基于模糊压缩感知的无线传感网络拥塞控制算法

针对无线传感网络(WSN)的拥塞问题,提出了一种将模糊控制和压缩感知(CS)技术相结合来缓解无线传感网络拥塞的算法。首先,将压缩感知技术引进到无线传感网络的拥塞控制中,理论分析了压缩感知对缓解传感网络拥塞的效果,通过对采集数据进行压缩感知处理来减少网络冗余信息,从而缓解网络拥塞。其次,针对网络拥塞时压缩感知技术不能动态适应无线传感网络复杂环境的问题,设计了一种模糊-压缩感知的拥塞控制算法,该算法结合网络拥塞状况对压缩感知的观测矩阵维数进行动态调节,从而使压缩感知技术更好地适应传感网络拥塞状况的变化。该机制在不同的拥塞状况下能够提高网络吞吐量10%~50%,降低网络的丢包率10%~50%,减少网络时延将近5 s。通过NS2仿真表明,该机制对无线传感网络的拥塞缓解有较明显的效果。     

一种无线传感器网络的拥塞避免机制

针对无线传感器网络(WSN)的拥塞问题,本文提出了一种WSN的拥塞避免机制API_DR.该机制将中间节点和源端相结合,中间节点引入自适应PI主动队列管理算法,以适应WSN的动态环境;源端采用区分丢包的速率调节策略,综合当前拥塞状况和WSN高误码特性调节发送速率,避免源端误启动拥塞控制机制带来的能量消耗和吞吐量的降低.NS2仿真表明,API_DR既能较好地控制队列长度,提高吞吐量和降低丢包率,又能有效地避免拥塞,使源节点发送速率相对稳定.     

无线传感器网络中基于定向扩散协议的跨层拥塞控制方法

针对无线传感器网络的拥塞特征,利用跨层设计的思想提出了一种基于定向扩散路由协议的跨层拥塞控制方法。该方法包括局部拥塞控制和全局拥塞控制两部分,在本地节点和Sink节点上进行了基于ACK的拥塞反馈和跨层速率调节。仿真实验表明,该算法不仅能有效地缓解拥塞,降低能耗,而且能保证数据包的完整性,与CODA机制相比能量节省了32.56%,逼真度提高了6%。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

基于空间相关性与灰色模型的WSN数据压缩方法

针对目前无线传感器网络（WSN）数据压缩方法的计算复杂度高、压缩效率和数据恢复准确率较低的情况,提出基于簇头-基站分离式结构的WSN数据压缩方法。该方法在WSN的单层分簇结构的基础上,要求感知节点将采集的原始数据分段发送,采用原有WSN数据压缩方法对簇头节点接收的数据进行空间相关性压缩,在基站采用灰色模型进行数据恢复。另外,通过实验分析灰色模型与灰色马尔可夫链模型对数据的恢复效果,给出算法最优模型与段长。仿真结果表明,提出的方法相比传统线性回归方法在较高压缩效率时可显著提高数据恢复精度。     

基于压缩感知理论的WSN微震源定位节点设计

提出了一种基于压缩感知的WSN微震源数据压缩算法.利用WSN微震信息的可稀疏化表示,设计出与稀疏基相关性低的稀疏观测矩阵,保证了压缩数据的可重构性,介绍了整个WSN微震源定位节点的系统设计,包括采集、存储以及无线传输方式等.将该压缩感知算法在硬件系统中实现,可利用较少的数据采集实现微震源定位,从而大大提高了存储、采集及WSN的效率.实验结果表明,该算法的硬件实现在保证微震信息完整性的基础上,数据压缩率达到60％,具有十分重要的研究意义.     

