一、基于随机过程的RIP网络路由收敛探讨（论文文献综述）
史建超[1]（2021）在《面向电力物联网信息感知的电力线与无线通信融合关键技术研究》文中研究指明电力物联网技术对保障电网的正常运行具有重要作用,由于我国配用电网络拓扑结构复杂,配用电设备种类多且数量大、覆盖范围广,配用电设备安装场所电磁环境复杂,任何单一通信方式都难以胜任智能配用电网信息感知的需求。为了提高配用电网信息感知通信的可靠性,论文研究了电力线与无线通信融合关键技术,使两种通信方式优势互补,提高了配用电网数据传输的可靠性及通信覆盖率,并通过正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）资源分配方法优化资源配置,增强网络性能。本文的主要工作及研究成果如下:（1）提出一种基于深度学习的电力线信道传输特性识别方法,通过构建基准样本、训练识别模型、构建噪声样本、自编码去噪处理和去噪样本识别的过程,完成对电力线信道传输特性的识别,以便于后续深入研究计及OFDM资源分配的电力线与无线通信融合方法。（2）针对启发式算法易于陷入局部最优解的特点,提出迭代激励机制和迭代激励因子的概念,增强算法的全局搜索能力及收敛速度,仿真结果验证了迭代激励机制能增强启发式算法的寻优性能。结合迭代激励因子动态控制系统参数和Levy飞行双蚁群竞争择优,提出了改进蚁群服务质量参数感知路由算法。通过与其他算法的仿真对比,验证了所提算法收敛速度较快且不易陷入局部最优解,使通信节点快速寻找到最优通信路径。（3）以改进蚁群算法为基础,设计相应的通信协议、组网方法和路由重构策略,构成基于改进蚁群算法的电力线通信服务质量（Quality of Service,QoS）约束组网方法。采用直接路由重构方式与间接路由重构方式相结合的路由重构策略,对电力线通信网络进行动态维护以增强其稳定性和可靠性。仿真结果表明,该组网方法能针对不同的电力线通信服务类型选择相应的最优通信路径,保障数据的高效可靠传输。（4）提出一种低压电力线与微功率无线通信融合方法,通过在电力线与无线混合通信网络的介质访问控制层建立统一的通信协议、网络层实现最优通信路径组网、业务层基于误码率需求因子的子业务流分配,实现低压电力线通信与微功率无线通信的跨层融合。仿真结果表明,混合通信网络的性能优于其他对比网络。提出多跳中继电力线通信网络中的OFDM跨层资源分配算法和计及OFDM资源分配的电力线与无线通信融合方法。仿真结果表明,所提资源分配算法具有较高的系统吞吐量和较好的时延特性,所提通信融合方法能满足电力物联网感知层和网络层对通信接入的需求。（5）结合理论研究,提出基于PLC-LoRa（Long Range）的多模通信融合技术和基于低压PLC-中压PLC-4G/2G桥接中继多模通信融合技术。研制配用电网智能感知终端,并应用于企业能效及安全用电监控系统和农村偏远地区集中抄表的实际工程项目中,服务企业数千家,安装各类终端数万套。
李兆恩[2]（2021）在《基于机器学习的无线Mesh网络路由算法研究》文中研究指明无线Mesh网络具备组网配置灵活、链路带宽高、非视距多跳传输、兼容性良好、动态适应性强、低成本的优点,已经被广泛部署到万物互联的网络场景。路由技术是无线Mesh网络路由器转发数据包的核心技术。传统无线Mesh网络路由算法的路由发现机制由数学模型驱动,无法快速适应实时改变的网络状态,容易造成网络资源配置不均匀不充分的现象。机器学习路由算法通常是以数据驱动的,因此其能够通过分析过去网络统计数据和性能数据来推断最佳决策。近年来用于解决路由问题的机器学习技术分类主要包括监督学习和强化学习。监督学习需要大量训练数据集进行训练,而现有网络环境中难以获得大量正确标记的数据集。基于强化学习的路由算法可以克服监督学习需要大量训练数据集的不足,更适用于路由问题。现有基于分布式多跳无线网络的强化学习路由算法主要根据优化目标对奖励函数进行研究,但是对于链路干扰、节点负载在内的路由负载均衡性能考虑不够充分。因此,基于强化学习对无线Mesh网络路由问题进行建模,并从负载均衡的角度设计奖励函数具有重要的研究意义。论文针对现有分布式强化学习路由方案对路由负载均衡性能考虑不足的问题,提出了符合多接口多信道无线Mesh 网络路由特性的基于Q学习及负载与干扰感知的路由算法（Q-Learning Load Interface Aware Routing Algorithm,QLNLIA）,设计了包括链路干扰以及节点负载在内的奖励函数,使其能够根据网络状态的变化不断进行学习以适应无线介质和网络拓扑的动态变化,并对其进行平滑处理以避免对网络变化过度反应。QLNLIA算法通过单跳Hello包广播的方式,动态地调整路由策略选择下一跳中继节点来转发数据包。仿真结果显示,QLNLIA算法有效避开了网络重负载区域,实现了负载均衡的效果,提升了网络吞吐量性能。无线Mesh网络中网关节点承载了内部网络与Internet网络交互的流量,无线Mesh网络研究通常为无线Mesh网络配备多个网关节点以缓解瓶颈网关节点压力。针对目前多网关无线Mesh网络场景下分布式强化学习路由算法未统一考虑网关负载与到达网关的路径质量问题,论文在QLNLIA算法基础上提出了基于Q学习及负载和干扰感知的多网关负载均衡选择路由算法（Q-Learning Gateway Selection Load Interface Aware Routing Algorithm,QLGSLIA）,该算法为Internet业务与非Internet业务分别设计了奖励函数,将网关侦听范围划分为热点区域,使非Internet业务主动避让网关节点;对于Internet业务,将网关负载同链路干扰负载等网络参数统一考虑,以强化学习的方式结合到达网关路径综合负载情况合理选择网关节点,从整体上提升网络吞吐量。仿真结果显示,本研究内容提出的强化学习方法综合考虑了无线Mesh网络的各项路由指标,可以灵活的调整路由策略,充分利用网关资源,保证服务质量,提高网络整体吞吐量,降低平均端到端时延。论文最后对全文研究工作做出总结,并对下一步研究工作做出展望。
丁银瓶[3]（2020）在《面向SDN的多优先级数据流调度机制研究》文中认为软件定义网络（Software Defined Network,SDN）通过控制器中的软件模块来实现可编程化从而控制底层硬件,实现对网络资源的按需分配。为了在SDN中实现对视频点播和在线视频会议等新型业务的服务质量（Quality of Service,Qo S）保障,有必要研究SDN环境下多优先级数据流调度策略以及对不同调度策略下的网络模型进行性能分析。主要工作如下:1.构建基于SDN的多优先级数据流的队列调度和负载均衡传输机制相结合的系统模型,用以减少SDN网络系统端到端的时延,同时保障不同实时性需求的多优先级数据流的服务质量,增加网络对数据传输的稳定性与可靠性。2.运用随机网络演算分别对采用通用处理共享（Generalized Processor Sharing,GPS）、非抢占式、抢占式调度算法的系统模型进行端到端的时延性能分析和比较。仿真结果表明,在SDN中使用GPS调度下的系统模型的时延性能比非抢占式调度和抢占式调度下的系统模型的时延性能更高,能够更有效的保障不同优先级数据流的服务质量,尤其是保障高优先级数据流的服务质量。3.为了应对实际网络中经常发生的大流量突发现象,针对第3章提出的系统模型,提出混合自适应调度算法,对此算法下的系统模型进行端到端的时延与积压性能分析,并与第3章GPS调度下系统模型的时延与积压性能进行对比分析。仿真结果表明,在此调度算法下,系统模型的时延性能比GPS调度下的系统模型的时延性能更高且其积压性能也更好。因此,针对网络流量突发提出的混合自适应调度算法下的系统模型更加适合运用在实际网络当中。4.对GPS和混合自适应调度算法下的系统模型进行实验验证,确保理论分析的正确性。本文主要研究了SDN网络系统的端到端时延性能。首先构建多优先级数据流的队列调度和负载均衡传输机制相结合的系统模型,提高SDN网络对数据流的服务能力。然后利用随机网络演算理论对不同调度算法下的系统模型进行理论分析。最后采用网络实验验证理论推导的正确性。
