论文部分内容阅读
认知无线电Ad Hoc网络(Cognitive Radio Ad Hoc Networks,CRAHNs)包括了许多比传统Cognitive Radio Networks(CRNs)更具挑战性的问题,这些挑战主要来自于独立频谱传输链路、多跳传输、变换的拓扑结构以及节点移动性等。目前,认知无线电的典型研究工作主要集中在机会频谱接入和频谱利用率等方面。因此,认知无线电的频谱感知、交换和共享等核心功能得到了快速的发展。然而,研究表明,在无线网络中CR技术对更高层次的网络协议栈,如TCP层,有着显著的影响,尤其是在移动ad hoc网络中。同时,基于CR技术的移动ad hoc网络TCP层研究工作正处于萌芽阶段,其研究程度远不能满足现有网络应用对传输服务的需求。现有TCP版本在高速无线网络下的性能研究表明,Vegas协议在小型高动态特性的Ad Hoc网络下性能表现比其他TCP协议更加稳定和突出。然而,Vegas协议缺乏前向准确控制依据且拥塞控制过于缓慢,不能达到充分利用网络带宽、保证服务公平性等目的。基于此,本文基于CRAHNs提出一种拥有预测和自适应能力的拥塞避免改进机制-GVegas。GVegas在以下三方面进行了提升:1、跨层吞吐量计算模型使理论吞吐量兼顾底层因子对上层协议的影响,使网络理论能达到的吞吐量更加精准;2、带修正的前向实际吞吐量灰色预测机制,提供在线拥塞控制依据;3、往返时延量化器和Q-Learning模型对最优拥塞窗口变化率进行探索,以最大化利用带宽。此外,本文利用lyapunov方法详细探讨前向实际吞吐量灰色预测模型收敛条件和速率,并对GVegas算法的时间和空间复杂度进行了分析。最后,本文在NS2环境下建立了经典链式Ad Hoc网络以及基于参考点的群组移动模型网络对该算法性能进行仿真验证,结果表明,GVegas改进协议在吞吐量和往返时延两方面均优于Vegas协议。此外,GVegas能够与其他TCP协议数据流友好的共存,其公平性比Vegas表现更突出。