發(fā)布時(shí)間：2017-04-03 22:04

  本文關(guān)鍵詞：多接口多信道無線Mesh網(wǎng)絡(luò)關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：無線網(wǎng)狀網(wǎng)(Wiereless Mesh Network,WMN)作為一種新型的自組織和自管理無線架構(gòu)多跳接入網(wǎng),是寬帶無線接入“最后一公里”問題的解決方案。多接口多信道(Multi-radio multi-channel,MRMC)WMN有效克服了單信道WMN的干擾大、網(wǎng)絡(luò)性能差等諸多缺點(diǎn),成為國內(nèi)外無線網(wǎng)絡(luò)研究的熱點(diǎn)之一。國內(nèi)外關(guān)于MRMC WMN的研究目前尚處于起步階段,其中最優(yōu)信道分配策略、最優(yōu)路由協(xié)議和吞吐量預(yù)測(cè)還未見文獻(xiàn)報(bào)道。本文以提高M(jìn)RMC WMN吞吐量為目標(biāo),經(jīng)理論分析明確了MRMC WMN需研究的關(guān)鍵技術(shù),在Linux環(huán)境下利用NS2網(wǎng)絡(luò)仿真工具構(gòu)建了2種MRMC WMN模型,建立了LB-TS(Load Balance based on Tabu-search)和LB-GA(Load Balance based on Genetic Algorithm)信道分配算法,優(yōu)選了適應(yīng)2種MRMC WMN模型的路由協(xié)議,建立了基于支持向量回歸(Support Vector Regression,SVR)的MRMC WMN吞吐量預(yù)測(cè)模型。本文分別從信道分配算法、路由協(xié)議性能分析和吞吐量預(yù)測(cè)3個(gè)方面對(duì)MRMC WMN的關(guān)鍵技術(shù)進(jìn)行了研究。本文的主要工作和結(jié)果如下:(1)探明了影響WMN吞吐量的制約因素。在分析WMN結(jié)構(gòu)和特點(diǎn)的基礎(chǔ)上,揭示了隱蔽終端問題、流內(nèi)和流間干擾是制約WMN網(wǎng)絡(luò)吞吐量的關(guān)鍵因素。(2)搭建了MRMC WMN仿真平臺(tái)。通過比較,提出Ramon方案是網(wǎng)絡(luò)仿真環(huán)境NS2中單接口WMN擴(kuò)展為MRMC WMN的有效方案。利用Ramon方案,修改網(wǎng)絡(luò)仿真工具NS2.33代碼,使其支持MRMC WMN,建立6節(jié)點(diǎn)和13節(jié)點(diǎn)的MRMC WMN模型,MRMC WMN中每個(gè)Mesh節(jié)點(diǎn)配備2個(gè)接口卡,3條可用正交信道,為信道分配算法和路由協(xié)議性能分析搭建仿真平臺(tái)。(3)提出了基于禁忌搜索算法的LB-TS算法和遺傳算法的LB-GA算法,降低了信道之間的干擾。這2種信道分配算法通過估計(jì)每條鏈路上的流量負(fù)載,實(shí)現(xiàn)了信道流量的均衡分配,使信道分配后的鏈路帶寬接近鏈路的流量需求,提高了MRMC WMN吞吐量,減少了信道間的干擾。在6節(jié)點(diǎn)MRMC WMN中,采用LB-TS算法和LB-GA算法比TS在介質(zhì)訪問控制層(Medium Access Control,MAC)層的吞吐量分別提高了22.06%和35.62%,在IP層的吞吐量分別提高了10.90%和19.41%。在13節(jié)點(diǎn)MRMC WMN中,采用LB-TS算法和LB-GA算法比TS在MAC層的吞吐量分別提高了14.66%和12.96%,在IP層的吞吐量分別提高了12.93%和21.10%。