朱森鹏[4]（2019）在《网络多路径传输及其实时流媒体应用研究》文中提出随着网络技术的不断发展,网络用户对网络通信业务尤其是实时传输业务的服务质量（Quality of Service,QoS）提出了更高的要求。而传统网络一般使用最短路径路由和单路径传输方式,在路径发生故障时会影响网络传输质量,甚至造成网络中断,为应对网络服务质量带来了挑战,探索面向连接的多路径传输方式成为研究热点之一。本文给出两种网络层多路径传输方法,可以较低的代价实现网络性能的提升,提高网络的性价比。向量网（Vector Network,VN）是一种新型的面向连接的通信网络,具有成本低,安全性高和支持多路径等优点。利用向量网多路径能力可以提高网络可靠性、QoS等性能,但是如何感知路径状态,以便及时切换故障路径是首先需要解决的问题。本文主要以最具挑战性的通信业务,即语音这种实时流媒体为例说明本文所设计多路径传输方法的有效性,主要工作与成果如下:（1）设计了向量网的端到端多路径切换（End-to-end Multipath Handover in VN,MPH-VN）传输方法。在MPH-VN方法中引入了路径切换,设计了基于时间间隔测量的路径异常检测方法和基于异常信息反馈的路径切换方法。MPH-VN可以通过路径异常检测和路径切换及时感知路径状态并切换异常路径,同时进行一定的丢包重传,能够有效地降低网络传输过程的丢包率。仿真实验表明,该方法有效提高了端对端的传输质量。（2）设计了向量网的端到端多路径轮转（End-to-end Multipath Rotation in VN,MPR-VN）传输方法,该方法引入了路径轮转,使用了丢包计数机制来对路径状态进行监测。仿真实验表明,该方法应用于向量网可以避免因某一条路径异常而产生大量丢包,同时降低了端到端时延。（3）设计并实现了支持向量网协议的OMNET仿真平台,对向量网及其网络对象进行了仿真,给出了向量网多路径传输过程的向量数据包格式的定义,并设计了网络故障模型来模拟真实网络环境中的异常情况。总之,本文提出了MPH-VN和MPR-VN两种多路径传输方法,并建立了向量网OMNET仿真平台。仿真实验结果表明与IP网传统传输方式相比,MPH-VN和MPR-VN两种方法均可以有效降低网络丢包率和网络延时,可提高语音实时流媒体的传输质量。
刘子鸾[5]（2018）在《卫星网络路由与流量控制关键技术研究》文中研究表明卫星网络具有覆盖面广,组网灵活,接入简单,不受地理环境限制等突出优点,成为了实现全球无缝实时信息传递的一种有效方式。经过近20年的发展,卫星网络的应用已从传统的国防军事,电视转播迅速拓展到了多媒体广播、气象环境检测、定位导航、远程医疗、远程教育和高速互联网接入等众多领域。路由与流量控制技术,作为解决卫星网络承载信息数据的核心技术,是保证卫星网络各项业务顺利开展的关键。然而卫星高故障、难修复的特点,以及全球卫星业务流量急速膨胀的客观趋势,不断给卫星网络路由与流量控制带来严峻的考验。本文面向未来卫星网络的现实需求,以提升卫星网络路由与流量控制能力为主线,对卫星网络路由抗毁、流量均衡与流量预测等三个重要方面进行了深入研究,具体研究内容与主要贡献为:（1）研究了卫星网络路由算法的抗毁性能并提出了异常路径评价指标卫星网络路由算法是卫星网络通信协议的基础与核心。近年来路由算法的研究成果屡见不鲜,但真正深入对比分析已有路由算法的性能,尤其在网络存在故障下的性能的工作却鲜有开展。由于卫星所用精密设备的特殊性,以及太空环境的复杂多变性,卫星节点与链路呈现高故障、难修复的特点。因此,开展路由算法故障下的性能分析是符合卫星网络实际应用需求且对于挑选、设计有效的路由算法是十分必要的。本研究首次在Network Simulator version 2（NS2）环境下对卫星网络主流路由算法进行了仿真,并通过设计丰富的测试用例深入分析了各路由算法在网络正常工作场景、单点路障场景、多点故障场景下的抗毁性能与自愈性能。此外,为弥补传统路由评价指标无法从网络内部分析路由算法瞬时收敛性能的不足,本文创新性地提出了异常路径评价指标。仿真结果表明,本部分的研究能够正确地揭示卫星网络路由算法多个重要的抗毁特性,同时,异常路径评价指标能够充分发挥评测作用,弥补传统评价指标的不足。（2）提出了一种基于全局一局部混合策略的卫星网络流量均衡算法伴随卫星网络技术的不断发展,网络业务流量需求日益增加,而卫星网络带宽资源有限,由此导致网络拥塞频繁发生,严重影响网络业务服务质量。以近些年国内外发展、管理卫星网络的经验看,解决卫星网络流量拥塞问题不能一味地依靠提升卫星的硬件能力,而更应依靠有效的流量均衡算法来从根本上改善带宽资源的利用方式。已有的卫星网络流量均衡算法具有过度依赖单一策略的缺陷。为改善这一问题,本文提出了一种基于全局—局部混合策略的流量均衡算法（Hybrid Global-Local Load Balancing,HGL）。HGL 算法充分考虑了卫星网络的规则性与周期性,将卫星网络的流量需求分解为一个可预测的大尺度变化基线和一系列不可预测的小尺度随机波动。针对大尺度流量基线,HGL算法采用全局流量均衡策略主动地将流量在全网范围分散传输。之后,为处理小尺度随机波动可能引发的突发拥塞,HGL算法采用局部流量均衡策略快速地调整路由、缓解拥塞。通过不断结合全局策略与局部策略,HGL算法最终得以以最优的方式传输网络流量并彻底消除网络拥塞。仿真结果表明HGL算法是适合于卫星网络特殊应用环境的流量均衡算法,并且它能够在不过度增加通信开销的基础上有效地消除网络拥塞,降低网络传输时延、丢包率和路由震荡等问题。（3）提出了一种基于主成分分析与广义回归神经网络的卫星网络短时流量预测算法。卫星网络流量预测可以指导网络管理者规划流量、调配资源,从而有效避免网络拥塞,保障QoS（Quality of Service）,提升资源利用率。流量预测的有效应用有助于卫星网络的流量控制从被动的响应模型向主动的感知模型实施转变。为弥补卫星网络流量预测领域的空白、实现准确有效的卫星网络流量预测,本文提出了一种基于主成分分析（Principal Component Analysis,PCA）与广义回归神经网络（General Regression Neural Network,GRNN）的卫星网络短时流量预测算法（PCA-GRNN）。PCA-GRNN算法深入挖掘了卫星网络独有的流量相关规律,并充分利用了时空相关流量来提升卫星网络流量预测的准确度。在开展预测时,PCA-GRNN算法首先选取与目标流量最为相关的时空相关卫星流量作为预测的原始输入。之后,为消除相关输入流量间的信息重叠和冗余,PCA-GRNN算法使用主成分分析对输入流量进行降维。最终,根据降维之后的主成分,PCA-GRNN算法使用具有优秀非线性预测能力的广义回归神经网络对目标流量进行短时预测。仿真结果表明,相比于其它主流的流量预测算法,PCA-GRN-N拥有更高的预测精度,更短的训练时间以及更稳定的预测结果。此外,在流量数据存在缺失的实际卫星网络工作场景下,PCA-GRNN算法也能保持较高的预测精度和预测稳定性。由此,PCA-GRNN算法能够满足未来实际卫星网络实时流量预测的应用要求。
