一种异构网络多媒体业务QoS类弹性映射方法

多媒体业务在异构网络传输过程中,由于现有的QoS(Quality of Service)类映射方法存在灵活性不足的问题,从而降低了系统端到端效能。针对这个问题,该文在深入分析当前的QoS类映射方法基础上,结合用户QoE(Quality of Experience)特点,借助于网络微积分理论,构建了QoS类映射的数学分析模型,并进行了理论分析。基于该数学分析模型,该文从用户QoE角度提出了具有弹性的QoS类映射方法(Elastic QoS Class Mapping Method,EQCMM),该方法根据当前网络资源的使用情况,通过灵活地调整QoS类映射,充分利用网络现有资源,提高了端到端带宽资源的利用率,改善了系统端到端的效能。最后,通过仿真验证了该方法的有效性。

基于偏好逻辑的网络流QoS类动态聚集方法

现有的网络业务流到QoS(Quality of Service)类的聚集一般采用定量的聚集方式,这类方法需要业务流给出确定的QoS参数值,并且QoS参数之间的权重系数是精确的,系统设置的QoS类也是固定不变的;而现实中,这些因素往往是不确定、不精确的.于是本文引入定性的偏好逻辑理论、并结合QoE(Quality of Experience)建模业务流的偏好需求,再基于霍尔逻辑对冲突的偏好需求进行有效的检测和消除,继而借助非单调推理在动态变化的候选集QoS类中进行选择,最终实现一种以偏好为内容的QoS类动态聚集方法 PLM(Preference Logic Model for flows aggregation).实验结果表明,本文提出的聚集方法,可有效建模业务流不确定、不精确的QoS需求;在高可变的动态环境中,当业务流QoS需求发生变化,或QoS类发生变化,都能对业务流进行有效的聚集调节以充分利用系统资源.因此,与其他聚集方法相比,在延时、丢包率、吞吐量等各个方面表现优良.

一种异构网络中基于聚集流的水平QoS映射方法

保证无线异构网络端到端QoS需求,同时兼容现有网络业务和未来需求,是下一代网络的一个研究热点。QoS映射是保证异构网络端到端QoS的有效方法。该文提出一种基于聚集流的QoS映射方法(QoS Mapping Technology based on Flow Aggregate,QMT-FA),该方法在现有物理网络上建立虚拟的流处理层,在流处理层,原网络中的QoS参数被映射执行器透明封装,映射执行器根据网络情况决定是原样转发还是解聚集。通过建立基于高维的聚集流映射空间,屏蔽了多级网络间映射累积误差影响终端网络QoS指标,保证了异构网络端到端QoS;基于聚集流的QoS映射方法具有较好的可扩展性和伸缩性,能应用于现有的各种异构网络系统和应用业务。最后,通过数值和仿真分析验证了该方法的有效性。