一、集中式无线局域网的仿真（论文文献综述）
姚振[1]（2020）在《基于网内缓存的视频传输建模与优化》文中认为随着网络体系架构和通信技术的不断演进和创新,用户终端设备的数量和性能都实现了跨越式的提升,以此为契机,视频业务的普及速度进一步加快。这一方面极大地丰富了人们的物质文化生活,促进了相关产业的发展;另一方面,也不可避免地导致了网络中视频流量的指数式增长,给网络基础设施带来了前所未有的巨大压力。面对海量的带宽需求,通过网络扩建和设备更新来提高承载能力已然是杯水车薪。在此情况下,网内缓存技术的出现为这一问题的解决带来了转机。由于视频内容的流行度分布服从二八定律,通过将用户频繁请求的高热度内容保存到边缘网络的网元设备上,能够在缓存命中时提供就近的传输服务。由此不仅可以大幅度增加传输速率,减小传输时延,同时还能够消除网络中大量的冗余流量,缓解核心链路的传输压力。此外,软件定义网络（Software Defined Networking,SDN）和网络功能虚拟化（Network Functions Virtualization,NFV）技术的日益成熟也为网内缓存提供了良好的部署平台。利用SDN集中式控制平面的可扩展和可编程优势可以制定特定的缓存机制和缓存策略,结合NFV使能的网元节点虚拟化内容存储和传输功能,能够针对不同的视频业务需求设计和实现相应的服务框架。本文分别研究了基于SDN的有线局域网和移动蜂窝网中网内缓存协助的视频传输场景,设计了各自的系统架构,同时通过数学建模对优化问题进行了描述,并采用优化控制理论和机器学习算法找寻最优的缓存策略。本文的主要贡献总结如下:1)提出了基于有限状态机和滑动窗口的变长间隔缓存机制,并设计了相应的网内缓存协助的软件定义视频流化传输系统。针对有线局域网内支持SDN和NFV的VoD服务场景,利用SDN控制器实时地收集数据平面的链路状态和缓存分布信息,根据部署的内容传输策略选择最优的服务节点提供视频流化服务。在此基础上,结合所提出的基于滑动窗口的变长间隔缓存策略,来自适应地感知视频流行度变化趋势,调整缓存内容片段的大小,从而提高缓存资源的利用率。除此之外,针对所提出的缓存机制还构建了相应的数学模型,并从理论上对其性能进行了推导。之后,用通用的硬件设备搭建了实际的原型系统来验证其可用性和有效性,并基于Mininet网络仿真平台完成了大规模网络场景下的多指标全面性能评估。实验结果表明本文所提出的缓存策略具有更高的缓存效用和视频传输QoS。2)提出了基于多智能体深度强化学习的多基站间分布式协作缓存策略。针对超高密度5G蜂窝网中支持基站内容缓存的视频传输场景,设计了相应的系统架构和传输机制,之后将多基站间的网内协作边缘缓存问题建模为基于部分可观马尔科夫决策过程（Partially Observable Markov Decision Process,POMDP）的联合策略优化问题,并根据提出的分布式协作缓存策略求解。首先,利用各个基站配备的计算和存储资源,依据本地观测得到的用户接入状态和视频请求状态信息,通过相应的学习算法预测未来时隙的本地状态变化情况。在此基础上,结合基站共享的全局隐状态信息作为多智能体协作边缘缓存算法的状态输入,来找寻最优的缓存决策,旨在提高缓存资源的利用率,减少冗余流量。最终,通过仿真实验评估了该缓存算法在基站大规模、高密度部署场景下的性能表现。实验结果表明本文所提出的缓存策略能够通过网内缓存协作机制更充分有效地利用边缘网内的缓存资源,提高系统的整体性能。3)提出了基于深度生成模型和深度强化学习的具有用户移动性感知能力的预缓存策略。针对超高密度5G蜂窝网中用户移动情况下网内缓存协助的视频传输场景,根据移动轨迹预测的思想设计了相应的预缓存架构,能够在用户发生基站切换之前预先将待传输的内容取回到即将接入的基站之上。首先,采用基于神经网络的生成模型来提取不同移动用户的行为模式特征,加以学习之后,用来预测用户未来的移动轨迹。此后,结合观测到的网络状态信息,根据深度强化学习算法进行内容预缓存决策,目标是提高缓存资源利用率和视频传输QoS。最终,采用真实场景下移动用户的GPS轨迹数据集来测试轨迹预测算法的准确率,并通过仿真实验对所提出的预缓存策略进行了评估及验证。结果表明本文所设计的预缓存策略能够更高效地利用网内缓存资源对移动用户的视频传输性能进行提升。上述三个方面的研究成果分别展示了网内缓存在不同网络架构中的视频传输场景下所带来的性能提升和带宽节省,同时验证了本文所设计的缓存机制和策略的可用性和有效性,充分显示出其在下一代网络中广阔的应用前景。
陈镇威[2]（2020）在《基于马尔科夫近似的网络组合优化问题分布式算法的研究》文中进行了进一步梳理物联网和5G网络的飞速发展带来了许多网络问题,如资源稀缺和负载不均衡等等。因此,网络优化已成为当今通信领域的一个研究热点,其目标是通过设计合理的算法有效地管理和控制网络系统,使系统性能最大化。许多重要的网络优化问题本质上是组合优化问题,且属于NP-hard问题。随着问题规模的不断扩大,求解起来相当棘手。此外,网络环境的动态变化也给网络优化带了很大的挑战。本文通过设计分布式动态算法研究网络优化中的两个问题:电视白频谱的分配问题和AP关联问题。主要研究内容如下:频谱资源分配对网络系统的整体性能有着很大的影响,受到广泛的关注。与传统的WiFi频谱不同,电视白频谱是随时间和空间发生变化的,即时变性和空变性特性。如何在充分考虑电视白频谱的时变性和空变性的前提下为次用户分配频谱资源是一个研究难点。本文首先将电视白频谱分配问题建模为0-1整数规划问题并利用Log-Sum-Exp函数逼近最优目标值。在此基础上,利用马尔科夫近似技术设计了一个电视白频谱的分布式分配算法来求解。此外,本文将设计的算法扩展到动态环境中,以解决由于主用户随机进入和离开系统而导致电视白频谱数量的变化问题。仿真结果表明,本文提出的算法能够非常快地收敛到最优解。在网络中,有些AP因为关联过多的用户而负载过重,而有些AP因为没有用户关联导致资源的利用率偏低。在这种情况下,如何选择合适的AP具有十分重要的作用。本文在满足AP负载均衡的前提下,以最大化网络吞吐量为目标对AP关联问题进行优化。首先利用Log-sum-exp函数对目标函数进行近似。在此基础上,构造了一类具有稳态分布的马尔科夫链,以分布式的方式得到了一个近似解。通过理论分析得到了近似解与最优解之间的误差。此外,本文将提出的算法扩展成动态算法以适应网络中用户数量的动态变化。最后,仿真实验验证了算法的有效性和收敛性。
