L i( Dep a rt ment of Elect ro nics

3、 a nd Info r matio n Engi neeri ng , Huazho ng U niver sit y of Science & Technolo gy , Wu ha n 430074 ,Chi na) ( Wu ha n Natio nal L a bo rato r y fo r Op toelect ro nics , Wu han 430074 ,Chi na)Abstract Fo r t he reso urce allocatio n a nd scheduling of do w nlink multi2user multiple inp ut multip

4、le o utp ut ( M U2M I2MO) system ,a multi2user p ropo rtio nal f air scheduling scheme ba sed o n genetic algo rit hms ( GA ) wa s p ropo sed. By addi ng so me goo d2gene individual s to t he initial pop ulatio n and keeping it s gene stable , t he co nver gence of GA wa s greatly accelerat ed. Sp e

5、cifically ,t he ba se statio n exploit ed Block Diago nalizatio n (BD) p reco di ng technique to eliminate t he inter2user interf erence. To gua rantee t he f air ness w hile maint ai ning t he t hro ughp ut p erfo r ma nce , a subset of user swa s selected to serve at o ne time slo t . Mo reo ver ,

6、t he imp act of f eedback er ro r o n t he channel state info r matio n wa s a na2 l yzed. Simulatio n re sult s sho w t hat bo t h scheme s ca n achieve a goo d t radeoff bet ween f air ness a nd t hro ughp ut wit h lo w co mp utatio nal co mplexit y co mp a red wit h o t her scheduling scheme s.Ke

7、y words M IMO ,M ultiuser diver sit y ,Block diago nalizatio n , Propo rtio nal f air ne ss , Genetic algo rit hm分多用户 M IMO 系统文献中 ,下行用户总数一般不超过 30 ,因此有必要研究用户总数比较大的情况。由于块对角化预编 码在同一时刻所能发送的用户数受限于基站发送天线数和用 户接收天线数 ,基站需根据信道状态信息来选取合适的用户 发送以获取多用户分集增益 。最优的用户集可以通过穷举的 搜索算法获得 ,但其需极大的计算量 8 。当用户信道条件比 较差时 ,有可能出于深衰落

8、而长期得不到调度 ,存在极大的不 公平性 ,本文引入比例公平调度算法来避免该情况 9 。由于 遗传算法 ( GA) 对规划问题具有较强的最优解搜索能力 10 , 因此 ,本文在发射端采用块对角化预编码的 M IMO 系统中 , 提出了一种次优的基于遗传算法的多用户比例公平调度算 法 。本文第 2 节介绍了采用的系统模型及几种用户调度方 案 。第 3 节详细描述了基于遗传算法的多用户比例公平调度 及其改进算法 ,并分析了信道反馈误差的影响 。第 4 节通过1引言近年来 , 多用户 M IMO 系统的研究逐渐成为研 究 热点 1 ,2 。当前信息论研究表明 ,对于多天线 M IMO 系统下行 链路

9、 ,在发射端采用脏纸编码 ( D PC) 可以获得多天线 M IMO 系统广播信道的最大和容量 3 ,4 。但脏纸编码以及其他接近 容量域边界的次优 M IMO 多用户方案的算法复杂度非常高 , 难以在实际系统中应用 。因此 ,文献 527 提出了一些次优的 接近脏纸编码的和容量的线性预编码方案 ,其中一种简单有 效的方法是在发射端采用预编码对信道矩阵进行块对角化 。 块对角化预编码 (BD) 的基本思想是每个用户的预编码矩阵 均位于其他所有用户的信道矩阵的零空间 ,完全消除了用户 之间的干扰 ,并将多用户 M IMO 系统转化为多个独立的单用 户 M IMO 系统 。在实际系统中 ,活跃的用

10、户数有可能非常大 。而在大部到稿日期 :2009206208 返修日期 :2009208214本文受国际科技合作计划 ( 2008D FA11630 ) , 国家自然科学基金项目 ( 60496315 ) 和 ( 60802009) ,国家“863”重点基金项目( 2008 A A01 Z204) 和( 2009 A A01 Z205) ,湖北省自然科学基金( 2007 ABA008) ,博士后基金一等( 20070410279) 资助。尚 鹏 ( 1983 - ) ,男 ,博士生 ,主要研究方向为 M IMO 系统中多用户分集、资源调度、信道反馈等 , E2mail : sha ng158

