延迟容忍网络自适应差错控制方法

根据延迟容忍网络的时延较大、误码率较高等特点,在现有的传输控制层和MAC层差错控制的基础上改进,结合IEEE 802.11 DCF机制的特点,提出一种基于MAC层丢包率的自适应差错控制方案.该方案能有效改善延迟容忍网络的传输时延,满足对时延要求比较敏感的业务的要求.     

模糊自校正方法在网络控制系统中的应用

针讨网络控制系统中由于不确定时延引起的系统模型的不确定性,将不确定对象建立为模糊模型,运用模糊自校正控制的方法对网络控制系统中的时延进行补偿.该方法降低了时延对系统的影响,实现了对网络控制系统的时延补偿.采用truetime工具箱对控制系统进行仿真,结果表明,运用模糊自校正方法补偿后的控制效果有了明显的提高.     

时延网络控制系统控制方法研究综述

本文介绍了网络控制系统的基本概念,分析了网络控制系统的优缺点,并主要针对网路控制系统中的时延问题,论述了6种时延网络控制系统控制方法:增广状态离散时间模型法、缓冲队列法、摄动法、随机最优控制方法、鲁棒控制方法、模糊逻辑调节法.本文对6种控制方法各自的特点和适用范围进行了较为详细地讨论,并对各自的优缺点进行了对比分析,对进一步研究适合于时延网络控制系统自身特点的控制方法进行了展望.本文研究的内容是当今控制领域研究的热点问题之一,无论对网络控制系统的研究与应用,还是对网络控制系统中时延问题的解决都具有一定的意义和参考价值.     

基于Cubic的QUIC拥塞控制算法研究与改进

为了解决单一的快速UDP网络连接(quick UDP internet connections,QUIC)拥塞控制算法导致网络利用率大幅度降低、丢包容忍度较差、网络资源利用不够充分等问题,对QUIC源码中常用的Cubic拥塞控制算法进行研究,提出了一种基于丢包和时延相结合的拥塞控制方法,从而达到充分利用带宽、提高网络吞吐量的目的,以期为相关研究人员提供参考。     

基于排队时延和丢包率的拥塞控制

作为拥塞度量,排队时延具有很多优点,但仅利用排队时延并不能完全避免丢包,而在链路缓存不足出现丢包时,排队时延已不能有效反应网络拥塞情况。该文提出了一种基于排队时延和丢包率的拥塞控制模型,该模型采用双模控制的方法。在瓶颈链路上有足够缓存时,模型利用排队时延作为拥塞度量,使各流获得稳定的动态性和成比例公平性。当瓶颈路由器上没有足够缓存不可避免要丢包时,模型利用丢包率作为拥塞度量,使各流仍能获得与不丢包情况下相近的流特性。模型在两种模式的切换中保持稳定,实现平滑过渡。     

突发大时延下的IP语音缓冲算法

当网络中存在突发大时延时,就会出现极大丢包率或极大端到端时延的情况,从而难以获得好的语音质量。对于这个问题,提出针对突发大时延存在下的自适应语音缓冲算法。算法通过控制语音包在语音缓冲队列中的位置来控制语音包的播放时间,从而可以尽量减小语音裂缝(Gap)的出现。算法将突发大时延存在下的最大丢包率可以扩大到20％,而一般的预测算法只能容忍5-10％的最大丢包率。通过基于听觉模型的客观音质评价(PESQ)仿真计算,以及实际应用表明本文的算法对有突发大时延存在的网络中的语音通信质量有一定的改善作用。     

大型IP网络时延的主成分分析

网络时延是评估网络性能的关键指标之一。主成分分析(PCA)是数据挖掘领域常用的一种多变量分析和降维算法。通过对大型IP网络时延进行PCA分析,旨在挖掘网络时延的深层原因及网络各节点间的相互依赖关系,并搭建一个科学合理的网络时延评价体系,最终得到IP网络建设、优化改造的有效建议。对历史网络时延进行离线分析只是主成分分析方法的一种初步应用,今后可结合网络拓扑结构、现网流量流向、路由、距离等相关因素,将主成分分析方法应用到针对网络流量、网络时延、网络丢包等网络性能的实时在线监测分析中,进一步提升网络运营的效率和质量。     

网络控制系统建模与控制

数据总线传输方案能够有效克服传统通信的弊端,但由于信息传输分时复用通信总线,系统时延不可避免。时延不但会降低网络控制系统的控制性能,而且还是引起系统不稳定的潜在因素。从网络时延这一问题出发,对网络控制系统的建模方法进行了分析研究,并基于此提出利用模糊控制来补偿系统时延影响。该方法通过模糊控制调节PID控制器输出,从而改善系统性能。最后通过仿真实例验证了上述方法的有效性。     

基于不同路由协议的Ad hoc网络控制仿真研究

基于Ad hoc中经典的AODV(Ad hoc按需距离矢量路由协议)和DSDV(目的序列距离矢量路由协议)两种路由协议,文章选取了对控制系统性能影响很大的时延、丢包率、控制稳定性等参数来做比较,分析了基于两个协议的控制性能。通过NS的仿真得出了在网络规模不大的情况下,AODV协议相比于DSDV协议来说,更适合进行网络控制,其稳定性更高,并且在网络拓扑变化激烈的情况下,控制系统稳定性差距更加明显。     

基于预测控制的网络时延补偿策略研究

文章指出,当前,网络控制这一课题已经逐渐成为学术界研究的一个重点问题,为使网络控制系统中的时钟不同步问题得到解决,可以采取基于预测控制的网络时延补偿策略对系统时延进行补偿。而通过仿真分析可以发现,该策略的实施能够使网络时延得到精确补偿,并且能够使网络控制系统性能得到有效改善,因此可以在网络控制系统中得到应用。     

