光载无线工业互联网络MAC层关键技术研究

发布时间：2023-03-22 17:55

　　随着新时代下接入网技术高速发展,在宽带化、无线化的潮流中,光载无线网络应运而生,其不仅支持数据高速传输,还拥有便于动态控制及维持维护的优势。在未来工业互联控制网络中拥有庞大的应用前景。对光载无线网络MAC层关键技术进行研究,针对光载无线特点为工业互联网络MAC层信道接入设计一种专门的高速稳定的优化策略,相信可以在未来工业互联网络中实现极为重要的应用价值。本文对现有MAC层信道接入技术算法的效率及对复杂环境的适应能力进行了研究,针对网络环境中节点数量范围的不同提出两种改进方法并使用MATLAB对其进行了仿真实验。具体的研究工作如下:1.针对P-坚持算法无法动态自适应的缺点,提出一种基于周期递推式的动态P-坚持CSMA改进算法。P-坚持CSMA算法主要运用在节点通过侦听信道状态来占用信道发送数据,其主要关注的是怎样选取数据传输概率P值来使得该协议在网络中获得最佳性能。在经过学习后发现,使用固定P值难以保证不同网络负载情况下的协议性能,从而无法适用在高速传输的光载无线网络中。针对这个问题,本文提出基于递推式统计的动态P-坚持CSMA改进算法,其采用依次递推式统计方法,实现了发送概率的动态调整...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状及趋势
        1.2.1 工业互联控制网络发展历程
        1.2.2 光载无线网络关键技术的研究
        1.2.3 光载无线网络MAC层关键技术研究
    1.3 本文的主要工作及结构安排
第二章P-坚持与强化学习理论及主要算法
    2.1 P-坚持学习理论
        2.1.1 工作原理
        2.1.2 基于P坚持CSMA的IEEE 802.11 CSMA/CA
    2.2 强化学习的基本原理和模型
    2.3 强化学习的主要组成要素
    2.4 强化学习的主要算法
    2.5 强化学习的应用
    2.6 本章小结
第三章 基于动态递推P-坚持的CSMA改进算法
    3.1 标准P-坚持存在的问题
    3.2 基于自计数的动态P-坚持算法
    3.3 改进的基于动态递推周期的P-坚持算法
    3.4 真实环境实验及结果分析
    3.5 本章小结
第四章 基于多态Q学习过程中经验共享的CSMA优化策略
    4.1 Q学习算法存在的问题
    4.2 基于多态Q学习的CSMA优化策略
        4.2.1 系统模型和设置
        4.2.2 定义节点状态空间
        4.2.3 学习算法
    4.3 基于多态Q学习过程中共享经验的CSMA优化策略
        4.3.1 已有的共享经验的Q学习算法
        4.3.2 过程中共享经验的Q学习算法
    4.4 仿真实验及结果分析
        4.4.1 模拟环境搭建
        4.4.2 实验结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 展望
参考文献
攻读学位期间主要成果
致谢



本文编号：3767321