一种基于链路传输延迟的MPTCP拥塞控制算法*

由于传统TCP拥塞控制算法直接应用到MPTCP(Multipath Transport Control Protocol)中存在公平性问题,以及不能有效地发挥多路径传输的优势,因而从公平性方面对MPTCP现有拥塞控制算法进行研究.研究发现,现有的MPTCP拥塞控制算法均受到相同的回路时间限制.提出一种基于链路延迟的RTT补偿算法(Compensating for RTT mismatch,C-RTT ).该算法通过设置网络带宽占用比参数以及对MPTCP连接的子流设置侵略因子,从而保证瓶颈链路处MPTCP数据流和TCP数据流公平地共享可用带宽.最后通过NS3仿真实验证明,该算法能够有效地补偿链路中因RTT不等引起的公平性问题,并避免链路之间数据的非周期抖动,且保证了多路径传输的优越性.     

多链路局域网组成的分组交换机

提出一种组成分布式模块化分组交换机的方法,其内部互连机构采用局域网技术和多链路规程。     

不确定流量条件下多跳无线网络的信道分配与链路调度研究

本文以网络吞吐量最大化为目标,提出了传输流约束、信道资源约束以及干扰约束条件下的资源分配联合优化模型,以及基于不确定流量条件下资源分配最优解的链路调度策略.仿真实验结果证明：本文提出的信道分配及链路调度方案能够更好地适应网络流量需求的变化.     

无线传感器网络多时间尺度链路估计算法研究

针对无线传感器网络链路存在的不稳定性和不对称性问题,提出多时间尺度链路估计算法,通过长期和短期两种时间尺度估计节点间的链路质量,构建稳定链路和突发链路共存的拓扑结构,并采用突发链路发现策略实现机会路由;同时又针对由突发链路的不对称性引起的复制数据包问题,提出了多路径ACK策略,通过稳定链路和突发链路共同形成的多条路径传...     

点对多点卫星数据通信网链路级传输规程的研究及实现

超小天线卫星数据通信网是卫星数据通信领域的新技术.对该网链路层传输规程的研究是实现网络通信控制的关键. 本文首先给出了该网络层次结构,然后着重对网络的点对多点卫星链路的差错控制和传输规程进行研究,详细阐述了这一规程的硬件、软件实现,给出了硬件原理框图,介绍了软件结构,各进程工作过程和资源管理方法.     

基于图学习的密集空间网络传输资源调度方法

面对密集空间网络传输资源调度问题中的复杂度以及有效性挑战,本文以图论模型为纽带,将传统数学模型与机器学习方法相结合,提出一种基于图学习的密集空间网络传输资源调度方法.该方法基于图论模型对问题结构的认知将密集空间网络资源调度问题分解,由数学模型与基于图结构的强化学习交替配合完成整个求解过程.实验结果表明,与传统的基于数学模型的资源调度方法相比,所提方法能将资源调度收益提升25.1％,且其训练结果对网络场景变化具有较好的适应性.     

用多链路帧中继方式传输分组语音

分组语音通信是一种低成本高效率的语音通信新方式 ,语音帧中继交换是其中一种形式 ,伴随多链路帧中继系统的诞生 ,可实现多链路帧中继语音交换以满足未来多媒体技术的应用。     

基于强化学习的802.11ax上行链路调度算法

随着物联网(IoT)时代的到来,无线网络饱和的问题已经越来越严重。为了克服终端密集接入问题,IEEE标准协会(IEEE-SA)制定了无线局域网的最新标准—IEEE 802.11ax。该标准使用正交频分多址(OFDMA)技术对无线信道资源进行了更细致的划分,划分出的子信道被称为资源单元(RU)。为解决密集用户环境下802.11ax 上行链路的信道资源调度问题,该文提出一种基于强化学习的RU调度算法。该算法使用演员-评论家(Actor-Critic)算法训练指针网络,解决了自适应RU调度问题,最终合理分配RU资源给各用户,兼具优先级和公平性的保障。仿真结果表明,该调度算法在IEEE 802.11ax上行链路中比传统的调度方式更有效,具有较强的泛化能力,适合应用在密集用户环境下的物联网场景中。     

基于强化学习的定向无线通信网络抗干扰资源调度算法

为了在无线网络中进行高效的链路资源调度、减小网络干扰、提高网络容量,提出了一种利用回溯天线并考虑干扰环境的链路资源分布式智能调度算法.首先,结合通信的路径损耗模型设计卷积核,对节点密度矩阵进行卷积来衡量干扰链路强度,从而避免对所有干扰链路进行信道估计产生巨大的计算代价;然后,结合强化学习的思想设计了与通信环境交互的链路调度学习模型,每个链路利用神经网络进行独立的训练,将训练所得的决策结果反馈到环境中进行状态更新,模型在不断更新的环境中迭代来学习最优的调度策略.该方法能分布式的运行,可有效衡量无线网络中的链路干扰强度,结合衡量结果进行高效的链路资源分布式调度,从而最大化网络容量.仿真结果验证了该调度算法无论是在算法迭代收敛还是网络容量性能上都能很好地逼近全局的调度算法,达到全局算法最优结果的92%~100%.     

