多接口多信道无线Mesh网络中信道分配与路由协议的研究

来源 :辽宁大学 | 被引量 : 0次 | 上传用户:l4992324
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
无线Mesh网络(Wireless Mesh Network,WMN)是一种多跳网络,具有组网灵活、网络覆盖率高等特点。信道分配与路由协议的优化,均能提高网络性能,是WMN中两个至关重要的研究内容。在多接口多信道无线Mesh网络中,节点接口数量和信道数量通常是不等的,因此本文将解决在满足网络连通的情况下实现负载均衡,同时考虑信道切换过于频繁导致网络效率和吞吐量的下降问题。路由协议方面,由于传统路由协议没有充分利用网络的广播特性,本文将基于机会路由协议进行改进,考虑如何更加合理的选择转发节点以及在减少预期传输次数的同时,减少节点间的协调开销。针对以上问题,在网络拓扑变化大的多接口多信道无线Mesh网络中,本文对其信道分配和路由协议两方面展开研究,主要创新点如下:1.提出一种基于负载均衡的多接口多信道分配算法(Dynamic Adaptive Channel Allocation Based on Load Balancing,DACA-LB)。在该算法中,首先设置静态接口以及专用信道来保证邻居节点之间的网络连通性。其次,根据CPU、内存和网络的利用率以及队列负载计算接口最大负载阈值,当队列负载超过该阈值时,动态切换至其它接口执行传输任务,达到实现接口之间负载均衡的目的。最后,根据信道分配算法计算出各信道干扰,队列将选择干扰最小信道进行传输。将此算法与ELIA(End-to-End Load-Aware Channel Assignment)和LBIA-OCA(Load-Balance and Interference-Avoid Channels Assignment)算法进行比较,实验结果表明,DACA-LB算法在实现接口负载均衡的基础上进行的信道分配提高了网络吞吐量,降低了平均丢包率。2.提出一种新的路由度量指标PTD(Probability Transmission Distance),该度量综合考虑了节点之间的物理距离以及链路传输概率,并在此基础上提出一种基于概率传输距离的机会路由算法(Opportunistic Routing Algorithm Based on Probability Transmission Distance,ORPTD),该算法首先根据节点之间的物理距离找到比源节点更靠近目的节点的所有邻居节点,并计算源节点与邻居节点之间PTD,根据其大小确定候选节点集。其次,计算候选节点与目的节点之间的剩余概率传输距离。于是,可得到源节点与目的节点之间的总概率传输距离,对其进行排序便可得到相应的有序候选节点集。源节点选择优先级最高的候选节点发送数据包,从而可以达到减小预期传输次数的目的。将此算法与Ex OR(Extremely Opportunistic Routing)、OAPF(Opportunistic Any-Path Forwarding)等四种候选节点选择算法进行比较,实验结果表明,ORPTD算法能够在较短时间内确定候选集,并使得预期传输次数最小。
其他文献
包含依赖挖掘(IND)是数据挖掘最重要的研究问题之一。包含依赖挖掘是指在一个关系型数据集中表示某一属性组合的所有值,都包含在另一属性组合的值中。它在外键检测、查询优化等领域都有重要应用。文中首先介绍了包含依赖的基本概念和现有算法及发展,然后重点从一元包含依赖挖掘的集中式和分布式两个角度进行算法原理的分析、设计、剪枝优化。集中式算法方面,本文充分利用日益增长的单节点多核计算能力和内存存储,使用多线程
学位
随着信息化的普及,司法领域提出了智慧司法的概念。智慧司法将人工智能,大数据等技术应用于司法工作之中,对司法过程与结果实行统一管理。自然语言处理是智慧司法的重要研究领域,其中包括机器翻译,文本分类,语言生成技术等。本文对智慧司法中的文本分类任务进行了研究,在舆情文本和裁判文书分类两个数据集上进行了大量实验。这两个数据集可以代表大多数司法领域的文本分类任务,我们希望通过对这两个数据集的分析与实验,对司
