论文部分内容阅读
近年来,网络通信技术的发展速度越来越快,无线互联网用户数量也在不断增加。网络的拥塞程度直接决定网络性能的优劣,因此如何避免网络拥塞仍然是目前网络的重点研究问题。但是,无线网络通信特征与有线网络存在着明显的区别,有线网络拥塞控制方法已不能满足无线网络的性能要求。因此,设计能够适用于无线网络的拥塞控制方法具有重要的意义。本文针对无线接入网络拥塞控制问题,分析了传统主动队列管理算法的特点和存在的不足,在无线接入网TCP/AQM流体模型的基础上,将鲁棒控制和智能控制应用到AQM算法的设计中,并通过NS2仿真工具验证算法的有效性。本文的主要内容包括：(1)考虑网络参数的变化和不确定性问题,建立具有参数不确定项和时滞项的无线网络TCP/AQM模型,提出基于状态反馈的无线网络鲁棒AQM算法(SFC, State Feedback Control),构造适当的李亚普诺夫函数保证了系统的稳定性,并利用LMI工具计算得到时延独立的状态反馈控制器参数,采用状态估计的方法得到网络窗口值,最后通过NS2软件仿真,与经典的AQM算法进行对比,验证了本文设计的AQM算法的鲁棒性能。(2)考虑网络参数的变化和不确定性对系统的影响,将无线网络系统描述为同时具有时滞项和参数不确定项的TCP/AQM模型,针对计算机通信过程中不能准确获取拥塞窗口值问题,采用H∞理论设计了基于状态观测器的无线网络鲁棒AQM算法(OBSF, Observer-based State Feedback),有效地减少了系统状态估计所引起的误差。选择合适的李亚普诺夫函数保证了系统的稳定性,并利用LMI工具求解控制器的参数。最后,通过NS2仿真实验,验证本文算法的鲁棒性。(3)针对无线网络没有精确的TCP/AQM模型问题,提出了一种基于BP学习规则的PID神经网络AQM算法(NNPID, Neural Network PID),并将该算法运用到无线网络单瓶颈链路中。采用梯度算法实现神经网络权值的在线调整,同时给出了算法的收敛性证明。仿真结果表明,本文所提出的算法具有队列响应速度快、波动小等显著优势。