孙亮[3]（2020）在《无线多热点网络负载均衡优化研究》文中研究说明本文对无线多热点网络（Multi-hotspot Network）中广泛存在且矛盾日益突出的多接入点接入中的切换、负载均衡等问题进行研究,利用博弈论以及网络优化等工具,提出有效的无线带宽分配、负载均衡以及多接入点选择接入算法,从而最优化无线多热点网络的用户体验以及最大化利用网络资源。研究通过对现有系统和既有工作的深入分析,发现当前无线多热点负载均衡系统的研究仍存在一些不足:在使用网络带宽的过程中过度占用带宽资源从而导致其他用户的网络体验降低以及网络性能降低;在现有的无线局域网网络容量理论和标准模式基础上,没有充分考虑网络容量和延迟的不同要求;在用户要求链接的过程中,忽视用户负载均衡的问题,以及网络拥塞甚至造成网络瘫痪;缺少定价机制,不能够有效保证每个用户可以获得与其支出相对应的服务体验等问题。为此本文从理论和算法入手,从多个方面提出相关的算法优化和解决方案,主要贡献在于:1)针对无线多热点网络中用户行为特征的研究,探寻多热点网络中用户行为模式。绝大多数仍然假设用户的网络业务以及通用的网络拓扑或者信道访问模式,而较少的考虑到多热点网络中特有的用户行为模式,如应用程序、接入点（Access Point,AP）选择的趋势、移动性、自私行为分析以及网络体验,本文重点考虑多热点网络中不同用户对网络带宽以及延迟的要求,在深入理解用户行为基础上,提出了基于软件定义网络（Software Defined Network,SDN）和负载均衡的快速网络切换机制。通过理论分析和Mininet-WiFi仿真平台进行模拟实验,实验对于不同切换方式的切换延迟、丢包率、切换稳定性进行比较,结果表明该机制能够有效地降低不同接入点之间的切换时延和丢包率,同时稳定性得到提升。2)无线局域网（Wireless LAN,WLAN）运营商和服务商为了给用户提供更好的连接和用户体验,总是会提高无线接入点的密度。因此,WLAN用户通常会发现自己被多个接入点覆盖,并且须决定关联哪个接入点。针对多热点网络中网络拥塞问题,在现有的无线局域网络容量理论和802.11标准的AP接入模式的基础上,充分考虑多热点网络中不同用户对网络速率及网络延迟的不同要求,研究适用于公共多热点网络中热点接入算法,提出了一种基于博弈论的在线关联AP选择接入算法。本文提出新的热点接入评价模型及分布式算法,通过接入控制机制和接入后用户获得的网络性能分析预测两种方式,达到优化热点接入的目的。同时,理论分析和实验表明,关联算法的竞争比达到1-1/e,与传统的基于RSSI的方法相比,不仅提高了总吞吐量,对解决网络拥塞、减少延迟、提高用户网络体验效果明显。3)针对多热点接入控制不灵活的问题,为了能够达到更加灵活地获得带宽分配和全局优化用户接入的目标,接入点对网络中存在的用户关联请求决策时,综合考虑用户负载均衡的问题,提出了基于SDN的面向负载均衡的接入控制机制。理论上,结合面向全局公平的带宽分配算法,在比例公平和最大最小公平中,来权衡统筹网络中资源的分配,结合博弈论中贝叶斯平衡理论,更加合理深入调度资源。负载均衡算法框架方案实验过程中,采用Mininet仿真平台进行模拟,拓展了 OpenFlow协议使AP能及时将接入请求发送至控制器。相应的为了收集信号强度、吞吐量、丢包率三个指标信息,在SDN控制器上拓展了智能接入点关联模块,AP信息采集模块和负载均衡模块,进而计算多个可连接的接入点的网络质量,来确定最佳接入点,从而均衡各接入点的负载,提高网络服务质量。同时,算法运行在SDN控制器中,避免了对接入网络的用户设备进行修改,提升了兼容性,方便部署。综上,研究各部分既相对独立又相互关联,旨在能够对已部署的网络实现进一步的优化,对于将要部署的网络可以提供合理规划的指导。同时,对于无线运营商、无线热点网增值商家如购物中心、咖啡厅、机场、社区等有着现实的经济效益。
王颖[4]（2020）在《密集部署下WLAN信道分配策略研究》文中指出近年来,无线局域网（Wireless Local Area Network,WLAN）因其高吞吐量、低成本、使用灵活和方便部署等特性,得到了迅速发展和广泛应用。随着移动数据流量和移动互联网设备的与日俱增,密集WLAN部署已经成为一种必然趋势。采用密集部署接入点（Access Point,AP）的方式可提高网络覆盖范围和扩充系统容量,但随之带来的同频干扰和邻频干扰问题也日益加剧。此外,无线设备数量呈爆炸式增长,使得高密度站点（Station,STA）接入场景下的冲突率急剧增加,给有限的频谱资源的合理利用带来了极大的挑战。因此,如何充分合理地使用现有的无线资源来满足密集WLAN部署下用户的性能需求,成为当前产业界和学术界研究的热点。本文分析了密集WLAN部署现状,并针对密集AP部署和密集STA接入两种场景中的信道分配算法进行了研究,具体工作如下:首先,针对密集AP部署下由于重叠基本服务集（Overlapping Basic Service Set,OBSS）中的隐藏终端和暴露终端造成的数据冲突和无线资源浪费问题,提出一种基于软件定义无线网络（Software Defined Wireless Network,SDWN）的并行传输机制。该机制基于APs间的无线干扰协调技术,使用控制器对APs的传输行为进行统一调度,从而有效地解决多APs密集部署中的隐藏终端和暴露终端问题。同时,为提升控制器的决策效率,提出一种高效的邻居关系存储机制。仿真实验结果验证了所提出的机制能够有效地提升无线频谱效率。此外,针对密集STA接入场景下高冲突导致的性能衰退问题,结合当前最新的IEEE 802.11ax协议,引入蜂窝网络中广泛应用的设备到设备（Device-to-Device,D2D）通信技术,设计了一种基于最大独立集（Maximum Independent Set,MIS）的上行（Up Link,UL）资源分配机制。该机制将网络中的D2D“链路对”抽象为干扰图,基于该干扰图生成相应的多个MISs。AP根据MISs和节点之间的干扰信息集中地分配资源单位（Resource Unit,RU）,实现传统Wi-Fi链路和多D2D链路无冲突的并行数据传输,提升RU的使用效率。仿真结果显示该算法可显着降低密集STA接入场景中的冲突率和时延,并且极大地提高系统吞吐量。
李志豪[5]（2020）在《基于强化学习的接入网选择算法研究》文中研究说明伴随着移动通信技术的快速发展,以及用户个性化需求的日益剧增,各大运营商相继为用户提供了各式各样的无线接入网络。将这些具有不同特性的无线接入技术融为一体就是异构无线接入网络,由于异构无线接入网络能经济有效地提升网络容量,为用户提供多样化的网络服务,因此,现阶段无线接入网络具有很强的异构性。在未来的异构无线网络场景中,用户的通信设备将包含大量的无线接口,导致接入网选择变得愈发繁琐。因此,设计出合理高效的接入网选择算法帮助用户判定最佳的接入网,将是未来维护用户网络体验的关键所在,也是学术界的研究热点。首先,本文对异构无线网络中的组成和关键技术展开详细介绍,并对主流的接入网选择算法进行分类和原理阐述。然后根据国内外强化学习算法的最新研究成果,将强化学习算法和接入网选择问题相结合,针对异构无线网络场景中网络总吞吐量这个关键属性,提出了一种基于强化学习的接入网选择算法。该算法通过合理的建模方式,和奖励塑形、值函数逼近、策略修正模块的设计,克服了传统强化学习算法在异构网络场景中训练速度慢的弊端,保障了算法在复杂网络场景中的性能,通过对不同时刻之间网络总吞吐量的变化信息进行学习,判定出网络场景中用户的最佳接入网选择,并制定出高效的网络切换策略。该算法既可以帮助网络运营商维护网络的总吞吐量,也可以将算法中对网络的长期收益估计推荐给用户,辅助用户进行接入网选择。最后,本文选取4G、5G和WLAN这三个关键无线接入技术,搭建基于Python软件的异构网络场景,设计合理的仿真实验对本文提出的算法性能和关键超参数的选择进行分析。仿真结果表明,本本文算法判定的最佳接入网选择方案能获得较高的网络总吞吐量,并且在用户数和网络数较多的场景中依旧能保持优异的性能。