基于DDPG的综合化航电系统多分区任务分配优化方法

综合化航电系统（Integrated Modular Avionics,IMA）通过时空分区机制实现共享资源平台下的多航电功能集成,分区间的任务分配方法的优劣决定着航电系统的整体效能。针对航电任务集合在多分区内的分配调度问题,提出了一种基于深度强化学习的优化方法。构建了航电系统模型与任务模型,以系统资源限制与任务实时性需求为约束,以提高系统资源利用率为优化目标,将任务分配过程描述为序贯决策问题。引入马尔科夫决策模型,建立基于深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）法的IMA任务分配模型并提出通用分配架构;引入状态归一化、行为噪声等策略训练技巧,提高DDPG算法的学习性能和训练能力。仿真结果表明,提出的优化算法迭代次数达到500次时开始收敛,分析800次之后多分区内驻留任务方案在能满足约束要求的同时,最低处理效率提升20.55%。相较于传统分配方案和AC(Actor-Critic)算法,提出的DDPG算法在收敛能力、优化性能以及稳定性上均有显著优势。     

太赫兹网络中基于优先级调度的低开销双信道MAC协议

针对现有太赫兹通信网络双信道MAC协议存在控制开销冗余和在竞争信道时缺少优先级调度策略等问题,提出了一种太赫兹网络中基于优先级调度的低开销双信道MAC协议（Low Overhead Dual-channel MAC Protocol Based on Priority Scheduling,LO-PSMAC）,包含通信距离预判、优先级调度策略的CSMA/CA和精简THz频段MAC帧三种机制,可有效提升信道利用率和整体网络吞吐量,同时减小控制开销和降低数据平均时延。仿真结果表明,所提协议与现有太赫兹双信道MAC协议相比,MAC层吞吐量和信道利用率分别提升了7.14%和14.75%,数据平均时延降低了14.21%。     

基于数据续传的微波/激光混合链路中继星资源调度

针对成像、遥感等卫星采集的大容量数据难以及 时回传的问题,提出了一种基于数据续传和微波/ 激光混合链路的数据中继资源调度算法。分析了混合链路中继卫星系统任务数据续传特点, 以完成优先级 加权任务量最大、续传次数最少为调度原则,建立了混合链路任务续传约束规划模型。以任 务的调度顺序 为优化对象,采用任务整传优先和续传次数最少为调度原则确定任务的天线资源和时隙分配 ,提出一种基 于自适应小窗口蚁群(ASAC,adaptive small-window ant colony)算法的任务续传资源调 度优化算法。仿真实验表明,所建调度模型可实现多颗中继星资 源的有效分配,提出的ASAC算法具有较快的收敛速度和较强的全局优化能 力,算法可最大满足用户星数据及时回传的需求。     

Optimization of multipath transmission path scheduling based on forward delay in vehicular heterogeneous network

In order to solve the problem that the data packets were out of order at the receiving end in the multipath transmission,which greatly reduced the transmission performance,an optimization algorithm was proposed for multipath transmission path scheduling based on forward delay in the vehicle heterogeneous network.The main idea of the proposed algorithm was to schedule data packets through a concurrent path according to the forward delay and throughput difference estimated by the sender.A simulation experiment was carried out on NS-3.The simulation results show that compared with the previous algorithm,the proposed algorithm has better performance than other algorithms in reorder-buffer-occupancy density (RBD) and throughput.The problem of out-of-order data packets at the receiving end is significantly reduced,and the total system throughput and network utilization have been improved.     

时分双工环境下的分组预约多址(PRMA/TDD)协议及其性能

在分析标准分组预约多址（PRMA／FDD）协议的基础上,提出了时分双工环境下的分组预约多址（PRMA／TDD）协议,理论分析和计算机仿真均表明,PRMA／TDD与PRMA／FDD的性能相近,可以较大幅度地提高系统的容量。     

无线传感器网络传输调度方法综述

针对无线传感器网络的特点,给出了传输调度问题的定义和一般约束条件,归纳了无线传感器网络传输调度算法的设计原则和分类方法,分析了当前典型的各类传输调度算法的主要机制,详细比较了这些算法的特点、性能差异和应用范围.最后总结了无线传感器网络传输调度算法的研究现状,指出了研究挑战和未来的研究重点.     

