一种超高速无线局域网多用户多业务调度算法

针对超高速无线局域网的系统性能要求,提出了一种新的超高速无线局域网多用户多业务MUMS(Multi-user and Multi-service)调度算法.基于对不同业务的服务质量QoS(Quality of Service)要求、用户信道状态信息CSI(Channel State Information)及服务队列信息的综合分析,此算法对业务和用户进行分层调度.仿真结果表明,在满足不同业务QoS需求且保证用户公平性的同时,提出的调度算法能有效地降低丢包率,提高系统吞吐量.     

基于时延感知的5G网络切片节点和链路映射算法

针对第5代移动通信系统（5G）网络切片映射过程中,在满足系统时延要求的情况下,使资源调度最优化的问题,提出了一种基于时延感知的5G网络切片节点和链路映射成本最小化算法.该算法在网络功能虚拟化管理和编排器及各网络功能服务器处建立两级队列动态调度模型,感知系统中当前队列积压状态并进行动态调度,使系统队列积压始终维持在稳定的较小值,采用Lyapunov随机优化方法,实现对映射成本与系统时延的平衡控制.仿真结果表明,所提算法可在满足系统时延要求的同时,最优化资源调度,进而使得5G网络切片映射成本最小.     

基于分簇思想的无线传感器网络中错误消息过滤算法

无线传感器网络作为一种对未来具有巨大影响力的新技术,已经得到越来越多的关注和研究.针对无线传感器网络具有出错倾向的特征,主要考察了在基于分簇算法下如何对出错信息进行判断及过滤.根据传感器网络本身具有时空相关性这一特征,设计了一种新的算法,对异常信息进行分析和判断,并根据延迟信息队列,对新信息与错误信息进行区分.有效地解决了错误信息的判断与过滤,从而增强了网络的可靠性,减少了信息的延迟与冲突,提高了网络的寿命.     

非线性电池模型下能量收集通信系统功率控制

针对发送端配备能量收集设备的无线通信系统,基于Lyapunov优化框架,提出了一种以最大化长期平均传输速率为目标的在线功率控制策略.功率决策算法中考虑了可充电电池充放电过程中的能量损失,采用非线性数学模型来描述充放电效率.将电池电量的约束条件转为能量虚队列的稳定性要求,将需要最大化的传输速率的相反数作为惩罚项,在仅拥有当前信道状态和电池状态的条件下,通过使漂移加惩罚最小化,在满足约束条件的同时最大化平均传输速率.仿真结果显示,所提算法的性能略低于离线注水算法,优于贪婪算法和半功率算法,也优于同样采用Lyapunov方法、但没有考虑充放电效率的现有其他算法.     

基于预测控制的时滞网络主动队列管理

针对Internet网络这种典型的延迟系统,基于模型预测控制理论,提出了一种新的主动队列管理算法——MPAQM算法。首先考虑时滞系统的因果性定义预测输出,根据预测模型和状态估计器,预测瓶颈链路队列的未来动态特性;然后将拥塞控制的控制要求转化为优化目标函数,求解优化问题得到丢包率。在单瓶颈和多瓶颈网络拓扑中进行仿真验证,结果显示MPAQM算法能快速平稳地收敛于队列长度的期望值,丢包率小且具有较好的稳定性和鲁棒性。     

D-BitBot:比特币网络双向通信的P2P僵尸网络模型

公有区块链网络（如比特币、以太坊等）具有匿名、难以被关闭的特点,被用于僵尸网络的通信模型研究中,但现有研究中的方法存在网络扩展代价高和回传通道易被溯源的问题.针对上述问题,本文提出D-BitBot,一种基于比特币网络双向通信的点对点(P2P)僵尸网络模型构建方法.该方法使用比特币测试网络作为回传信道,可有效降低数据回收的成本和网络扩展的代价,且能提高回传信道抗溯源的能力;为解决传统僵尸网络上线方式的单点故障缺陷,本文提出一种基于比特币区块链的节点上线机制;另外,为抵御路由表节点注入攻击和僵尸网络节点爬取,本文提出一种基于IP地址加盐哈希排序的节点列表交换算法.实验结果表明,在仿真环境中的D-BitBot上线率达到100%,且具有良好的鲁棒性;在节点请求和节点爬取测试中,本文所提出的算法能有效抵御路由表节点注入攻击和降低现有爬取算法的节点发现率.最后,本文基于3个不同的层面提出可能的抵御方式,并针对本文采用信道的鲁棒性对进行相应的分析和论述.     