程煜钧[6]（2019）在《工业无线局域网MAC协议确定性机制研究》文中研究指明IEEE 802.11 无线局域网（Wireless Local Area Network,WLAN）技术在过去二十年中取得了巨大的进展,由于其具有低成本、灵活性、可扩展性和易部署等优势,在家庭、企业和工业等诸多无线网络场景和应用中均展现出了强大的生命力。工业WLAN继承了 WLAN的基本功能和特性,但由于工业环境的复杂性和WLAN协议的内在不足引起的网络不确定性,使得传统WLAN难以直接应用于工业通信中。工业WLAN研究重点在于数据传输的确定性,即需要在确定的时限内完成可靠的数据通信。本论文针对无线局域网MAC协议,围绕工业场景下通信的确定性问题展开深入研究。本论文主要工作和创新点如下:（1）针对工业实时场景下WLAN的负载均衡问题,本文提出了一种确定性的负载均衡算法。该算法由两部分组成,分别为指标检测过程和负载调整过程。指标检测过程中,每个移动站根据时限错失率和丢包率评估网络负载情况;负载调整过程中,该算法将负载调整过程建模为博弈论中一级封闭拍卖模型,通过求解该模型以使网络中的负载达到均衡。随后,本文将该方法与多种典型算法在工业场景下进行对比,仿真结果表明,该方法可有效降低数据传输时限错失率和丢包率,使网络支持更高确定性需求的工业应用。（2）针对工业密集场景下的确定性接入问题,本文首先分析了针对该应用场景的IEEE 802.11ah标准,并对标准中定义的一种限制接入窗口机制进行建模分析。其次,为了避免限制接入窗口内部在高负荷情况下引起的性能下降,本文提出了一种信道感知的竞争窗口自适应算法,该算法具有干扰判别功能,可以根据信道状况实时调整竞争窗口大小,提升网络的确定性。最后,为了验证该方法的性能,本文将该方法与两种典型竞争窗口自适应算法进行对比。仿真结果表明,该协议可提升IEEE 802.11ah协议在高负荷下的传输性能,从而使IEEE 802.1 1ah协议支持更高确定性需求的工业应用。（3）针对同时具有高确定性和高传输速率两种需求的工业应用,本文在IEEE 802.11协议基础上设计并实现了一种高确定性的无线局域网MAC协议。该协议采用集中式架构和时分多址接入机制,可以保证数据的端到端时延,为高速工业应用提供确定性保证。此外,本文在实际工业环境下搭建了测试平台和原型系统,对该协议的性能进行验证。实验结果表明,相较现有WLAN协议,可以支持实时性要求较为严格的工业应用。
李文豪[7]（2019）在《分布式IEEE802.11ac信道均衡技术研究与验证》文中指出IEEE802.11ac无线局域网标准作为第五代Wi-Fi标准,不仅能提供高达1Gbps的吞吐量,还具有向后兼容的特性。IEEE802.11ac标准中没有规范MIMO的多天线布局,初步研究表明,与集中式相比,采用分布式的天线布局能够获得更大的信道容量和更高的小区覆盖率。对此,论文研究了IEEE802.11ac标准下分布式MIMO的信号模型,并对分布式IEEE802.11ac的信道均衡技术进行了研究和验证。具体研究内容如下:首先,系统总结并对比分析了 MIMO信道均衡技术研究现状。论文从IEEE802.11无线局域网通信标准特别是IEEE802.11ac标准的演进出发,分别阐述了集中式和分布式MIMO的信号模型以及信道均衡技术研究现状,为后续分布式IEEE802.11ac信号模型的推导提供了参考。其次,设计了分布式IEEE802.11ac信道均衡方案。论文在IEEE802.11ac标准的基础上,推导了三种分布式MIMO信道模型下的四发四收信号模型,依据信号模型设计了信道估计方案,仿真并分析了迫零和最小均方误差信道均衡算法的性能。虽然最小均方误差相比于迫零均衡算法,在性能上有3～7dB的提高,但考虑到实现复杂度,最后选择将复杂度较低的迫零均衡算法作为了信道均衡的方案。最后,对分布式IEEE802.11ac信道均衡进行了逻辑实现和硬件测试。论文在四发四收IEEE802.11ac WIFI样机设计项目的基础上,逻辑实现了分布式IEEE802.11ac信道均衡方案,并在基于FPGA的硬件测试平台上进行测试,验证了信道均衡模块的功能,同时在不同收发模式以及天线配置下完成了 QPSK、64QAM和256QAM三种调制方式下的系统性能测试。其中各种收发模式下的四发四收QPSK链路以及分布式发分布式收模式下的四发四收64QAM链路能够达到误包率小于10%的需求。论文推导了分布式IEEE802.11ac的信号模型并研究和验证了其信道均衡技术,对于IEEE802.11ac标准下分布式MIMO技术的研究具有一定的参考意义。
孙飞[8]（2019）在《混合异构网络中数据和计算负载迁移技术研究》文中研究说明近年来,随着移动通信技术的发展,以及城市信息化应用水平的提高,智慧城市的建设应运而生。作为信息化城市发展的高级形态,智慧城市以物联网（Internet of Things,IoT）、云计算等新一代信息技术为基础,通过系统、整合的方式优化城市运营,能够实现合理的资源配置,为人们提供更高的生活质量。智慧城市中,从智能交通系统到实时空气质量监测,数以亿计的IoT设备无时无刻不在产生数据,以支持城市系统的运行。此外,新型网络应用（如:移动高清视频、虚拟现实/增强现实（VR/AR））在丰富人们生活的同时,也产生了巨大的移动网络流量。传统单一网络结构受基础设施数量的限制,带宽、存储和计算资源有限,无法应对这些激增数据的即时传输、存储和处理需求,这样会极大地降低城市的运行效率。智慧城市是建立在蜂窝网、无线局域网和车联网（Internet of Vehicles,IoV）等多种网络组成的混合异构通信网络之上,不同网络结构在通信、存储和计算等资源方面存在冗余。针对数据和计算密集型业务,在目标网络资源受限的情况下,可以利用其他网络中的空闲资源对其进行补充,以实现对业务的快速响应。因此,智慧城市可持续发展的关键是设计适合于这种混合异构网络的联合资源管理模式,即负载迁移（Offloading）。这其中,如何应对网络的异构性、资源的异质性、以及如何保证数据、计算服务前后的一致性,都是负载迁移机制设计中亟待解决的问题。鉴于此,本文针对混合异构网络中的数据和计算负载迁移技术进行了研究,主要研究成果如下。针对蜂窝网和无线局域网组成的混合异构网络,本文研究了“基于虚拟运营商（Mobile Virtual Network Operator,MVNO）的数据负载迁移策略”。