基于改进量子粒子群和主动PI模型的自适应无线传感器网络拥塞控制算法设计

针对无线传感器网络中路由节点需要转发大量数据导致网络拥塞,从而引起节点丢包率高和网络吞吐率过低的问题,提出了一种基于主动PI模型和改进量子粒子群优化算法的拥塞控制方法;首先定义了丢包率和队列长度计算方式;设计了改进的PI主动队列管理模型,然后,为了改进PI模型的控制效果,采用改进的量子粒子群算法对PI主动队列管理模型中的比例系数和积分系数kP和kI进行参数优化,从而得到能实现WSN自适应控制的主动PI控制模型;最后,对基于量子粒子群算法和PI主动队列模型的网络拥塞算法进行了描述和说明;仿真实验表明:文中提出的拥戴控制方法能有效实现WSN拥塞控制,是一种适用于WSN的有效拥塞控制方法,与其它方法相比,具有较短的平均队列长度和较大的网络吞吐率,具有很强的可行性。     

基于云模型的无线传感器网络拥塞及速率控制策略

针对无线传感器网络拥塞带来的网络丢包、能量损耗等问题,提出了一种基于云模型的无线传感器网络拥塞及速率控制策略。节点周期性地计算本地队列拥塞度,利用云模型的模糊随机性控制速率调节因子来决策节点输入速率,再通过公平性策略进行上游节点及本地速率分配。仿真实验结果表明,本文的拥塞及速率控制机制具有良好的公平性和节能性,能够有效缓解网络拥塞,降低网络丢包率,延长网络寿命。     

高速铁路下感知路由器群的协同拥塞控制

在高速移动环境下,由于较少考虑单路由器与相邻路由器的连接速率,容易导致拥塞检测准确性差以及数据流整体传输误差率较高的问题。为解决多节点网络拥塞问题,结合网络大数据动态性、快速性和时效性强的特性,提出一种基于路由器群的感知网络控制算法。通过采集参数和数据感知获得更为精准的信息作为判断拥塞情况的依据,并将相互连接的多路由器分层划分,邻近两层的路由器设置成一个虚拟节点。针对虚拟节点内部拥塞发生的3种拥塞情况,由控制器对虚拟节点中的边缘路由器参数进行控制和调整。实验仿真结果验证了该算法的可靠性及其稳定性。     

大数据环境下并行数据传输完整度控制方法

针对当前并行数据传输过程中节点拥塞严重、数据传输速率低、数据完整度低的问题,提出大数据环境下并行数据传输完整度控制方法。通过并行数据传输完整度控制原理,对传输中并行数据获取和传输拥塞度测量两大干扰因素加以分析。引用单服务窗混合制排队模型和栅格分析法分别对单节点和并行数据传输速率进行预控制,利用数据流优先级完成并行数据传输完整度控制方法的实现。实验结果表明,所提方法传输控制效果好,有效缓解了节点拥塞现象,提高了数据完整度。     

移动延迟容忍传感网络拥塞控制算法研究

针对移动延迟容忍传感网络拥塞而造成的节点内缓存数量预测不准,数据传输延时速度过慢,数据分组投递成功率低等问题,提出一种移动延迟容忍传感网络拥塞控制算法。算法是基于节点状态感知的,构建移动延迟容忍传感网络拥塞预测机制,依据机制中所获取的历史缓存信息感知节点状态,对拥塞严重或中度拥塞的节点缓存队列内的数据进行信息聚合,提出拥塞控制的策略。最后通过仿真可得数据分组投递率、数据分组丢包率及响应时间、消息产生率。实验结果表明,所提出的拥塞控制算法能够预测缓存数量准确,减少数据传输时延,保证数据分组投递成功率,提高整个网络的工作效率。     

无线网络中一种智能控制的组播拥塞控制机制

针对现有组播拥塞控制算法应用到无线网络中存在的性能下降问题,提出一种基于新的智能组播拥塞控制机制ECMCC。ECMCC机制根据网络相对队列时延和数据包丢失检测网络的拥塞状态,采用代表集合机制反馈信息,利用专家控制器的推理判断区分丢包原因和当前的网络状态,进而采取不同的控制策略调节组播源端发送速率。仿真结果表明,ECMCC机制收敛速度快、灵敏性好、速率变化平滑,在有线网络中具有良好的TCP友好性。同时,ECMCC能有效区分网络拥塞和随机差错,提高了网络的吞吐量,适用于无线网络环境,且在无线网络较低误码率时具有一定的TCP友好性。     

