无线传感器网络中基于路由协议的拥塞控制技术研究^①

无线传感器网络中的数据传输模式主要是多对一的。由于传感器节点资源严重受限,通信链路易受干扰等因素,使得拥塞问题十分严重。而传统的传输层拥塞控制技术,并不完全适用于无线传感器网络。本文从基于路由协议的拥塞控制技术的研究背景入手,综述了近年来在无线传感器网络中基于路由协议的拥塞控制技术研究成果,并指出网络层拥塞控制技术当前面临的问题和未来的发展方向。     

N次随机丢包的被动队列管理算法

针对主动队列管理参数设置敏感、消耗大量资源等问题,提出了N次随机丢包的被动队列管理算法.当队列满时,根据当前网络中与路由节点链接的发送端数目,决定丢弃数据包N的值,然后再采用改进的随机丢弃策略丢弃N个数据包.新的算法与其他被动随机丢弃策略相比,克服了弃尾队列管理的缺陷,能够更快地响应网络拥塞,提高了网络传输性能,同时也能够在一定程度上保证公平性,NS2仿真表明了算法的有效性.     

局部扭曲立方体在一维阵列光网络中的路由与波长分配

探讨局部扭曲立方体LTQ_n通信模式在一维阵列波分复用光网络中的路由与波长分配问题.首先通过LTQ_n的最大导出子图得到拥塞,即所需要的最少波长数;其次给出一个路由与波长分配策略,从而证明了最优波长数为2~(n+1)/3.     

高速网络中基于模糊神经网络的拥塞控制研究

拥塞控制是基于高速网络的多媒体通信研究中的主要难点之一。以ＡＴＭ为研究对象提出了一种基于模糊神经网络的流量预测方法。通过仿真比较、分析了基于常规方法和模糊神经网络方法的性能,证明所提出的方法有效。     

基于优先级的ATM网络拥塞控制

提出一种基于优先级的ATM网络拥塞控制方法.其主要特点：带有优先权控制功能,以适应不同业务对信无丢失率及时延的不同要求.即能最大限度地有效利用网络资源,又能满足不同用户对业务质量的不同要求,并能降低交换结构复杂度。并对这种控制方法进行性能分析。结果表明：在提高网络吞吐量、降低信元丢失率、改善网络延时等方面皆优于其它拥塞控制方法。     

基于CC1100的无线传输系统设计

无线射频（RF）是本世纪最有发展前途的信息技术之一,而CC1100正是其中一种单片UHF射频芯片,其低功耗、灵敏度高、链接性能好、工作稳定、外围元件简单的特点,得到了广泛地应用。本文介绍了一种以STC89C52单片机为控制核心,基于无线收发芯片CC1101的通信系统。通过对其的DATASHEET,工作原理以及工作方式进行了分析,设计了该系统的硬件电路并编写了CC1101芯片的通信软件,实现了点对点的无线数据通信,并增加了慢启动-拥塞避免功能和路由转发功能,使该无线数据传输系统的应用面增广,更加适合在不同突发状况下的无线数据传输。     

避免假重传使TCP更健壮的RR-CETEN算法

许多研究表明,在高并行度和不同链接速率的无线网和卫星网中都存在包的重排序．由于重排序将导致对网络拥塞过高的估计,它大大降低了网络的TCP性能．CETEN（Cumulative Explicit Transport Error Notification）虽然解决了出错丢包对网络拥塞估计偏差的问题,但由于没有考虑无线网络下包的重排序情况,同时也使LEAST（Loss Estimations AlgorithmS for TCP）算法的丢包估计值不准确,导致出错丢包率产生偏差．为此,通过在接收方增加显式的假重传通告方案,使发送方不仅能区分丢失（出错和拥塞）的包,还能处理重排序包,提高了LEAST算法的精确度,使TCP更加健壮．试验仿真结果表明这种方法的有效性．     

TCP带宽估计算法

在有线网络或者误比特率较低的环境中,分组丢失往往是由于网络拥塞造成的,因此传输控制协议（TCP）能够良好运行;然而当TCP运行在高误码环境中,并且在遭遇误码丢包时,TCP拥塞窗口依旧盲目减半,没有能够充分利用可用带宽,从而导致其性能大幅度下降．近年来,提出了不少对TCP拥塞控制机中带宽估计算法进行改进的方案,以用来改进TCP在随机丢包链路中的性能．文中首先分析了在TCP连接中发送端实现的带宽估计算法所面临的问题,然后重点分析了几种带宽估计算法的准确性及其性能,同时讨论了带宽估计算法的准确性对协议的公平性产生的影响．     

基于高阶图卷积自编码器的网络流量预测

网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络（SDN）架构,利用高阶图卷积网络（GCN）获取网络拓扑中的多跳邻域之间的流量相互影响关系,采用门控递归单元（GRU）获取网络的时间相关性信息,利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验,结果表明,提出的方法在网络流量检测方面的MAPE值为41.56%,低于其它深度学习的方法,同时预测准确率方面也达到最优。     

异构网络中的丢包区分和拥塞控制机制

现有异构网络传输控制协议不能准确估计网络状态,缺乏有效的丢包区分机制. 为此,提出一种基于效用估计的丢包区分算法,并将其应用于多媒体业务TCP 友好传输控制协议. 该算法将网络状态估计算法和差异化丢包区分算法相结合,根据分组到达时间间隔估计当前网络的可用带宽,计算效用参数并估计网络状态,自适应地选取合理的区分机制,以准确区分无线-有线异构网络中拥塞/无线丢失,提升多媒体传输控制协议性能. 实验部分比较了该算法与现有文献方法的仿真性能.