首先,本文给出了网络各级运营商的数据服务盈利模型,并将MVNO之间的数据流量分配建模为非合作的流量博弈问题。然后,本文分别基于古诺（Cournot）和斯塔克伯格（Stackelberg）模型,研究了两种竞争模式（对等、非对等）下的流量博弈问题,并分析和证明了两种均衡的存在性和唯一性,进一步设计了基于遗传算法的流量分配策略。仿真结果表明,本文所提出的流量分配策略在对蜂窝网数据负载进行迁移的同时,能够最大化网络经济效益。针对蜂窝网和车联网组成的混合异构网络,本文研究了“基于边缘缓存的视频数据负载迁移机制”。首先,本文提出了基于路侧单元（Road Side Unit,RSU）通信时间的车辆移动模型。然后,为了保证视频数据前后的一致性,本文提出了基于车辆通信时间的数据预存储方案。考虑到RSU中的有限缓存空间,本文进一步提出了基于用户服务体验（Quality of Experience,QoE）的视频码率自适应调节机制。仿真结果表明,本文所提出的边缘缓存机制相较于无码率调节的缓存机制,能够满足额外10%到40%的用户业务需求。针对蜂窝网和车联网组成的混合异构网络,本文研究了“基于车载云（Vehicular Cloud,VC）的计算负载迁移机制”。首先,本文提出了基于驻留时间（Dwell Time）的车辆移动模型,来表征车载计算资源的不稳定性。然后,本文给出了计算任务的处理、传输和排队模型。考虑到计算任务间的复杂耦合关系,本文进一步将计算负载迁移建模为NP难的任务调度问题,并根据车辆的全局移动信息和实时位置信息,分别提出了基于时序拓展图（Time Expanded Graph,TEG）和深度增强学习（Deep Reinforcement Learning,DRL）的任务调度机制。仿真结果表明,本文所提出的任务调度机制在对边缘服务器计算负载进行迁移的同时,能够保证高的车载资源利用效率和低的业务响应时延。
刘松[9]（2019）在《边缘无线网络全双工介质访问控制关键技术研究》文中研究说明随着5G时代的到来,物联网应用的大量部署,边缘无线网络迫切需要更大的网络容量、更小的传输延迟和更高的频谱利用率来支撑数据流量的爆炸式增长和多样化的应用需求。作为5G候选技术的带内全双工技术凭借着可以在同一频率上同时收发报文实现频谱利用效率的倍增,得到了学术界和业界的广泛关注。然而,如何利用全双工技术点到点之间的潜在通信优势,实现网络级的性能提升,需要介质访问控制（MAC）层和更高层协议的配合。其中,MAC层协议的性能直接关系到上层协议的表现,决定了上层协议的网络性能上限。因此,本文重点研究全双工MAC协议的设计与实现。为了解决无线全双工信道竞争中的节点间干扰和非对称流量问题,本文首先提出了一种新型的集中式全双工MAC协议,pFD-MAC。在该协议中,本文设计了一种基于轮询的传输机制,并对轮询策略在全双工网络中的影响进行了研究。通过将节点间干扰特征表征为有向非冲突图,将全双工网络中的轮询策略生成问题进行了理论建模,并证明该问题是NP难问题。为了可以在报文传输的同时并行快速的生成轮询策略,设计了一个流量感知的启发式算法。采用该算法生成的轮询策略,使得接入点（AP）可以有效地利用全双工通信机会,实现报文的高效并行传输。此外,为了在不牺牲网络吞吐率的情况下保证公平性,本文将并行传输时间纳入公平性评估标准中,并针对新的公平性评估标准改进了现有的差额轮询（DRR）算法。仿真结果表明,与现有的两种集中式MAC协议相比,pFD-MAC协议在保持公平性的同时,可以在网络吞吐率和传输延迟方面获得更高的性能。考虑到集中式传输调度的局限性和网络通信环境动态变化的特点,本文提出了一个基于载波侦听多路访问（CSMA）机制的分布式全双工MAC协议。在该协议中,假设接入点使用全双工通信模式而终端工作在半双工模式。为了充分利用全双工传输以提升网络性能,本文以最优化网络吞吐率为目标,将全双工中的传输调度问题转化为一个多臂赌博机问题。为了自适应地解决动态通信环境中的全双工传输调度问题,设计了一个具有在线学习功能的基于窗口约束的贝叶斯优化算法,主要包括:1)重新设计了奖励函数以激励全双工吞吐率提升;2)引入学习增幅因子以提升算法收敛速度;3)增加窗口约束函数以提高算法对动态通信环境的适应性。此外,本文还设计了一种基于两次握手机制的报文传输流程,并对该机制使用马尔科夫链进行了理论建模分析。仿真结果表明,本文提出的分布式全双工MAC协议可以提高全双工通信的利用机会,且可以在动态变化的通信环境中保持稳定的网络性能。最后,考虑到基于AP的无线网络中,全双工AP的部署不但影响着网络覆盖质量还一定程度决定了全双工传输机会,本文从全双工AP部署的角度对优化MAC协议的全双工传输机会进行了研究。首先,从理论上推导了不同AP部署方案下的全双工传输概率密度函数,分析了不同的全双工AP部署方案对于网络吞吐率的影响。分析结果表明,优化AP部署策略可以获得更多的全双工传输机会,进而有效地提高网络性能。其次,以获得最优化网络吞吐率为目标,对全双工AP部署问题进行了建模,将AP部署问题表述为一个整数非线性规划问题。为了有效地求解该问题,本文设计并实现了一种基于局部束搜索的启发式算法。通过仿真实验,深入比较了全双工AP部署与传统半双工网络的不同,以及不同的全双工AP部署策略对全双工网络吞吐率的影响。实验结果表明,本文提出的启发式算法在全双工AP部署问题中可以以较低的代价逼近网格搜索算法获得的最优解。
谭梦[10]（2019）在《毫米波WLAN中空间复用技术研究》文中研究指明随着无线通信的快速发展,移动数据流量的显着增长,无线设备对数据传输速率的要求越来越高。传统2.4 GHz和5 GHz的微波频段频谱资源已经十分拥挤,难以满足现在的高速传输需求,而60 GHz毫米波具有巨大的带宽,可以满足许多高传输速率的应用需求,这让其成为学术界、工业界和标准化组织的研究热点。但在60 GHz毫米波通信中,毫米波的传输距离比较短,而且路径损耗较大,因此为了弥补这些不足,常常使用定向传输,这就为空间复用提供了可能性。近年来,由于机场、会议室、体育场和图书馆等场景下用户业务需求的日益剧增,接入点（Access Point,AP）的布置也会比较密集,各个基本服务区集（Basic Service Set,BSS）的覆盖范围也会出现重叠现象。虽然毫米波的定向波束本身就具有空间隔离及空间复用的效果,但是在用户比较密集的场景中,不同的BSS中的通信链路之间就有可能产生干扰。因此,在密集场景中如何减少网络间的干扰以及提高系统的空间复用能力成为研究的重点。本论文将从密集BSS场景中毫米波链路的空间复用问题展开研究。首先,本文在密集BSS网络场景中,提出了通过集中控制器AP（Controller-AP,C-AP）协调的集中式波束赋形训练方案。该方案将干扰测量和波束赋形训练相结合,在波束训练的过程中收集各条链路波束信息和链路间的干扰信息,在波束训练之后,将各自的波束训练信息以及收集到的其他链路干扰信息上报给C-AP,从而C-AP可以进行有效的调度资源,为空间复用技术打下一定的基础。