控制端到端传输延迟抖动的改进TFRC算法

针对端到端实时通信业务对于网络传输的要求,提出基于速率控制的TCP友好性拥塞控制策略(TFRC)的一种改进算法——TFRC-CJUTD算法。该算法将单向传输延迟的抖动作为反馈信号来改进控制机制,降低业务传输过程中的单向传输延迟抖动,更好地适应实时业务。通过NS仿真验证,该算法取得较好的效果。     

Ad hoc网络中基于TDMA的定向发送和接收算法

近期研究结果表明利用有向天线实现定向发送和定向接收比用全向方式能显著提高系统吞吐量.为了支持多媒体和实时业务,在Ad hoc网络中提供服务质量(QoS)是一个关键部分.提出了一种利用有向天线且提供QoS支持适用于Ad hoc网络的分布式媒体接入控制(MAC)算法.仿真结果表明该算法与IEEE 802.11相比提高了系统吞吐量并降低了端-端延迟.     

WiMAX上行链路实时业务改进调度算法

针对WiMAX建议的rtPS和ertPS调度机制处理变速率实时业务时MAC层开销大,导致时延增大的缺点,提出了一种能够有效调度多用户变速率实时业务的上行链路调度算法。该算法在SS端实时监控数据率,减少发送带宽请求的次数,从而提高整体的上行链路资源利用率,并在BS上行调度器中优化调度策略,使得最急迫的用户优先得到服务。仿真结果表明该算法与ertPS相比,在不影响系统吞吐量的情况下上行时延减少了约15%。     

IEEE 802.16 Mesh模式下区分服务时隙调度算法

为了满足用户需求,IEEE802.16支持多种QoS。在IEEE802.16-2004定义的mesh模式的调度机制下,针对实时业务和非实时业务对时延具有不同敏感性的特点,提出了一种区分服务的时隙调度算法。该算法优先处理实时业务,并通过拥塞情况,自适应地调整实时业务的预留带宽。最后对算法进行了仿真,结果表明该算法下业务的延迟、服务请求拒绝率、时隙利用率均有所改善。     

一种基于链路流量的路由算法模型

依靠流量工程技术解决端到端延迟的问题是在网络业务流量已知的前提下,不适合未来网络业务类型的不确定性和流量需求的突发性。本文提出了一种通过链路实时流量控制节点状态来选择路由的思想,给出了算法的数学模型,探讨了该算法对业务流量的适应性,为下一步的研究提出了新的课题和思路。     

一种基于链路流量的路由算法模型

依靠流量工程技术解决端到端延迟的问题是在网络业务流量已知的前提下,不适合未来网络业务类型的不确定性和流量需求的突发性.本文提出了一种通过链路实时流量控制节点状态来选择路由的思想,给出了算法的数学模型,探讨了该算法对业务流量的适应性,为下一步的研究提出了新的课题和思路.     

基于熵权系数法的无线传感器网络自适应QoS路由算法

针对无线传感器网络中不同业务对服务质量（QoS）指标的不同要求,以及QoS指标在网络运行过程中实时变化的特点,提出一种基于熵权系数法的自适应QoS路由（EAQR）算法。算法将路由建立过程抽象成多指标加权评分的问题,选取节点负载、平均能量势、通信时延作为QoS评价指标,采用熵权系数法自适应地确定指标的权重,选择最优节点转发数据。仿真实验显示,与有序分配路由(SAR)、能量感知QoS路由(EQR)算法相比,EAQR算法可以有效降低网络平均端到端延迟,减少丢包率,延长网络寿命。     

基于以太网通信过程的实时改进方法研究

分析了以太网的通信过程、冲突处理方法、基本要求及其限制原因,指出1-坚持CSMA/CD处理过程与BEB退避算法对于实时节点具有改进空间,提出了一种以太网节点的实时改进方法.该方法允许网络中同时存在实时节点和非实时节点.分析了该方法端到端的延迟,对实时节点该延迟是有界的.介绍了用减少负荷的方法来提高节点的实时性.仿真实验表明该实时改进方法是有效的.     