姚文强[6]（2017）在《基于ZigBee的路灯网络路由算法的研究与应用》文中指出随着我国城镇化进程的加快,城市路灯系统的规模也正在快速增长。限于传统的故障排查和开关控制方式,不能对路灯进行远程实时控制和在线信息获取,导致系统的管理成本高,智能化水平低。因此,通过ZigBee组网的方式使其能够实现网络化、远程化管理的趋势势在必行。在路灯网络中进行消息路由时,虽然洪泛的方式扩散速度快,但存在冗余数据过多导致信道拥塞的问题,使得实际应用中的路灯网络规模受到一定的限制。其他如Cluster-Tree算法存在节点地址分配不灵活的问题,AODVjr算法则存在路由发现、维护、RREQ广播风暴等问题。针对上述问题,本文提出了一种基于标识的确定路径云路由算法,能在路灯网络中较快较优地进行路由选择。然后提出了一种ZigBee网络中消息传播的高阶描述模型,对关键节点通信异常的情况下网络中存在的路由收敛问题进行了定量分析和研究。为了在真实路灯网络中减少关键节点通信异常情况的发生,本文提出了一种双通道融合的通信方案。在对这些算法、模型和方案的研究中,本文取得了以下研究成果:（1）提出了一种基于标识的确定路径云路由算法,有效利用了服务器的全局知识,并借鉴了Cluster-Tree和AODVjr算法的核心思想,让数据包在路灯网络中能较快较优地进行路由选择。（2）对关键节点异常情况下的路灯网络进行抽象分析,提出了一种消息传播的高阶描述模型,考虑了节点被访问次数和节点度两个参数,对现有随机步模型进行了修正,避免了高估覆盖节点率的问题,也确定了数据包在网络中传输的收敛边界。（3）在网关节点中设计并实现了一套融合通信机制,成功实现了数据双通道传输,有效提升了传输带宽和传输稳定性。该机制的思想可扩展到其他领域。最后,在张家港两个乡镇实际部署的1000多个节点的路灯网络中,确认了本文路由算法和融合通信方案的有效性,证明了本文提出的算法可适用更大规模的路灯网络,并且通信效率和质量更高。
肖勇[7]（2016）在《智能用电量测体系下电力线载波通信测评技术研究》文中指出低压电力线载波通信是利用电网线路传输数据,该技术已在智能用电信息采集系统及计量自动化系统中进行了应用。然而受电网环境中信号传输衰减、电网噪声、线路阻抗、等因素影响,电力线载波通信性能受到严重制约。由于缺乏针对低压电力线信道特性的系统研究,电力线载波通信标准制定和技术选择时缺少有效的依据,更无法保证低压电力线载波通信的稳定和可靠。本文针对低压电力线载波通信在智能用电量测体系中的定位、低压电力线载波通信信道实际运行参数的提取和分析、通信测评模型以及通信测评手段等方面存在的问题,开展低压电力线载波通信测评技术研究,主要工作及成果包括：（1）介绍了基于低压电力线载波的智能用电量测体系,并将智能用电量测体系自下而上分为感知互动层、网络传输层和应用服务层。深入研究了感知互动层信息感知技术、网络传输层的通信技术以及应用服务层的信息汇聚、处理与展示技术。明确了智能用电量测体系下电力线载波通信的地位和作用,为后文介绍电力线载波通信测评技术奠定基础。（2）研究低压电力线载波通信信道特性,测量低压电网环境和用电设备特征参数,完成低压电力线时变噪声及传输衰减信道建模,为电力线信道研究和电力线载波技术测评提供依据。（3）研究电力线信道模拟技术和载波通信测评技术,建立面向智能电能计量设备的通信性能测试系统,搭建低压电网模拟测试环境,全面评测相关设备的载波通信性能。（4）开展低压电力线载波通信测评系统的应用。基于信道模型完成信道噪声特性、信道传输特性以及通信数据传输实例的仿真分析。通过对载波通信测评系统的模拟信道实际特性测试以及信号波形的传输实验,有效考核用电信息采集设备的载波通信性能。本文研究成果已应用于南方电网公司智能用电设备通信性能测评工作,为相关设备的可靠通信提供了技术保障。
王厚天[8]（2014）在《基于QoS保证的卫星通信系统关键技术研究》文中研究指明卫星通信系统具有覆盖范围广、受地理环境因素影响小等特点,从而使得卫星通信成为当前通信领域中迅速发展的研究方向和现代信息交换强有力的手段之一。目前,下一代卫星通信网络正朝着更高速率、更大带宽的方向发展,其与地面通信网络联合组成全球无缝覆盖的信息交换网络。随着空间通信技术的飞速发展和业务需求的急速增长,有限的无线资源与多媒体业务不断提高的QoS要求之间的矛盾日益尖锐,使得设计可以支持高速、高质量多媒体传输的资源管理策略成为当前空间通信领域关注的重点。同时,卫星组网技术直接关系到卫星网络能否实现全球覆盖以及卫星网络的可扩展性问题,是卫星通信系统研究中的关键问题。相应的,路由协议、链路切换等都要针对卫星网络的特点重新设计,以星上路由交换为核心的新型卫星通信系统是空间通信领域的另一个研究重点。论文研究基于QoS保证的卫星通信系统若干关键技术,主要针对低轨道卫星星座网络中的路由算法和宽带高轨道卫星网络中的资源管理相关算法展开深入研究。本论文的主要创新点和研究工作如下：（1）基于跨层蚁群优化的低轨道卫星网络路由策略为了增强LEO卫星网络的鲁棒性和实现负载平衡,提出一种基于跨层蚁群优化的LEO卫星网络负载均衡路由算法CAL-LSN。该算法在进行路由决策时能够将物理层的信道状态信息考虑在内。为了实现负载平衡,算法CAL-LSN建立了一种多目标优化模型,利用蚁群算法对该模型进行求解。同时,本文对蚁群算法信息素挥发系数的取值进行了推导以便提高算法的鲁棒性,同时仿真研究了算法CAL-LSN的性能。研究结果表明算法CAL-LSN在有效实现负载平衡的同时可以提高接收端吞吐量,并且能够确保系统传输时延和时延抖动满足实时业务传输的需要。（2）基于改进蚁群系统的低轨道卫星网络多径路由策略本文针对LEO卫星网络的特点,提出一种基于改进蚁群系统的多径路由算法MPRA-AC,算法建立了从源用户到目的用户的多条路径。为了提高网络的鲁棒性,本文所建立的多目标优化模型旨在最小化主用路径和备用路径的公共节点数。同时,结合低轨卫星网络的特点,本文对原始蚁群算法做了改进,并在此基础上通过构建仿真平台来衡量算法MPRA-AC的性能。仿真结果表明,MPRA-AC算法能够更加快速的发现可行较优路径。和LEO卫星网络的DSR-LSN算法（低轨道卫星网络的动态源路由算法）相比,MPRA-AC不仅提高了网络链路利用率,同时也提高了卫星网络中数据包的投递率,提高率约为7.9%。（3）基于跨层混沌预测的宽带多媒体卫星网络资源请求策略本文提出一种基于跨层混沌预测的资源请求算法CBRA-CPM。该算法目的在于解决用户接入卫星网络的带宽请求问题,并且通过引入跨层架构以便能够对信道状态进行感知。在算法CBRA-CPM的设计过程中,卫星终端能够根据信道状态改变其向信关站申请带宽资源的数量,同时结合网络流量的自相似特性,算法引入混沌预测模型对流量进行预测。通过采用OPNET和MATLAB联合仿真的方法,算法仿真平台被构建。通过对本文所提算法和DAMA-CPM算法（基于混沌预测的按需分配多址接入算法）进行性能比较,本文所提算法在降低系统端到端时延的基础上提高了接收端的系统吞吐量。（4）基于OPNET的宽带多媒体卫星通信标准半实物仿真机制研究半实物仿真是一种将硬件测试和软件评估相结合的仿真方法,通过将实物接入系统从而尽可能取代虚拟模型,使仿真结果更接近实际情况。因此,采用半实物仿真对宽带多媒体卫星通信系统进行建模分析具有重要的研究价值。本文在基于对半实物仿真机制深入调研的基础上,进行DVB-RCS通信体制的研究,构建基于半实物的DVB-RCS通信体制仿真平台,解析影响系统的各种因素,并最终开发出应用于宽带多媒体卫星通信体制的仿真模型,建立相对复杂的半实物测试环境。
