AIFS 区分的IEEE 802.11e EDCA 吞吐率分析模型与自适应MAC 算法

针对IEEE 802.11e EDCA(enhanced distributed channel access)支持业务区分服务的特点,提出了一个基于AIFS(arbitration inter-frame space)区分的信道吞吐率分析模型,该模型将不同接入等级的业务统一到一个信道模型中进行分析.通过数值计算结果与仿真实验结果的对比,验证了该模型的准确性,尤其是在分析信道吞吐率方面更优于Xiao 的Markov 链模型.根据提出的分析模型,研究了近似优化条件,使得各类优先级业务的发送概率平衡虚拟发 送时间段中空闲时间与冲突持续时间对系统性能的影响,实现靠近最优的信道吞吐率,从而使计算复杂度大为减小. 利用数值分析的方法验证了近似优化条件实现靠近最优信道吞吐率的可行性.最后,提出的DPS(dynamicparameter-tuning scheme)算法根据负载情况自适应地调整不同级别业务的相应参数,使得系统时时满足优化条件,在各种场景下都能实现最大信道吞吐率,同时又满足EDCA 支持QoS 区分的要求.仿真结果验证了DPS 算法不仅能够根据竞争节点的数目变化对信道吞吐率进行优化,而且其性能也明显优于标准的IEEE 802.11e EDCA 机制.     

面向QoS区分的自适应状态转移概率动态更新算法

为了提高在大规模、重负载环境下IEEE 802.11e EDCF(Enhanced Distributed Coordination Function)机制的网络性能.引入了在信道空闲时退避计数器状态转移概率的概念,提出一种新的提高网络QoS(Quality of Service)的方法—根据当前网络状态,动态地调节不同优先级在信道空闲时退避计数器的状态转移概率.通过马尔科夫链数学模型验证了在饱和情况下所提算法的优越性,并推导出了状态转移概率的最优值,给出了实现此算法的基本流程和步骤.实验结果表明,此算法不仅保证了各种优先级业务之间的公平性,而且显著提高了网络吞吐量,同时降低了MAC层延时和丢包率.结果验证了在负载动态变化时,算法的自适应性和优越性.     

基于自适应蚁群算法的多受限网络QoS路由优化

高速多媒体网络中的路由问题是有QoS约束的路由问题，多受限的路由问题是一个NP-完全问题。该文提出了一种解决多受限QoS路由问题的自适应蚁群算法。该算法采用基于目标函数值的信息素分配策略和根据目标函数值自适应调整蚂蚁的搜索行为，从而保证搜索的快速有效性，使多受限QoS路由优化问题得到很好地解决。     

基于蚁群算法的移动自适应网QoS路由算法

在移动自适应网中,由于无线环境的不稳定性及终端的移动性造成网络拓扑结构不断变化,使网络中端对端的服务质量随时间不断变化.为移动自适应网提供服务质量保证的关键是移动自适应网的QoS路由问题.提出了一种适用于移动自适应网的QoS路由算法.该算法将蚁群算法与移动自适应网的特点相结合,可以高效地在该网络中寻找满足延迟、延迟抖动、带宽、包丢失率、节点跳数和费用等多项指标的QoS路由,从而显著地提高移动自适应网的QoS路由性能.     

基于自适应变异蚁群算法的QoS路由算法

多约束QoS单播路由问题是NP完全问题,针对基本蚁群算法在解决该问题时易于陷入局部最优、收敛速度慢的缺点,提出自适应变异蚁群算法对该问题进行求解。该算法采取自适应变异方法,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。     

自适应MAC的改进算法

针对具有欠阻尼特性的被控对象，提出了自适应MAC的改进算法。改进算法采用一种紧凑模型描述对象单位脉冲响应序列，可使截取为内模的对象单位脉冲响应有限序列长度大大减小。因此，内模在线辨识及MAC的在线计算量显著减小，大大提高了自适应MAC的实时性。     

VoWLAN的MAC层QoS改进算法研究

竞争窗口及其退避算法是影响QoS的重要因素之一。本文以EDCF算法和它的改进算法AEDCF为基础,提出了一种新的动态改进竞争窗口的算法N-EDCF,根据网络冲突率和阈值来划分网络状态,然后对不同的网络状态选用不同的竞争窗口和退避算法。仿真表明,N-EDCF优化了VoWLAN的QoS性能。     

一种细粒度的区分服务及QoS映射优化研究

针对传统区分服务模型服务等级分类有限,结合策略管理的优势,提出了基于策略的细粒度区分服务概念,给出了不同类型区分服务的通用描述形式,提出了基于遗传算法的细粒度服务优化算法.当系统资源不足以满足多媒体流的传输要求或者用户需要细粒度的区分服务质量时,通过启用遗传算法对PHB进行组合优化,能够在较少的代数内求得满足用户QoS要求的最优解,实验表明该算法可行.     

IEEE 802.11支持QoS区分服务的性能优化

基于IEEE 802。11 p-persistent协议模型的研究,对一种近似优化条件在多优先级业务网络条件下的适用性进行了证明。应用该近似优化条件,提出了一种适用于IEEE 802。11 QoS区分服务支持的自适应优化算法QATC (QoS-supporting adaptive transmission control)。算法利用信道侦听信息实时优化调整各优先级业务的发送概率,更新相应的协议参数,实现信道利用率的提高和系统性能的增强。QATC算法不需要估计各优先级业务的节点数量,并且拥有     

区分服务中一种公平的汇聚流标记算法

区分服务是提供QoS的重要机制之一,但在区分服务中存在着汇聚流之间剩余带宽分配的不公平性问题。为解决该问题,提出了动态数据包标记算法（DPMA）,该算法通过监测汇聚流的流速变化,能动态地调整标记策略,它能以一种近似按比例的方式在各汇聚流之间公平地分配网络中的剩余带宽。仿真结果表明该算法是有效的。     