然后,本文在密集BSS网络中研究了基于协议干扰模型的网络间的空间复用方案。在该方案中,首先根据C-AP在集中式波束赋形训练过程中收集到的STA的波束信息来建立波束信息表。然后提出了一种使用最优波束差值来作为两条链路共存的判决条件,接着为了实现不同BSS间多条链路同时传输,C-AP根据波束信息表和最优波束差进行链路调度。最后,通过仿真将所提方案与MSND方案进行对比,结果表明,所提方案能够提高空间复用增益。最后,本文在密集BSS网络中研究了基于物理干扰模型的网络间的空间复用方案。在该方案中,首先C-AP根据在集中式波束赋形训练过程中收集到链路的干扰信息,来建立链路干扰信息表,避免了空间复用中定向测量所带来的时间开销。然后分析了链路共存的条件,接着利用链路干扰信息表和链路共存的判决条件,提出了BSS间的链路调度算法。最后,通过仿真研究了所提的空间复用方案的性能,结果表明,所提的方案比随机调度方案和分布式调度方案有更高的空间复用增益和高的系统吞吐量。
二、集中式无线局域网的仿真（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、集中式无线局域网的仿真（论文提纲范文）
（1）基于网内缓存的视频传输建模与优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 有线局域网中的网内缓存研究 |
| 1.2.2 移动蜂窝网中的网内缓存研究 |
| 1.3 本文主要工作 |
| 1.4 本文的组织结构 |
| 第二章 基于网内变长间隔缓存的软件定义网络视频传输优化 |
| 2.1 引言 |
| 2.1.1 基于NFV的CDN和网内缓存架构研究 |
| 2.1.2 SDN协助的缓存管理和视频传输研究 |
| 2.1.3 针对VoD服务的缓存置换策略研究 |
| 2.2 网内缓存协助的软件定义视频流化传输系统架构 |
| 2.2.1 系统架构 |
| 2.2.2 缓存机制 |
| 2.2.3 服务流程 |
| 2.3 基于滑动窗口机制的变长间隔缓存策略 |
| 2.3.1 缓存窗口状态演化模型 |
| 2.3.2 基于变长滑动窗口的网内缓存机制 |
| 2.3.3 网内缓存协助的视频传输策略 |
| 2.4 系统性能理论分析 |
| 2.5 原型系统搭建和应用示范 |
| 2.6 性能评估 |
| 2.6.1 性能评价指标 |
| 2.6.2 仿真场景设置 |
| 2.6.3 仿真实验结果分析 |
| 2.7 本章小结 |
| 第三章 超高密度5G蜂窝网中基于多智能体深度强化学习的协作边缘缓存 |
| 3.1 引言 |
| 3.1.1 基于最优化理论的缓存策略设计 |
| 3.1.2 基于机器学习的缓存策略设计 |
| 3.1.3 基于深度强化学习的缓存策略设计 |
| 3.2 系统模型和问题描述 |
| 3.2.1 系统模型 |
| 3.2.2 问题建模 |
| 3.3 基于多智能体深度强化学习的网内协作边缘缓存 |
| 3.3.1 多智能体Actor-Critic协作框架 |
| 3.3.2 内容请求预测 |
| 3.3.3 用户接入预测 |
| 3.3.4 基于多智能体深度强化学习的分布式协作缓存决策 |
| 3.4 性能评估 |
| 3.4.1 仿真设置 |
| 3.4.2 性能指标 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 针对移动用户视频传输业务的移动性感知网内预缓存 |
| 4.1 引言 |
| 4.2 系统模型和问题描述 |
| 4.2.1 系统架构 |
| 4.2.2 问题描述 |
| 4.3 移动性感知的预缓存策略 |
| 4.3.1 基于CVAE模型的移动轨迹预测 |
| 4.3.2 基于深度Actor-Critic框架的预缓存策略 |
| 4.4 性能评估 |
| 4.4.1 基于CVAE模型的移动轨迹预测 |
| 4.4.2 基于深度Actor-Critic框架的预缓存策略 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（2）基于马尔科夫近似的网络组合优化问题分布式算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 频谱分配问题研究现状 |
| 1.2.2 AP关联问题研究现状 |
| 1.3 本文主要内容和组织结构 |
| 1.3.1 本文主要内容 |
| 1.3.2 本文组织结构 |
| 第2章 电视白频谱概述 |
| 2.1 电视白频谱 |
| 2.2 电视白频谱的优点 |
| 2.3 电视白频谱的特殊性 |
| 2.4 本章小结 |
| 第3章 电视白频谱的动态分布式分配算法 |
| 3.1 系统模型和问题描述 |
| 3.1.1 系统模型 |
| 3.1.2 问题描述 |
| 3.2 算法设计 |
| 3.2.1 Log-sum-exp近似 |
| 3.2.2 马尔科夫链的设计 |
| 3.2.3 收敛性分析 |
| 3.3 动态算法设计 |
| 3.4 实验仿真和结果分析 |
| 3.4.1 算法3.1的收敛性和有效性分析 |
| 3.4.2 与NNSM和 RSM算法比较 |
| 3.4.3 算法复杂度的比较 |
| 3.4.4 用户干扰分析 |
| 3.4.5 动态算法性能分析 |
| 3.5 本章小结 |
| 第4章 动态分布式AP关联算法 |
| 4.1 系统模型与问题描述 |
| 4.1.1 系统模型 |
| 4.1.2 问题描述 |
| 4.2 算法设计 |
| 4.2.1 Log-sum-exp近似 |
| 4.2.2 马尔科夫链的设计 |
| 4.2.3 收敛性分析 |
| 4.3 动态算法的设计 |
| 4.4 实验与结果分析 |
| 4.4.1 算法4.1的有效性和收敛性分析 |
| 4.4.2 与算法GAS和 RAS比较 |
| 4.4.3 算法复杂度分析 |
| 4.4.4 动态算法性能分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的科研成果清单 |
（3）无线多热点网络负载均衡优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展与综述 |
| 1.2.1 无线多热点网络负载测量及分析 |
| 1.2.2 信道接入和带宽分配问题及其相关实现技术 |
| 1.2.3 无线热点接入算法的研究 |
| 1.2.4 基于软件定义无线网络的负载均衡 |
| 1.2.5 研究挑战和未来方向 |
| 1.3 本文研究思路与内容 |
| 1.4 本文组织结构 |
| 2 无线多热点网络快速切换机制研究 |
| 2.1 引言 |
| 2.2 无线多热点网中的快速切换以及用户行为特征分析 |
