一种适用于缓存受限的机会网络路由改进算法

许多机会网络路由机制在节点缓存有限的情况下并不能得到足够可靠的性能保证,这是由于节点缓存不足导致大量消息不得不丢弃。此外,多数的路由机制中消息的复制及传递带有一定的盲目性,而使网络中无效消息大量扩散,对路由机制性能产生较大的影响。针对这一问题,文章提出了一种基于节点出现概率的路由改进算法(MROP),利用节点运动的历史经验知识估计消息到达目的节点所需平均跳数,并以此作为该消息跳数寿命。MROP算法是一种可叠加在多种路由机制之上的独立于原有路由算法的路由性能增强方法通过ONE仿真实验结果表明,MROP算法可以在牺牲一定传输时延的情况下,大幅提高消息投递率、减小网络负载和节约节点缓存消耗,得到较优的路由性能。     

Ad Hoc高动态路由协议仿真与研究

Ad Hoc网络是一种没有固定设施的无线移动自组织网络,动态变化的拓扑结构对路由协议的性能有着重要影响。研究了DSR,AODV和OLSR 3种传统路由协议,以OPNET软件为仿真工具,设计了空中飞行平台网络拓扑结构背景的高动态仿真方案,采用随机恒定速度移动模型(RCS),使得仿真场景更加贴近高动态移动节点动态性能。通过比较网络时延、归一化网络吞吐量、路由负载和数据传送成功率等参数,分析了它们的性能。仿真结果表明,OLSR协议的综合性能优于其他协议,更适合于节点高速移动且网络拓扑结构频繁变化的Ad Hoc网络,并为下一步研究打下基础。     

战术级无线接入网VHF电台频率规划

针对战术级无线接入网甚高频(Very High Freguece,VHF)电台频率规划问题,分析了无线接入网VHF电台用频需求,提出了接入网在分频段频率生成和全频段混合频率生成2种模式下频率分配方法,并给出了VHF电台频率规划的通用模型和算法,最后,结合实例对模型和算法进行了分析和验证。     

一种基于博弈论的无线网状网络路由与信道分配联合优化算法

无线网络中的路由与信道分配可极大地影响网络的性能.为了解决无线网状网络中的路由与信道分配问题,提出并研究了一种称为CRAG(基于博弈论的无线网状网络路由与信道分配联合优化)的方法.CRAG采用协同博弈的方式将网络中的每个节点模型化为一个弈者,每个弈者的策略为与其相关的路由与信道分配方案,收益函数为给定流量需求矩阵下的成功传输流量.弈者通过协同博弈来优化收益函数以最大化网络的吞吐量.基于NS3的仿真结果表明,CRAG在收敛性、时延、丢包率和吞吐量方面优于其他当前的算法,从而证明了协同博弈的方法可以用于无线网状网络的路由与信道分配联合优化,并有效地改进网络性能.     

一种用于编队协同的Ad Hoc网络MAC协议

结合无人机编队和卫星编队自组织分布协同应用场景,基于IEEE 802.11无线MAC协议,给出了MAC协议优化算法:S-DCF算法和最小竞争窗口调整算法。每个站点通过S-DCF算法估算当前网络中竞争站点的数目,然后根据最小竞争窗口调整公式调整最小竞争窗口。仿真结果表明,系统吞吐量得到明显提高,时延明显减小。该优化算法对提高和完善编队协同网络的通信性能具有一定意义。     

基于近似PDP的LOFDM双散射信道时延扩展估计

功率时延剖面(PDP)可完全刻画无线信道的时间散射特性,同时也是栅格正交频分复用系统(LOFDM)自适应策略的重要信道参考。实际中,由于功率时延剖面的准确估计十分困难,常用时延扩展来描述信道功率时延剖面。文章利用Parseval’s定理和DFT-BEM信道模型实现了双散射信道下时延扩展的有效估计;同时运用抛物线拟合法进一步提高估值算法抗干扰性能。理论分析与计算机仿真表明:提出估计算法具有良好的均方误差性能。     

多媒体传感器网络中基于ACO的QoS路由协议

针对目前无线多媒体传感器网络QoS路由协议算法复杂、能耗较大等缺点,提出将蚁群优化算法用于改进无线多媒体传感器网络的路由选择.首先,抽象出多媒体传感器网络QoS 路由模型,进而,利用蚁群算法设计了一个运用带网络约束条件的权值去更新信息素浓度增量的路由算法--AntWMSN算法,AntWMSN算法利用正向蚂蚁F_(ant)收集链路带宽、时延、丢包率等参数,结合精华蚂蚁系统更新本地节点的网络状态模型以及每个访问过的节点上的信息素,从而找到满足多约束QoS条件下的最佳路由.仿真结果表明,该算法具有分布式全局优化网络路由选择的特性,比传统的QoS路由协议具有更好的收敛性,并且在满足网络对QoS参数需求的前提下,有效地提高了网络的生命周期.     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

基于遗传算法的自适应时延估计

基于四阶累积量的约束自适应时延估计(FOC-ETDE)算法具有良好的时延估计性能,但它需要良好的时延估计初值。为了克服此缺点,引入遗传算法进行时延估计的寻优,无需时延的先验信息,在低信噪比的情况下可以准确地直接估计非整数倍采样间隔的时延。计算机仿真试验验证了新算法的有效性。     

支持QoS的无线Mesh网络机会路由优化算法

针对空中骨干Mesh网络资源有限、计算能力相对不足的特点以及传统简单机会路由(Simple Opportunistic Adaptive Routing,SOAR)路由算法未充分考虑负载均衡与不同业务服务质量(Quality of Service,Qo S)保障需求差异性的问题,提出一种支持业务区分的改进型SOAR路由算法。该算法在考虑链路拥塞控制和负载均衡的基础上,定义综合预期传输次数来描述链路的综合状态,有效降低网络拥塞概率;同时根据传输业务类型的不同,设计一种基于层次分析法的路由选择策略,实现路径选择与业务类型的动态匹配。仿真结果表明,在重负载条件下,改进型SOAR路由算法相比传统SOAR路由算法其时延、吞吐量和吞吐率性能明显提升。当网络中存在不同类型业务时,改进型SOAR路由算法能够根据业务Qo S保障需求的差异性自适应选择最佳传输路径。