Performance modeling of Licklider transmission protocol (LTP) via proactive transmission of signaling segments in deep-space network

Delay-tolerant networking (DTN) bundle protocol is considered one of the best transmission protocols to be used in space communications by NASA. There are studies that evaluated the performance, measuring the total transfer time of a complete file from sender to receiver, of the DTN protocol via simulation or emulated experiments beyond the real space-based experiences. In addition, there is a very few additional research works available for the modeling of the Licklider transmission protocol (LTP). However, these past studies on LTP modeling are implemented as a Logarithmic approach that is based on the calculation of loss segments in file delivery. In this work, the approach is investigated in a different manner. Specifically, the performance model was created based on the probability of the segment's successful delivery on the LTP. Moreover, the original model is enhanced via introducing a burst of transfer and equal interval distribution of signaling segments, specifically check point (CP), along with the retransmission time out (RTO). The results from the developed model for the original DTN protocol and enhanced versions align with the results obtained by PC-based testbeds.     

基于优化决策树的时延敏感流智能感知调度

目前流量调度策略无法做到智能按需化,尤其对于网络突发故障造成的拥塞以及高价值业务的护航场景,无法按需保障时延敏感的业务体验。通过分析研究不同网络业务流量时延敏感性属性需求,探索挖掘不同网络业务流量的行为特征与其时延敏感性需求之间的内在关联关系。然后利用AI技术对这种内在的关联关系进行学习,构建其映射关系,实现了时延敏感流智能感知调度。同时,考虑AI模型的可解释性及可部署性实际问题,采用强化学习剪枝优化可解释性决策树模型,提高模型的鲁棒性同时使模型更轻量化,易于设备部署实现。通过真实网络流量实验,强化学习优化后的决策树模型在单次推理情形下感知正确率提高1.75%,推理速度提升约30%;同时,实验也证明了使用局部微观统计特征多次推理有助于提高模型感知正确率。在所有实验中,强化学习优化的决策树模型规模缩小了60.0%～87.2%,并且Saras比Q-learning具有更好的优化表现。     

基于短包通信的NOMA下行链路安全传输

面向物联网业务中的低时延需求,将短包通信(SPC)和非正交多址接入(NOMA)技术相结合,针对存在窃听者的情况研究多用户NOMA系统中的安全传输问题.以最大化弱用户的安全吞吐量为目标,考虑用户译码错误概率约束、总功率约束和功率分配约束,提出了一种低复杂度的功率分配方案实现系统安全传输.为解决复杂的目标函数和不可靠的串行...     

面向复杂环境的集群无人机任务调度方法研究综述

近年来,无人机由于其成本低、速度快和灵活性强等优点,在军事和民用领域得到了广泛应用。集群无人机是由一组同构或异构无人机组成,通过个体自主决策和信息交互,实现感知互动、信息传递和协同工作。相较于单一无人机,集群无人机可利用其集群优势、自主优势及智能化优势完成复杂任务。然而,随着任务环境、需求和集群规模的不断变化,集群无人机任务调度问题成为备受关注的热点问题。总结近几年的代表性研究,列举了复杂环境下集群无人机任务调度面临的挑战：动态任务需求、复杂环境条件、不确定通信条件及资源受限。随后,按照调度算法的作用机理划分了当前主流的调度方法,即优化算法、演化算法、强化学习算法以及群体智能算法,并对上述方法的原理、研究现状进行了归纳总结。最后,对集群无人机任务调度的未来研究方向进行了展望。     

Design and evaluation of scheduling algorithms for TDM/WDM PON based on RSOA

This paper presents a scalable and costeffective hybrid time division multiplexing (TDM)/wavelength division multiplexing (WDM) passive optical network (PON), in which reflective semiconductor optical amplifiers (RSOAs) are used as optical network units (ONUs) and a shared tunable laser and photoreceiver stack locate at the optical line terminal (OLT). Especially,tunable transmitters are not only shared by all ONUs, but also used for both upstream and downstream transmissions. To solve resource contention problem and provide and the ONUs, two novel algorithms are proposed to manipulate the wavelength accessibility and the burst scheduling. The performance of both algorithms in terms of the average packet end-to-end delay and throughput were simulated and evaluated.