| 2.2.1 多热点网中的切换阶段 |
| 2.2.2 用户行为特征及切换的触发原则 |
| 2.3 基于负载均衡的快速切换机制(LFHM) |
| 2.4 基于SDN的多热点网络快速切换方案 |
| 2.4.1 SDN切换过程分析 |
| 2.4.2 切换延迟分析 |
| 2.4.3 应用SDN控制器的切换方案 |
| 2.5 实验环境设计及结果分析 |
| 2.5.1 实验环境 |
| 2.5.2 实验拓扑图 |
| 2.5.3 场景设计和结果分析 |
| 2.6 本章小结 |
| 3 无线多热点网络中在线关联负载平衡算法的研究 |
| 3.1 引言 |
| 3.2 研究背景 |
| 3.3 网络和系统描述 |
| 3.4 支持多热点无线负载均衡在线关联算法 |
| 3.5 负载均衡在线关联算法理论分析 |
| 3.6 实验和讨论 |
| 3.6.1 关联算法Matlab模拟实验 |
| 3.6.2 负载均衡的在线关联算法TestBed实验方法 |
| 3.7 本章小结 |
| 4 基于软件定义网络SDN的多热点网络负载均衡优化 |
| 4.1 引言 |
| 4.2 研究背景 |
| 4.3 负载均衡算法建模与理论分析 |
| 4.3.1 网络系统描述 |
| 4.3.2 算法原理 |
| 4.3.3 负载均衡算法设计与复杂度分析 |
| 4.4 负载均衡算法(SLBA)在SDN网络中应用的流程 |
| 4.5 负载均衡算法的实现 |
| 4.5.1 主要衡量指标 |
| 4.5.2 基于SDN的W1Fi中指标的测量方法 |
| 4.5.3 AP网络质量评估 |
| 4.5.4 最佳AP选择算法 |
| 4.6 Mininet-WiFi仿真及结果分析 |
| 4.6.1 仿真实验环境 |
| 4.6.2 网络拓扑搭建 |
| 4.6.3 传统AP的负载算法性能评估 |
| 4.6.4 基于SDN的AP负载算法性能对比 |
| 4.7 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（4）密集部署下WLAN信道分配策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 密集AP部署信道分配研究现状 |
| 1.2.2 密集STA接入信道分配研究现状 |
| 1.3 论文主要工作及贡献 |
| 1.4 论文组织结构 |
| 第2章 相关技术简介 |
| 2.1 无线局域网概述 |
| 2.1.1 无线局域网组成结构 |
| 2.1.2 传统无线局域网中的MAC层接入机制 |
| 2.1.3 IEEE802.11ax中 MAC层接入机制 |
| 2.2 软件定义网络 |
| 2.2.1 SDN架构 |
| 2.2.2 Open Flow协议 |
| 2.2.3 SDN优势 |
| 2.3 D2D通信技术 |
| 2.3.1 D2D通信的基本概念 |
| 2.3.2 D2D通信关键技术 |
| 2.3.3 802.11ax中应用D2D技术干扰分析 |
| 2.4 本章小结 |
| 第3章 密集AP部署下基于SDN的 WLAN并行传输机制 |
| 3.1 引言 |
| 3.2 SDWN架构及模块 |
| 3.3 基于SDWN的并行传输机制 |
| 3.3.1 CCT-SDN |
| 3.3.2 SPRIM |
| 3.4 数学分析 |
| 3.4.1 网络吞吐量 |
| 3.4.2 信道利用率 |
| 3.5 性能仿真 |
| 3.5.1 仿真参数设置 |
| 3.5.2 性能分析 |
| 3.6 本章小结 |
| 第4章 密集站点接入下基于最大独立集的资源分配机制 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 基于最大独立集的D2D上行资源分配机制 |
| 4.3.1 算法描述 |
| 4.3.2 上行随机接入 |
| 4.3.3 上行资源分配 |
| 4.3.4 上行数据传输 |
| 4.4 数学分析 |
| 4.5 性能仿真 |
| 4.5.1 仿真参数设置 |
| 4.5.2 性能分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 下一步研究工作 |
| 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 |
（5）基于强化学习的接入网选择算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究内容及意义 |
| 1.4 本文结构安排 |
| 第二章 异构无线网络关键技术概述 |
| 2.1 异构无线接入网络 |
| 2.1.1 移动通信系统 |
| 2.1.2 无线局域网 |
| 2.2 异构无线网络关键技术 |
| 2.2.1 异构无线网络移动性管理 |
| 2.2.2 异构无线资源管理 |
| 2.2.3 异构无线接入网选择 |
| 2.2.4 异构网络的QoS保障 |
| 2.3 接入网选择算法研究 |
| 2.3.1 基于贪心策略的接入网选择算法 |
| 2.3.2 基于多属性判决的接入网选择算法 |
| 2.3.3 基于博弈论的接入网选择算法 |
| 2.3.4 基于模糊逻辑的接入网选择算法 |
| 2.3.5 基于马尔可夫过程的接入网选择算法 |
| 2.3.6 基于强化学习的接入网选择算法 |
| 2.4 本章小结 |
| 第三章 基于强化学习的接入网选择算法 |
| 3.1 强化学习理论简介 |
| 3.1.1 强化学习基本原理 |
| 3.1.2 强化学习基本算法 |
| 3.1.3 Q学习算法 |
| 3.2 基于强化学习的接入网选择算法 |
| 3.2.1 问题建模 |
| 3.2.2 奖励塑形模块 |
| 3.2.3 值函数逼近模块 |
| 3.2.4 策略修正模块 |
| 3.2.5 算法流程 |
| 3.3 本章小结 |
| 第四章 仿真实验与分析 |
| 4.1 仿真模型搭建 |
| 4.2 仿真参数设定 |
| 4.3 仿真结果分析 |
| 4.3.1 模块性能分析 |
| 4.3.2 切换代价系数分析 |
| 4.3.3 插值增量系数分析 |
| 4.3.4 贪心递减系数分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）工业无线局域网MAC协议确定性机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要缩略语对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景 |
| 1.2.1 传统无线局域网基本结构 |
| 1.2.2 工业确定性网络相关研究 |
| 1.2.3 工业无线局域网需求及特点 |
| 1.3 论文主要内容与创新点 |