无线Mesh网络中AMC的改进

传统的自适应调制编码（AMC）是单纯根据信道状态自适应的选择速率进行传输。为更好的提高网络性能,提出了一种联合考虑物理层的信道状态和链路层缓冲区队列长度的改进AMC,使系统能够根据实时的信道状态和缓冲区队列长度的大小,选择最合适的速率进行传输。相比较传统的AMC方法,提出的改进AMC方法能更好的提高网络性能。通过对三节点的多跳网络进行建模,在功率与带宽联合分配算法下,得到满足时延要求的最大吞吐量。仿真结果表明提出的新方法可以在满足系统时延要求的前提下,提高网络吞吐量。     

异构无线传感器网络能量和距离有效分簇算法

降低能耗、延长网络生存时间，是无线传感器网络设计的重要目标。提出了一种基于虚拟区域划分的适用于异构无线传感器网络的能量和距离有效分簇算法。仿真结果证明，此算法可有效地均衡簇内负载，延长网络的稳定周期和生存时间，提高网络的通信效率。     

采用基于速率的缓存控制的CSFQ算法

在核心无状态公平队列调度(CSFQ)算法的基础上,提出了一种采用基于速率的随机早期检测(RED)机制的核心无状态公平队列调度(rr-CSFQ)算法.在路由器中根据网络拥塞状态和数据流到达速率,采用基于速率的随机早期检测机制进行缓存管理.该算法通过调节早期丢包概率,解决了CSFQ时延较长造成的缓存"丢尾"问题,提高了带宽在不同数据流之间分配的公平性.仿真实验证明,该算法在缓存较小的情况下仍能保证带宽在传输控制协议(TCP)数据流和用户数据报协议(UDP)数据流之间的公平分配.     

无线Mesh网络功率控制与信道分配联合优化

针对无线Mesh网络网关节点和网络链路承载的负载不均问题,择优选择网关节点,并设计链路权重,构建以网络加权吞吐量为优化目标的资源分配模型.在构建的资源分配模型下,提出一种基于Q学习和差分进化的联合功率控制与信道分配算法（QDJPCA）.该算法通过获取功率控制的反馈结果,采用基于多重变异和自适应交叉因子的差分进化算法进行信道分配;针对每次迭代产生的信道分配结果,采用基于状态聚类和状态修正的Q学习算法实现功率控制.NS-3仿真结果表明,QDJPCA能够有效求解所提资源分配模型,在优先保证网关负载均衡和高负载链路吞吐量性能的基础上提升网络整体性能.     

基于模糊控制理论的RED改进算法

针对RED算法在业务突发度较强或流量抖动较大时不能获得满意的吞吐性能的问题,提出一种基于平均队列长度和平均队列长度变化的模糊控制RED算法．该算法不再对每个队列设置固定的门限,而是根据当前网络流量的状况动态地推理出数据包的丢弃概率．     

低时延传输的ERDQN数据调度算法

针对车载网络、远程医疗、工业控制等领域需要低时延、高可靠性的网络传输应用场景,提出了一种经验回放的DQN(experience replay DQN,ERDQN)数据传输调度算法。该算法的主要目的和任务是降低网络时延和提高网络传输的稳定性。ERDQN算法在最后期限感知的传输协议(deadline-aware transport protocol, DTP)的基础上优化了发送端的排队策略,充分考虑了数据块的优先级和截止日期(Deadline),将其作为计算进入等待队列顺序的重要因素,解决了数据块丢失Deadline的问题,降低了网络传输的排队延迟;同时在拥塞控制方面以当前时刻网络传输状态为特征向量,预测下一时刻网络传输状态参数,并赋予不同的奖励因子进行评估,通过ERDQN网络的迭代学习,自动调整到适合当前网络传输的最优参数,在后续的网络链路传输过程中,平均传输速率高且稳定,缓解了网络拥塞和传输不稳定的问题,降低了网络传输时延。实验结果表明ERDQN算法的平均排队时延和传输时延远远低于传统拥塞控制算法(Reno算法),在质量系数(quality of experience, QoE)方面远远高于传统的拥塞控制算法,能够最大程度减少网络传输速率波动、降低丢包率,提供稳定可靠的传输。     

高性能组合输入交叉点排队交换机

运用非稳定虚拟输出队列和非稳定交叉点缓存的概念,提出了基于优先级轮询方案的组合输入交叉点排队方案,并通过数值仿真,详细研究了该方案的时延性能和稳定性能.仿真结果表明,在非均匀分布业务源的情况下,优先级轮询方案比普通轮询算法具有更好的平均时延性能和稳定性能.该研究成果为设计交叉点缓存交换机提供了理论依据.     

