控制时延的主动队列管理算法

针对现有的主动队列管理(AQM)算法造成的队列时延无法满足VoIP、音视频等流媒体传输需求的问题,提出一种直接控制队列时延的主动队列管理算法——DCQA。该算法使用PID控制器计算路由器缓存的数据包丢弃概率,用其对即将进入缓存排队的数据包做丢包判断并采取相应动作,以控制队列时延在期望值以下。实验仿真了3种网络环境下DCQA的性能,链路利用率分别是99.93%、99.88%和99.95%。并且,队列时延分别有50.45%、51.59%、52.4%被控制在期望值以下,比CoDel算法分别提高了3.6%、40.53%、50.69%。实验结果表明,DCQA在不同的网络环境中都可以获得较高的链路利用率,而且控制队列时延的能力优于CoDel算法,适用于流媒体的传输。     

控制时延的主动队列管理算法

针对现有的主动队列管理(AQM)算法造成的队列时延无法满足VoIP、音视频等流媒体传输需求的问题,提出一种直接控制队列时延的主动队列管理算法--DCQA。该算法使用PID控制器计算路由器缓存的数据包丢弃概率,用其对即将进入缓存排队的数据包做丢包判断并采取相应动作,以控制队列时延在期望值以下。实验仿真了3种网络环境下DCQA的性能,链路利用率分别是99.93%、99.88%和99.95%。并且,队列时延分别有50.45%、51.59%、52.4%被控制在期望值以下,比CoDel算法分别提高了3.6%、40.53%、50.69%。实验结果表明,DCQA在不同的网络环境中都可以获得较高的链路利用率,而且控制队列时延的能力优于CoDel算法,适用于流媒体的传输。     

基于时延抖动的主动队列管理算法

随着Internet的迅速发展,致使IP业务的快速增长和多样化,用户数量急剧增加,网络流量呈爆炸式增长,网络拥塞问题变得越来越严重,因此服务质量(QoS)成为了当今世界研究热点之一.为了能达到相对的QoS的性能指标,拥塞控制发挥着相当重要的作用,而主动式队列管理(Active Queue Management,AQM)机制又是实现拥塞控制的重要手段之一,AQM成为了IP网络拥塞控制研究领域中备受关注和深入研究的热点问题.文中在增强CHOKe算法的公平性上,提出一种新的基于时延抖动的AQM算法-CZ-CHOKe.路由器通过时延抖动和队列的平均队长检测网络拥塞,同时采用动态采样击中和自适应丢包技术.仿真结果表明,该算法能有效地保护响应流,提高非响应流的击中概率,提高其算法的公平性.     

面向能效优化的控制队列时延算法

针对一种具有严格时延约束的网络数据流量到达与离开的场景,分析其流量转发过程的能耗特性,提出一种面向能效优化的控制队列时延算法——eeCoDel(Energy Efficient CoDel)。该算法根据数据包时延约束,动态选取最大速率进行数据转发。进行仿真实验对比CoDel、DCQA以及eeCoDel算法的转发能耗。结果表明eeCoDel相比其他两种队列管理算法能够有效降低数据转发过程中的能耗,并且能够兼顾数据流的QoS要求。     

一种无线传感器网络信道接入自适应占空比算法

无线传感器网络中MAC协议最重要的设计目标是减少能量消耗.*基于已有的低占空比工作方式,融入了"七折线"法和加权统计的思想,提出一种新的自适应占空比算法.分析与仿真结果表明,该算法在网络流量较小时,可有效降低空闲节点的占空比、减少能量消耗;并能预测节点下一周期的数据流量,调整其占空比,减少碰撞和阻塞发生的概率;尤其在任务突发模式下,能有效提高节点的数据吞吐量.     

一种动态占空比的无线传感器网络MAC协议

在无线传感器网络(WSN)中,降低能耗会引发端到端时延的增加.为兼顾能耗和时延的平衡,提出一种基于动态占空比的WSN介质访问控制协议.通过计算节点利用率、平均睡眠延时,结合占空比上下限,动态调整节点占空比,使其更好地适应网络实时通信流量.实验结果表明,该协议在线性拓扑中比S-MAC节能52％,延迟减少35％,在网状拓扑...     

无线传感器网络低占空比 MAC协议研究

无线传感器网络因其巨大的应用前景,已成为计算机与通信领域一个活跃的研究分支.恰当的通信协议对降低无线通信能耗、延长网络寿命具有重要的意义.低占空比MAC(媒体接入控制)协议通过节点的休眠机制,大大降低了通信模块的空闲监听能耗.本文对其中的典型协议进行了分析比较,给出了进一步的研究方向.     

基于模型算法控制的主动队列管理算法

通过深入分析TCP/AQM系统的动态特性,提出一个新的预测模型。基于该模型,结合模型算法控制(MAC)提出一种新的主动队列管理算法(MACAQM),并给出了MACAQM的详细设计过程和参数选取的原则。大量不同网络环境的仿真实验表明了MACAQM算法的有效性。与PI, RaQ和REM等算法相比较, MACAQM具有收敛速度快、队列抖动小的优点。同时, MACAQM的采样间隔相对较大,算法实现简单,所以计算量较小,占用的路由器资源也较少。     