学位
在月球探测器精确着陆导航任务中,传统的基于惯性测量的导航方法由于其固有的漂移和误差特性,无法满足精确着陆任务的精度要求。为提高月球探测器着陆精度,本文提出一种基于陨石坑匹配的地形相对导航方法。该方法是通过探测器拍摄图像中陨石坑信息与所存储的月表陨石坑信息匹配来达到导航目的的一种导航方法。可以解决基于惯性导航方法长时间运动导致的累计误差问题。本文研究基于陨石坑匹配的地形相对导航方法,主要研究内容如下
学位
近年来,随着互联网技术的飞速发展,网络中时刻都会产生大量的时空数据,时空数据为同时具有时间维度、空间维度及其他属性得数据类型。时空数据在供应链、电子商务、物流等领域中具有广泛的应用。因此,在实际中保证时空数据的安全存储以及快速查询具有重要的意义。目前时空数据的主要存储方式多为集中式存储和分布式存储,但仍然存在数据不透明、且易被篡改等问题,同时容易形成数据孤岛,无法进行有效的数据共享。保障时空数据的
学位
随着信息技术的发展,区块链技术的应用领域越来越广泛,如金融、政务、数字货币、教育等。特别是在金融领域,对海量金融数据进行分类存储并找出具有重大潜在价值的事件,在推动信息技术融合、促进数字经济健康发展等方面具有广泛而深远的意义。金融时序数据具有规模大、场景复杂、类型多、易篡改、溯源困难等特征。因此,近些年,通过区块链技术对金融数据进行高效的存储和溯源引起了学术界的广泛研讨,也成为领域研究的重点和难点
学位
知识图谱嵌入任务由简单的翻译模型发展到如今基于各种复杂的神经网络方法,在模型性能大幅提高的同时,模型的参数也越来越多。以现如今性能最好的图神经网络模型为例,其训练的时间、占用的空间资源要数十倍于最经典的TransE翻译模型。对当前复杂的知识图谱嵌入模型进行优化,加快模型训练速度,减少模型占用显存,目前已经在知识图谱领域成为了一个新的热点问题。针对图神经网络预训练速度较慢,占用显存较高等问题,本文提
学位
数据增强作为自然语言处理任务中常用的技术一直受到了广泛的关注,尤其对于机器翻译这种需要大量训练数据的任务来说尤为重要。对于机器翻译领域中数据增强技术来说主要有两种方法,一种是反向翻译,另一种是词替换的方法,但由于词替换的方法所需资源更少,方法更为简单的特点,在某些低资源场景下相对来说更为合适。然而当前基于词替换的数据增强方法依旧存在一些不足之处:整体平均替换率较低,以及词与词之间相互独立进行替换而
学位
当今人工智能技术已经在社会生活的方方面面发挥着重要作用,但是现有的人工智能技术仍与人类的推理能力存在着很大的差距,而事件关系推理这一任务,通过让机器学习事件间隐含的逻辑关系,提高机器的认知能力,继而服务于下游任务。而如何让机器更好地学习到事件间隐含的关系,就是一项重要的课题。本研究通过引入外部事理常识知识,并结合事件联合推理技术实现时序和子事件关系推理。本研究首先探索了外部事理知识增强的时序关系推
学位
自然场景中的文本识别已经成为计算机视觉和模式识别领域的活跃研究领域。完整的识别过程包含场景文本检测和场景文本识别,即从图片中检测出文本实例,再用识别网络识别,本文只研究识别过程。本文以自然场景中低质量文本图像作为研究对象,针对不同的低质量文本图像,分别提出了三个模型来解决对应的问题。基于超分辨模块的场景文本识别模型。考虑到光学退化、拍摄时的抖动等原因,导致了字符形状的模糊,产生了低分辨率的文本图像
学位
超分辨率是计算机视觉中的一种经典技术。超分辨率技术指低分辨率的图像或者图像序列通过一系列方法,恢复出高分辨率图像。在很多领域例如监控、数字高清和医学影像等领域有很广泛的应用。超分辨率技术分为两种:单幅图像的超分辨率(SISR)和多帧视频/多图的超分辨率(Multi-frame Super Resolution)。SISR是一个逆问题,在重建高分辨率图像时,需要通过一个先验信息进行规范化约束。在以往
学位