无线传感网中基于路由优化的拥塞控制

发布时间：2017-08-31 07:47

  本文关键词：无线传感网中基于路由优化的拥塞控制

  更多相关文章： 无线传感网 拥塞控制 服务质量 随机早期检测 双闭环控制

【摘要】：随着无线传感器网络(WSNs)技术的快速发展,网络中基于路由优化的拥塞控制研究受到了越来越广泛的关注。无线传感器网络具有功耗低、体积小、功能多等诸多优点,在智能交通、环境监测等领域得到了充分的应用。然而由于无线传感器网络具有误码率高、容易受干扰、节点能量受限等特点,同时,多媒体网络发展所带来的越来越多的业务流,使得无线传感网的拥塞问题日益突出,网络服务质量受到严重影响。路由节点负责将若干节点探测到的信息发送到汇聚节点(Sink Node),是无线传感网中核心技术,其重要性不言而喻。针对WSNs路由优化中的队列管理机制和网络服务质量研究,成为网络拥塞控制研究的一个热点问题。本文基于路由优化问题,重点研究了无线传感网中的拥塞控制和网络服务质量。从无线传感网的能耗、时延、带宽等指标出发,设计一种具有系统熵意识的差分-精英蚁群算法,并应用于WSNs组播路由优化当中；根据经典控制理论,解析出保持链路队列长度稳定、抗扰动效果好的队列管理算法。本文主要研究工作有：(1)设计出一种差分-精英蚁群算法。首先通过差分算法优化蚁群参数,获得差分-蚁群系统；在此基础上,对蚂蚁信息素更新策略进行优化,主要包括求解信息素浓度上限,引入遗传算法中“精英保存策略”以及排序方法,寻找精英蚂蚁；同时针对WSNs路由优化中不同业务流QoS指标不同的特点,得到了基于系统熵的效应函数；采用MDM聚类算法,选择能量耗尽节点的替代节点。多组仿真对比实验验证了算法有效性。(2)根据经典控制理论,解析出WSNs背景下TCP协议模型的开环传递函数,根据幅频特性找到主动队列管理算法当中RED参数选择方法。同时针对网络负载不稳定问题,利用比例控制对偏差的快速响应特点,设计出一种抗负载波动的比例控制器。通过经典控制理论中的频域稳定性分析,来选择RED算法参数,克服了传统RED参数敏感、依赖人工经验选取的缺点。实验表明所设计的比例控制器(P控制器)在抗负载波动、稳定队列长度过程中效果显著,减少了队列长度因震荡对系统带来的影响。(3)针对无线传感网易受干扰、受控对象参数敏感的特点,设计一种基于比例积分(PI)+内环负反馈的双闭环控制算法,应用到含延时项的受控拥塞网络对象当中。新方法通过引入内环负反馈,削弱了受控对象因参数敏感对系统稳定带来的不利影响,同时比例积分器的引入,帮助进一步消除系统稳态误差。仿真对比实验验证了系统在阶跃信号扰动下的鲁棒性,并给出了一个合理的内环控制参数范围。
【关键词】：无线传感网 拥塞控制 服务质量 随机早期检测 双闭环控制
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN929.5;TP212.9
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 绪论9-15
• 1.1 研究背景与意义9-12
• 1.1.1 无线传感网结构与特点9-10
• 1.1.2 无线传感网拥塞控制意义10-11
• 1.1.3 无线传感网QoS路由优化问题11-12
• 1.2 国内外研究现状12-13
• 1.2.1 无线传感网研究现状12-13
• 1.2.2 WSNs拥塞控制研究现状13
• 1.3 论文主要研究内容13-15
• 第二章 论文相关知识与算法分析15-24
• 2.1 WSNs网络拥塞15-17
• 2.1.1 拥塞的定义15
• 2.1.2 拥塞产生原因15-16
• 2.1.3 拥塞控制算法分类16-17
• 2.2 WSNs组播路由中的QoS17-18
• 2.2.1 QoS定义及产生17
• 2.2.2 QoS的度量约束17
• 2.2.3 组播概念17-18
• 2.3 拥塞控制与QoS关系18
• 2.4 基于聚类的MDM算法18-21
• 2.4.1 MDM聚类算法18-19
• 2.4.2 聚类算法步骤19-20
• 2.4.3 MDM在WSNs中应用20-21
• 2.5 网络仿真平台NS221-23
• 2.5.1 NS简述21
• 2.5.2 DropTail算法的NS2实现21-23
• 2.6 本章小结23-24
• 第三章 基于差分-精英蚁群方法在QoS组播路由优化中应用24-35
• 3.1 蚁群算法的研究24-26
• 3.1.1 蚁群算法仿生起源24
• 3.1.2 蚁群算法的特点24-25
• 3.1.3 基本蚁群算法的实现25-26
• 3.2 差分进化算法26-28
• 3.3 差分-蚁群(DE-ACO)28-29
• 3.3.1 算法步骤28
• 3.3.2 对比仿真实验28-29
• 3.4 蚁群优化策略29-32
• 3.4.1 精英保存29-30
• 3.4.2 信息素上限30-31
• 3.4.3 精英蚂蚁31-32
• 3.4.4 蚂蚁的QoS“熵”意识32
• 3.4.5 聚类方法处理耗亡节点32
• 3.5 QoS仿真32-34
• 3.5.1 仿真环境32-33
• 3.5.2 实验结果33-34
• 3.6 本章小结34-35
• 第四章 基于NS2与经典控制论的AQM算法在拥塞控制中应用35-44
• 4.1 主动管理队列策略35-36
• 4.2 拥塞网络的AQM控制模型36-39
• 4.2.1 泰勒级数线性化36-37
• 4.2.2 经典RED的控制律模型37-39
• 4.2.3 参数稳定39
• 4.3 抗负载不稳定的比例控制器设计39-40
• 4.4 NS2仿真实验40-43
• 4.4.1 经典RED与控制律分析得到的RED比较40-41
• 4.4.2 比例控制与经典RED仿真比较41-42
• 4.4.3 参数稳定范围验证42-43
• 4.5 本章小结43-44
• 第五章 一种双闭环控制方法在拥塞控制中应用44-51
• 5.1 积分环节引入44-45
• 5.2 内环负反馈的引入45-47
• 5.3 仿真实验47-50
• 5.3.1 内环在收敛速度上的效果47-48
• 5.3.2 阶跃干扰下内环对鲁棒性影响48-49
• 5.3.3 不同G_c(s)对内环影响49-50
• 5.4 本章小结50-51
• 第六章 结论与展望51-53
• 6.1 论文总结51-52
• 6.2 前景展望52-53
• 致谢53-54
• 参考文献54-56
• 附录：作者在攻读硕士学位期间发表论文56

【参考文献】

中国期刊全文数据库 前2条

1 杨歆豪;李泽;;无线传感器网络中基于领导者的拥塞控制算法[J];控制与决策;2012年09期

2 罗旭;柴利;杨君;;无线传感器网络下静态水体中的近岸污染源定位[J];自动化学报;2014年05期

，

本文编号：764369