退避算法多负载状况下的退避窗口最优设定

为了实现无线传感器网络节点在不同忙碌状态(忙碌状态:节点一段时间内的忙碌状态时间与对应时间段的比值)的区域中均达到网络吞吐量的最优,对退避算法中退避窗口大小取值做了一定工作。基于节点忙碌状态的讨论,依据节点的吞吐量模型,通过分析不同网络负载区域影响节点吞吐量的因素,为使网络中节点的吞吐量更接近理论最大值,给出了基于不同忙碌状态的退避窗口设定算法MNLBA(multi-node-loading back-off algorithm,多节点负载条件下退避机制)。在最后的仿真结果中可以看出,与不考虑区域网络负载不同的SBA协议相比,MNLBA算法针对不同的区域状态设定退避窗口值,约能提升网络吞吐量5%~10%,起到了均衡负载、提升网络性能的作用。     

基于自适应变速因子的水声通信网MAC退避算法

为提高水声通信网络(UWSN)吞吐量并减少时延,从通信节点MAC层角度,提出一种基于自适应变速因子的水声通信网介质访问控制算法AVAB。通过更新变速因子,计算数据帧碰撞后增大竞争窗口的倍乘因子以及数据帧成功发送后减少竞争窗口的倍除因子,降低数据二次发送碰撞概率。OPNET仿真结果表明,AVAB算法能够降低网络的丢包率和延时,提高网络吞吐量。     

一种无线传感器网络信道接入自适应慢速退避算法

无线传感器网络是一种特殊的无固定控制中心的多跳网络.由于其特殊性,传统CSMA协议直接应用于无线传感器网络中会带来数据包冲突增加和时延增大等问题.针对信道接入层已有退避算法,提出了一种自适应慢速退避算法.分析与仿真结果表明,与传统的IEEE 802.11标准BEB算法和普通退避算法相比,该算法更为简单实用,能有效提高网络吞吐量,特别是在网路拥塞状况变化剧烈时,可减小额外开销并保持稳定的网络吞吐量.     

Ad hoc网络中的自适应退避算法的研究

本文提出了一种适用于高等级节点的二进制负指数退避算法BNEB,验证了竞争窗口平均值较小的节点信道竞争能力较强的结论,并根据此结论,针对多跳Ad hoc网络中由于MAC层竞争导致的拥塞问题提出了两种具有拥塞控制功能的退避算法RBAB和CABEB,在节点发生拥塞时调整其分组进入速率和转发速率,能够提高网络的端到端吞吐量并有效缓解网络拥塞。     

无线ATM网介质访问控制协议的研究

近年来无线ATM网络得到广泛研究,扩展ATM网络的宽带业务至无线环境面临许多方面的问题。介质访问控制(MAC)方法是无线ATM网的关键技术之一。MAC层协议的好坏直接影响系统性能和移动终端的复杂性。文中综合分析目前已有的无线ATM介质访问控制协议及方法,指出设计无线ATM网MAC层协议的三条原则,提出下一步研究方向。     

ADD:一种无线局域网MAC层竞争窗口退避算法

在无线局域网(WLANs)中,介质访问控制(MAC)协议的设计是一个核心的问题。MAC协议应该满足较高的吞吐量和较好的公平性等要求。根据802.11分布式协同函数(DCF),提出了一种新的高效的竞争窗口(CW)处理机制,称作自适应倍乘增加倍乘减小算法(ADD)。该算法的基本思想如下:每个站点在成功地连续发送n个数据包后,其MAC层的竞争窗口减小为原值的一半,而且n的值根据接入节点(AP)的瞬时流量自适应地调节。大量仿真实验表明:该算法可以通过有效地降低站点之间的冲突概率,来增加系统整体的吞吐量,同时增加不同站点之间的公平性。     