11、gmail . co m ; 朱光喜 ( 1945- ) ,男 ,教授 ,博士生导师 ,主要研究方向为宽带多媒体通信等 ; 苏 钢 ( 1972 - ) , 男 , 副教授 , 主要研究方向为 M IMO2O FDM 自适应传输技术 等 ;谭 力 ( 1976 - ) ,男 ,讲师 ,主要研究方向为多用户分集、资源调度等。仿真对比了几种调度算法并进行了分析 。最后是结论 。标识说明 : 矩阵和矢量用粗体字表明 。( ) T 和 ( ) H 分别表示转置及 Her mit an 转置 。ra nk ( ) 表示矩阵的秩 , t r ( ) 表示矩阵的迹 。C N (,2 ) 表示服从均值为,方差

12、为2 的复循环对称高斯分布 。式中 ,V(1) 的列向量为对应非零奇异值的右奇异向量。取 D =kkV (1) Q1/ 2 , Qk 为用户 k 的各特征子信道所分配的功率 。用户 kkk的预编码矩阵表示为 :0Fk = V k V (1) 1/ 2k Q k( 6)采用块对角化预编码的系统的总速率为 :2 Q2系统模型在多用户 M IMO 系统下行链路中 ,假定有CBD = lo gI + 2(7), Q ) 。为了保) , Q = diag ( Q ,式中 , = diag ( 1 , , KK 个用户 ,如1K证预编码矩阵 Fk 的存在 ,发送天线数应满足 :Knt nr , j图 1

13、所示 。基站的发送天线数为 nt ,用户 k 的接收天线数为n r , k 。该系统为准静态平坦衰落 , Hk C nr, k nt 为从基站到用 户 k 的信道矩阵 ,其元素为独立同分布的 C N ( 0 , 1) 变量 。用 户 k 的发送信号矢量 x k C N k 1 ( N k nr, k ) 乘以预编码矩阵Fk C nt N k 后由基站天线阵列发出 。 K表示在同一时刻基站所选取的用户数 。用户 k 的接收信号可表示为 :(8)j = 1因而限定了采用块对角化预编码机制的 M IMO 系统所能支持的最大用户数 。本文假定所有用户的接收天线数相等 ,即nr , k = nr , k

14、 ,则系统所支持的最大用户数为 K = nt / nr,其中 表示取整操作 。定义 A = 1K 为系统所有用户集Kyk = Hk F k x k + H k F j x j + vkk = 1 K合 , S A ( | S| K) 为当前时刻所调度的用户集 。(1)j = 1 , j k式中 ,第二项为其它用户对用户 k 所造成的干扰 , vk 为加性高3基于遗传算法的比例公平调度传统的采用预编码机制的系统主要注重于系统容量的最 大化 5 ,用户的服务质量要求得不到保证 ,因此本文引入比例 公平的概念 ,在高效率分配资源的同时保障信道条件差的用 户的服务质量 。在时隙 t ,基站选择最优的用

15、户集 S 3 发送信号 ,选择准则 定义如下 9 :斯白噪声 ,其协方差矩阵为 E vk v H =2 I , I C nr , k nr , k 为单k位矩阵 。令预编码矩阵 Fk = Bk D k ,其中 Bk 用来消除用户间干扰 , Dk 用来做并行化处理及功率分配 。Rk ( t)S 3 = a r gma x k SS A , | S| = K(9)Tk ( t)式中 , R k ( t) 和 Tk ( t) 分别表示用户 k 在时隙 t 的瞬时速率和平均速率 , Tk ( t) 按照下式更新 :图 1 块对角化预编码机制的多用户 M IMO 下行系统框图为保证各用户的接收信号中没有