基于网络拥塞控制的主动队列管理算法研究

文章讨论了几种主要的主动队列管理机制的关键技术问题,分析了他们对网络拥塞控制的影响,总结了这几种算法的优缺点及其有待改进之处,并根据实际网络模型进行了仿真实验。     

基于队列长度的自适应占空比MAC协议

由于无线传感器网络中设备电池能量有限,实现能量高效性是其主要考虑的问题。众所周知优秀的数据传输协议对降低能耗,延长网络生命周期有重要意义。而在基于竞争的MAC协议中,空闲监听是主要能量消耗来源,所以通常设计较低占空比的MAC协议来减少空闲监听时间。但是如果占空比过小,使得网络中所有数据传输集中在较短时间内,会导致节点无法完成所需要的通信。所以选择合适的节点占空比,对于资源受限的网络来说是一种很重要的节能方法。文中提出了一种新型的异步MAC协议QL-MAC,节点利用CSMA争用信道,发送一系列短的信标包唤醒目标节点,采用虚拟载波监听防止串听。不同于其他改变接收节点的方法,该协议从发送节点来考虑,可以根据缓冲区队列长度判断该网络负载,从而自适应调整节点的占空比,使节点及时发送数据,减少时延,并告知接收节点做出相应改变,进一步节省能量。在OMNET++上实现了QL-MAC协议,仿真结果表明QL-MAC协议展现了良好的时延和能量有效性。     

控制排队长度的高密度路网信号优化模型

为了提高高密度路网地区的交通管理水平,针对高密度路网特点,提出了一种分布式信号控制模型,用于控制交叉口的排队管理.该模型建立了多目标函数,包括了平均出行延误最小和平均排队占比最小;模型约束包括了排队长度估计、信号控制参数约束.此外,为了避免排队回流现象的产生,还建立了具有高优先级的排队回流约束.仿真结果表明,该模型提高了高密度路网地区的交通通行效率,并有效避免交叉口排队回流现象.     

基于智能预测控制的网络拥塞主动队列管理算法研究

路由队列管理是保证网络性能、避免网络拥塞的重要手段,目前采用的主要队列管理方法为被动式队列管理,同时主动式队列管理已经成为近来的主要研究热点. 随机早侦测(RED)作为最早提出的主动队列管理方法,更获得了普遍的关注. 使用严格的数学模型来描述由端系统和网关组成的系统,并进行队列管理性能分析. 提出一种采用快速广义预测控制的RED控制器( FGPC2RED控制器) ,进行网络拥塞控制的研究. 介绍了系统的结构及系统的辨识, 并通过仿真证明了FGPC算法在路由队列管理中应用的可行性,可以有效控制队列长度,避免路由拥塞及减小往返延迟.     

动态矩阵主动队列管理算法

针对Internet网络这种大延迟,变化复杂,存在严重干扰的系统,基于约束模型预测控制理论,提出了一种新的主动队列管理算法(DMAQM算法).首先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,它是确定丢包率的基础;然后将拥塞控制的控制要求转化为优化目标函数,在线求解优化问题得到丢包率.DMAQM算法通过滚动优化来适应网络环境的变化,提高了算法鲁棒性;同时在求取丢包率时显式地考虑了网络中存在的约束.仿真结果显示DMAQM算法控制性能优于RED算法,在满足约束的前提下,具有较强的抗干扰能力,同时具有较好的稳定性和鲁棒性.     

基于S排队的被动队列管理算法

为了解决网络拥塞问题,基于“弃头”方式建立了一种新的被动队列管理算法（DFSQ）。该算法首先利用S排队推导网络队长的数学表达式,并提出丢包概率和丢包策略。同时,通过仿真实验深入研究了影响网络队长的关键因素,并将DFSQ与随机早期检测算法(RED)、“弃尾”算法进行对比分析,结果表明DFSQ算法性能更优。     

基于传输控制协议的无线自组网主动队列管理建模

主动队列管理（AQM）通常研究队列控制器的设计．作为被控对象,传输控制协议（TCP）往往利用网络仿真器（NS）的仿真实现,因此有必要研究无线自组网的TCP及AQM特性．基于TCP窗口加性增一乘性减算法及排队原理,推导了TCP窗口及队列的微分方程,再基于比例积分AQM控制,推导了拥塞丢弃概率的微分方程,通过建立联立微分方程组,提出了AdHoc网络TCP／AQM微分模型．对比仿真显示,新模型能较好地估计无线白组网的性能．模型研究也表明,网络跳数,无线丢失和过小的队列成为AQM性能瓶颈,队列信息则有助于TCP区分无线自组网的拥塞丢弃与无线丢失．     

动态网络增强自适应虚拟队列管理新算法

针对动态网络主动队列管理算法中控制参数设置难题,提出了一种增强自适应虚拟队列管理新算法（EPAVQ）。结合TCP流体流模型运用经典控制理论分析自适应虚拟队列管理（AVQ）算法稳定性基础上,利用极点配置技术给出了AVQ算法控制参数的调整规则。同时,针对网络参数时变问题,通过对网络参数的在线估计,利用网络参数与控制器参数的确定关系实时调节控制参数,使得控制器能够适应网络参数的变化。通过ns-2仿真实验与现有的AVQ算法比较,EPAVQ算法具有更快的动态响应,更好的网络性能。     

基于神经网络监督控制的拥塞控制算法研究

提出了一个基于神经网络控制的主动队列管理（AQM）算法;研究了TCP/AQM拥塞控制系统的可逆性,并利用一种神经网络监督控制结构进行了AQM算法的设计。算法由一个三层前馈结构的神经网络控制器（neural network controller,NNC）和一个反馈控制器（feedback controller,FC）组成。NNC作为一个前馈控制器,通过FC产生的教师信号进行学习,以建立被控对象的逆动力学模型。仿真结果表明,提出的算法与PI（proportional-integral）算法相比,无论在瞬态性能     

基于PID神经元网络和内模控制的拥塞控制算法*

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。