自组织网络中基于喷泉码的端到端的传输协议的设计与实现

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:cgrong
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
自组织网络是一种无中心节点的分布式网络,其具有快速组网、灵活部署、抗毁能力强等优点,在军事行动、抢险救灾等方面应用广泛。传输控制协议(Transmission Control Protocol,TCP)是IP网络中一种典型的端到端传输协议,其能够在有线网络中提供高吞吐量的可靠传输。然而,在自组织网络中,无线信道时变且易受干扰、节点快速移动导致网络拓扑的动态变化及多跳传输带来的时延问题,使得TCP并不能很好地应用于自组织网络。因此,如何实现自组织网络中端到端的高速可靠传输成为自组织网络应用的一个关键技术问题。近年来,喷泉码技术得到了快速发展,喷泉码在传输过程无需反馈,发送端无需关注信道情况,在丢包率较高的信道环境下也有着优异的表现,因此,将喷泉码应用在自组织网络中来完成端到端的可靠传输成为一个新的研究方向。本文首先介绍了喷泉码的产生和基本概念、编译码原理以及几种基本的度分布。进而针对传统的喷泉码传输方案吞吐量较低的问题,提出了基于反馈的阶段式喷泉码传输方案,该方案的发送端分为度一发送阶段和鲁棒孤波分布发送阶段两个阶段进行发送,并利用反馈信息来加快喷泉码分组的传输。计算机仿真结果表明,相较于传统喷泉码传输方案,本文所研究的协议能够使网络吞吐量提升10%~20%,同时降低了接收端的译码开销。在完成传输协议的计算机仿真后,为了进一步验证所设计传输协议的正确性和有效性,我们将所设计的传输协议在自组织网络节点的FPGA中完成实现,并进行了时序仿真和实物测试。结果表明,本文所设计的协议能够有效地完成自组织网络中端到端的可靠传输,并在网络吞吐量性能上表现优异。
其他文献
红外成像技术在红外武器的研制与测试、目标的探测识别与跟踪、灾害救援等军事和民用领域都有着广泛的应用。近几年来国家对海洋资源不断重视,大规模海洋场景的红外仿真研究具有十分重要的现实意义。为此,本文依据红外物理知识和相关图形学方法对海洋场景进行建模仿真,实现了适用于大规模海洋战场环境的红外仿真框架,并对仿真效果进行了可信度评估。本文首先研究了海面的几何网格模型建模方法。在对比了四种常见的高度场建模方法
学位
随着智能化时代的来临,无人系统在农业、工业、航空、航海、军事等领域应用广泛。如今实际环境复杂多变,不同的任务需要用不同的算法实现且每个算法各有优缺点,单一的算法已不能满足实际需求。根据任务规划实现算法协同不仅能够利用算法其自身优势,而且可实现算法间的优势互补,提高无人系统的效率和智能化水平。本文主要研究无人系统中如何根据任务规划调用合适的算法以提高协同性和任务效率,主要工作如下:1.针对无人系统任
智慧交通是当前热门研究领域,智能网联汽车作为智慧交通的核心元素,已逐渐引起社会各界的广泛关注。通过车联网与智能车的有机联合,搭载先进的车载传感器、控制器、执行器等装置,融合现代通信与网络技术,实现车与人、车、路、后台等智能信息交换共享,极大的促进了车辆智能化的发展进程。然而,智能网联汽车在将传统汽车网络化、智能化的同时,也存在着诸多问题,例如:车内信息在CAN总线传输时加密强度较低、加密时间较长、
在当前的大数据时代,基于摄像头的设备使人们可以捕获大量数字图像数据。然而数字图像在获取过程中,由于受到恶劣天气、光照条件、成像设备的固有误差等影响,使得所捕捉图像的质量有所下降,例如成像内容模糊、分辨率降低、亮度与对比度变差等,影响了人类视觉感官需求和工业视觉任务效果。因此,图像复原技术具有重要意义。与此同时,深度学习已被应用于图像处理的各个领域并取得了良好的效果,注意力机制是深度神经网络中卓越的
飞行自组织网络(Flying Ad hoc Network,FANET)具有部署方便、灵活性强、功能多样和成本低廉等优点,被广泛应用于军事和民用领域。然而,FANET具有的无线自组织、节点能量受限以及拓扑高动态等特点,使得目前广泛应用于其中的三维贪婪周边无状态路由(3-Dimensional Greedy Perimeter Stateless Routing,3DGPSR)存在路由空洞、网络生存
益生菌是一种活的微生物,当摄入一定的量时,对健康有益。然而,要将益生菌纳入药物或者作为功能性食品,则需要证明其安全性和益处。本研究的目的是从东北传统发酵食品(辣白菜和辣酱)中分离出具有较高抗氧化能力的两株植物乳杆菌(L12和L20)。本研究分为三个阶段;首先对菌株的硝酸盐降解能力、胆固醇降解能力、乳糖分解能力、细胞粘附能力等功能特性进行了评价;之后对该菌株的体外生化指标分析,评价了抗生素敏感性、胆
随着科技的发展与社会的进步,计算机数字化时代的到来也带来了图像的数字化时代。图像作为我们日常生活中接触最多的信息,它的质量决定了人们对信息理解的准确度,因此高质量的图像在生活中十分重要。然而,由于图像在获取、传输、压缩的过程中都有可能受到噪声等因素的影响,造成图像不同程度的损坏,因此针对损坏图像的修复以及重建技术成为数字图像处理中的重点研究内容。图像修复技术就是利用图像中的已知信息来对图像中的未知
随着社会的快速发展,计算机技术在当今社会的重要性日益提高。在计算机技术人才的培养过程中,实验教学是非常重要的一部分。而实验教学平台会极大地影响实验教学的效果,目前很多高校所使用的实验教学平台都存在一定的局限性,比如有的平台缺乏对实验环境多样性的支持;有的平台服务能力难以扩展,使用人数较多时会受到较大的限制;有的平台无法满足用户的多样性需求,导致用户体验不够良好等。因此本文针对现有实验平台存在的一些
高分辨率遥感图像场景分类是遥感技术的重要应用,近些年来在自然灾害检测、环境监测和城市规划等诸多领域中发挥着越来越重要的作用。特征提取是遥感图像场景分类中的关键一步,当前以卷积神经网络为代表的深度学习方法能够自动提取图像特征、利用大量样本进行端到端的训练与预测,分类性能相比传统场景分类方法有了显著提高。然而,现有的深度场景分类方法多以层次化卷积获得判别场景的图像语义,所提取的特征信息单一,缺乏对关键