论文部分内容阅读
未来通信网络将是由有线网络、无线网络等各种网络混合互连而组成的庞大、复杂、开放的异构网络集合。网络状态的认知也由于网络结构的复杂而变的更为困难,主要原因在于各种网络之间具有巨大的差异,概括的说主要体现在底层传输介质和底层协议的不同。TCP/IP七层协议体系的设计,在通过屏蔽底层的差异,实现数据透明传输的同时,也造成网络无法辨识这些差异,不能够进行有针对性的流量调控。针对TCP在异构网络中的性能下降问题,本文首先建立了瓶颈链路队列长队的网络认知模型,在发送端得到瓶颈链路队列长度的估计量,然后利用灰色关联性分析的方法,计算不同网络状态参数与瓶颈链路队列长队的关联性,得到网络状态参数对网络性能反映情况的定量描述,最后把网络性划分为三个等级作为目标集,选取期望速率与实际速率的差值(Diff)和瓶颈链路队列长度估计值(L)作为因素集,建立两个集合的隶属函数,利用模糊综合评判的方法,判定网络等级以指导流量控制和丢包区分,最后建立了加入网络认知模型的TCP改进版本TCP-Improved。仿真结果表明,加入网络认知模型的TCP-Improved协议,在不同的背景流负载下,都能取得较好的吞吐量,尤其是在网络负载较重时,吞吐量有明显提高,并且在不同的无线丢包率下,具有较好的公平性和友好性。