无线网络中编码感知机会路由的研究

来源 :浙江工业大学 | 被引量 : 0次 | 上传用户:netchina123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于相同频率信号之间的干扰、有限的网络带宽资源、网络节点的移动性以及无线信道的不稳定性,无线网络的传输效率受到严重的影响。因此如何保证和提高无线网络的传输效率以及网络的鲁棒性是无线通信网络中一个至关重要的问题。无线路由协议直接决定着网络的传输性能,而传统的有线网络路由协议不能很好的适用于复杂的无线网络通信环境,不能为无线通信网络提供高效的传输。无线网络路由协议的设计已经成为无线通信领域的热门研究项目之一。为了提高无线网络的传输效率性能,先后提出了网络编码和机会路由两种新技术,为无线路由协议的设计提供了新思想。由于网络编码和机会路由都充分利用无线信道的广播特性,许多研究者结合两种技术的优势提出了大量新的路由方案,这两种技术的结合可以进一步提高无线网络的传输效率和吞吐量。目前大多数结合方案是基于流内编码,没有考虑机会路由中不同数据流之间的编码机会。另外,这些路由方案没有考虑到传输速率对机会路由的传输效率产生的影响。鉴于上面提到的问题与不足,我们做了相关的研究工作,并取得以下创新性成果:1)提出了一种新的任意路径编码感知机会路由协议ACOR。机会路由具有多径传输特性,因而在机会路由中存在大量的流间网络编码机会。为了充分利用机会路由的中的流间网络编码机会,我们结合机会路由与网络编码提出了任意路径编码感知机会路由ACOR。同时我们提出了ECOX度量用于评估节点的转发效率,为合理选择候选转发节点和分配节点的转发优先级提供了依据。ECOX充分考虑了网流间络编码产生的传输效率增益。机会路由与流间网络编码的结合可以充分利用无线信道的广播特性和机会路由的多径传输特性。实验结果表明,ACOR能够大幅度提高网络的转发效率和吞吐量。2)提出了一种新的多速率编码感知机会路由协议MCOR。节点的传输速率影响到无线网络连通性和链路质量以及节点的带宽利用率。首先,整个网络使用单一的发送速率不能充分利用网络的带宽资源.一些链路使用较高的传输送速率表现良好,其它链路可能节点仅仅使用较低的传输速率;其次和更重要的是,使用较高的传输速率将会降低网络的连通性和链路质量充分利用了带宽资源,但是降低了网络的连通性和链路质量。为了结合网络编码、机会路由以及传输速率选择机制来提高转发节点的传输效率,本文提出了多速率编码感知机会路由方案MCOR。为了评估多速率环境下编码节点的转发效率,提出了ECTT度量标准。根据ECTT度量,转发节点为每条流选择一个最优的传输速率和合适的候选转发节点集。仿真实验结果表明,相比单一传输速率的机会路由和普通的多速率机会路由,MCOR均能够提高网络的吞吐量。
其他文献
膝关节是人体最重要、最复杂的关节之一,也是病发率最高的一个关节。由于其在临床治疗、医学研究、虚拟手术、生物机械设计等领域的重要意义和应用价值吸引了大量学者对其进行
近年来,随着移动互联网和多媒体应用的飞速发展,图像数据已经成为网络数据的重要部分,对网络中海量的图像数据进行快速检索和存储成为我们当前面临的一个挑战。图像哈希技术
随着物联网应用的推进,基于IEEE802.15.4标准的无线个域网络(Wireless Personal Area Network, WPAN)得到广泛的应用。为了充分利用IP网络的充足资源,WPAN与IP网络互联互通的
数据库是日常生产活动中重要的信息存储和检索工具,其设计一直随需求的变化而发展,系统架构从单机扩大为分布式集群,存储介质从磁盘转移到内存,数据组织从行式衍生出列式,而
随着网络技术以及多媒体技术的飞速发展,视频以其突出的优势深入地影响着社会生活,成为了传达信息的主要方式。目前,几乎各个国家对运动员体育赛事及平时训练的录像都给予了高度
长期以来,生产调度问题不仅是生产管理者关注的重点,同样也是组合优化领域的热点研究对象。多目标流水车间调度问题作为研究最为详尽的多机调度问题中的一个分支,有着广泛的应用。其任务是安排一组机器以特定的顺序加工一组工件,同时通常需要满足多个不同的约束条件。合理的加工工序和调度策略能够有效降低企业的生产成本,资本损耗以及管理开销。因此,高效求解多目标流水车间调度问题对于提高生产效率,合理配置生产资源,降低
学位
随着计算机技术和网络技术的不断发展和普及,代表着先进的教学思想和教学方法的智能计算机辅助教学(Intelligence Computer-Assisted Instruction,ICAI)应运而生,它改变了传
网络通信科技的迅猛发展,为人们日常生活的信息沟通提供了越来越快捷的服务。无线传感网络在科学研究、环境监测、智能公交、医疗监护、智能家居、军事侦查和日常生活等领域
数据流聚类是从大量的、有噪声的、模糊的、随机的流数据中发现不相连的、具有相似属性的簇,并使簇中数据的相似性尽可能高,不同簇中的数据的相似性尽可能低,它是数据挖掘领域的