卢俊岭[9]（2013）在《不确定环境下无线传感器网络路由算法研究》文中研究表明物联网实现人和物的连接,感知和采集数据的无线传感器网络（Wireless Sensor Networks, WSNs）是其感知事物的核心技术。随着无线传感器网络的普及和研究的深入,基于确定性环境的假设前提,开展资源有限网络路由问题的研究难以满足实际应用的需求。无线传感器网络在部署环境、无线通信、服务质量和网络拓扑等方面同时存在众多不确定性,既有刻画事件发生与否的随机性,也有刻画对事件主观认识的模糊性。在不确定网络环境下研究无线传感器网络的路由问题,需要相应的不确定性理论和优化理论来刻画路由过程中的各种不确定因素,包括干扰模型、传播模型、移动模型和服务质量等,从而为不确定环境下WSN路由算法的研究提供理论基础和保证。为了刻画WSN路由的不确定性,论文基于概率论、模糊集理论、模糊随机理论和优化理论进行路由模型的建模,重点对无线干扰、网络模型、服务质量和路由优化模型的不确定性进行分析和表示,同时设计相应的路由算法和仿真实验开展不确定环境下WSN路由算法的研究。论文的主要工作概括如下：（1）针对干扰条件下无线链路数据传输的随机性特征,综合考虑数据传输的发送节点和接收节点,分别基于信道竞争和物理干扰模型推导出数据成功传输的可能性,提出了干扰条件下数据成功传输概率的发送模型和接收模型,构造了跨层设计的干扰感知路由指标,设计了干扰感知的概率路由（Interference-Aware Cross-layer Probabilistic routing, IACP）算法,分析了该算法的正确性和时空复杂度。基于NS2平台的仿真实验表明,与典型的自组织按需距离矢量路由算法相比,由于考虑干扰的影响,尽管IACP路由算法所找到路径的平均长度略有增加,但采用IACP路由算法的无线传感器网络在包递交率、吞吐量、抖动和较大规模下平均时延等方面具有更好的性能表现。（2）针对无线信号功率随机衰减和干扰条件下无线链路数据传输的随机性特征,基于无线传感器网络概率网络模型和物理干扰模型,推导出干扰条件下数据成功传输的概率干扰模型,构造了综合干扰、路由收敛性和节点剩余能量等因素的路由指标,讨论了路由指标和各种影响因素之间的关系,设计了概率网络模型下的干扰感知路由（Probabilistic Network Model based Interference-aware Routing, PNMIR）算法,分析了该算法的正确性和时空复杂度。基于NS2平台的仿真实验表明,结合典型的随机路点移动模型,针对停留时段和运动速度上界两个模型参数的不同取值,在兼顾单个包能耗和平均时延的同时,干扰感知的PNMIR路由算法比典型的贪婪周边无状态路由算法均具有更高的包递交率,能够更好地满足要求较高可靠性的应用场景。（3）针对无线传感器网络服务质量同时具有模糊性与随机性的双重特征,引入模糊数和模糊概率,在多约束与多路径路由模型的基础上,得到了基于模糊随机规划的多约束与多路径路由模型,统一刻画了服务质量约束的随机和模糊双重不确定性,实现了模糊随机规划路由模型的线性化,设计了基于模糊随机规划的多约束与多路径路由（Fuzzy Random Multi-constrained Multipath routing, FRMCMP）算法,分析了该算法的正确性和时空复杂度。基于NS2平台的仿真实验表明,随着服务质量约束的模糊感知,与仅考虑随机性的多约束与多路径路由算法相比,FRMCMP路由算法在及时包递交率和平均时延两个性能指标上具有更大的表示范围,通过置信水平的改变,能够在不同程度上调节及时包递交率和平均时延,从而更好地满足不同无线传感器网络应用场景的需要。（4）针对无线传感器网络优化目标和约束同时具有模糊性与随机性的情形,基于模糊随机期望值模型及其标准差扩展,结合多目标优化理论,分别给出了不同的模糊随机多目标优化路由模型,讨论了模糊随机变量与模糊随机函数的期望值和标准差的计算方法,利用在基于Pareto排序的遗传算法中嵌入模糊随机模拟的方法,分别构成混合模糊随机遗传路由（Hybrid Fuzzy Random Genetic routing, HFRG）和模糊随机多目标优化路由（Fuzzy Random Multi-Objective Optimization routing, FRMOO）算法进行求解。基于Matlab平台和C语言混合编程的仿真实验表明,上述路由算法一次求解同时得到多条最优路径,具有很好的灵活性和高效率,而且与仅考虑随机性或者模糊性的路由算法相比,所提出的路由算法具有更长的生存周期,能够在更大范围内合理地平衡无线传感器网络的多个性能指标,具有良好的鲁棒性。论文研究在国家自然科学基金“不确定环境下的无线多媒体传感器网络数据传输新机制研究”（编号：60970054）和“移动无线传感网中恶意代码传播的时空动力学理论和方法研究”（编号：61173094）支持下,基于随机不确定性和模糊随机双重不确定性建立了无线传感器网络的多种路由模型,利用不确定性理论同时刻画了路由过程中的随机性和模糊性,设计了不确定环境下的多个WSN路由算法,丰富和完善了WSN路由算法的研究。
王玲芳[10]（2013）在《对等项目Freepastry的分析和启示》文中提出随着对等计算热潮的逐渐消逝,新的研究热点会是什么,目前还无从得知。但我们可以从对等计算的兴起、中盛到慢慢趋于平缓的趋势,也许可以领悟到点什么。本文分析了莱斯大学和微软研究院联合研究的对等项目Freepastry。首先给出Freepastry的项目结构,之后从文献分析、源代码结构两大方面,对该项目进行了详细剖析,最后从选题、项目设计以及工作程序和方法三个方面,给出我们得到的些微启示,供行内研究人员参考。
二、基于随机过程的RIP网络路由收敛探讨（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于随机过程的RIP网络路由收敛探讨（论文提纲范文）
（1）面向电力物联网信息感知的电力线与无线通信融合关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 电力物联网现状及存在的问题 |
| 1.1.2 课题研究的目的和意义 |
| 1.2 电力线通信技术的发展及现状 |
| 1.2.1 电力线通信技术的标准化发展及现状 |