| 1.4 论文组织结构 |
| 2 无线局域网MAC协议及其确定性研究综述 |
| 2.1 无线局域网MAC协议概述 |
| 2.1.1 传统IEEE 802.11 MAC机制概述 |
| 2.1.2 近期IEEE 802.11 MAC机制概述 |
| 2.2 传统IEEE 802.11 MAC协议的确定性相关研究 |
| 2.2.1 基于竞争的MAC机制 |
| 2.2.2 无竞争的MAC机制 |
| 2.2.3 其它MAC优化机制 |
| 2.2.4 本节总结 |
| 2.3 近期IEEE 802.11 MAC协议的确定性相关研究 |
| 2.3.1 IEEE 802.11n |
| 2.3.2 IEEE 802.11ac |
| 2.3.3 IEEE 802.11ah |
| 2.4 本章小结 |
| 3 工业实时场景下无线局域网负载均衡算法研究 |
| 3.1 引言 |
| 3.1.1 研究背景 |
| 3.1.2 研究现状 |
| 3.2 基于工业实时场景的WLAN负载均衡算法设计 |
| 3.2.1 系统描述 |
| 3.2.2 指标检测过程 |
| 3.2.3 负载调整过程 |
| 3.3 仿真验证和结果分析 |
| 3.3.1 仿真设计 |
| 3.3.2 仿真结果 |
| 3.4 本章小结 |
| 4 工业密集低速场景下无线局域网接入确定性优化研究 |
| 4.1 引言 |
| 4.1.1 研究背景 |
| 4.1.2 研究现状 |
| 4.2 工业应用中触发模式RAW机制性能评估 |
| 4.2.1 系统描述 |
| 4.2.2 触发模式RAW建模分析 |
| 4.2.3 模型验证和性能分析 |
| 4.3 工业密集场景下自适应竞争窗口退避算法设计 |
| 4.3.1 信道状态估计 |
| 4.3.2 自适应竞争窗口机制 |
| 4.4 工业密集场景下自适应竞争窗口退避算法性能验证 |
| 4.4.1 仿真设计 |
| 4.4.2 仿真结果 |
| 4.5 本章小结 |
| 5 工业无线局域网高确定性MAC协议设计与实现 |
| 5.1 引言 |
| 5.1.1 研究背景 |
| 5.1.2 研究现状 |
| 5.2 基于工业无线局域网的高确定性MAC协议设计 |
| 5.2.1 入网流程 |
| 5.2.2 数据帧和时隙设计 |
| 5.2.3 时间同步 |
| 5.3 基于工业无线局域网的高确定性MAC协议实现 |
| 5.3.1 系统架构 |
| 5.3.2 驱动修正 |
| 5.3.3 定时器设计 |
| 5.4 性能评估 |
| 5.4.1 实验设计 |
| 5.4.2 实验结果 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）分布式IEEE802.11ac信道均衡技术研究与验证（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究工作与贡献 |
| 1.3 论文结构与安排 |
| 第二章 MIMO信道均衡技术研究现状 |
| 2.1 引言 |
| 2.2 IEEE802.11无线标准现状 |
| 2.2.1 IEEE802.11无线标准的演进 |
| 2.2.2 IEEE802.11ac标准 |
| 2.3 集中式MIMO研究现状 |
| 2.3.1 集中式MIMO信号模型 |
| 2.3.2 集中式MIMO信道估计研究现状 |
| 2.3.3 集中式MIMO信道均衡研究现状 |
| 2.4 分布式MIMO研究现状 |
| 2.4.1 分布式MIMO信号模型 |
| 2.4.2 分布式MIMO信道估计与均衡研究现状 |
| 2.5 小结 |
| 第三章 分布式IEEE802.11ac信道均衡方案设计 |
| 3.1 引言 |
| 3.2 性能需求与分析 |
| 3.2.1 性能需求指标 |
| 3.2.2 信道环境分析 |
| 3.3 信号模型 |
| 3.3.1 发射机模型 |
| 3.3.2 信道模型 |
| 3.3.3 接收信号模型 |
| 3.4 分布式IEEE802.11ac信道估计算法设计 |
| 3.4.1 信道估计算法 |
| 3.4.2 相偏估计 |
| 3.5 分布式IEEE802.11ac信道均衡算法 |
| 3.5.1 ZF均衡算法 |
| 3.5.2 MMSE均衡算法 |
| 3.6 仿真结果与分析 |
| 3.6.1 不带相对频偏的仿真结果与分析 |
| 3.6.2 带相对频偏的仿真与分析 |
| 3.7 小结 |
| 第四章 分布式IEEE802.11ac信道均衡算法实现 |
| 4.1 引言 |
| 4.2 分布式IEEE802.11ac信道均衡总体结构 |
| 4.2.1 硬件实现平台 |
| 4.2.2 总体设计 |
| 4.3 分布式IEEE802.11ac信道均衡模块总体设计 |
| 4.3.1 信道估计模块设计 |
| 4.3.2 信道均衡模块设计 |
| 4.3.3 资源消耗与分析 |
| 4.4 硬件测试与分析 |
| 4.4.1 硬件测试平台 |
| 4.4.2 测试场景与主要参数 |
| 4.4.3 模块功能验证与分析 |
| 4.4.4 系统性能测试与分析 |
| 4.5 小结 |
| 第五章 研究总结与展望 |
| 5.1 全文总结 |
| 5.2 下一步工作建议 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 附件 |
（8）混合异构网络中数据和计算负载迁移技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 智慧城市的浪潮 |
| 1.1.2 负载迁移应用前景 |
| 1.2 研究现状和挑战 |
| 1.2.1 数据负载迁移研究现状 |
| 1.2.2 计算负载迁移研究现状 |
| 1.2.3 面临挑战 |
| 1.3 研究内容和创新点 |
| 1.4 论文章节安排 |
| 第二章 混合异构网络及负载迁移关键技术 |
| 2.1 引言 |
| 2.2 混合异构网络 |
| 2.2.1 蜂窝网 |
| 2.2.2 无线局域网 |
| 2.2.3 车联网 |
| 2.3 负载迁移关键技术 |
| 2.3.1 车联网边缘缓存 |
| 2.3.2 车载云计算 |
| 2.4 负载迁移求解过程 |
| 2.5 本章小结 |
| 第三章 基于虚拟运营商的数据负载迁移策略 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 系统概述 |
| 3.2.2 用户需求建模 |
| 3.2.3 网络运营商盈利模式 |
| 3.2.4 虚拟运营商盈利模式 |
| 3.3 虚拟运营商流量决策 |
| 3.3.1 古诺模型 |
| 3.3.2 斯塔克伯格模型 |
| 3.4 仿真结果与分析 |
| 3.4.1 数据流量分配 |
| 3.4.2 流量成本与销售价格 |
