基于贝叶斯网络的认知网络QoS自主控制技术研究

发布时间：2024-05-27 03:19

　　互联网发展至今，已经成为一个庞大的非线性动态多变的复杂系统，随着网络接入技术的日趋多样化和网络承载业务的不断丰富，传统的网络QoS管理和控制方式面临着诸多挑战。由于网络不具备自主性和智能性，网络对自己的状态和行为缺乏全面认知，网络日益复杂使得传统的孤岛式、静态式QoS保证方法表现低效且决策反应被动，网络经常拥塞，QoS性能时常劣化，业务传输与QoS保证不能根据环境的变化动态调整，全网资源利用效率低下，导致用户QoS满意度变差。认知网络是受认知无线电理论和技术的启发而提出的一种具有认知特征的主动网络，认知网络能够感知网络整体状态，据此进行计划和决策，并执行相应的动作，具有推理和学习的能力，被认为是以无线、移动、宽带和全IP化为基本特征的未来通信网络发展的必然趋势。 本论文所研究的认知网络QoS自主控制技术，主要是指在认知网络环境下实施QoS决策和控制时所采取的具有自主性和智能性的方法，解决动态多变网络适变性差、全网效能低的问题，有效提高网络资源利用率，保证网络端到端的QoS。针对当前网络“多业务、需求差异、动态时变、资源稀缺”等问题，主要从面向业务的认知网络QoS自主控制框架、认知网络Q...

【文章页数】：121 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
缩略词
图表目录
目录
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状及存在问题
        1.2.1 认知网络研究现状
        1.2.2 认知网络 QoS 自主控制研究现状
        1.2.3 存在的问题
    1.3 贝叶斯网络研究现状
        1.3.1 研究现状
        1.3.2 贝叶斯网络的扩展
        1.3.3 贝叶斯网络的认知特性
    1.4 论文主要研究内容
        1.4.1 论文研究目标
        1.4.2 论文整体框架
        1.4.3 论文研究内容
    1.5 论文组织结构
第二章 面向业务的认知网络 QOS 自主控制框架
    2.1 引言
    2.2 认知网络 QOS 自主控制
        2.2.1 问题分析
        2.2.2 设计原则
    2.3 面向业务的认知网络 QOS 自主控制框架
        2.3.1 典型认知网络 QoS 控制框架分析
        2.3.2 面向业务的认知网络 QOS 自主控制框架
    2.4 认知网络 QOS 自主控制框架的关键技术
    2.5 本章小结
第三章 基于模糊动态贝叶斯网络的认知网络 QOS 健康度评估方法
    3.1 引言
    3.2 模糊动态贝叶斯网络
        3.2.1 模糊集合理论
        3.2.2 动态贝叶斯网络
        3.2.3 模糊动态贝叶斯网络
    3.3 认知网络 QOS 健康度评估的动态贝叶斯网络模型
        3.3.1 评估变量选取
        3.3.2 QoS 健康度评估的动态贝叶斯网络模型
    3.4 基于模糊动态贝叶斯网络的认知网络 QOS 健康度评估方法
        3.4.1 数据获取与模糊化
        3.4.2 动态贝叶斯网络参数学习
        3.4.3 QoS 健康度评估的动态贝叶斯网络推理
    3.5 仿真实验及分析
    3.6 本章小结
第四章 基于贝叶斯网络的认知网络 QOS 劣化定位方法
    4.1 引言
    4.2 认知网络 QOS 劣化定位的贝叶斯网络模型
        4.2.1 网络拓扑描述
        4.2.2 QoS 劣化描述
        4.2.3 QoS 劣化定位的贝叶斯网络模型
    4.3 基于贝叶斯网络模型的认知网络 QOS 劣化定位方法
        4.3.1 路径状态判定模型
        4.3.2 链路劣化先验概率学习
        4.3.3 QoS 劣化定位的的贝叶斯推理
        4.3.4 认知网络 QOS 劣化定位方法描述
    4.4 仿真实验及分析
        4.4.1 仿真实验
        4.4.2 仿真结果分析
    4.5 本章小结
第五章 基于影响图的认知网络 QOS 自主控制方法
    5.1 引言
    5.2 影响图
        5.2.1 影响图的基本概念
        5.2.2 影响图的求解和最优决策
    5.3 认知网络 QOS 自主控制的影响图模型
        5.3.1 影响因素分析
        5.3.2 影响图节点确定
        5.3.3 QoS 自主控制的影响图模型
    5.4 基于影响图模型的认知网络 QOS 自主控制方法
        5.4.1 贝叶斯网络推理
        5.4.2 影响图的最优决策算法
        5.4.3 认知网络 QOS 自主控制方法描述
    5.5 仿真实验及分析
        5.5.1 仿真环境
        5.5.2 仿真结果分析
    5.6 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 工作展望
参考文献
致谢
攻读博士期间撰写的学术论文
攻读博士期间申请的技术发明专利
攻读博士期间软件著作权登记
攻读博士期间参加科研项目



本文编号：3982699