| 1.2.2 电力线通信技术的应用发展及现状 |
| 1.2.3 电力线通信技术的理论研究现状 |
| 1.3 电力线通信路由及组网算法研究现状 |
| 1.3.1 PLC网络信道接入协议研究现状 |
| 1.3.2 PLC网络路由算法研究现状 |
| 1.4 电力线通信与无线通信融合技术研究现状 |
| 1.5 论文主要工作及组织结构 |
| 第2章 电力线与无线信道特性研究 |
| 2.1 引言 |
| 2.2 电力线通信网络的拓扑结构 |
| 2.3 电力线信道衰减模型与噪声模型 |
| 2.3.1 电力线信道衰减模型 |
| 2.3.2 电力线信道噪声分类及模型 |
| 2.4 无线信道衰落特性 |
| 2.5 基于深度学习的电力线信道传输特性识别 |
| 2.5.1 方法的可行性分析及流程图 |
| 2.5.2 构建样本及模型识别训练 |
| 2.5.3 去噪自编码器网络搭建过程 |
| 2.5.4 去噪效果仿真 |
| 2.5.5 去噪样本识别结果 |
| 2.6 本章小结 |
| 第3章 改进蚁群路由算法及电力线通信组网方法 |
| 3.1 引言 |
| 3.2 蚁群算法基本原理及组网模型 |
| 3.2.1 蚁群算法基本原理 |
| 3.2.2 电力线通信路径的QoS参数 |
| 3.2.3 电力线通信组网的数学模型 |
| 3.3 基于迭代激励因子控制的Lévy飞行双蚁群算法 |
| 3.3.1 迭代激励机制原理 |
| 3.3.2 Lévy飞行随机过程 |
| 3.3.3 基于迭代激励因子的改进蚁群路由算法原理 |
| 3.3.4 I-LDAQ算法性能分析与参数选取 |
| 3.4 基于I-LDAQ算法的电力线通信组网方法 |
| 3.4.1 通信协议设计 |
| 3.4.2 自动组网步骤 |
| 3.4.3 基于I-LDAQ的组网方法仿真实验与分析 |
| 3.5 PLC网络路由重构及网络维护实现动态组网 |
| 3.6 本章小结 |
| 第4章 面向信息感知的电力线与无线通信融合方法 |
| 4.1 引言 |
| 4.2 低压电力线与微功率无线通信跨层融合方法 |
| 4.2.1 低压电力线与微功率无线混合通信网络拓扑结构 |
| 4.2.2 低压电力线与微功率无线通信跨层融合原理 |
| 4.2.3 CPW网络跨层融合实现过程 |
| 4.2.4 混合通信网络仿真实验和性能分析 |
| 4.3 多跳中继宽带电力线通信网络中的OFDM跨层资源分配 |
| 4.3.1 电力线通信网络OFDM跨层资源分配原理 |
| 4.3.2 多跳中继PLC网络的OFDM跨层资源分配过程 |
| 4.3.3 跨层资源分配算法仿真与分析 |
| 4.4 计及OFDM资源分配的电力线与无线通信融合方法 |
| 4.4.1 计及OFDM资源分配的混合通信网络工作模式 |
| 4.4.2 参数选取与仿真分析 |
| 4.5 本章小结 |
| 第5章 基于电力线无线通信融合技术的配用电网智能感知终端及应用 |
| 5.1 引言 |
| 5.2 配用电网智能感知终端总体方案 |
| 5.2.1 配用电网智能感知终端的功能 |
| 5.2.2 配用电网智能感知终端设计原则 |
| 5.3 配用电网多信息融合感知单元 |
| 5.3.1 ARM微处理器系统 |
| 5.3.2 电量采集单元 |
| 5.3.3 非电量采集单元 |
| 5.4 智能感知终端中的PLC-LoRA多模通信融合技术 |
| 5.4.1 PLC-LoRa多模通信融合技术原理 |
| 5.4.2 PLC-LoRa双通道通信的工作模式 |
| 5.5 智能感知终端的MVPLC-4G/2G桥接中继多模通信融合技术 |
| 5.5.1 MVPLC-4G/2G桥接中继多模通信融合技术原理 |
| 5.5.2 MVPLC-4G/2G桥接中继多模通信融合技术的通信协议与组网问题 |
| 5.6 配用电网智能感知终端的应用实践 |
| 5.6.1 在企业能效及安全用电监控系统现场信息感知中的应用实践 |
| 5.6.2 农村偏远地区集中抄表全覆盖中的应用实践 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）基于机器学习的无线Mesh网络路由算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统无线Mesh网络研究现状 |
| 1.2.2 机器学习路由算法研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 第二章 无线Mesh网络与机器学习路由关键技术 |
| 2.1 无线Mesh网络概述 |
| 2.1.1 无线Mesh网络结构 |
| 2.1.2 无线Mesh网络特点 |
| 2.1.3 无线Mesh网络关键技术 |
| 2.1.4 传统无线Mesh网络路由算法 |
| 2.2 机器学习路由技术概述 |
| 2.2.1 机器学习技术概述 |
| 2.2.2 机器学习路由算法概述 |
| 2.3 强化学习理论与算法概述 |
| 2.3.1 强化学习基本概念 |
| 2.3.2 马尔可夫决策模型 |
| 2.3.3 马尔可夫求解方法 |
| 2.3.4 Q学习算法介绍 |
| 2.4 本章小结 |
| 第三章 基于Q学习及负载与干扰感知的无线Mesh网络路由算法 |
| 3.1 引言 |
| 3.2 相关基于Q学习路由算法介绍 |
| 3.2.1 Q学习路由机理 |
| 3.2.2 Q-Routing路由算法 |
| 3.2.3 QLAODV路由算法 |
| 3.3 问题建模 |
| 3.3.1 网络模型 |
| 3.3.2 马尔可夫决策模型 |
| 3.4 奖励函数设计 |
| 3.4.1 奖励函数设计标准 |
| 3.4.2 负载均衡奖励函数设计 |
| 3.5 QLNLIA路由算法设计实现 |
| 3.5.1 Q值表更新过程 |
| 3.5.2 算法流程 |
| 3.6 性能测试与分析 |
| 3.6.1 仿真环境参数设置 |
| 3.6.2 路由算法参数设置 |
| 3.6.3 仿真结果分析 |
| 3.7 本章小结 |
| 第四章 基于Q学习及负载与干扰感知的多网关负载均衡无线Mesh网络路由算法 |
| 4.1 引言 |
| 4.2 问题建模 |
| 4.2.1 网络模型 |
| 4.2.2 马尔可夫决策模型 |
| 4.3 奖励函数设计 |
| 4.3.1 网关负载度量 |
| 4.3.2 多网关负载均衡奖励函数设计 |
| 4.4 QLGSLIA路由算法设计实现 |
| 4.4.1 Q值表更新过程 |
| 4.4.2 算法流程 |
| 4.5 性能测试与分析 |
| 4.5.1 仿真环境参数设置 |
| 4.5.2 路由算法参数设置 |
| 4.5.3 仿真结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）面向SDN的多优先级数据流调度机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.3 研究工作及贡献 |
| 1.4 论文组织结构 |
| 第2章 SDN架构与网络演算及相关理论概述 |
| 2.1 SDN架构 |
