基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量。然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求。针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法。首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解。仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能。     

基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量.然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求.针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法.首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解.仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能.     

基于异构无线网络的多路径传输

针对异构无线网络环境中,大容量业务传输质量不可靠、网络资源利用率低的问题,提出了一种基于异构无线自组织网络的多路径传输路由算法。该算法有效避免了单路通信方式下的传输链路拥塞、吞吐量低等问题,并结合大容量业务的特点,通过一定的法则合理表征网络环境信息,依据表征结果提出发端到终端的多路径策略,使得重要性不同的业务可选择相应链路质量的路径进行并行传输,避免了网络中的每个自组网节点独立寻找路由导致的源节点难以获得中间节点路由信息的现象。仿真结果表明,该算法可实现整个网络负载均衡,缓解网络链路拥塞,有效降低传输中的丢包率,降低传输时延。     

一种智慧协同网络多参数的多路径路由算法

多路径路由技术采用多条路径同时传输,作为优化资源配置和负载均衡的重要技术,在路由可靠性、QoS路由、传输效率等多方面比单路径传输具有优势.现有互联网网络资源配置和路由机制相对静态和僵化,导致多路径技术的发展存在发展的局限性.现有多路径技术考虑在路由层面不利于多路径路由选择和计算,难以保证传输性能,降低网络传输效率.智慧协同网络能够动态感知网络需求,灵活适配网络资源,更好的支持路由可扩展性.本文在智慧协同网络架构下提出了一种智慧协同网络多参数的多路径路由算法.该算法制定了智慧协同网络多参数的多路径路由协议,对网络性能参数CPU占用率、往返时延(RTT)、带宽进行加权计算得到路径权重值,根据权重值进行流量分配.采用图论理论对网络流量分配及模型进行了分析.并在Mini-Net平台上进行了开发和实验,结果表明,该算法能够优化网络配置,减小往返时延,提高网络吞吐量,从而提高网络性能,实现负载均衡.     

基于异构网络的 AOMDV 协议并发多路传输研究简

本文主要研究基于异构网络的AOMDV协议并发多路传输问题。本文首先介绍了关于异构融合网络中的相关知识;接着重点分析了多路径路由算法AOMDV的具体实现过程。并且提出以路径稳定度作为路径选择依据,提高链路的稳定度,减少路径断裂的概率和路由发现的次数。最后通过实验对AODV、AOMDV以及AOMDV-SPC在吞吐量、网络时延上的结果进行了仿真;验证了我们依据的有效性。     

基于线性回归的卫星数据传输TCP拥塞控制研究

针对当前卫星数据地面传输环境遇到的诸如TCP传输时延长、误码率高、带宽不对称等和网络拥塞密切相关的问题,文中从拥塞控制的角度出发,在基于往返时延的拥塞控制算法Vegas基础上,加入对往返时延(RTT)的动态控制机制,以此为突破点对整个卫星数据地面传输的网络资源进行优化和调整,提高网络资源利用率。实现对往返时延(RTT)动态调整的方法是对已得到的往返时延数据进行线性回归分析,通过不断地线性回归优化对数据进行拟合得到基于预测的往返时延算法Lr Vegas。     

终端通信接入网网络资源分配策略研究

论文在不改变现有国家电网通信网中各种体制网络结构的前提下,通过增加网络融合网关和终端接入网关两种功能实体,提出了一种双通信代理机制的异构网协同融合传输方案,并由此设计实现了基于时延的负载感知的异构网络资源分配算法,实现了多业务综合接入及多网络动态协同环境下的网络资源分配技术。数据分析表明该算法在平均时延、网络开销及丢包率等方面优于均匀分配算法、定时反馈的负载感知流量分配算法。     

空间网络多路径路由算法

针对空间网络具有距离远、延时大、周期性间歇连接的特点,提出了一种适用于空间网络的多路径最大吞吐量的路由算法（SMMT）。该算法是对最小费用最大流算法的改进,经过多次最小费用路径查找和残留网络的构造过程,最终可以找出所有满足传输条件的转发路径。仿真实验表明,和传统的ASCOT和S-OSFP单路径路由算法相比,SMMT算法明显提高了网络的吞吐量,减少了数据包的传输时延,使得网络的资源得到充分的利用。     

基于数据块优先级的无线多跳Mesh网络数据分发算法

为了解决当前无线多跳Mesh网络数据分发算法大都使用Mesh-Pull分发策略,导致其传输性能较弱,以及较大的数据分发时延的不足,设计了基于数据块优先级的无线多跳Mesh网络数据分发算法。首先,基于Mesh-Pull方法,考虑其吞吐量与时延的干扰作用,定义了最优化择取机制,并引入数据块的优先级,确定网络中的待传输数据块的请求排序,并通过评估Mesh网络的带宽和SNR值,寻找出最优邻居节点。实验数据显示,与当前Mesh-Pull数据分发算法相比,该算法具有更低的网络时延与更高的吞吐量。     

面向大规模网络测量的数据恢复算法：基于关联学习的张量填充

网络应用,如网络状态跟踪、服务等级协议保障和网络故障定位等,依赖于完整准确的吞吐量测量数据.由于测量代价大,网络监控系统通常难以获得全网吞吐量测量数据.稀疏网络测量技术基于采样的方式降低测量代价,通过张量填充等算法挖掘数据内部的时空相关性,从部分网络测量数据恢复缺失数据.然而,现有研究仅考虑了单个性能指标,忽略了多个指标之间的关联信息,导致恢复精度受限且整体测量代价依然很大.本文提出了一个面向大规模网络测量的数据恢复算法——基于关联学习的张量填充（Association Learning based Tensor Completion,ALTC）.为了捕获网络性能指标之间的复杂关系,设计了一个关联学习模型,使用低测量开销的往返时延推测高测量开销的吞吐量,降低网络测量代价.在此基础上设计了一个张量填充模型,同时学习吞吐量测量数据内部的时空相关性和来自往返时延的外部辅助关联信息,最终以更高的恢复精度获取全网吞吐量数据.实验表明,在相同的吞吐量测量代价下,本文所提算法的恢复误差比目前主流方法的恢复误差降低了13%,达到了更好的恢复效果.