融合深度调整和自适应转发的水声网络机会路由

针对水声传感器网络路由过程中的空洞问题和数据传输中能效低下的问题,该文提出了融合深度调整和自适应转发的水声网络机会路由(OR-DAAF)。针对路由空洞,区别于传统绕路策略,OR-DAAF提出一种基于拓扑控制的空洞恢复模式算法—利用剩余能量对空洞节点分级,先后调整空洞节点到新的深度以克服路由空洞,恢复网络联通。针对数据传输中的能效低下问题,OR-DAAF提出了转发区域划分机制,通过转发区域的选择自适应转发面积以抑制冗余包,并提出基于加权推进距离,能量和链路质量的多跳多目标路由决策指标,综合考虑区域能量,链路质量和推进距离实现能效平衡。实验数据表明,相比DVOR协议,OR-DAAF的包投递率和生命周期分别提高10%和48.7%,端到端时延减少22%。

基于自适应转发的大数据通信带宽时延感知拥塞控制技术

大数据通信带宽时延会导致通信拥塞故障,影响通信网络的正常运行,为此提出基于自适应转发的大数据通信带宽时延感知拥塞控制技术;根据通信网络的组成结构和通信原理,构建大数据通信网络模型;在该模型下,采集大数据通信带宽时延,通过特征提取与匹配,感知当前通信网络的拥塞状态;针对处于拥塞状态的通信信道,在考虑通信带宽的情况下,计算拥塞控制量,利用自适应转发技术调度并分配通信带宽,在差分流传输控制协议的支持下,实现大数据通信带宽时延感知拥塞控制;通过拥塞控制效果测试实验得出结论:与传统拥塞控制技术相比,在优化设计技术的控制作用下,移动通信网络的吞吐量有所增加,带宽时延降低了149.3 ms,同时通信误码率降低了0.037%,即优化设计技术在拥塞控制效果方面具有明显优势。

机会网络中的自适应转发控制算法

在分析现有机会网络转发控制策略的基础上,针对采用固定效用值阈值的机会网络转发控制,提出了一种基于节点能力状况的自适应转发控制策略(adaptive forwarding algorithm based on nodal capacity condition,AFNC)。该策略根据节点的能力状况计算阈值控制因子,自适应调整不同网络传输状况以及通信机会下的数据转发条件。仿真实验表明,与现有的几种典型转发控制相比,AFNC在保证较低传输延迟和较高传输成功率的基础上,通过减少节点间的转发次数,有效地降低了网络传输开销。

基于节点传输性能的机会网络自适应转发策略

基于机会网络中喷洒等待(spray and wait,SW)算法的优势,针对其在选择中继节点时的盲目性和随机性,提出一种改进的基于节点传输性能的自适应转发策略(TP-ASW)。考虑节点的剩余能量和邻居变化率,选择剩余能量大、邻居更新快的节点作为中继节点;根据节点对的邻居相似度调节阈值的大小,控制不同节点传输性能和不同网络环境下的转发条件,实现自适应转发决策。仿真结果表明,相比于喷洒等待,提出的TP-ASW转发策略在取得较高传输成功率的同时,大幅降低了开销率。

能耗均衡与节能的自适应水下路由协议

针对水下传感器网络中节点能耗不均衡和能量有限的问题,提出一种能耗均衡与节能的自适应水下路由协议ECBES(energy consumption balanced and energy saving adaptive underwater routing protocol)。构建双区非均匀分层拓扑。基于能耗均衡因子,利用拓扑和节点剩余能量计算节点转发优先级,实现自适应转发节点选择,均衡网络能耗。与此同时,通过候选转发区域各分区域中节点参与转发数据包的比例确定次优候选转发区域,将次优候选转发区域作为初始策略,利用策略迭代思想确定最优候选转发区域,保证投递率的同时减少不同网络规模中重复数据包的转发,降低网络的整体能耗。仿真结果表明,ECBES相比VBF、ES-VBF和ALRP,在不同节点数量下,节点死亡率均最低,在保证数据包投递率的同时,能耗最少。

DTN中服务感知的自适应消息转发路由算法

在PROPHET算法的基础上,提出一种服务感知的自适应消息转发DTN路由算法SAAMFR。该算法在估算传输概率时考虑节点相遇的连通时长以提高传输概率估算的精确度,采用区分服务机制,实现紧急消息优先传输。同时根据传输概率进行自适应消息冗余转发,在提高传输性能的同时,又控制网络开销。仿真结果表明,该算法在传输性能和网络开销之间达到很好的折衷效果。

基于节点差异性的机会网络数据转发算法

为了提高机会网络传输成功率,降低传输开销,提出了一种基于节点差异性的机会网络数据转发算法.选择剩余能量大、邻居更新速度快的节点作为中继节点,根据节点对的邻居相似度自适应调节阈值,以满足不同网络环境下的转发要求.仿真实验表明,此算法与其他算法相比,在较低的传输延迟下大大提高了传输的成功率,降低了网络传输开销.

Nakagami信道下MIMO解码转发中继系统的安全性能分析

在协同自适应解码转发中继系统中,该文针对Nakagami-m衰落信道,研究了基于多天线低复杂度的机会式传输策略的物理层安全性能。为充分利用天线分集增益提升系统安全性能,发送节点均采用发送天线选择策略,接收节点均采用最大比合并策略。推导了系统安全中断概率的闭合表达式,并进一步提供了渐近性能分析,得到了系统的安全分集阶数。仿真结果验证了理论分析的正确性,并揭示了各系统参数对机会式传输方案的安全性能的影响。结果表明,通过增加合法节点的天线数和增大合法信道的Nakagami衰落信道参数可显著提升系统安全性能。

基于强化学习的无人机中继网络节点轨迹优化

无人机在远程采集和传输数据时可能遇到频谱不足的问题,此时需要借助地面网络共享频谱,即部分无人机获得地面网络提供的额外频谱作为回报,另一部分无人机为地面网络提供中继服务。针对无线网络频谱共享系统中多个无人机的飞行调度问题展开了研究,提出了一种基于Q-Learning的无人机飞行调度算法。在多个无人机进行数据中继传输时,该算法结合了放大转发和解码转发的特点,采用自适应转发模式,以最大化系统吞吐量。仿真结果表明,所提的调度算法可以对两个网络的无人机数目进行合理的分配,使每个无人机能够找到各自的最优或者次优位置,从而实现较高的系统吞吐量。

时变信道下ADF协作车载通信误码率分析

智能车载协作系统中车辆快速移动使得无线通信信道具有时变特性,为有效评估系统的误码性能,给出了符合车载时变信道的一阶自回归(AR1)模型,提出了一种基于AR1模型的自适应解码转发(ADF)协作误码率分析方法。该方法通过AR1模型的多普勒频偏相关系数来刻画时变信道特性,根据中继译码结果自适应选择是否协作转发,提升了智能交通系统的可靠性。此外,利用矩生成函数(MGF)推导出ADF协作下多进制正交幅度调制(M-QAM)信号误码率封闭表达式,并分析了车载移动速度和信道状态信息(CSI)估计精度对误码性能的影响。数值仿真结果表明,车载系统能通过增加CSI估计精度,有效地减少车载快速移动引起的误码平顶值。该方法相对于放大转发(AF)协作通信方式,平均误码性能提高约8.7 d B。