| 2.1.1 SDN的介绍 |
| 2.1.2 Open Flow协议 |
| 2.2 数据流调度算法 |
| 2.2.1 背压算法 |
| 2.2.2 非抢占式与抢占式调度 |
| 2.2.3 轮询调度 |
| 2.2.4 加权轮询调度 |
| 2.2.5 GPS调度 |
| 2.3 网络演算 |
| 2.3.1 确定网络演算 |
| 2.3.2 随机网络演算 |
| 2.4 本章小结 |
| 第3章 多优先级调度与负载均衡相结合的理论模型分析 |
| 3.1 系统模型 |
| 3.1.1 系统分析模型 |
| 3.1.2 网络演算建模 |
| 3.2 三种调度下的时延性能分析 |
| 3.2.1 数据流随机到达曲线 |
| 3.2.2 数据流服务曲线 |
| 3.2.3 非抢占式调度下时延性能分析 |
| 3.2.4 抢占式调度下时延性能分析 |
| 3.2.5 GPS调度下时延性能分析 |
| 3.3 负载均衡系统的时延性能分析 |
| 3.4 三种调度下系统性能对比分析 |
| 3.5 本章小结 |
| 第4章 混合自适应调度与负载均衡相结合的理论模型分析 |
| 4.1 基于SDN的混合自适应调度算法设计 |
| 4.2 调度算法性能分析 |
| 4.3 性能对比分析 |
| 4.4 本章小结 |
| 第5章 基于原型系统的网络实现 |
| 5.1 Linux相关介绍 |
| 5.2 Mininet网络搭建平台 |
| 5.3 网络控制器Ryu |
| 5.4 网络实现 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（4）网络多路径传输及其实时流媒体应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 2 向量网概述 |
| 2.1 向量网的数据面 |
| 2.1.1 向量地址 |
| 2.1.2 向量数据包格式 |
| 2.1.3 向量交换 |
| 2.1.4 向量地址的特性 |
| 2.2 向量网的控制面 |
| 2.2.1 层次拓扑收集 |
| 2.2.2 向量网的向量连接 |
| 2.2.3 多径寻由功能 |
| 2.3 本章小结 |
| 3 向量网多路径传输方法设计 |
| 3.1 实时流媒体业务传输特性 |
| 3.2 向量网的端到端多路径切换传输方法 |
| 3.2.1 路径异常检测 |
| 3.2.2 路径切换方法 |
| 3.2.3 路径维护 |
| 3.2.4 路径性能评价 |
| 3.2.5 增量路由 |
| 3.3 向量网的端到端多路径轮转传输方法 |
| 3.3.1 基于交互式通信的路径异常检测方法 |
| 3.3.2 路径轮转 |
| 3.3.3 多路径轮转传输的可行性分析 |
| 3.4 主流网络与向量网的多路径通信性能对比研究 |
| 3.4.1 主流网络的多路径通信性能分析 |
| 3.4.2 向量网的多路径通信性能分析 |
| 3.5 本章小结 |
| 4 向量网仿真平台设计 |
| 4.1 仿真软件介绍 |
| 4.2 向量网仿真平台设计 |
| 4.2.1 向量网节点设计 |
| 4.2.2 端系统设计 |
| 4.2.3 仿真数据包设计 |
| 4.2.4 网络故障模型设计 |
| 4.3 本章小结 |
| 5 实验验证与分析 |
| 5.1 MPH-VN传输方法仿真实验 |
| 5.1.1 仿真方法介绍 |
| 5.1.2 实验结果分析 |
| 5.2 MPR-VN传输方法仿真实验 |
| 5.2.1 仿真方法介绍 |
| 5.2.2 实验结果分析 |
| 5.3 IP网与VN网传输性能对比仿真实验 |
| 5.3.1 仿真实验设计 |
| 5.3.2 实验结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）卫星网络路由与流量控制关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 本文的研究内容与创新点 |
| 1.3 论文的研究体系 |
| 1.4 论文组织结构 |
| 第二章 卫星网络路由与流量控制相关技术研究综述 |
| 2.1 卫星网络概述 |
| 2.1.1 卫星的基本参数 |
| 2.1.2 卫星网络 |
| 2.1.3 卫星网络仿真与实验平台 |
| 2.2 卫星网络路由技术研究现状 |
| 2.2.1 单层卫星网络路由算法 |
| 2.2.2 多层卫星网络路由算法 |
| 2.3 卫星网络流量均衡技术研究现状 |
| 2.3.1 全局流量均衡方案 |
| 2.3.2 局部流量均衡方案 |
| 2.4 短时流量预测技术的研究现状 |
| 2.4.1 基于FARIMA模型的流量预测算法 |
| 2.4.2 基于卡尔曼滤波器的流量预测算法 |
| 2.4.3 基于小波分析的流量预测算法 |
| 2.4.4 基于神经网络的流量预测算法 |
| 2.5 本章小结 |
| 第三章 卫星网络路由算法抗毁性能分析与异常路径评价指标 |
| 3.1 引言 |
| 3.2 相关算法介绍 |
| 3.2.1 虚拟拓扑SPF算法 |
| 3.2.2 DRA算法 |
| 3.2.3 SGRP算法 |
| 3.3 异常路径评价指标 |
| 3.3.1 异常路径概念 |
| 3.3.2 卫星网络的异常路径 |
| 3.3.3 异常路径的计算方法 |
| 3.4 路由算法仿真、测试与结果分析 |
| 3.4.1 仿真环境介绍 |
| 3.4.2 网络正常场景下的路由算法性能评测 |
| 3.4.3 单节点故障场景下路由算法性能评测 |
| 3.4.4 多节点故障场景下路由算法性能评测 |
| 3.5 本章小结 |
| 第四章 基于全局—局部混合策略的卫星网络流量均衡技术研究 |
| 4.1 引言 |
| 4.2 相关方案介绍 |
| 4.3 卫星网络流量需求分析 |
| 4.3.1 可预测的大尺度流量变化基线 |
| 4.3.2 不可预测的小尺度流量波动 |
| 4.4 HGL算法的设计与实现 |
| 4.4.1 HGL算法的总体设计 |
| 4.4.2 初步流量最优分配 |
| 4.4.3 局部路由调整 |
| 4.5 仿真实验与结果分析 |
| 4.5.1 实验配置 |
| 4.5.2 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 基于主成分分析和广义回归神经网络的卫星网络流量预测技术研究 |
| 5.1 引言 |
| 5.2 基于时滞Pearson相关方程的时空相关流量提取 |
| 5.3 基于PCA的相关流量维度缩减与特征提取 |
| 5.4 基于广义回归神经网络的流量预测 |
| 5.4.1 平滑参数的确定 |
| 5.5 仿真实验与结果分析 |
| 5.5.1 仿真数据描述 |
| 5.5.2 时空相关性分析结果与预测输入变量选择 |
| 5.5.3 配置广义回归神经网络及预测评价指标 |
| 5.5.4 测试结果与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 缩略语 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）基于ZigBee的路灯网络路由算法的研究与应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究现状 |