16、其他用户的干扰 ,则要1 ) Tk ( t) + 1 R k ( t) ,k S 3( 1 -tctcTk ( t + 1) =(10)1 ) Tk ( t) ,求 5 S 3( 1 -ktc j k and 1 j , k KHj B k = 0(2)式中 , tc 为更新窗口大小 ,度量了算法的记忆 。根据式 ( 10) 可以明显看出 , tc 越大 , Tk ( t) 变化越慢 ,用户平均速率对调度算 法影响越小 ,公平性也越差 。当 tc = 时 ,比例公平调度退化 为最大总速率调度 。此外 ,本文为了与比例公平调度 ,参考了 轮训调度算法 。3 . 1 遗传算法遗传算法是一类以 Da

17、rwin 自然进化论和 Mendel 遗传变 异理论为基础的求解复杂全局优化问题的仿生学概率性迭代搜索算法 ,最早由 J . H . Holla nd 教授提出 11 。其从一定数量的初始群体处罚 ,经过适应度计算 、选择 、交叉和变异等操作 后生成子代群体 ,新的子代又经同样操作生成其子代群体 ,如 此迭代 ,直至找到最优解或满意解 ,并从最后一代群体中选择 最好的个体 ,经过解码得到问题的最优解 。但遗传算法本身即每个用户的预编码矩阵位于其他所有用户的信道矩阵的零T空间 。令 Hk = H TH T 1 , H T 1H T , 文献 5 中选择的1k - k +KBk 的列向量位于H k

18、 的零空间 。令 N k = rank ( Hk ) , Hk 的奇异值分解为 : 1 0Hk = U k k V k V k H( )3式中 ,U k 和k 分别为 Hk 的左奇异向量矩阵和奇异值对角矩10阵。Vk 对应前 N k 个右奇异向量 ,Vk 对应的后( nt - N k ) 右奇异向量构成了 Hk 的零空间的一组标准正交基。因此取 Bk =0V k ,用户 k 的接收信号简化为 :yk = Hef f , k D k x k + vk(4)式中 , Hef f , k = Hk B k 看作用户 k 的等效信道矩阵 。预编码后的等效多用户信道矩阵为一块对角阵 ,其效果是将多用户信

19、 道块对角化 ,故称为块对角化预编码 。采用块对角化预编码后 ,可以将所有 K个用户的特征子信道看作等效的单用户M IMO 系统的特征子信道 ,因此可采用传统的注水功率算法 来最大化系统的和容量 。Hef f , k 的 SVD 分解为 :有缺陷 ,算法随机搜索而导致收敛速度慢及计算稳定性差 。为了弥补遗传算法的不足 ,本文提出了一种改进的遗传算法 。3 . 2 基于遗传算法的多用户调度根据以上分析 ,遗传算法可以很好地解决多用户 M IMO系统中的用户调度问题 。具体算法描述如下 :1) 编码 :首先生成一个 K维的数组 ,其每个元素代表基站k 00 0V (1) V (0) H(5)Hef

20、 f , k = U kkk所调度的用户编号 ,取值为 1 K ,对应系统中的 K 个用户 。每个数组对应于系统的一种用户调度方案 。2) 种群初始化 :随机产生 W 个数组组成初始群体 。每个 群体对应一个二位数组 ,每行代表一个个体 。3) 适应度评价 :对每个群体采用注水算法来进行功率分 配 ,适应度函数定义如下 :K式中 , v = v + E F xK。与完全正确反馈信道j = 1j jj k kk = 1状态相比 ,信道反馈存在错误时 ,对角化预编码机制只是影响了噪声方差 ,其协方差矩阵表示为 ( MS E ) I n ,若各用户误r2 + 2差参数MS E2相同时 ,对于各种调度

21、机制的比较没有影响 。因此本文仿真未考虑信道反馈错误的影响。Rk ( t)U = (11)Tk ( t)k S4仿真与分析本节针对采用块对角化预编码的多用户 M IMO 下行链 路 ,通过蒙特卡罗仿真比较了提出的多用户调度算法与其他其值越大 ,群体的适应度越大 。4) 选择 :选取适应度最大的 Y 个个体直接进入下一代 , 并淘汰适应度最差的 Y 个个体。剩余的 ( W - 2 Y ) 个个体与 直接进入下一代的 Y 个个体直接进入交配池 。5) 交叉和变异 :按照一定的概率 Pc 从群体中随机选择 2个个体进行配对 ,以指定的方式进行交叉操作产生新的 2 个 群体 。本文采用 2 点交叉方法

