【摘 要】
：
随着移动互联网的发展,网络数据量的激增使得路由器单频中继难以支撑终端设备日益增长的业务负载需求。因此,在路由器设备上实现2.4 GHz和5 GHz双频中继融合传输,对提升网络吞吐量和稳定性、扩大无线网络覆盖范围有着重要意义。在实现双频中继融合传输过程中,受CSMA/CA竞争、信号衰减等因素影响,各无线链路不稳定,系统整体吞吐量受限。针对这个问题,本文提出了如下双频传输调度策略:首先为了更好地适应无
论文部分内容阅读
随着移动互联网的发展,网络数据量的激增使得路由器单频中继难以支撑终端设备日益增长的业务负载需求。因此,在路由器设备上实现2.4 GHz和5 GHz双频中继融合传输,对提升网络吞吐量和稳定性、扩大无线网络覆盖范围有着重要意义。在实现双频中继融合传输过程中,受CSMA/CA竞争、信号衰减等因素影响,各无线链路不稳定,系统整体吞吐量受限。针对这个问题,本文提出了如下双频传输调度策略:首先为了更好地适应无线环境的变化,提出基于链路快慢因子的调度策略,链路快慢因子是结合链路服务时间、链路拥塞情况和丢包率的联合参数,能更加全面地反映链路质量。其次考虑干扰的影响以及测量存在误差,提出使用卡尔曼滤波器对服务时间进行预测和修正,以提升基于链路快慢因子调度的精度。然后,基于快慢因子调度采取的是分组决策的方式,通过测试得知数据包分组数目会影响传输性能,为此提出基于链路容量变化动态调整分组的策略,以获得更好的数据传输速率。最后为了在有乱序或丢包时减少整序过程出现队头阻塞的情况,依托于能携带多种序号的高效封装机制,提出基于业务流划分的时延降低整序策略。综合以上链路汇聚传输策略,基于合作厂商设备设计了相应实现方案,测试验证本文设计的调度传输策略相比较于轮询调度能带来更高吞吐量收益。另外双频融合传输过程中难以避免的乱序和时延不稳定问题,会影响TCP业务的传输速率。为此,本文设计了跨层TCP代理方案以优化TCP业务的传输性能:通过过滤冗余ACK让TCP发送方感知不到乱序,同时通过提前代理确认让TCP发送方感知到较好的往返时延,从而让TCP发送方保持较高的发送速率。然后在双频中继融合传输场景下实现并进行测试,测试结果显示其能较好地提升TCP业务吞吐量。
其他文献
随着海量设备的不断接入以及无线网络服务需求的不断增长,流量数据在网络边缘中呈现爆发式增长。在边缘节点处理信息能力的提高以及人工智能（Artificial Intelligence,AI）的快速发展下,智能服务不断嵌入各种应用以及终端设备,边缘计算逐步发展为边缘智能。在边缘智能模式下,集中式的网络流量分析和管理架构在分类边缘计算网络中庞大而分散的流量数据上面临着巨大的挑战,如通信资源占用多、数据泄露
车联网是智慧城市提供通信服务的重要补充。由于车联网的空时波动,稀缺路边单元有访问受限和切换频繁等问题。鉴于城市海量车辆,将车辆资源作为移动接入点具有巨大机会和价值,当前研究预留了可拓展空间,包括引入车载接入点时忽略了其社会移动性特征和容量受限问题,将其作为感知资源代替路边单元时未考虑隐藏节点,以及将其作为通信资源时未考虑容量界限。本文针对性地开展以下工作:（1）基于车辆行驶轨迹的车载多接入点选择方
近年来,可重构智能超表面（Reconfigurable Intelligent Surface,RIS）的提出与发展给毫米波的覆盖问题带来了解决希望。然而,由于RIS具有大量的无源反射单元等特点,其信道估计非常具有挑战性;其潜力高的定位性能未得到充分发挥。所以,本文对RIS辅助毫米波通信系统的三维定位与信道估计进行研究,利用RIS的拓扑结构与毫米波信道稀疏性等提出了一种高性能的三维定位方法和一种高
蜂窝车用无线通信技术（Cellular-Vehicle to Everything,C-V2X）是实现智慧交通和智能驾驶的关键推动力,其在使能一系列智能应用的同时也对信息新鲜度提出了高要求。近年提出的信息年龄（Age-of-Information,Ao I）是衡量信息新鲜度的一个重要指标,与数据流的传输间隔以及数据包的传输时延密切相关。相比于过去长期使用的数据包传输时延,信息年龄更关注在整个信息流
近年来,网络边缘中数据量的爆发式增长以及各类实时性智能应用的涌现,给实时机器学习（Real-time Machine Learning）在网络系统中的应用提出了挑战。云计算架构,由于海量数据集中传输导致的网络时延以及数据隐私问题,逐渐无法满足用户需求。在上述趋势推动下,亟需将边缘服务器部署于靠近数据产生的地方,让数据直接在网络边缘得到处理,边缘计算应运而生。基于联邦学习（Federated Lea
多用户多输入多输出（Multi-User Multiple-Input Multiple-Output,MU-MIMO）技术能有效提高复用增益,显著提升系统吞吐量,是目前Wi-Fi系统的关键技术之一。随着无线业务需求的日益增加,采用单个AP（Access Point）进行部署已无法满足需求,越来越多的场景需要采用多AP部署来提高无线局域网覆盖范围和容量。然而多个AP同时运行势必会导致同频干扰的增加
随着工业物联网技术和通信技术的快速发展,全球工业互联网经济呈现飞速增长的趋势。但由于工业物联网中的设备资源受限,日益增加的能耗问题以及安全问题限制了工业物联网的发展。为了解决上述问题,本文针对工业物联网中两种具体的应用场景,结合无人机技术和区块链技术,在保证数据安全的同时,降低系统能耗。对于工业物联网中采用传感器网络的数据采集场景,本文采用无人机作为簇头来汇聚数据,从而降低传感器设备的通信能耗。传
下一代移动通信系统将不仅具备组网能力,还拥有感知和计算能力,真正迎来万物感知、互联和智能的时代。在这一必然趋势的驱动下,感知集群拥有单感知设备无法覆盖的优势:强大的探测能力、良好的可扩展性、强大的装载能力以及较长的整体电池寿命。作为感知集群联合工作的重要分支,协同感知将成为未来的研究热点之一。本文主要研究群体节点协同目标探测和高实时信息感知问题。本文主要利用随机几何工具来建模感知节点空间位置分布,
近年来,随着网络技术的发展,智能家居技术逐渐进入家家户户。然而与传统Wi-Fi家庭业务场景不同,智能家居是典型的密集用户接入场景。在该场景中,大量终端设备竞争信道导致网络接入冲突概率增大,这给Wi-Fi信道接入带来极大的压力,从而损害了吞吐量性能,降低了用户体验。因此解决智能家居场景下的用户接入问题至关重要。针对单接入点、密集终端设备的智能家居WLAN场景,本文使用数值分析和NS-3仿真分析了Wi
无人机技术辅助移动边缘计算（Mobile Edge Computing,MEC）,通过将算力下沉至网络边缘,不仅有效缓解了核心网络的计算负载,还解决了基站式边缘算力部署模式难以应对的时空高动态计算任务。但因单无人机自身资源受限,难以兼顾高动态、多并发的算力需求,多无人机协同成为必然选择。具有多机协同卸载的无人机集群能在算力需求激增的现状下实现充分且广泛的算力覆盖,使用户享受到低时延高质量的计算服务