一种利用信道侦听的IEEE 802.11自适应优化算法

提出一种适用于DCF(distributed coordination function)机制的自适应优化算法.该算法基于网络节点侦听信道得到的网络状态信息进行相关参数的自适应调整以获得最优的网络性能,称为CSB(channel sensing backoff)算法.算法采用了对节点的信道接入请求以概率参数P_T进行过滤的方法控制节点竞争接入信道的激烈程度.不同于已有的DCF机制优化方法,CSB算法的特点在于,在优化调整过程中不需要进行计算复杂的网络节点数量估计,并且可以在不同网络状态下始终围绕确定的优化目标进行参数优化调整.仿真实验结果表明,算法能够针对网络节点数量和分组大小改变等网络状态变化作出自适应的网络优化调整,并获得了系统吞吐量、碰撞概率、延迟、延迟抖动、公平性等多方面的性能改善.     

无线信道视频流编码与自适应传输方案

由于无线信道的时变特性和移动设备有限的能量资源,保证无线网络视频流传输的Qos是一项比较困难的任务。文章提出了一种基于无线网络的视频流自适应传输架构。这个架构不仅动态的估计了无线网络的状态进行自适应传输,而且同时执了差错控制和功率控制。通过分析网络的状态和视频流的特性来动态分配资源,提高了端到端的QoS。     

基于自适应节的多媒体流QoS保证的研究

分布式多媒体计算机系统的一个关键问题是保证连续多媒体流的服务质量（QoS),大多数多媒体流要求的QoS是在一定范围内,即[QoSmin,QoSmax]。为了保证QoS,计算机系统和网络系统必须分配足够的CPU、I/O、内存和网络带宽资源。在多媒体流传输过程中,这些资源的可利用率是动态变化的,尤其是带宽资源,如Internet,文中提出了自适应节的概念,采用PID调节技术,在[QoSmin,QoSmax]内,动态调节QoS,自适应动态的可利用资源变化,既保证了多媒体流的QoS,又提高了资源的利用率。     

基于支持区分服务带宽预测的移动自组网QoS路由协议

已有移动自组网QoS路由协议的研究假设节点的可用带宽信息已知,主要侧重在协议的寻路算法和如何降低网络开销.而已有的带宽预测方法没有考虑通信的业务类型,预测结果不够准确.本文提出一种支持区分服务的可用带宽预测模型,该模型不仅考虑了节点之间信道争用的影响,而且从具有不同优先级的业务角度出发对可用带宽进行预测.在该模型的基础上,我们进一步对AODV协议进行扩展,使其支持QoS特性.仿真结果表明本文带宽预测模型能有效地对可用带宽进行预测,扩展后的AODV协议也可提供较好的QoS性能.     

业务感知技术的下一代校园网QoS研究与仿真

基于软交换技术的下一代网络(NGN)具有分组化的、开放的、分层的网络体系结构,是未来网络的发展方向。本文通过研究当前软交换网络QoS的解决方案,提出了基于业务感知技术的贵州大学下一代校园网动态QoS模型。通过在OPNET中建立下一代校园网的网络模型,并对相关业务的QoS性能进行仿真,结果表明业务感知技术能为下一代校园网中的QoS提供一定的保障。     

Adaptive QoS Control Based on Benefit Optimization for Video Servers Providing Differentiated Services

We propose and analyze quality of service (QoS) control algorithms for video servers designed to provide differentiated video streaming services. The design concepts are based on resource reservation and benefit optimization so that resources are reserved dynamically and adaptively for different QoS levels in response to the changing workload of the system, with the objective of maximizing the benefit throughput obtainable by the system. We analyze the benefit throughput obtainable by the system for a baseline algorithm for which the QoS levels of admitted users are not changed during the service lifetime and a greedy algorithm that may raise QoS levels of admitted users due to resources being free from departure events. We validate the design of these two QoS control algorithms via a detailed simulation study.     

基于协同过滤的自适应Web服务QoS预测方法

随着Web服务越来越多,服务质量QoS作为描述Web服务的非功能性属性变得越来越重要。通常,一种服务的QoS对用户来说是未知的,因此对于基于Web服务的应用,精确预测其未知的QoS对于成功部署该服务具有重要的价值。基于协同过滤的WSRec算法是一种高精度的QoS预测方法,为进一步提升QoS的预测精度,提出了一种协同过滤的自适应Web服务QoS预测方法。该方法通过客户端首先发出QoS-Web服务请求;服务端接到请求后,根据已有数据,计算两两用户或服务间的相似度;并根据相似性找到对于目标用户的K个最接近用户或服务,生成该QoS值预测值A;同时在计算相似性时,采用改进皮尔逊相关系数得到预测值B;最后将预测值A和B以权值相结合得到目标用户或服务的QoS值。该算法改进了单一的协同过滤在数据稀疏的情况下,对相似性给予过高估计的不足,使得QoS预测值精度得以提高,取得了更好的实验结果。实验表明该方法预测精度优于WSRec算法。     

一种服务区分的多媒体传感器网络MAC协议

为在资源受限的无线传感器网络中传输具有不同业务要求的多媒体信息,提出一种基于服务质量感知和优先级的无线多媒体传感器网络MAC协议——QA-MAC。协议通过有效的服务区分机制,对不同优先级的数据流采用不同的自适应竞争窗口调节方法和占空比调整方法,以保障不同优先级业务的实时传输要求。仿真实验结果表明,与S-MAC协议相比,QA-MAC协议在网络延迟性和数据包传输率方面都有明显提高,随着网络负载的增大,数据包传输率平均可以提高30%以上,能够较好地满足无线多媒体传感器网络应用的需求。