一种时效性约束的二进制指数退避算法

针对IEEE 802. 11标准中二进制指数退避算法(Binary Exponential 13ackoff,BEB)以最大重传次数作为分组丢弃依据其时效性性能差的问题,提出一种基于时效性约束的二进制指数退避算法(Delay-constrained Binary Expo-nential I3ackoff,D(', BEB)。以分组自身的超时门限替代最大重传次数作为分组丢弃的依据,能在不显著降低系统归一化吞吐量的同时,提高系统归一化有效吞吐量,适合于对分组时效性要求高的无线自组织网络。构建了Markov模型来分析采用!K; I3EI3算法时的系统性能。通过仿真实验,验证了模型的近似准确性以及IX; I3EI3算法相对于I3EI3算法的优势。     

基于竞争窗口递减因子自适应调整退避算法

包括IEEE802.11、802.15.4标准在内的许多无线网络协议都采用二进制指数退避机制管理数据的重发。在动态分布式的网络环境中,二进制指数退避算法固定的竞争窗口递减方式难以适应动态变化的网络规模。针对这一问题,提出了一种改进的回退机制,该机制通过引入竞争窗口递减因子,自适应地调整无线节点的等待时间,以实现网络吞吐量的最大化。同时,在算法实现上提出一种启发式算法以跟踪网络中竞争节点数量的改变。在IEEE 802.11DCF协议中以相同的物理层参数进行仿真,结果表明改进算法提高了网络吞吐量,降低了分组平均接入时延。     

Ad Hoc网络自适应退避算法吞吐量研究

基于AdHoc网络IEEE802.11协议原理,对AdHoc网络标准DCF算法进行了改进,提出了一种自动调整最小竞争窗口W0的退避算法(Adaptive minimumcontention Window Binary Exponential Backoff algorithm,简称AWBEB算法),建立了AW-BEB算法的二维Markov链模型,导出了该算法的稳态分布和终端数据发送概率,分析了该算法的吞吐量和稳态吞吐量,对该算法吞吐量进行了编程仿真及数学解析研究,验证了AWBEB算法。研究结果表明,与DCF算法相比,AWBEB算法具有更好的网络吞吐性能;AWBEB算法网络吞吐量的编程仿真结果与数值计算结果吻合较好。     

无线传感器网络中一种自适应的退避算法

802.15.4协议中CSMA/CA信道接入方式为了避免再次碰撞使用BEB退避算法,在重负载的情况下网络性能较差。提出一种自适应的退避算法,它用报文的冲突概率来预测节点附近信道的争用状况,在不同的网络状况下,竞争窗口的取值采用相应的退避策略,动态地控制节点的退避范围,以达到改善网络性能的目的。分析与仿真结果表明,新的算法与传统的退避算法BEB算法相比,在网络负载重的情况下,有效地降低了数据包的冲突概率,减少了时延,提高了网络的吞吐量,同时对信道的公平性也有所改善。     

增益自调整单神经元自适应PID算法的研究

针对单神经元自适应PID算法对增益K的敏感性,提出了增益K自调整的单神经元自适应PID控制算法。仿真结果表明,这种控制算法具有良好的自适应性和鲁棒性。     

分布式认知网络中多用户频谱接入算法研究

认知频谱接入技术通过感知侦测并伺机接入空闲频带,大大缓解了频谱资源稀缺和利用率低下的矛盾.在未知信道占用信息情况下,认知用户如何快速找到最优空闲信道,并避免相互之间的冲突,是认知接入算法的难点和关键技术.本文中提出一种低复杂度的分布式认知接入算法,通过学习物理层的感知结果和链路层的发送确认信息,同时获取主用户的信道占用概率和从用户之间的冲突概率,能快速选择感知信道,并有效避免了从用户之间的竞争.仿真结果表明,该算法在未知信道占用概率信息的情况下,网络平均吞吐量明显优于贪婪等算法,很好地解决了认知网络中多个从用户频谱共享问题,同时收敛速度较快.     