子网移动性管理及其性能优化研究

子网移动性管理的最终目标是移动网络中的所有节点郝可以通过一个永久的IP地址被访问,并且当移动网络的路由器改变接入点时,内部节点仍然可以保持连续的通信。但当前的移动性管理方案由于其基本协议的切换时延较大,丢包率较高而不能适应实时业务和移动通信的要求,需要对移动性管理策略进行改善。文中介绍一种基于SIP和SCTP协议的混合方法Hybrid—NEMO,解决基于MIPv6的NEMO所存在的问题。通过建立相应模型并进行仿真对比分析,该方案能够保证网络移动切换过程中零丢包率和可控制的时延抖动,完全可以实现网络无缝移动的有关性能指标,从而较好地解决了现有移动网络模型实现无缝移动过程中的不足。     

具有时延和丢包的不确定性NCS的稳定性

研究了同时具有网络时延和数据丢包的不确定网络化控制系统的稳定性.将数据丢失看成一种特殊的时延,利用动态反馈控制器设计提高系统的动态性能,得到了总时滞(包括传感器与控制器之间的时滞,控制器与执行器之间的时滞)的表达式,建立了不确定网络化控制系统模型.通过构造李亚普诺夫函数,采用线性矩阵不等式技巧,给出了系统稳定的判定定理.仿真结果表明了该方法的有效性.     

基于β增益的网络控制系统时延补偿

在网络控制系统中,由于网络时廷的存在,导致系统性能下降甚至不稳定.文中提出了一种基于β增益的网络控制系统时延补偿方案,该方案能够根据当前网络时延和阻塞等状况适时的修改现有的控制器的输出,使得现有的控制器能够适应于不同网络状况下的网络控制系统,从而达到时延补偿的目的.因为不是修改原始的控制算法,所以可将现有的传统控制器直接升级为网络控制器.     

端到端的网络链路时延的探讨

阐述了端到端的网络的主要性能参数指标时延、丢包、带宽等。影响服务质量的各种因素中网络时延是主要的原因之一,本文就时延的产生及时钟不同步对时延的影响进行深入的探讨。     

基于网络控制系统的建模方法综述

随着计算机及网络技术的发展,控制系统中的各部件(传感器,控制器,执行器等)通过通信网络互连已然成为控制系统的发展趋势,但是通信网络为控制系统提供强大优越性的同时必然也带来了信息传输的不确定性,给控制系统的分析和设计增加了难度。因此基于在通信网络中不确定时延和丢包问题,文章探讨了其建模方法,为进一步的系统分析和设计奠定了基础。     

网络模拟器丢包与时延功能的设计实现

设计了一种基于实际业务流的网络模拟器,分别采用基于Gilbert模型的丢包机制和基于TBF队列模型的时延机制,并具有良好的扩展性,可以加入各种丢包模型和时延模型。测试实验表明通过网络模拟器模拟的网络丢包性能和时延性能优于以前的网络模拟器性能,并实现了对不同丢包模型和时延模型的扩展。     

一种面向网络拥塞的AQM算法研究

结合控制理论的AQM算法通常存在计算复杂、反馈周期长等缺陷,因此,文中采用数据库和数据驱动方式,结合MySQL数据库和NS2的接口设计,提出一种AQM分离算法计算过程的控制方法。以RED算法为实例,文中在NS2软件中对上述控制方法进行仿真测试,发现数据驱动方式有效降低了RED算法的时延和丢包率,说明文中所使用的数据驱动方式实现AQM算法是可行且有效的,能为网络拥塞的算法提供新的思路。     

引入FEC＆ARQ技术保障IPTV视频传输质量

在提升IPTV视频质量中必须要考虑网络丢包、时变的有效带宽和可变时延等特性对实时视频传输的影响。文章简要介绍了FEC、ARQ技术的原理,分析了在IPTV业务中引入FEC＆ARQ技术的必要性和可行性。深入探讨了FEC、ARQ技术引入到IPTV中提升视频传输质量的关键方案和具体的应用场景。     

基于灰色预测的网络控制系统H∞鲁棒控制研究

针对网络控制系统存在的不确定时延及丢包问题,提出基于灰色预测的H∞鲁棒控制器设计方法。将控制器输出端至传感器部分等价为灰色系统的被控对象,建立离散控制系统模型,引入灰色预测算法,运用等维新息模型GM(1.1),取时延输出序列,预测下一时刻时延,确定控制器的输出。构造Lyapunov-Krasovskii函数,结合LMI方法给出了系统稳定的充分条件及控制器设计方法。仿真实例说明预测的引入降低了系统随机性,有效的提高系统控制精度。     

基于区间二型模糊神经网络的垂直切换算法

在超密集异构无线网络中,针对传统垂直切换算法无法同时描述网络状态的模糊性和随机性,导致网络性能得不到有效提升的问题,提出一种基于区间二型模糊神经网络的垂直切换算法.重构了两阶段判决算法:在网络预筛选阶段,定义了历史接入率,结合当前候选网络集的数目设置阈值.根据接收信号强度和剩余可用带宽,对用户接收范围内的所有网络进行初步筛选;再在垂直切换判决阶段,将剩余候选网络的时延,丢包率以及误码率作为区间二型模糊神经网络的输入,利用前馈神经网络的结构完成模糊逻辑推理,经训练之后计算得到输出判决值,从而选择最佳接入网络.实验结果表明,该算法能在保证时间开销较低的同时,有效降低切换决策的错误概率,减少切换失败和切换次数,提升网络总吞吐量.