一种基于支持向量回归的互联网端到端延迟预测算法

互联网端到端延迟是指IP分组沿着互联网中一条确定路径进行传输的延迟,端到端延迟的精确预测是大量网络活动的基础,从网络协议设计到网络监测,再从确保端到端QoS性能到各种实时业务性能提升。提出一种新的端到端延迟的预测方法,主要贡献有:a)将互联网端到端延迟预测的问题转换为多元回归的预测问题,提出了基于多元回归的端到端延迟预测框架;b)采用支持向量回归SVR方法来求解端到端延迟的多元回归问题,提出了基于SVR的互联网端到端延迟预测算法。最后使用互联网采集的RTT数据来验证提出的算法,实验结果表明,提出的预测算法具有快速和精确特点,是一种适合实际应用的预测算法。     

改进的实时流媒体中流量自适应控制机制

为了提高实时多媒体通信的服务质量,在综合考虑网络延迟和网络抖动对实时流媒体的影响下,定义了基于RTT的综合标志量。在此基础上,提出了一种改进的实时流量自适应控制机制。仿真结果表明,与基于丢包率和仅考虑延迟的RTT算法相比,该机制有效提高了数据流的平稳性和带宽的利用率,有更高的自适应性。     

基于免疫策略的信道资源分配算法

根据信道分配的限制条件和特点应用免疫策略算法（ISA）,提出了基于 ISA的一种整体优化的动态信道资源分配方案,其特点是保证最大程度的紧致分配。同时针对遗传算法的退化现象引入免疫策略算法,较好解决了遗传算法的退化问题。实验仿真表明,该方案与现有的固定信道分配（FCA）、动态信道分配（DCA）方案和改进遗传算法信道分配方案（IGADCA）相比,有较小的呼阻率。     

滤波多音系统中的自适应算法性能分析

An adaptive bit and power allocation algorithm for filtered multitone (FMT) system was proposed based on Signal Distortion Ratio (SDR). Performance of adaptive system in slow fading Rayleigh channel was analyzed. The proposed algorithm is much simpler than the others. The simulation results show that the system outperforms fixed modulation FMT system in Bit Error Ratio (BER),and it is a practical bit allocation algorithm.     

基于压缩感知的大规模多输入多输出空间共稀疏信道估计

针对频分复用双工方式的大规模多输入多输出（MASSIVE MIMO）系统在虚拟角域信道中估计精度较差的问题,提出一种基于门限的稀疏度自适应匹配追踪（BT-SAMP）算法。该算法融合了回溯正交匹配追踪（BAOMP）算法的原子选择特性和稀疏度自适应匹配追踪（SAMP）算法的自适应特性,将BAOMP算法的"添加原子"规则作为SAMP算法的原子选择预处理,通过合理的阈值添加固定的原子,然后延续SAMP算法的步长迭代自适应特性,寻找到信道矩阵近似系数最大,达到了提高SAMP算法估计精度、加快算法收敛的目的。仿真结果表明,在低信噪比（SNR）情况下,与SAMP算法相比,信道估计精度均有提高,特别是信噪比在0~10 dB时,其估计精度提升4 dB,算法的运行时间减少约61%。     

基于卷积神经网络的超宽带信道环境的分类算法

针对非视距（NLOS）状态鉴别需要已知信道类型的分类的问题，提出了一种基于卷积神经网络（CNN）的信道环境分类算法。首先，对超宽带（UWB）信道进行采样，构建样本集合；然后，利用样本集合训练CNN，对不同的信道场景特征进行提取；最终实现超宽带信道环境的分类。实验结果表明：所采用的分类方法的总模型准确率约为93.40%，能有效地实现信道环境的分类识别。     

