TCP/AQM系统大时间尺度模型

网络传输连接的往返时延(round-trip times,RTT)大小各不相同,因此TCP/AQM系统本质为一多时滞回路耦合系统.由于RTT分布范围远大于控制量调节周期,这给准确评估控制效果带来很大困难.已有基于控制理论的主动队列管理(active queue management,AQM)算法多以流体流模型为基础进行设计,没有充分考虑RTT和采样周期对系统性能的影响.对于TCP/AQM系统,合理的评价方法是对调节过程进行评价,而非仅评价单个采样周期内的控制量是否合适.本文结合数据驱动控制思想和系统自身特征,统一从路由视角对TCP与AQM之间的交互进行抽象,通过时间扩展从更大的时间尺度去评价控制量调节过程,然后基于此模型设计自适应AQM算法–—大时间尺度AQM算法(large time scale AQM,LTSAQM).仿真结果表明,该算法收敛速度快,排队时延抖动小,特别是在长时滞网络环境下,性能明显改善.     

无线环境下拥塞控制算法的改进及其稳定性分析

无线网络中数据传输的往返时间RTT(roundtrip time)比有线网络中的RTT大,这使得针对有线网络设计的以时延作为拥塞信号的拥塞控制对偶算法应用到无线网络中时,其稳态性能下降,无线网络的带宽不能得到充分利用.针对对偶算法进行了改进,以保证该算法在无线网络中的稳态性能不会降低;同时,就改进算法的稳定性进行了理论分析和仿真,给出了判断该分布式算法稳定的定理和参数的选择范围.     

基于Dahlin算法的主动队列管理控制机制研究

主动队列管理 (AQM)是网络中间节点通过一定的分组丢弃策略来达到较低排队时延和较高吞吐量的一种机制。已有多种AQM算法被提出,但绝大多数没有考虑较大的RTT(往返时间)对算法性能的影响。该文针对大RTT的网络环境,实现了一种基于控制理论中Dahlin算法的AQM机制并分析了系统的稳定性和参数选择的准则。仿真实验结果表明,该算法在RTT较大的情况下稳定性、响应速度和鲁棒性都优于随机早期检测(RED)算法和比例－积分(PI)算法。     

EHSTCP:改进的高速TCP算法

TCP在高带宽时延积网络中不能获得良好的性能,主要表现为低的吞吐量和大的窗口震荡.HSTCP算法解决了传统TCP算法在高带宽时延积网络下的性能瓶颈,但HSTCP在拥塞点时会产生大量的数据包丢失,同时当队列管理为去尾算法时,存在着严重的RTT不公平性问题.针对HSTCP算法的性能缺陷,该文提出一种在拥塞避免阶段进行拥塞避免模式切换的改进算法,称为EHSTCP.基于拥塞窗口历史值的端到端可用带宽预测方法,利用拥塞窗口历史信息来判断拥塞避免切换点.同时引入RTT公平因子,消除了HSTCP的RTT不公平性问题.NS2仿真实验验证了算法的有效性.     

卫星网络中一种改进的TCPW算法

针对卫星网络通信路径改变会引起往返时延剧烈变化,以及长延时环境会引起TCPW校准拥塞窗口精度下降的问题,提出了一种TCPW的改进方案——TCPW-CC。该算法减小了空间链路传播时延对算法性能的影响,利用星上拥塞系数δ作为调整拥塞窗口的依据,同时将窗口调整从每丢包后进行一次修改为每一个RTT进行一次,使得窗口的增长不再激进。仿真实验表明,所提改进方案提高了网络吞吐量,降低了丢包率。     

改进的网络链路带宽测量方法

分析了利用ICMP报文测量分组RTT时延与测量分组大小的线性关系进行非对称链路带宽测量的Asy_pathchar算法,针对该测量算法存在的缺陷,提出了一种改进的非对称链路带宽测量算法Asy_pro。网络仿真实验结果证明,Asy_pro算法在带宽测量耗时、网络带宽占用和抗干扰性等方面都有较大改善,有效地提高了测量算法的鲁棒性和实用性。     

基于仿真的TCP拥塞控制研究

研究了几种不同的TCP拥塞控制算法原理。通过对于TCP Reno和TCP Vegas协议的实验仿真，研究在不同的数据流和不同的网络条件下算法的性能差异。提出了一种改进的RTT估计方法，在拥塞避免阶段，采用时延的指数滑动平均值取代瞬时的RTT。实验表明，这种改进增强了TCP Vcgas对于时延扰动的鲁棒性。     

