多信道无线网状网跨层优化研究

针对多网卡多信道无线Mesh网络容量问题,基于无线信道干扰模型,在给定各节点物理层发射功率的条件下,联合考虑无线Mesh网络传输层的流速控制、网络层的路由算法和MAC层的信道分配等问题,通过采用二次路由计算策略,提出了一个跨层联合优化算法,仿真结果表示,提出的算法能提高网络吞吐量。     

认知无线Mesh网络中基于干扰模型的信道分配策略*

从信道干扰的角度为认知无线Mesh网络提出一种新的信道分配策略。首先对网络进行分层并按层对节点设置不同的层数权值,以此来选择最佳路径,再利用信道干扰模型来选择最佳信道。新策略有效整合了路由和信道分配过程,通过路由的实现来协助节点的信道分配以获得整个网络的最优化性能。仿真结果表明,新算法相比于无线多信道网络中基于链接的信道分配算法,在时延、吞吐量上有明显的优势。     

MANET中有利于信道重用的按需信道分配和路由协议

从信道重用的角度出发,设计出一种简单而有效的按需固定信道分配机制和路由的协议(CA-AODV-R)。该协议将信道分配放到路由层进行,通过在路由发现时的RREQ和RREP中携带信道信息来分配固定信道,避免了MAC层动态信道分配协议(如DCA等)需要频繁地调用信道分配算法的问题。CA-AODV-R使用的固定信道分配算法为把数据信道按编号从小到大排列后按每3个划分为一个小组,同一条路由发现路径上的后继节点分配固定信道时优先在其前驱节点的固定信道所在小组内选择空闲信道。仿真结果表明,CA-AODV-R协议相对于单信道AODV能够大幅度提高网络吞吐量和分组投递率并降低网络的端到端时延。     

一种混合信道分配算法的研究与仿真

为了提高无线网状网络的链路容量,提出一种在网络中配置节点多射频多信道的混合信道分配算法.通过配置默认信道并优化默认信道的使用,该算法基于启发式信道分配策略来减小链路干扰提升链路容量.基于网络物理拓扑,该算法生成简化的网络逻辑拓扑,使得信道分配方案能够结合路由优化网络性能.对信道分配的动态调整,确保了网络容量的实时优化.仿真结果显示,本信道分配算法可以有效地提升网络性能.     

结合混合式信道分配的无线MESH多路径路由协议

为了优化无线Mesh网络中的多接口多信道网络资源,对单接口多路径路由协议和单路径信道分配策略进行了深入的分析研究,提出了与混合式信道分配方式相结合的多路径路由协议(AODV-MP),实现了网络中多条路径的并行传输,从而提高网络的整体吞吐率。并根据多路径路由协议自身的特性,结合与邻居节点干扰相关的因素——信噪比(SNR),提出了多路径路由的路由度量判决WCETTSNR,同时将该路由度量作为负载流量分配的比例标准。利用NS2网络仿真平台对该多路径路由协议进行测试,结果显示AODV-MP在网络吞吐率上提高了45%,并在高负载情况下,较大幅度地减少了网络延时。     

结合混合式信道分配的Mesh多路径路由协议

为了优化无线Mesh网络中的多接口多信道网络资源,对单接口多路径路由协议和单路径信道分配策略进行了深入的分析研究,提出了与混合式信道分配方式相结合的多路径路由协议(AODV-MP),实现了网络中多条路径的并行传榆,从而提高网络的整体吞吐率.并根据多路径路由协议自身的特性,结合与邻居节点干扰相关的因素--信噪比(SNR),提出了多路径路由的路由度量判决WCETYSNR,同时将该路由度量作为负栽流量分配的比例标准.利用NS2网络仿真平台对该多路径路由协议进行测试,结果显示AODV-MP在网络吞吐率上提高了45%,并在高负载情况下,较大幅度地减少了网络延时.     

无线Mesh网络中一种分布式路由方案

在多射频多信道无线Mesh网络中,链路负载和节点位置的变化将导致网络性能的下降。针对此问题,在混合无线网状路由协议反应式路由基础上,设计了一种新的混合信道分配的分布式路由算法。该算法在路由建立的同时可实现以数据流为单位的最优信道分配,且能避免因单节点失效导致整个网络崩溃的危险。仿真结果表明,提出的RHCA算法较传统算法在网络吞吐量和端到端平均时延方面均有显著优势。另外,在节点移动场景下,所提出的分布式路由算法较其他方法能获得更高的吞吐量和更好的稳健性。     

认知Ad-Hoc网络中一种实时信道分配路由协议

针对认知无线Ad Hoc网络中授权用户的活动将影响认知用户间路由稳定性的问题,提出了一种实时信道分配路由协议。该协议采用动态源路由协议(DSR)的路由发现机制,在路由建立阶段,提出综合路由度量标准来选择路由;在数据发送阶段引入IN MESSAGE数据包,使路由中间节点可以掌握其下一跳节点信道环境的变化,从而进行实时信道分配。仿真对比表明,实时信道分配路由协议有效提高了分组的投递率,减少了路由重建次数。     