基于NLMS算法的自适应AQM控制机制的研究

针对RED算法在网络拥塞控制中使得队列波动较大的缺点,提出了一种归一化最小均方（NLMS）算法,并研究了NLMS算法在主动队列管理中的具体实现。仿真实验通过对NLMS算法、RED算法、REM算法、LRC-RED算法性能的比较,表明NLMS算法具有较好的动静态性能,且能够提高队列稳定性,降低丢包率。     

A distributed normalized Nash equilibrium seeking algorithm for power allocation among micro-grids

In this paper, a power allocation problem based on the Cournot game and generalized Nash game is proposed. After integrating dynamic average consensus algorithm and distributed projection neural network through singular perturbation systems, a normalized Nash equilibrium seeking algorithm is presented to solve the proposed power allocation problem in a distributed way.Combine Lyapunov stability with the singular perturbation analysis, the convergence of the proposed algorithm is analyzed. A simulation on IEEE 118-bus confirms that the proposed distributed algorithm can adjust the power allocation according to different situations, while keeping the optimal solution within the feasible set.     

WFQ的两种简化实现方法及性能分析

结合OTPS（One Timestamp Per Session)，提出并实现了两种改进IP网络QoS的方法：基于系统时钟的TWFQ和基于虚拟已发送比特的BWFQ的分组公平排队算法。与WFQ相比，TWFQ的虚拟时间更新算法只需要为一个队列维护一个虚拟结束时间，存储和计算开销大幅降低；与TWFQ相比，只有当报文到达空队列时或者报文离开时该队列非空。BWFQ才更新系统虚拟时间，从而极大地减少了虚拟时间更新的次数。理论分析和计算机仿真结果证明了TWFQ可以获得和WFQ同样的性能，但运算开销下降。BWFQ运算量比TWFQ更小，对硬件要求更低，但由于引入一定的误差，使其不适合重负荷环境。     

MEC系统中面向网络切片的3C联合资源分配算法

移动边缘计算（MEC）相关研究已经成为未来移动网络的热点研究之一.在基于网络切片的雾无线接入网络中,提出了一种面向网络切片的MEC系统通信计算缓存（3C）联合的资源分配算法.给出了面向网络切片的多MEC协作资源分配模型,其中考虑了无线接入带宽与回程链路带宽的限制以及MEC系统计算与缓存资源分配对网络切片服务时延的影响;基于服务时延定义了用户获得资源的效用值,构造了系统效用值最大化问题优化不同网络切片下的用户接入、计算与缓存资源分配,并采用连续凸近似交替迭代方法获得近似最优解.对所提算法性能进行了仿真验证,仿真结果表明,所提算法实现了系统总效用值优化,提高了面向网络切片的MEC系统资源利用效率.     

Power allocation and transmission scheduling for a transmitter with hybrid energy sources

The problem of dynamic power allocation and transmission scheduling for a transmitter powered by hybrid energy sources (combination of power grid and energy harvesters) is studied. The goal is to minimize the time average energy consumed from the power grid, that is, to improve the utilization efficiency of the energy harvested by the harvesters under the condition of unknowing statistical distribution of the energy harvesting process, data arrival process and fading channel state. An efficient dynamic power allocation and transmission scheduling algorithm is proposed based on Lyapunov optimization, and the algorithm is simple to operate due to its low complexity. Using the proposed algorithm the power consumed by the transmitter from the power grid can be close to the minimum arbitrarily under all data queues stability, and meanwhile the algorithm guarantees that data queues cannot exceed the maximum delay. Simulation results indicate that the proposed algorithm has a better performance than other two simple algorithms.     

密集网络下基于Self-Backhaul感知的用户接入负载均衡算法

针对密集异构网络自回程场景中带宽分配不合理引起的负载不均衡问题,提出一种基于self-backhaul感知的用户接入负载均衡方案.首先根据密集异构网络下各个小基站接入与回程资源的负载状态提出一种用户接入负载均衡策略;其次利用Q-Learning算法对各个小基站带内无线接入与回程带宽分配进行学习,用户在不同带宽分配因子下,根据用户接入负载均衡策略进行重新接入,得到不同接入情况下的系统效用,进而得到最优带宽分配策略,保证负载均衡性的同时实现系统效用最大化.仿真结果表明,该方案在密集异构网络自回程场景中提高了网络负载均衡性,同时提升了用户速率体验.