22、 。同时按一定的概率 Pm0 对交配池中的个体进行变异操作。6) 分配方案评价 : 将新产生的 ( W - Y ) 个个体及最优 Y 个个体组成新的群体 ,重复步骤 3 - 步骤 6 ,直至循环达到上 限活着算法收敛 ( 连续 Gm 代没有找到适应度更高的个体) 。 则最后一代的群体中适应度最高的个体就是本算法搜索出来 的最优的调度方案 。3 . 3 改进的基于遗传算法的多用户调度为了防止遗传算法早熟 ,引入了具有优秀基因的个体参 与遗传 ,具体措施包括 :1) 在初始群体中加入具有优秀基因的个体 ,即 Rk ( t) / Tk( t) 值比较大的个体 。2) 在变异操作中 ,当算法中适应度最

23、高的个体连续 Gm /2 代没有进化时 ,变异概率增加为 Pm1 。3) 在交叉和变异阶段 ,适应度最高的几个个体参与到其中。 通过以上步骤 ,改进的遗传算法保证了基因的相对稳定性 ,加快了算法的收敛速度 。3 . 4 算法复杂度分析在采用块对角化预编码的多用户调度算法中 ,复杂度主 要与矩阵的奇异值分解、注水功率算法以及系统容量的计算 有关 ,本文忽略各种运算的具体复杂度 ,主要集中考虑用户选 择的次数 。假定遗传算法需要优化的代数为 T ,群体个数为 W ,则本文算法的计算复杂度约为 O ( T ( W - Y ) ) ( 基本遗 传算法和改进遗传算法的复杂度的主要差别是 T 值的不同 ,

24、改进遗传算法 T 相对小一些) ,而基于穷举搜索的算法复杂度为 O ( K ! / K !) 。可以明显看出 ,本文所提出的算法复杂度比穷举搜索算法要小很多 ,特别是当 K 比较大时 。3 . 5 信道反馈误差的影响当基站端不能得到理想信道状态信息时 ,本文采用文献 12 中的信道估计模型 ,基站获得各用户信道矩阵为 Hk , k =1 K ,满足 :集中调度算法的系统性能 ,每次信道实现仿真至少 3000 次 。定义信噪比 S N R = P/2 ,假定信道为准静态平稳衰落 , 基站可以获取理想的信道状态信息 。基站发送天线数为 4 , 用户 的接收天线数为 2 ,发送给每个用户的数据流等于

25、其接收天 线数 ,根据式 (8) 可得基站每次最多调用 2 个用户 。一般情况 下 , tc = 100 。本文考虑用户信道独立但非同分布的情况 。前1/ 3 用户对应的信道增益服从 C N ( 0 , 1) ,中间 1/ 3 用户服从C N ( 0 , 1/ 2) ,最后 1/ 3 用户服从 C N ( 0 , 1/ 4) 。 本文主要仿真对比了以下几种调度算法的系统性能 。1) 采用迭代注水方法的脏纸编码 (容量域上界)2) 采用轮询调度 ( RR) 的块对角化预编码方案3) 最大化系统容量的块对角化预编码方案 ( M SC)4) 基于穷举搜索算法的比例公平调度方案 ( P FS2B F)

26、5) 基于基本遗传算法的比例公平调度方案 ( P FS2GA)6) 基于改进遗传算法的比例公平调度方案 ( IP FS2GA)遗传算法中 ,初始种群数 W = 36 ,选择群体 Y = 6 ,交叉概 率 Pc = 0 . 9 ,变异概率 Pm = 0 . 2 , Pm1 = 0 . 4 ,最大迭代次数 I =100 ,最大连续的相同遗传数 Gm = 20 。图 2 和图 3 分别描述了以上 6 种方案的系统和容量随着 用户总数变化的情况 ,信噪比 SN R 分别为 0dB 和 20dB 。从 图中可以看出 ,基于最大化系统容量的 M SC 算法的系统性能 优于采用比例公平算法的方案 ,而采用比