无线传感器网络中的逐跳跨层拥塞控制

给出一种逐跳跨层拥塞控制机制,依据检测缓冲区占用率和拥塞度所获得的拥塞信息,在传输层开环逐跳速率控制的基础上,自适应地调整节点MAC层信道接入优先级,使整个传感器网络中的节点根据局部的拥塞状态调整信息发送速率。NS2仿真结果表明,该算法可有效地提高网络性能和拥塞控制效率。     

基于自适应转发的大数据通信带宽时延感知拥塞控制技术

大数据通信带宽时延会导致通信拥塞故障,影响通信网络的正常运行,为此提出基于自适应转发的大数据通信带宽时延感知拥塞控制技术。根据通信网络的组成结构和通信原理,构建大数据通信网络模型。在该模型下,采集大数据通信带宽时延,通过特征提取与匹配,感知当前通信网络的拥塞状态。针对处于拥塞状态的通信信道,在考虑通信带宽的情况下,计算拥塞控制量,利用自适应转发技术调度并分配通信带宽,在差分流传输控制协议的支持下,实现大数据通信带宽时延感知拥塞控制。通过拥塞控制效果测试实验得出结论：与传统拥塞控制技术相比,在优化设计技术的控制作用下,移动通信网络的吞吐量有所增加,带宽时延降低了149.3ms,同时通信误码率降低了0.037%,即优化设计技术在拥塞控制效果方面具有明显优势。     

视频会议系统中一种基于FLC的流控策略

在Ｉｎｔｅｒｎｅｔ视频会议应用中,必须对注入网络的视频流量进行控制以避免网络拥塞。文中针对Ｈ。２６３视频编码器,提出一种基于模糊逻辑控制（ＦＬＣ）的速率控制机制,将视频的编码长度信息通过ＦＬＣ映射至编码器的量化系数,调节下一帧的码流长度,在保证通信的连续性和图像质量的前提下使编码器的输出码率明显地降低,尽可能地避免网络拥塞。文中具体描述了这种拥塞避免机制,最后给出了实验结果,结合与相关拥塞避免策略     

综合式拥塞控制机制的研究

针对无线传感器网络中的SFB拥塞控制算法在网络流量大时,其分类机制受影响而导致TCP流传输性能下降的问题,介绍了一种综合式拥塞控制机制的算法实现,并在NS-2平台上对该机制的性能进行了仿真研究。综合式拥塞控制机制通过建立新路径对数据包分流来解决拥塞问题;当新路径建立失败时,采用公平汇聚算法,按比例减少源节点的发送率,保证每个源节点公平发送数据;对于轻度拥塞情况,采用一种节能算法,即设置拥塞时间阈值,只有当拥塞时间超过阀值时才启动新路径查找机制。仿真结果表明,综合式拥塞控制机制能够减少丢包率,有效缓解拥塞,并能够根据数据权重的不同可靠发送重要数据。     

ATM网络传输控制机制研究及进展

ATM网络中的传输控制方法的研究涉及到网络中的服务质量、服务类型。已经提出了许多不同特点的控制机制,主要集中在基于许可证方案和基于速率方案的设计,随着ATM广域网应用和因特网信息浏览的增多,新的研究热点是有速度反馈控制的用于ABR服务类型的传输控制技术。本文进一步研究和讨论ATM网络中所采用拥塞控制策略存在的问题和在当今网络应用考虑的主要因素。     

A comparative study of multi-objective optimization algorithms for sparse signal reconstruction

The development of the efficient sparse signal recovery algorithm is one of the important problems of the compressive sensing theory. There exist many types of sparse signal recovery methods in compressive sensing theory. These algorithms are classified into several categories like convex optimization, non-convex optimization, and greedy methods. Lately, intelligent optimization techniques like multi-objective approaches have been used in compressed sensing. Firstly, in this paper, the basic principles of the compressive sensing theory are summarized. And then, brief information about multi-objective algorithms, local search methods, and knee point selection methods are given. Afterward, multi-objective sparse recovery methods in the literature are reviewed and investigated in accordance with their multi-objective optimization algorithm, the local search method, and the knee point selection method. Also in this study, examples of multi-objective sparse reconstruction methods are designed according to the existing studies. Finally, the designed algorithms are tested and compared by using various types of sparse reconstruction test problems.