模糊算法在WiNCS死区采样中的应用

针对无线网络控制系统(WiNCS)常规死区采样算法导致的系统控制性能QoP和网络服务质量(QoS)下降的缺陷,提出一种模糊自适应死区采样算法.该方法利用系统控制误差和系统网络时延设定死区阈值,能实时自适应网络负载变化,自动在系统Qop和QoS指标范围内尽可能减少数据包传输量,更好地捕捉到网络流量变化和网络QoS变化.实验证明:所提方法不但能减少数据包传输量,而且可以高效地保证系统控制性能.模糊自适应死区采样结构简单,易于实现,具有一定的推广价值.     

ABR点到多点连接中RM信元合并算法的改进

在点到多点的ABR业务中,枝节点需要合并来自各个枝连接的BRM信元。该文分析了几个已有的RM信元合并算法,比较了他们的优缺点;在分析了RM信元所经历的时延与网络拥塞状况的关系的基础上,提出采用RM信元的RTT来估计网络的拥塞水平和连接状况;在现有算法的基础上提出了经改进的合并算法,并给出了该算法的伪代码描述。     

TCP连接往返时延的被动测量算法实验验证

引用了一种应用于宽带网络环境的被动式环回时间（RTT）测量算法,用于对传输控制协议（TCP）的报文环回时间进行估计。该算法通过估计同一轮次报文的发送间隔来挑选相邻2个发送轮次之间的间隙,进而估算出TCP的报文环回时间,该方法的测量对象和测量结果更加具有网络管理意义,能够在不同的TCP行为模式中获得更多的测量采样并显著提高测量成功率。文中通过设计实验,设计程序分析所得的测量值与实际所得的RTT比较,验证该算法的有效性。     

基于包对采样的IP网络时延变化测量方法

时延变化是反映网络路径负载特征的IP网络性能指标．基于路径排队模型，发现时延变化对负载的反映受探测包发送时间间隔影响．因参考时延选取不当及采样方式限制，现有方法所测时延变化只粗略反映路径负载．提出了包对采样方法选取恰当参考时延，避免采样方式限制，增强了时延变化反映路径负载的能力；同时确定了探测包发送时间间隔的下界．对一条Internet路径的实测验证了包对采样所测时延变化对路径负载的较强反映能力和探测包发送时间间隔对这种反映能力的影响．     

一类诱导时滞网络控制系统自抗扰控制器设计

针对一类具有网络时滞小于采样周期的网络控制系统提出网络控制的主要问题是网络通信系统模型的不确定性导致控制性能不佳;针对这一问题,采用基于无模型的自抗扰算法,将网络环节和被控对象一同视为控制对象,将网络时滞作为被控对象的不确定性因素,利用扩张状态观测器对不确定性因素进行实时观测估计;Matlab/TrueTime网络控制实验表明:自抗扰控制方法能够有效地减小网络诱导时滞对控制系统的影响。     

神经网络广义预测控制在锅炉燃烧系统中的应用

针对锅炉燃烧系统的非线性、大延迟、时变、干扰频繁等特点,以煤粉浓度为中间被调量,将神经网络、广义预测控制、串级控制相结合,设计了基于神经网络模型的广义预测串级控制系统.该控制方法克服了单纯PID控制对大惯性大延迟对象调节品质差、抗干扰性弱的缺点,神经网络预测器有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于燃烧系统中主汽压力对象的控制,仿真结果表明该方法具有较强的跟踪性能和抗干扰能力及良好的动静态性能指标.     