27、例公平算法的方案 又优于轮询调度方案 。轮询调度方案由于没有考虑多用户分 集增益 ,因此随着用户数的增加其性能变化比较小 。与 P FS2B F 算法相比 ,两种遗传算法 P FS2GA 和 IP FS2 GA 在算法复 杂度降低的情况下仍可以至少达到其 95 %的性能 。IP FS2GA 算法由于加入了优秀基因以及采用了自适应变异概率 ,其性能略优于 P FS2 GA 算法 。当用户总数为 20 , SN R 为20dB 时 , IP FS2GA 算法的平均迭代次数为 28 . 29 , P FS2GA 算 法的平均迭代次数为 34 . 68 ,改进的遗传算法的收敛速度明 显加快 。由于遗传

28、算法有可能早熟 ,因此当用户数超过 100时 ,系统性能有可能比用户数少的时候要差一点 。(12)Hk = Hk + Ekj = 1 K式中 , Ek 表示信道反馈错误矩阵 , 其元素服从 N ( 0 ,2 S E ) 分M布 。当用户信道反馈存在错误时 ,其预编码矩阵 F 根据H k 设计 ,用 ( Hk + Ek ) 代替 Hk , 代入式 ( 12 ) , 简单运算 , 由于H j Tk x k = 0 ,有 :Kk = 1 , k j图 2系统总速率与用户总数的关系( SN R = 0dB , nt = 4 , n r = 2)(13)yj = Hj T j x j + v jj =

29、1 Kto t he multi2u ser M IMO do wnli n k J . I EEE Co mmunicatio nMagazi ne ,2004 :60267王德胜 ,朱光喜 , 刘应状 , 等. 基于虚拟 M IMO 子信道的多用户 分集资源调度算法J . 计算机科学 ,2008 ,35 ( 6) :1142117Wei nga rt en H , St ei nber g Y , Sha mai S. The Capacit y Regio n of t he Ga ussia n Mul tiple2Inp ut Multiple2Outp ut Broadca st

30、Cha nnel J . I EEE Tra n sactio n s o n Info r matio n Theo r y , 2006 , 52 ( 9 ) :393623964Ge sbert D , Ko unto uri s M , Heat h R W J r ,et al . Shif ti ng M IMO Pa radigm : Fro m Si ngle U ser to Multi u ser Co mmunicatio n s J .I EEE Signal Processi ng Magazi ne ,2007 ,24 ( 5) : 36246Sp encer Q

31、H , Swi ndle hur st A L , Haa r dt M . Zero2fo rci ng me2 t ho ds fo r do w nli n k sp atial multiplexi ng i n multi user M IMO cha nnel sJ . I EE E Tra nsactio n s o n Signal Proce ssi ng , 2004 , 52 ( 2) : 4612471L ai U C , Murch R D. A t ra n smit p rep roce ssi ng t echnique fo r multi u ser M I

32、MO syst e ms u si ng a deco mpo sitio n app roach J .I EEE Tra n sactio n s o n Wi rele ss Co mmunicatio n s , 2007 , 3 ( 1 ) :20224Yoo T , Gol dsmit h A . Op ti malit y of zero 2 fo rci ng bea mfo r mi ng wit h multi u ser diver sit y C I EEE Int er natio nal Co nf erence o nCo mmunicatio n s. 2005

33、 : 5422546Shen Z K , Chen R H ,A ndrew s J G ,et al . Su m Capacit y of Mul2ti u ser M IMO Broadca st Cha nnel s wit h Block Diagonalization C I E EE Int er natio nal Sympo si u m o n Info r matio n Theo r y . 2006 :8862890J alali A , Pado vani R , Pan kaj R . Dat a t hro ughp ut of CDMA2HD Ra hi gh

34、 efficiency2high dat a rat e p er so nal co mmunicatio n wi rele ss syst e m C I EE E 51 st Ve hicula r Technolo gy Co nf erence .2000 :185421858 2 3 4 图 3系统总速率与用户总数的关系( SN R = 20dB , nt = 4 , n r = 2)在多用户 M IMO 系统下行链路中 ,公平的定义主要有两种 ,一类是基于信道资源分配的公平度 ,另一类是基于用户吞 吐率的公平度 ,本文采用后一种定义 ,并引入公平因子来衡量 5 KK算法的公平性

