认知无线Mesh网络自适应多路径算法

认知无线Mesh网络随着频谱空穴的变化,路径随之改变,给数据传输带来负面影响 。提出了一种自适应多路径算法,该算法采用多agent强化学习模型,结合多路径调度策略 , 通过Q-学习算法更新Q值路由表。在路由变动的情形下,节点能够始终有较优路径传输 数据。仿真结果表明,该算法能够减少网络时延,提高网络性能。     

基于CSM优先级的CogWMN联合路由与信道分配策略

认知无线Mesh网络(CogWMN)中的节点可以自主切换通信频率。当节点寻找路由和分配信道时,容易出现信道分配的不均衡化。为了提高非授权频段的利用率,发挥多信道并行传输的优势,提出一种在没有全局控制信道条件下的基于信道统计度量(CSM)优先级的联合路由与信道分配策略,以解决信道分配不均衡化问题,使网络内节点能以较少的跳数接入AP。仿真结果表明,所提策略能提高网络吞吐量和减少网络时延。     

基于模糊推理的认知无线Mesh网络路由算法

认知无线Mesh网络中的节点能动态接入空闲频谱,然而,频谱空穴的频繁变化将导致网络路径的破坏,使得网络性能下降.提出了基于模糊推理的认知无线Mesh网络路由算法,该算法利用模糊Petri网的推理机制计算可行路径的可靠度,最终选择可靠度最高的路径和信道.仿真结果表明,认知无线Mesh网络使用推理机制的路由算法能够增加所选路由的可靠度,减少网络路径破坏数,提高网络吞吐量.