| 1.2.1 ZigBee技术的发展 |
| 1.2.2 无线自组织网络 |
| 1.2.3 路灯网络与路灯系统 |
| 1.3 本文的相关工作 |
| 1.4 课题的研究意义 |
| 1.5 论文的组织结构 |
| 第二章 相关知识 |
| 2.1 经典路由算法 |
| 2.1.1 Cluster-Tree算法 |
| 2.1.2 AODVjr算法 |
| 2.1.3 小结与问题 |
| 2.2 随机抽样模型及其存在问题 |
| 2.2.1 随机选择模型 |
| 2.2.2 赠券收集模型 |
| 2.2.3 随机抽样模型存在的问题 |
| 2.3 多通道融合通信系统 |
| 2.3.1 无线Mesh网络技术 |
| 2.3.2 3G和Wi-Fi数据的无缝切换技术 |
| 2.3.3 基于蓝牙的复合通信技术 |
| 2.3.4 当前技术的主要局限 |
| 2.4 本章小结 |
| 第三章 基于标识的确定路径云路由算法 |
| 3.1 路灯网络特性分析 |
| 3.2 算法核心概念 |
| 3.2.1 标识 |
| 3.2.2 确定路径 |
| 3.2.3 关键节点 |
| 3.2.4 云路由算法 |
| 3.3 全局变量与帧结构说明 |
| 3.3.1 全局变量说明 |
| 3.3.2 心跳广播 |
| 3.3.3 状态请求 |
| 3.3.4 状态汇报 |
| 3.3.5 数据转发 |
| 3.4 路灯网络路由算法在各应用场景下的机制 |
| 3.5 本章小结 |
| 第四章 路灯网络传播模型与分析 |
| 4.1 路灯网络抽象模型 |
| 4.2 基于访问次数的消息传播模型 |
| 4.2.1 一般代数模型 |
| 4.2.2 参数修正 |
| 4.2.3 访问次数的影响 |
| 4.2.4 基于访问次数的消息传播模型 |
| 4.3 实验分析与参数计算 |
| 4.3.1 实验环境与参数设置 |
| 4.3.2 实验结果与对比 |
| 4.4 本章小结 |
| 第五章 路由算法的应用 |
| 5.1 3G/Wi-Fi双通道融合通信的实现方案 |
| 5.1.1 移动终端模块的设计与实现 |
| 5.1.2 基站处理模块的设计与实现 |
| 5.1.3 自定义首部的设计 |
| 5.1.4 对比实验 |
| 5.2 3G/Wi-Fi双通道分流算法 |
| 5.2.1 信道的分流比例运算 |
| 5.2.2 转发比率修正 |
| 5.2.3 数据包转发策略 |
| 5.2.4 对比测试与分析 |
| 5.3 路灯系统部署应用 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 下一步工作 |
| 参考文献 |
| 攻读硕士学位期间本人的研究成果 |
| 致谢 |
（7）智能用电量测体系下电力线载波通信测评技术研究（论文提纲范文）
| 创新点 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 国外总体现状 |
| 1.2.2 国内总体现状 |
| 1.3 问题的提出 |
| 1.3.1 智能用电量测体系架构问题 |
| 1.3.2 通信信道实际运行参数的提取和分析问题 |
| 1.3.3 通信测评模型问题 |
| 1.3.4 通信测评手段问题 |
| 1.4 本文工作及内容安排 |
| 2 智能用电量测体系研究 |
| 2.1 引言 |
| 2.2 智能用电量测体系架构及关键技术研究 |
| 2.2.1 智能用电量测体系架构研究 |
| 2.2.2 智能用电量测体系计量设备感知技术研究 |
| 2.3 智能用电量测体系关键通信技术研究 |
| 2.3.1 RS485通信 |
| 2.3.2 微功率无线通信 |
| 2.3.3 低压电力线载波通信 |
| 2.3.4 通信技术特性比较 |
| 2.4 本章小结 |
| 3 低压电力线载波通信信：道特性研究 |
| 3.1 引言 |
| 3.2 低压电力线信道特性影响因素分析 |
| 3.2.1 低压电力线传输特性研究 |
| 3.2.2 低压电网结构特性研究 |
| 3.3 低压电力线信道特性测量及分析 |
| 3.3.1 阻抗特性 |
| 3.3.2 噪声特性 |
| 3.3.3 电力线信道衰减特性 |
| 3.4 低压电力线信道建模 |
| 3.4.1 电力线信道噪声模型 |
| 3.4.2 电力线信道衰减模型 |
| 3.5 低压电力线信道模型验证 |
| 3.6 本章小结 |
| 4 低压电力线载波通信测评系统设计与实现 |
| 4.1 引言 |
| 4.2 测评技术研究与方案设计 |
| 4.2.1 测评技术研究 |
| 4.2.2 测评系统总体方案设计 |
| 4.3 测评系统设计与实现 |
| 4.3.1 硬件模块设计 |
| 4.3.2 软件功能开发 |
| 4.4 测评系统的性能分析 |
| 4.4.1 测评系统性能评价方法 |
| 4.4.2 测评系统性能评价结果 |
| 4.5 本章小结 |
| 5 低压电力线信道模型及载波通信测评系统应用 |
| 5.1 引言 |
| 5.2 基于信道模型的载波通信系统仿真 |
| 5.2.1 低压电力线信道容量分析 |
| 5.2.2 数据传输仿真特性分析 |
| 5.3 用电信息采集设备通信性能测试方案 |
| 5.3.1 测试内容及方案制定 |
| 5.3.2 系统试验参数及要求 |
| 5.4 用电信息采集设备通信性能测试结果分析 |
| 5.4.1 收发机性能测试及结果分析 |
| 5.4.2 通信系统稳定性测试及结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻博期间的主要科研学术成果 |
| 致谢 |
（8）基于QoS保证的卫星通信系统关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 卫星通信系统发展简介 |
| 1.2.1 卫星通信概念的提出 |
| 1.2.2 卫星通信系统的国际化发展 |
| 1.2.3 广播卫星通信系统 |
| 1.2.4 移动卫星通信系统 |
| 1.2.5 VSAT和宽带卫星系统 |
| 1.3 卫星通信系统发展趋势 |
| 1.4 本论文的主要工作 |
| 1.5 论文组织结构 |
| 参考文献 |
| 第二章 卫星通信系统的QoS研究 |
| 2.1 卫星通信系统QoS框架结构 |
| 2.1.1 QoS简介 |
| 2.1.2 QoS指标要求 |
| 2.1.3 协议体系结构与QoS关键技术 |
| 2.2 卫星网络路由技术研究现状 |
| 2.3 卫星网络资源管理技术研究现状 |
| 2.4 仿真验证 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 基于跨层蚁群优化的低轨道卫星网络路由策略 |
| 3.1 引言 |
| 3.2 蚁群优化算法概述 |
| 3.2.1 基本蚁群算法原理 |
| 3.2.2 基本蚁群算法的特征 |
| 3.2.3 基本蚁群算法的数学模型 |
| 3.2.4 基本蚁群算法的收敛性分析 |