35、 ,其定义为 : F ( K) = ( x k ) 2 / K x2 。式中kk = 1k = 1x k 表示每个用户的平均调用比率 。F ( K) 值越大 , 其公平性越好 ,其取值范围为 01 。当 F( K) 为 1 时 ,表明所用用户的 调用次数基本相同 ,系统的公平性最好。表 1 对比了系统用 户总数为 20 , SN R 为 20dB 时 ,各种算法的公平因子 。从表中 可以看出 , tc 值的大小对系统的公平性影响比较小。表 1 公平因子的比较( SN R = 20dB , K = 20) 6 7 调度算法P FS2B FP FS2B FP FS2B FP FS2GAIP FS2

36、GAM SCR Rt = 500t = 100t = 20t = 100t = 100 8 ccccc公平因子0 . 44300 . 99180 . 99370 . 99500 . 99330 . 99301结束 语本文针对采用块对角化预编码机制的多用户 M IMO 系统下行链路 , 提出了一种基于遗传算法的多用户比例公平调度算法 。预编码机制可以消除多用户之 间的干扰 ,同时为多个用户提供多数据流服务 。基于穷举 搜索算法的多用户调度算法复杂度太大 , 难以在实际系统 中应用 。而遗传算法能够在全局并行搜索以得到最优解 或者满意解 , 其操作简单 , 适应性强 。改进的遗传算法由 于加入具有

37、优秀基因的个体而加快了算法的收敛性 。仿 真结果显示 ,本文所提出的两种算法在用户非同分布时 , 在系统容量和公平性之间取得了良好的折中 , 同时算法复 杂度比较低 。 9 10 Ma n K F , Ta ng K S , Kwo ng S. Genetic al go rit h ms :co ncep t s and applicatio n s J . I EE E Tran sactio n s o n Indu st rial Elect ro nics ,1996 ,43 ( 5) :5192534 11 Holla nd J H . Adap t atio n i n nat

38、ure a nd a rtificial syst e ms D . Ma ssachuset t s : M I T p re ss ,1992Yoo T , Gol dsmit h A . Cap acit y a nd po we r allocatio n fo r f adingM IM O cha n nel s wit h c ha n nel e sti matio n e r ro r J . I E E E Tra n2sactio n s o n Info r matio n T heo r y , 2 0 0 6 , 5 2 ( 5 ) : 2 2 0 322 2 1

39、4 12 参 考 文 献 1 Spencer Q H , Peel C B , Swi ndle hur st A L ,et al . A n i nt ro ductio n(上接第 51 页) 6 Hel mer G , Wo ng J , Ho nava r V , et al . A uto mat ed di sco ver y of co nci se p redictive r ule s fo r i nt r usio n det ectio n J . The J o ur nal of Syst e ms a nd Sof t ware ,2002 ,60 ( 3) :

40、1652175 7 Ho ng J R. A E1 : A n ext en sio n mat ri x app ro xi mat e met ho d fo rt he general co veri ng p ro ble m J . Int er natio nal J o ur nal of Co m2p ut er a nd Info r matio n Science ,1985 ,14 ( 6) : 4212437 8 洪家荣. 示例式学习及多功能学习系统 A E5 J . 计算机学报 ,1989 ,12 ( 2) :982105 9 李敏强 ,寇纪淞 , 戴林. 示例学习和

41、特征选择的规划模型方法 J . 系统工程学报 ,2000 ,15 ( 2) :1632167 10 M I T Li ncol n L a bo rato r y . 1999 DA R PA Int r u sio n Det ectio n E2 val uatio n Dat a Set EB/ OL . 200923223 . ht tp :/ / www . ll . mit . edu/ mi ssio n/ co mmunicatio n s/ ist/ corpora/ ideval/ data/ 1999d2at a. ht ml 11 Lipp ma nn R , Hai ne s J , Fried D , et al . The 1999 DA R PA Off2Li ne Int r u sio n Det ectio n Eval uatio n J . Co mp ut er Net wo r k s : The Int er natio nal J o ur nal of Co mp ut er a nd Teleco mmunicatio n s Net wo r ki ng ,2000 ,34 ( 4) :5792595