一种用于多信道Ad Hoc网络MAC协议的匹配策略

在ad hoc网络中,使用多个正交信道,并行地传输数据是一种提高网络吞吐率,降低数据时延的有效手段.目前多广播域类协议,由于不需要额外的硬件,同时也不需要在网络结点之间建立时间同步机制,比其他多信道MAC协议具备更好的灵活性.经过研究发现,传递广播数据包,将加重多广播域协议解决死锁、发送等待和匹配效率等问题的协议开销,从而制约ad hoc网络的实际性能.采用支持广播/多播的匹配策略MAMR(Matching Algo-rithm for Multiple Rendezvous),将有助于解决广播问题.MAMR根据ad hoc网络的数据传送需求,将任一网络收敛至一个无冲突,无死锁的匹配状态.在该策略的收敛状态下所有非广播结点的入度不大于1,并且任两个相邻的广播结点间不会有匹配的边存在,从而避免了广播结点间可能出现的数据发送冲突.进一步证明,该策略可以在O(4m)步内收敛,并且可以在限定条件下达到极大匹配状态;在无广播结点时,该策略与Hsu和Huang提出的分布式网络中的极大匹配策略等价.仿真显示,在具有5%的广播数据需求时,该策略可以使MAXM、BTMC协议性能提高10%.     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

RTP自适应传输控制算法的研究

RTP自适应传输控制算法是在基于实时传输协议（RTP）的流媒体服务中进行端到端流量控制的算法,对于保证流媒体服务质量有重要作用。本文详细介绍了流媒体传输对RTP自适应传输控制算法的要求,对现有算法的各个组成棋块进行了深入分析;总结了目前RTP自适应传输控制算法的特点,指出了该算法今后研究和设计的趋势。     

当代学习自适应混合离散粒子群算法研究

针对NP-hard组合优化及粒子群算法离散化问题,提出一种当代学习自适应混合离散粒子群算法对其进行求解.依据粒子多样性的变化规律,引入自适应扰动算子,以保持种群进化能力;根据成功的粒子群社会学习能力和个体学习能力,提出粒子群当代学习因子以体现粒子当代学习能力,进而改进其运动方程,使算法稳定性得到提高;最后融入近邻搜索变异策略,提升算法局部求精能力.实验表明:当代学习自适应混合离散粒子群算法较其他三种离散粒子群算法在解的质量方面有所改进,并首次在算法稳定性上得到了较大进步,为离散粒子群算法稳定性研究提供了新的思路.     

无模型控制律的一种改进算法

针对基本形式的无模型控制律没有充分利用输入输出数据包含的信息,利用输入输出数据的高阶信息,提出了一种新的控制准则函数,推导了其控制律算法.然后针对一类具有积分环节的被控对象设计了带反馈环节的无模型控制器.并在相同条件下,对分别采用基本算法和改进算法设计的无模型控制器进行控制性能仿真研究.仿真结果表明:改进的无模型控制律算法表现出优良的控制品质,跟踪性能良好,具有参数自适应性.该算法适合处理参数时变、结构时变的非线性系统的控制问题.     

一种改进的自适应优化粒子滤波算法研究

粒子滤波算法在非线性滤波领域受到广泛关注,但是该算法存在样本退化问题.为了改进粒子滤波算法的性能,这里结合自适应优化机制对粒子滤波算法的建议分布选择机制及重采样技术进行改进.对于粒子滤波的建议分布选择,提出一种基于自适应退火参数优化的混合建议分布方法.通过混合建议分布不足的分析,利用退火参数来优化控制状态转移先验分布函数和观测似然函数之间的比例,同时,基于自适应参数优化机制来动态调整退火参数的值.对于粒子滤波的重采样,提出了基于部分分层重采样优化算法的自适应重采样技术.通过有效样本大小的评估来执行自适应重采样策略,此外,基于部分分层重采样算法,利用权重优化的思想对其重采样前后权重计算的方法进行优化.通过相关算法的性能比较,所提改进粒子滤波算法的有效性得以验证.