| 3.3 跨层CAL-LSN算法原理 |
| 3.3.1 算法理论模型 |
| 3.3.2 算法设计思路 |
| 3.4 算法CAL-LSN性能仿真分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 基于改进蚁群系统的低轨道卫星网络多径路由策略 |
| 4.1 引言 |
| 4.2 蚁群算法改进策略概述 |
| 4.2.1 自适应蚁群算法 |
| 4.2.2 基于信息熵的改进蚁群算法 |
| 4.2.3 基于全局搜索和局部搜索相结合的改进蚁群算法 |
| 4.3 MPRA-AC算法原理 |
| 4.3.1 多路径路由的考虑因素 |
| 4.3.2 QoS目标和路由表结构 |
| 4.3.3 算法设计思路 |
| 4.3.3.1 应用在LEO卫星网络中的蚁群算法设计 |
| 4.3.3.2 算法执行过程 |
| 4.4 算法MPRA-AC性能仿真分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 基于跨层混沌预测的宽带多媒体卫星网络资源请求策略 |
| 5.1 引言 |
| 5.2 Internet流量模型 |
| 5.2.1 网络流量特性和度量参数 |
| 5.2.2 自相似流量建模 |
| 5.2.3 流量预测模型 |
| 5.3 CBRA-CPM算法原理 |
| 5.3.1 跨层预测结构模型 |
| 5.3.2 算法设计思路 |
| 5.3.3 基于自相似流量的混沌预测模型 |
| 5.4 算法CBRA-CPM性能仿真分析 |
| 5.4.1 流量模型 |
| 5.4.2 信道模型 |
| 5.4.3 算法性能分析 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 基于OPNET的宽带多媒体卫星通信系统半实物仿真机制研究 |
| 6.1 引言 |
| 6.2 半实物系统仿真方案 |
| 6.2.1 仿真场景设计 |
| 6.2.2 网络节点结构设计 |
| 6.2.3 真实业务通信接口的实现 |
| 6.3 实验与分析 |
| 6.4 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 缩略语 |
| 致谢 |
| 攻读博士学位期间完成的学术论文和其他成果 |
（9）不确定环境下无线传感器网络路由算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 插图清单 |
| 附表清单 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 相关工作 |
| 1.3 研究内容与研究意义 |
| 1.3.1 研究内容 |
| 1.3.2 研究意义 |
| 1.4 论文组织结构 |
| 第2章 路由算法研究相关问题与不确定性理论 |
| 2.1 森林火灾应用场景 |
| 2.2 无线传感器网络路由相关问题 |
| 2.2.1 火灾场景路由算法应用 |
| 2.2.2 路由算法相关问题 |
| 2.3 不确定性理论 |
| 2.3.1 概率论 |
| 2.3.2 模糊集理论 |
| 2.3.3 模糊随机理论 |
| 2.4 本章小结 |
| 第3章 干扰感知的概率路由算法 |
| 3.1 引言 |
| 3.2 干扰模型与跨层路由指标 |
| 3.2.1 发送模型 |
| 3.2.2 接收模型 |
| 3.2.3 路由指标跨层设计 |
| 3.3 IACP路由算法 |
| 3.3.1 算法描述 |
| 3.3.2 算法正确性与复杂度分析 |
| 3.4 仿真实验 |
| 3.4.1 仿真设置 |
| 3.4.2 仿真结果与分析 |
| 3.5 本章小结 |
| 第4章 概率网络模型下的干扰感知路由算法 |
| 4.1 引言 |
| 4.2 概率网络模型下的干扰模型 |
| 4.2.1 概率网络模型 |
| 4.2.2 基于概率网络模型的干扰模型 |
| 4.3 PNMIR路由算法 |
| 4.3.1 干扰感知的路由指标 |
| 4.3.2 算法描述与分析 |
| 4.4 仿真实验 |
| 4.4.1 仿真设置 |
| 4.4.2 仿真结果与分析 |
| 4.5 本章小结 |
| 第5章 基于模糊随机规划的多约束与多路径路由算法 |
| 5.1 引言 |
| 5.2 模糊随机规划路由模型 |
| 5.2.1 基础知识 |
| 5.2.2 路由问题形式化定义 |
| 5.2.3 模糊随机规划模型求解 |
| 5.2.4 不确定链路约束标准差的时变更新 |
| 5.3 FRMCMP路由算法 |
| 5.3.1 算法描述 |
| 5.3.2 算法正确性与复杂性分析 |
| 5.4 仿真实验 |
| 5.4.1 仿真设置 |
| 5.4.2 仿真结果与分析 |
| 5.5 本章小结 |
| 第6章 基于期望值模型的混合模糊随机遗传路由算法 |
| 6.1 引言 |
| 6.2 模糊随机期望值优化路由模型 |
| 6.2.1 基础知识 |
| 6.2.2 直观优化路由模型 |
| 6.2.3 期望值优化路由模型 |
| 6.2.4 期望值的计算 |
| 6.3 HFRG路由算法描述与分析 |
| 6.4 仿真实验 |
| 6.5 本章小结 |
| 第7章 基于期望值与标准差模型的模糊随机多目标优化路由算法 |
| 7.1 引言 |
| 7.2 模糊随机期望值与标准差路由模型 |
| 7.2.1 期望值模型的标准差扩展 |
| 7.2.2 期望值与标准差的计算 |
| 7.3 FRMOO路由算法描述与分析 |
| 7.4 仿真实验 |
| 7.5 本章小结 |
| 第8章 结束语 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
四、基于随机过程的RIP网络路由收敛探讨（论文参考文献）
- [1]面向电力物联网信息感知的电力线与无线通信融合关键技术研究[D]. 史建超. 华北电力大学(北京), 2021
- [2]基于机器学习的无线Mesh网络路由算法研究[D]. 李兆恩. 北京邮电大学, 2021(01)
- [3]面向SDN的多优先级数据流调度机制研究[D]. 丁银瓶. 重庆邮电大学, 2020(12)
- [4]网络多路径传输及其实时流媒体应用研究[D]. 朱森鹏. 北京交通大学, 2019(01)
- [5]卫星网络路由与流量控制关键技术研究[D]. 刘子鸾. 北京邮电大学, 2018(10)
- [6]基于ZigBee的路灯网络路由算法的研究与应用[D]. 姚文强. 苏州大学, 2017(06)
- [7]智能用电量测体系下电力线载波通信测评技术研究[D]. 肖勇. 武汉大学, 2016(01)
- [8]基于QoS保证的卫星通信系统关键技术研究[D]. 王厚天. 北京邮电大学, 2014(04)
- [9]不确定环境下无线传感器网络路由算法研究[D]. 卢俊岭. 陕西师范大学, 2013(07)
- [10]对等项目Freepastry的分析和启示[J]. 王玲芳. 网络新媒体技术, 2013(01)
标签：路由算法论文; 通信论文; 距离向量路由算法论文; 网络模型论文; 融合通信论文;