多接口多信道MANET下多径路由及接口分配策略

针对多接口多信道MANET网络环境,提出了一种多径路由以及相应的接口分配策略。根据支持多接口多信道的无线设备的特点,给出了一套更为高效的路由模型。该方案从源节点到目的节点利用提出的接口分配策略,从不同的接口和信道建立多条可同时工作的路由和多条不重叠的备份路由以大幅提升网络性能。它充分利用了多接口多信道移动设备的性能优势,更适用于网络拓扑变化剧烈的MANET网络。数学模型分析与网络仿真测试表明,在其他条件相同的情况下,该方案与其他路由协议相比较,在端到端时延、网络吞吐量等方面提供了更佳的性能,且更适应于多接口多信道的MANET网络环境。     

一种联合多信道分配决策的认知Mesh系统数据传输优化算法

在认知Mesh系统进行数据传输的过程中,为了提高数据包投递成功率及网络的吞吐量,减少网络延迟时间,提出一种联合多信道分配决策的认知Mesh系统数据传输优化算法(JCWN)。针对信道的干扰问题,建立了认知Mesh系统的干扰无向图,分析节点链路的网络干扰电平。在节点的路由请求阶段通过提出基于信道干扰电平的路由指标函数,并通过权重阈值来为节点链路分配干扰较小的信道。在路由选择上,联合多路由算法计算每条路由路径的信道干扰程度,为了保障节点传输数据的成功率而选择干扰程度更小的路由。实验仿真结果表明,在数据包投递成功率上,该算法相比POC算法以及基于RL的算法提高了20%以上,在提高网络吞吐量,减少延迟时间上也表现出了更好地效果。     

Multi-Radio Multi-Channel无线传感器网络中信道分配和路由策略

针对无线传感器网络中传输时延长、传输冲突大和吞吐量低等问题,提出了一种在Multi-Radio Multi-Channel无线传感器网络中信道分配和路由策略.该策略动态地建立k元n立方体拓扑结构,使用优化的静态信道分配算法提高节点的吞吐量,使用维序寻径的路由算法减少传输冲突.该方法适用于网络节点稠密、节点相互之间通信冲突大的情况,并且在单跳和多跳的网络环境下均适用.实验结果表明,基于k元n立方体这一拓扑结构的信道分配和路由策略与传统方法相比,有效地减少了端到端时延,降低了网络冲突,减少了节点能量消耗,延长了网络寿命,提高了网络吞吐量.     

认知无线mesh网中联合路由的分布式信道分配算法*

多信道技术通过对数据流量进行分流,能够减少链路间干扰,从而提升网络容量。首先针对认知无线mesh网络提出一种有效的联合路由的分布式信道分配策略,该信道分配策略主要宗旨是维持邻域内信道差异。仿真结果表明,新的信道分配算法相比于无线多信道网络中基于链接的信道分配算法,平均吞吐量大约提高了50%,平均时延降低了约50%。在信道约束的情况下,进一步引入了信道合并算法。仿真结果表明,执行信道合并算法后,网络平均吞吐量、时延性能得到了进一步改善。     

基于蚁群算法和BP神经网络的信道分配策略的研究

研究无线传感器网络信道分配策略的主要目标是提高网络吞吐量和容量,减小网络的传输时延,最大限度的利用有限的网络带宽资源。多信道MAC协议的应用,可以有效地提高网络通信的可靠性和吞吐量,以及解决由于信道受干扰而造成的网络瘫痪等问题。根据无线传感器网络多信道的特点提出了一种基于蚁群算法的动态反馈负载均衡信道分配策略。本策略首先应用BP神经网络对信道负载情况进行预测,然后通过基于蚁群算法的负载均衡算法对信道进行筛选,最后利用最大离散化算法进行信道分配。在NS2平台下对所设计的协议进行了仿真实现,并与应用最为广泛的多信道MMAC协议以及SMAC进行了对比分析。根据仿真结果可知,本文设计的MAC协议在网络吞吐量、网络传输时延等性能方面比MMAC协议及SMAC都有了很大程度的提升。可以有效减小网络传输时延,提高网络吞吐量和抗干扰能力。     

基于跨层设计的认知无线Mesh网络拥塞反馈研究

在认知无线Mesh网络中,由于信道状态变化导致的链路负载差异,网络拥塞成为影响认知无线Mesh网络系统性能的重要因素。针对这一问题,提出了基于最大最小公平策略的拥塞反馈算法。该算法通过综合分析基于随机搜索-遗传算法的多速率编解码调制、多重数据流的信道分配机制,以及优化的路由选择三种机制的网络资源分配约束条件,来构建跨层模型,计算网络拥塞。同时,通过拥塞值反馈,实现对物理层、链路层和网络层的联合跨层优化,最大程度避免网络拥塞。仿真结果表明,该算法在网络发生拥塞时收敛更快,能够有效避免拥塞,均衡负载,并能提升网络吞吐量。     

认知无线电网络基于QoS的监听时间与资源联合分配

以最大化所有认知无线电用户(CRU)的吞吐量为目标,同时保证每个CRU的服务质量(QoS)约束,研究了联合最优监听时间和资源分配问题,并基于此提出了一种监听时间与资源联合分配算法.在多信道认知无线电网络中,频谱监听和资源分配都会影响网络的吞吐量.兼顾二者的联合优化问题可以被分解为两个子问题:固定监听时间的资源分配问题, 以及固定资源分配策略的最优监听时间一维穷举搜索问题.提出的算法可以通过穷举搜索获得最优监听时间,并通过次梯度算法获得最优资源分配策略.仿真结果表明,提出的最优监听时间与资源分配算法可以最大化认知无线网络的吞吐量; 此外,各认知用户的QoS需求也能得到保证.