无线自组织网络下基于QoS信息统计的服务质量保障模型

发布时间：2017-09-20 18:48

  本文关键词：无线自组织网络下基于QoS信息统计的服务质量保障模型

  更多相关文章： QoS保障 QoS信息统计 分组调度 拥塞控制

【摘要】：无线Ad Hoc网络是一种无中心、自组织的无线网络,因其具有组网灵活、自主运行等优点,广泛应用在军事通信、地震救灾等无基础设施且需快速组网的场合。随着无线Ad Hoc网络通信技术的发展,无线Ad Hoc网络的通信需求由传统的数据业务、语音业务扩展到有QoS需求的多媒体业务。由于无线Ad Hoc网络具有拓扑结构和链路状态的时变性、节点能量受限等特点,无线Ad Hoc网络的Qo S保障实现起来较为复杂。无线Ad Hoc网络的QoS保障需要各个协议层协同工作,因此,针对无线Ad Hoc网络设计合适的QoS保障模型是无线Ad Hoc网络QoS保障研究的关键。本文首先介绍和分析了Ad Hoc网络中现有的QoS模型,如传统的IntServ模型和DiffServ模型、EPDS模型、SWAN模型及其改进模型PSWAN模型等,详细分析了上述QoS模型的工作机制、适用范围和优缺点。同时,通过查阅大量文献,本文总结了QoS保障相关技术,如IFS分化、实时ECN等,并详细分析了它们的工作原理和适用范围等。针对现有Ad Hoc网络QoS模型的不足,本文提出了一种基于QoS信息统计的服务质量保障模型QIS模型。QIS模型是一种分布式、无状态、不需要任何控制信息交互的QoS模型。QIS模型的基本思想是利用业务分组回复包中携带的端到端QoS信息,建立网络节点的局部QoS信息统计表。当需要发送业务分组时,节点参考本地局部QoS信息统计表中的端到端QoS信息,使用自适应按需加权的方法,以实现业务接入管理、分组调度、网络拥塞控制等,从而保证不同业务分组的端到端QoS需求。与其他QoS模型相比,QIS模型可以提供分组级的接入管理,且可以在业务传输路径上的各个节点中实行。因此,QIS模型可以更好地适应Ad Hoc网络的动态特性。QIS模型分组调度模块将基于优先级调度、基于概率调度和基于剩余QoS需求调度三者结合起来,在保证高优先级业务QoS性能的基础上,防止低优先级业务被“饿死”,同时,分组调度模块可以在一定程度上减小业务丢失率。QIS模型业务源模块还扩展了业务类型和优先级,以便于Ad Hoc网络提供较细粒度的业务服务分化。同时,QIS模型是完全分布式的结构,所有判断和决策均在本节点内完成。由于使用基于QoS信息统计的方式,QIS模型不需要发送任何额外的控制分组就可以实现业务分组的QoS保障,从而不会增加网络管理开销。最后,本文对提出的QIS模型在OPNET仿真软件下进行了分析建模,搭建了无线Ad Hoc网络的仿真平台。仿真结果表明:在平面Ad Hoc网络场景和分级Ad Hoc网络场景下,和EPDS模型、PSWAN模型相比,由于QIS模型采用了基于QoS信息统计的方法和逐跳的接入管理机制、分组调度机制等,本文所设计的QIS模型均可以合理地保障业务分组的时延和丢包率等QoS需求,实现业务分组服务分化,能够较好地满足无线Ad Hoc网络中多媒体业务流传输的QoS需求,比现有的QoS模型的QoS保障性能更好。
【关键词】：QoS保障 QoS信息统计 分组调度 拥塞控制
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 符号对照表11-12
• 缩略语对照表12-16
• 第一章 绪论16-20
• 1.1 无线自组织网络QoS保障概述16-17
• 1.2 研究背景及现状17-18
• 1.3 选题目的及意义18-19
• 1.4 本文主要研究内容19-20
• 第二章 无线Ad Hoc网络QoS模型及其相关技术20-30
• 2.1 QoS模型介绍20-25
• 2.1.1 综合服务模型IntServ和区分服务模型DiffServ20-21
• 2.1.2 无状态无线Ad Hoc网络服务分化模型SWAN21-22
• 2.1.3 基于概率的PSWAN模型22-23
• 2.1.4 增强比例分化服务模型EPDS23-25
• 2.2 QoS保障相关技术25-29
• 2.2.1 帧间间隔分化25-26
• 2.2.2 实时显示拥塞通告26
• 2.2.3 业务丢弃26-27
• 2.2.4 分组调度27-28
• 2.2.5 接纳控制28-29
• 2.2.6 自适应按需加权算法29
• 2.3 本章小结29-30
• 第三章 基于QoS信息统计的服务质量保障模型30-50
• 3.1 QIS模型架构30-32
• 3.2 QIS模型的组成模块32-46
• 3.2.1 业务源模块32-33
• 3.2.2 接入管理模块33-34
• 3.2.3 路由模块34-38
• 3.2.4 QoS信息统计模块38-41
• 3.2.5 队列管理模块41-42
• 3.2.6 分组调度模块42-44
• 3.2.7 拥塞控制模块44-45
• 3.2.8 负载感知模块45-46
• 3.2.9 物理层模块46
• 3.3 加权参数权值的确定46-49
• 3.3.1 分组调度46-48
• 3.3.2 拥塞控制48-49
• 3.4 本章小结49-50
• 第四章 无线Ad Hoc网络场景下QIS模型仿真设计50-70
• 4.1 仿真模型设计50-53
• 4.1.1 节点模型51-52
• 4.1.2 QoS指标52-53
• 4.2 仿真设计及分析53-68
• 4.2.1 仿真场景一：平面Ad Hoc网络场景54-62
• 4.2.2 仿真场景二：分级Ad Hoc网络场景62-68
• 4.3 本章小结68-70
• 第五章 结论与展望70-72
• 5.1 全文总结70-71
• 5.2 今后的研究方向71-72
• 参考文献72-76
• 致谢76-78
• 作者简介78-79