无线网络中的链路自适应算法

针对无线链路固定传输模式吞吐量低，而基于单参数的链路自适应可能误判的问题，提出了一种可有效提高无线网络吞吐量的基于多信道参数信息融合的链路自适应算法。算法根据信道参数的特点，分别采用神经网络在线预测和模糊逻辑推理算法实现载干比(CIR)、包错误率(PER)和信噪比(SNR)对信道质量的局部评估，经过融合中心的合成运算和决策规则，获取信道质量的全局判决，以此进行最适应信道状态的物理层传输模式选择。仿真结果表明，当信道状态恶化时，平均吞吐量比固定传输模式和基于单参数的链路自适应算法提高了42.9%和28.4%。     

MIMO-OFDM系统抗干扰信道估计算法

提出一种抗干扰信道估计(AICE)算法用于解决MIMO-OFDM系统信道估计问题。该算法在接收端通过对收到的累加信号进行分解,得到来自不同发射天线的信号,通过消除符号间干扰与子载波间干扰及采用期望值最大迭代算法进行信道估计来减小估计误差,提高信道估计的准确性。与ICE算法的性能比较证明了AICE算法在瑞利衰落信道下具有更好的信道估计均方误差及误比特率性能。     

基于Kalman滤波的MIMO时变信道估计

研究了一种基于Kalman滤波的MIMO时变信道估计与跟踪问题。利用衰落信道功率谱统计特性的先验信息,将信道冲击响应近似为一个低阶自回归滑动平均过程,通过信道传输函数逼近信道功率谱的幅频特性,建立时变衰落单径信道的状态方程,导出MIMO信道状态模型参数,并通过Kalman滤波跟踪信道的时变特性。理论分析和仿真试验表明,该算法在时变信道下具有较好的性能,和传统信道估计方法相比,接收机性能有了较大的改进。     

基于DFT寻径的压缩感知信道估计改进算法

正交频分复用系统中的信号在传输过程中受到无线信道环境衰落和延时的影响,容易产生符号间干扰（ISI）,对信道状态信息进行准确估计是降低ISI、提高信号传输准确率的有效方法。针对贪婪迭代类压缩感知信道估计算法存在的估计径错误及漏选问题,提出一种基于离散傅里叶变换（DFT）寻径的压缩感知信道估计算法DFT-OMP。通过DFT寻径的方式抑制由噪声引起的不理想原子,从而对OMP算法重构过程中的原子进行筛选,解决传统方法选取相关因子最大的原子作为重构原子而导致的依赖信号稀疏度问题。在原子预选后的贪婪迭代类压缩感知算法信道估计中引入残差精度控制,以提高信道估计的自适应性与鲁棒性。仿真结果表明,相对OMP算法,该算法能取得4 dB的信道估计性能增益,其适用于较大导频下的无线通信系统。     

低压电力基于PLC的信道估计算法仿真

研究优化低压电力信道问题,针对低压电力线信道噪声污染严重,由于信道环境恶劣,造成误码率高。为了解决上述问题,采用OFDM系统中对低压电力信道的信道估计算法。传统LS(最小二乘法估计)算法复杂度低但性能受到限制,受噪声影响大。在综合考虑性能和复杂度,提出了新的改进的方法,并针对FFT的时域插值算法的缺陷,采用改进的算法进行仿真。仿真结果表明,改进算法使误码率降低,且减小了噪声的影响,证明信道估计算法提高了信噪比和估计的精度。     

认知无线Mesh网络中基于协作学习自动机的自适应信道分配算法*

在认知无线Mesh网络多信道环境中处理繁重的数据业务是一项具有挑战性的任务。为了解决这个问题,提出了一种新的基于协作学习自动机(Learning automata,LA)的自适应信道分配算法(CLACAA)。在所提出的算法中,LA被部署在邻近的互相协作的次用户上。首先,为了LA能自适应地更新其动作概率向量,设计了一种线性奖赏无为方案;其次,定义了一种新的信道利用率因子用于信道选择,以解决信道冲突发生的问题;最后,给出了当信道由于大量输入请求而过载时的信道切换方案。实验仿真结果表明,该算法在提升网络吞吐量和数据传输率,降低切换时延和缓冲时延上有明显的优势。