一种双参数拓扑推测方法

针对采用单一性能参数推测网络拓扑结构算法的问题, 如有效性与网络负载有关以及测量节点性能参数时大多需要节点间时钟的同步等, 在现有的测量方法基础上, 提出了一种不需要节点间时钟同步可以测量端到端时延抖动和丢包相关性的紧接分组对序列测量方法, 同时设计了一种综合端到端时延抖动和丢包相关性的双参数拓扑推测算法, 该算法能够适应不同的网络负载环境。最后通过NS-2仿真实验验证了该算法的有效性和准确性。     

基于事件触发的神经网络控制器稳定性分析

针对非线性系统稳定性问题,设计了基于事件触发的神经网络控制器来稳定非线性系统,控制器只有在触发规则满足的条件下,才更新控制参数,降低了网络传输率。算法开始先建立非线性系统模型,在采样过程中引入事件触发机制,并且设计了神经网络控制器,对于系统中包含的传输时滞,引入系统时滞模型,运用输入延迟法将同步控制器求解问题转化为时滞系统的稳定性问题。再通过构造分段Lyapunov-Krasovskii泛函并结合Jensen不等式,给出了非线性系统稳定条件。与传统数据采样系统相比,本文所提出的方法有效地增大了采样间隔,结尾通过例子仿真验证了所提出方法的有效性。     

基于SDN网络大象流负载均衡算法研究

负载均衡算法是通过对网络中的流量进行调度来提高网络资源利用率,是计算机网络中的一个重要研究方向;针对网络中大象流导致的网络拥塞和老鼠流的排队时延等负载不均衡问题,提出了带宽和时延加权负载均衡(BD-WLB)算法来提高负载均衡性能,综合考虑了大小流之间的流量特征不同,改进了传统算法的路径计算方式;算法通过控制器来获取网络流量和状态信息;然后利用带宽和时延等网络状态参数来为大象流和老鼠流分别计算最优路径;采用P4语言来对数据平面转发流程进行优化处理;实验结果表明,在高负载状态时,BD-WLB算法相比于ECMP算法提高了38.4%的网络吞吐量和41.9%的链路利用率,降低了41.8%的网络时延;使网络资源得到了更好的利用,证明了BD-WLB算法的可行性和有效性。     

基于TCP/IP协议的远程控制系统中变结构动态补偿器的研究

对网络时延及其不确定性造成的单采样、空采样和多采样三种情况进行了分析,阐述了采样信息处理器的原理.为了解决网络时延的滞后补偿问题,提出了一种变结构动态补偿器方案.仿真和实验证明,基于TCP/IP协议的远程控制系统中采用了该补偿器后,利用网络数据传送时的时间戳,可对因特网的时延进行实时补偿,使基于因特网的远程位置伺服控制成为可能,同时也避免了网络时延的预报精度对补偿的影响,改善了系统的控制性能.     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降;电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型;传统的方法对电机温度的控制精度较差,从而导致电机温度失控;为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法;将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整;实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

基于矢量空间重构的网络流量预测算法

客户机与服务器之间存在数据存储隐通道,对该通道的网络流量进行准确预测可避免网络拥堵,提高网络流量的调度和管理能力。传统方法采用线性时间序列分析方法进行网络流量预测,没有准确反映流量序列的非线性特征信息,预测精度不高。提出一种基于非线性时间序列分析和矢量空间重构的网络流量预测算法。进行相位随机化处理,使得网络流量数据离散解析化,把网络流量时间序列解析模型分解为含有多个非线性成分的统计量。采用自相关函数法求得矢量空间重构的时间延迟,采用互信息最小嵌入维算法求得网络流量序列的矢量空间嵌入维,实现流量序列的矢量空间重构。在高维矢量空间中,提取网络流量的高阶谱特征,实现网络流量的准确预测。仿真结果表明,采用该算法能有效拟合流量序列的非线性状态特征,对流量状态变化的动态跟踪性能较好,其预测误差比传统方法的低。     

A nonlinear prediction model for Chinese speech signal based on RBF neural network

A novel method for Chinese speech time series prediction model is proposed. In order to reconstruct the phase space of Chinese speech signal, the delay time and embedding dimension are calculated by C–C method and false nearest neighbor algorithm. The maximum lyapunov exponent and correlation dimension of Chinese speech phoneme are calculated by wolf algorithm and genetic programming algorithm. The numerical results show that there exists nonlinear characteristics in Chinese speech signal. Based on the analysis method of RBF neural network and the nonlinear characteristic parameters such as the delay time and embedding dimension, a nonlinear prediction model is designed. In order to further verify the prediction performance of the designed prediction model, waveform comparison and four evaluation indexes are used. It is shown that compared with the linear prediction model and back propagation neural network nonlinear prediction model, prediction error of the RBF neural network nonlinear prediction model is significantly reduced, and the model has higher prediction accuracy and prediction performance.