(4)優(yōu)選了適合2種MRMC WMN的路由協(xié)議作為NS2.33仿真時(shí)默認(rèn)加載的路由協(xié)議。在NS2中采用Ramon方案對(duì)DSR、AODV和OLSR 3種無線路由協(xié)議的核心代碼進(jìn)行修改,使其支持MRMC WMN。分析了6節(jié)點(diǎn)和13節(jié)點(diǎn)MRMC WMN中,路由協(xié)議在1-4跳之間和0 Mbps-77 Mbps之間負(fù)載變化時(shí),LB-TS和LB-GA算法對(duì)4個(gè)路由協(xié)議性能指標(biāo)的影響。試驗(yàn)結(jié)果表明,使用OLSR路由協(xié)議時(shí)的網(wǎng)絡(luò)吞吐量較AODV和DSR分別提高了1.78%和3.25%,LB-TS和LB-GA算法分別對(duì)3種路由協(xié)議的4個(gè)性能指標(biāo)的影響均無顯著差異,表明LB-TS和LB-GA算法對(duì)3種無線路由協(xié)議的性能影響均無差異。因此,選取OLSR作為NS2運(yùn)行時(shí)所加載的路由協(xié)議。(5)建立了基于SVR的MRMC WMN吞吐量預(yù)測(cè)模型。針對(duì)目前常有預(yù)測(cè)模型因建模樣本少而帶來預(yù)測(cè)精度低的問題,在分析SVR核函數(shù)的基礎(chǔ)上,以徑向基核函數(shù)(Radial Basis Function,RBF)作為MRMC WMN吞吐量預(yù)測(cè)模型的核函數(shù),在NS2中建立6種MRMC WMN,在MAC層使用LB-GA信道分配算法,在網(wǎng)絡(luò)層加載OLSR路由協(xié)議。對(duì)NS2.33的仿真結(jié)果進(jìn)行數(shù)據(jù)采集,確定影響MRMC WMN吞吐量的關(guān)鍵因子,建立樣本集和測(cè)試集。分別采用網(wǎng)格搜索-10折交叉驗(yàn)證法和遺傳算法對(duì)RBF核函數(shù)參數(shù)進(jìn)行優(yōu)化,選擇2種優(yōu)化結(jié)果中均方誤差(Mean Square Error,MSE)值較小的參數(shù)值,建立基于SVR的MRMC WMN的吞吐量預(yù)測(cè)模型。(6)對(duì)基于SVR的MRMC WMN預(yù)測(cè)模型的預(yù)測(cè)精確度進(jìn)行了評(píng)估。利用NS2.33采集的數(shù)據(jù)集建立EWMA預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,對(duì)MRMC WMN吞吐量進(jìn)行預(yù)測(cè),并與基于SVR的MRMC WMN的吞吐量預(yù)測(cè)結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,基于SVR的MRMC WMN預(yù)測(cè)結(jié)果比BP神經(jīng)網(wǎng)絡(luò)和EWMA模型的預(yù)測(cè)精度分別提高了4.90%和36.26%。以上結(jié)果為減少M(fèi)RMC WMN干擾、減低網(wǎng)絡(luò)擁塞和提高吞吐量預(yù)測(cè)精度提供了技術(shù)支持,突破了限制MRMC WMN應(yīng)用的瓶頸,而且為將機(jī)器學(xué)習(xí)和優(yōu)化理論用于MRMC WMN的網(wǎng)絡(luò)信道分配和吞吐量預(yù)測(cè)領(lǐng)域提供了借鑒。
【關(guān)鍵詞】：無線Mesh網(wǎng)絡(luò) 信道分配 路由協(xié)議 吞吐量 預(yù)測(cè)模型
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN929.5
【目錄】：

