神经网络自校正预测拥塞控制算法研究

传输速率、处理速度和节点缓存容量的饱和非线性特性、传输延迟的随机时变性、用户接入的随机性以及高优先级业务的突发性,使得网络中存在严重的不确定性,由此给异步传输模式(ATM)网络拥塞控制系统的分析与设计带来极大的困难。为此设计了鲁棒神经网络自校正拥塞控制算法。其优点在于:(1)最大限度地减小了测量误差和随机干扰的作用,有效地补偿了时变不确定非线性的影响;(2)保证了闭环系统的稳定性、收敛性和公平性,增强了系统对随机延迟等不确定性的鲁棒性。仿真分析进一步验证了该算法的有效性。

保证QoS的多流复用VoMPLS方案

针对已有的VoIP方案包利用率不高 ,不保证QoS的问题 ,提出一个高效、可靠的VoMPLS方案。该方案在IP子网对RTP/UDP/IP包结构进行多流复用 ,在MPLS骨干网对RTP/MPLS包结构进行多流复用 ,提高包利用率。在子网使用DiffServ模型 ,在骨干网使用可变比特率服务保证QoS。分析了DiffServ模型和可变比特率服务之间的映射关系。计算了复用后的包利用率 ,描述了整个方案的工作过程。分析表明 ,基于DiffServ、可变比特率服务和多流复用的VoMPLS方案能有效地提高包利用率 。