【相似文献】

中国期刊全文数据库 前10条

1 金伟新;“串并联”模型框架与作战效能评估[J];系统工程与电子技术;2001年07期

2 徐享忠,王精业,马亚龙;知识管理的模型框架及其关键技术[J];计算机工程;2002年02期

3 徐志毅;新7S管理模型框架与应用[J];通信企业管理;2003年02期

4 秦刚,陈超波,雷斌,王青岳;一种基于元模型的软件构建方法[J];西安工业学院学报;2004年03期

5 孙晶,赵会群;基于模型代数的DSS建模与实现方法研究[J];计算机工程与应用;2003年34期

6 夏冬梅;孙林;;实例推理的敏捷虚拟企业模型重用方法研究[J];现代制造工程;2010年03期

7 曹强;张明智;罗批;李志强;;虚拟社会中城际交通模型研究[J];计算机仿真;2009年01期

8 姜军平;刘伟;;Java并发模型框架的构建及应用[J];西北医学教育;2006年03期

9 张宇,宋国宁,王成恩;流程企业过程管理的模型框架[J];计算机集成制造系统-CIMS;2001年06期

10 荣冈;肖俊;胡云苹;冯毅萍;;基于中立模型表达的数学知识管理方法[J];南京理工大学学报;2014年03期

中国重要会议论文全文数据库 前7条

1 马运全;;金融创新与制度环境:模型框架与实证分析[A];2011年（第九届）“中国法经济学论坛”论文集[C];2011年

2 金伟新;肖田元;胡晓峰;马亚平;;战争CAWSOM模型[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

3 柯嵩;韩亮;;CGF系统中的情绪模型及实现方法初探[A];第五届全国仿真器学术会论文集[C];2004年

4 王秀敏;应益荣;;MWZ模型框架下的交易者互动模型研究[A];第二届中国智能计算大会论文集[C];2008年

5 岳永;;强制性制度变迁、意识形态与经济绩效——一个关于中俄改革分析的模型框架[A];中国制度经济学年会论文集[C];2003年

6 刘颖斐;余玉苗;;基于风险控制价值的独立审计定价模型框架[A];中国会计学会2006年学术年会论文集（上册）[C];2006年

7 陈宏;黄洪;;ERP实施就绪度模型(IRM-ERP)设计与研究[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

中国重要报纸全文数据库 前1条

1 海通股指期货联合研究中心 李子婧;基于BIRR模型的宏观因子套利策略[N];期货日报;2010年

中国博士学位论文全文数据库 前7条

1 王桢文;基于概率生成模型的社区发现和网络数据分类方法研究[D];国防科学技术大学;2013年

2 崔盛;带投资收益的更新风险模型的渐近分析及其应用研究[D];浙江工商大学;2016年

3 邢千里;搜索引擎用户点击模型研究[D];清华大学;2014年

4 江滨;GHM模型的推论和扩展[D];东北财经大学;2013年

5 鲍群芳;基于对数均值回复模型的VIX建模[D];浙江大学;2013年

6 曹京;有限温有限密QCD的准粒子模型研究[D];南京大学;2012年

7 曹梦雪;婴幼儿音位范畴习得的神经网络建模研究[D];中国社会科学院研究生院;2015年

中国硕士学位论文全文数据库 前10条

1 高利翠;CIR模型的模拟及参数估计分析研究[D];上海交通大学;2015年

2 魏逸;基于概率生成模型的用户行为预测[D];上海交通大学;2015年

3 李攀杰;基于概率统计和结构识别的多模型健康监测方法[D];东南大学;2015年

4 徐杨;复杂网络场模型及其应用[D];中国科学技术大学;2016年

5 贾淑芹;算法交易、违约模型及其应用研究[D];山东大学;2016年

6 王旭睿;基于L_p(p<=1)范数的ARX模型[D];电子科技大学;2016年

7 王硕;CreditMetrics模型在我国商业银行信用风险测量中的适用性研究[D];北京外国语大学;2016年

8 龚元;基于认知视觉注意模型的行人检测[D];南京航空航天大学;2016年

9 曹岑;基于社区和信任网络的推荐模型的研究[D];东南大学;2016年

10 吴家斌;E-Learning中的情绪模型及建模技术的研究[D];首都师范大学;2012年

，

本文编号：889797