• 中文摘要5-7
• abstract7-14
• 第一章 緒論14-29
• 1.1 研究背景14-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-23
• 1.2.1 信道分配方法研究現(xiàn)狀17-19
• 1.2.2 路由協(xié)議研究現(xiàn)狀19-20
• 1.2.3 吞吐量預(yù)測(cè)研究現(xiàn)狀20-23
• 1.2.4 擬解決的關(guān)鍵問題23
• 1.3 研究內(nèi)容23-24
• 1.4 技術(shù)路線及研究方案24-27
• 1.4.1 研究方法24-25
• 1.4.2 技術(shù)路線25-26
• 1.4.3 研究方案26-27
• 1.5 論文組織結(jié)構(gòu)27-29
• 第二章多接.多信道無線Mesh網(wǎng)絡(luò)概述29-46
• 2.1 WMN基本架構(gòu)29-33
• 2.1.1 WMN特點(diǎn)29-30
• 2.1.2 WMN體系結(jié)構(gòu)30-32
• 2.1.3 WMN流量模式32
• 2.1.4 WMN吞吐量32-33
• 2.2 信道分配關(guān)鍵技術(shù)33-34
• 2.2.1 多接.多信道WMN33
• 2.2.2 隱蔽終端問題33-34
• 2.2.3 干擾問題34
• 2.3 路由協(xié)議性能研究34-36
• 2.3.1 路由協(xié)議多信道擴(kuò)展35
• 2.3.2 路由度量35
• 2.3.3 性能分析指標(biāo)35-36
• 2.4 吞吐量預(yù)測(cè)關(guān)鍵技術(shù)36-37
• 2.4.1 數(shù)據(jù)來源36
• 2.4.2 影響因子36
• 2.4.3 預(yù)測(cè)模型36-37
• 2.4.4 預(yù)測(cè)評(píng)價(jià)37
• 2.5 多接.多信道WMN仿真平臺(tái)37-44
• 2.5.1 網(wǎng)絡(luò)仿真工具37-38
• 2.5.2 NS2網(wǎng)絡(luò)仿真工具38
• 2.5.3 NS2網(wǎng)絡(luò)組件38-39
• 2.5.4 IEEE 802.11實(shí)現(xiàn)39-41
• 2.5.5 MAC層多接.的實(shí)現(xiàn)41-44
• 2.5.6 NS2的運(yùn)行環(huán)境44
• 2.6 本章小結(jié)44-46
• 第三章 多接.多信道無線Mesh網(wǎng)絡(luò)信道分配算法研究46-70
• 3.1 IEEE 802.11體系結(jié)構(gòu)46-48
• 3.1.1 IEEE 802.11b47
• 3.1.2 IEEE 802.11g47-48
• 3.2 CSMA/CA協(xié)議48
• 3.3 多信道MAC協(xié)議48-49
• 3.4 信道分配算法49
• 3.5 信道分配模型49-56
• 3.5.1 假設(shè)50
• 3.5.2 物理模型50
• 3.5.3 網(wǎng)絡(luò)模型50-51
• 3.5.4 協(xié)議模型51
• 3.5.5 干擾模型51-53
• 3.5.6 網(wǎng)絡(luò)沖突模型53-55
• 3.5.7 網(wǎng)絡(luò)負(fù)載模型55-56
• 3.6 信道分配算法56-59
• 3.6.1 基于禁忌搜索的信道分配算法56-58
• 3.6.2 基于遺傳算法的信道分配算法58-59
• 3.7 實(shí)驗(yàn)方案59-65
• 3.7.1 實(shí)驗(yàn)條件59-61
• 3.7.2 實(shí)驗(yàn)對(duì)象61-62
• 3.7.3 流量模式62-63
• 3.7.4 信道分配63-64
• 3.7.5 仿真場景64
• 3.7.6 數(shù)據(jù)采集64
• 3.7.7 數(shù)據(jù)處理64-65
• 3.8 實(shí)驗(yàn)結(jié)果及分析65-69
• 3.8.1 6節(jié)點(diǎn)MRMC WMN吞吐量65-67
• 3.8.2 13節(jié)點(diǎn)MRMC WMN吞吐量67-69
• 3.8.3 性能分析69
• 3.9 本章小結(jié)69-70
• 第四章 多接.多信道無線Mesh網(wǎng)絡(luò)路由協(xié)議性能分析70-89
• 4.1 MRMC WMN路由協(xié)議特點(diǎn)70-71
• 4.2 常用無線網(wǎng)絡(luò)路由協(xié)議性能比較71-74
• 4.2.1 常用無線路由協(xié)議71-72
• 4.2.2 性能比較72-73
• 4.2.3 代碼修改73-74
• 4.3 路由協(xié)議性能評(píng)價(jià)指標(biāo)74-75
• 4.3.1 路由開銷74
• 4.3.2 數(shù)據(jù)包投遞率74-75
• 4.3.3 端到端傳輸延遲75
• 4.3.4 吞吐量75
• 4.4 實(shí)驗(yàn)方案75-78
• 4.5 實(shí)驗(yàn)結(jié)果及分析78-88
• 4.6 本章小結(jié)88-89
• 第五章 多接.多信道無線Mesh網(wǎng)絡(luò)吞吐量預(yù)測(cè)方法研究89-113
• 5.1 吞吐量預(yù)測(cè)研究方法89-90
• 5.2 支持向量回歸機(jī)SVR90-98
• 5.2.1 SVM工作原理91-96
• 5.2.2 SVR工作原理96-97
• 5.2.3 SVR核函數(shù)97-98
• 5.3 構(gòu)建基于SVR的WMN吞吐量預(yù)測(cè)模型98-106
• 5.3.1 實(shí)驗(yàn)方案98-102
• 5.3.2 核函數(shù)參數(shù)選取102-105
• 5.3.3 建立預(yù)測(cè)模型105-106
• 5.3.4 評(píng)估預(yù)測(cè)精度106
• 5.4 EWMA預(yù)測(cè)模型106
• 5.5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型106-107
• 5.6 實(shí)驗(yàn)結(jié)果及分析107-112
• 5.6.1 預(yù)測(cè)結(jié)果107-109
• 5.6.2 預(yù)測(cè)精度分析109-112
• 5.6.3 預(yù)測(cè)方法評(píng)價(jià)112
• 5.7 本章小結(jié)112-113
• 第六章 結(jié)論與展望113-116
• 6.1 結(jié)論113-114
• 6.2 創(chuàng)新點(diǎn)114
• 6.3 展望114-116
• 參考文獻(xiàn)116-125
• 致謝125-126
• 作者簡介126

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 李明迅;孟相如;溫祥西;袁榮坤;;基于在線LS-SVM的網(wǎng)絡(luò)流量預(yù)測(cè)[J];電視技術(shù);2012年07期

2 李開紅;鄒冬超;陳寶仁;;寬帶無線Mesh在輸電線路在線監(jiān)測(cè)的應(yīng)用研究[J];電力信息與通信技術(shù);2014年01期

3 馮興杰,魏新,黃亞樓;基于支持向量回歸的旅客吞吐量預(yù)測(cè)研究[J];計(jì)算機(jī)工程;2005年14期

4 王艷春;何東健;王守志;;基于級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)[J];計(jì)算機(jī)工程;2010年04期

5 符琦;陳志剛;蔣云霞;;集中式無線Mesh網(wǎng)絡(luò)信道分配策略研究[J];計(jì)算機(jī)應(yīng)用研究;2012年08期

6 霍燕斌;杭成寶;;無線Mesh技術(shù)在神華勝利露天礦GPS智能調(diào)度系統(tǒng)的應(yīng)用[J];露天采礦技術(shù);2013年11期

7 王錚;黎放;彭若虹;董鵬;;預(yù)測(cè)模型精度的評(píng)價(jià)[J];統(tǒng)計(jì)與決策;2008年09期

8 張海亮;何東健;吳建華;;基于改進(jìn)BP網(wǎng)絡(luò)模型的洪水預(yù)報(bào)研究[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李祥;基于機(jī)器學(xué)習(xí)的性能預(yù)測(cè)方法[D];浙江大學(xué);2010年

  本文關(guān)鍵詞：多接口多信道無線Mesh網(wǎng)絡(luò)關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：285030