| 3.4.3 服务收入与利润 |
| 3.4.4 领导者流量决策 |
| 3.5 本章小结 |
| 第四章 基于边缘缓存的视频数据负载迁移机制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 系统概述 |
| 4.2.2 车辆移动模型 |
| 4.2.3 QoE评价模型 |
| 4.2.4 数据存储模型 |
| 4.3 基于优化的存储资源分配方法 |
| 4.3.1 车辆移动模拟 |
| 4.3.2 视频文件划分 |
| 4.3.3 播放码率调节 |
| 4.3.4 优化问题描述 |
| 4.3.5 算法设计 |
| 4.4 仿真结果与分析 |
| 4.4.1 视频码率分配结果 |
| 4.4.2 用户组成影响 |
| 4.4.3 缓存空间影响 |
| 4.4.4 缓存节点数目影响 |
| 4.5 本章小结 |
| 第五章 基于车载云的计算负载迁移机制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 系统概述 |
| 5.2.2 车辆移动模型 |
| 5.2.3 计算业务模型 |
| 5.2.4 业务响应模型 |
| 5.2.5 优化问题描述 |
| 5.3 基于改进遗传算法的任务调度机制 |
| 5.3.1 算法综述 |
| 5.3.2 基于统计优先的重调度机制 |
| 5.4 计算和通信资源联合调度机制 |
| 5.4.1 基于时序拓展图的任务调度机制 |
| 5.4.2 基于深度增强学习的任务调度机制 |
| 5.5 仿真结果与分析 |
| 5.5.1 车辆和业务模拟 |
| 5.5.2 负载迁移决策 |
| 5.5.3 平均业务响应时延 |
| 5.5.4 系统稳定性 |
| 5.5.5 TEG和DRL迁移机制性能对比 |
| 5.6 本章小结 |
| 第六章 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读博士期间完成的论文专利以及参与的项目 |
（9）边缘无线网络全双工介质访问控制关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 边缘无线网络简介 |
| 1.1.2 边缘无线网络中的研究内容 |
| 1.2 带内全双工通信中的研究内容 |
| 1.3 本文主要研究工作 |
| 1.3.1 集中式全双工MAC协议设计 |
| 1.3.2 分布式全双工MAC协议设计 |
| 1.3.3 全双工部署问题分析与优化 |
| 1.4 论文结构 |
| 第二章 相关技术与研究 |
| 2.1 全双工通信技术 |
| 2.1.1 全双工通信的基本概念 |
| 2.1.2 自干扰消除技术 |
| 2.1.3 全双工通信中的干扰模型 |
| 2.1.4 全双工通信中的传输模型 |
| 2.2 无线MAC协议 |
| 2.2.1 IEEE802.11协议 |
| 2.2.2 全双工MAC协议分类 |
| 2.2.3 典型的全双工MAC协议 |
| 2.3 本章小结 |
| 第三章 基于集中式调度的全双工MAC协议 |
| 3.1 前言 |
| 3.2 系统模型与问题描述 |
| 3.2.1 系统模型 |
| 3.2.2 问题描述 |
| 3.3 基于轮询的MAC协议框架设计 |
| 3.3.1 信息采集 |
| 3.3.2 传输调度 |
| 3.3.3 报文传输 |
| 3.4 轮询策略生成算法 |
| 3.4.1 公平性调度 |
| 3.4.2 非冲突图构建 |
| 3.4.3 轮询策略生成问题 |
| 3.4.4 流量感知的轮询策略生成算法 |
| 3.4.5 示例 |
| 3.5 性能评估 |
| 3.5.1 仿真参数 |
| 3.5.2 仿真结果 |
| 3.6 本章小结 |
| 第四章 基于分布式调度的全双工MAC协议 |
| 4.1 问题描述 |
| 4.2 系统模型与问题建模 |
| 4.2.1 系统模型 |
| 4.2.2 全双工非对称传输调度问题建模 |
| 4.3 基于窗口约束的贝叶斯优化算法设计 |
| 4.3.1 贝叶斯优化框架 |
| 4.3.2 奖励函数设计 |
| 4.3.3 收敛速度提升 |
| 4.3.4 动态环境支持 |
| 4.3.5 算法描述 |
| 4.4 传输机制设计 |
| 4.4.1 传输机制概述 |
| 4.4.2 非对称传输流程设计 |
| 4.4.3 帧格式设计 |
| 4.5 MAC协议设计 |
| 4.6 性能分析 |
| 4.6.1 报文成功传输的概率 |
| 4.6.2 全双工有效负载 |
| 4.6.3 网络吞吐率 |
| 4.7 性能评估 |
| 4.7.1 仿真参数设置 |
| 4.7.2 协议模型测试 |
| 4.7.3 优化算法有效性测试 |
| 4.7.4 网络吞吐率提升 |
| 4.7.5 学习增幅因子ρ对算法收敛性影响 |
| 4.7.6 移动性支持 |
| 4.8 本章小结 |
| 第五章 全双工接入点部署问题分析与优化 |
| 5.1 问题描述 |
| 5.2 系统模型 |
| 5.2.1 网络模型 |
| 5.2.2 传播和干扰模型 |
| 5.2.3 全双工传输模型 |
| 5.3 全双工传输机会理论分析 |
| 5.3.1 全双工传输概率 |
| 5.3.2 全双工传输阈值 |
| 5.3.3 信号距离与干扰距离的概率分布 |
| 5.3.4 理论结果与分析 |
| 5.4 全双工AP部署问题建模 |
| 5.4.1 上行链路的接收信号质量 |
| 5.4.2 下行链路的接收信号质量 |
| 5.4.3 问题建模 |
| 5.5 基于局部束搜索的启发式算法 |
| 5.5.1 用户分布中心位置计算 |
| 5.5.2 局部束搜索 |
| 5.6 性能评估 |
| 5.6.1 仿真实验场景与关键参数设置 |
| 5.6.2 仿真结果 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）毫米波WLAN中空间复用技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 毫米波无线通信协议标准进程 |
| 1.1.2 毫米波通信的特点 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的组织结构及研究内容 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的结构安排 |
| 第2章 毫米波无线局域网的关键技术 |
| 2.1 引言 |
| 2.2 毫米波无线局域网网络架构 |
| 2.3 IEEE802.11ad/ay信标帧间隔结构 |
| 2.4 毫米波波束赋形技术 |
| 2.4.1 IEEE802.11ad标准的波束赋形训练 |
| 2.4.2 IEEE802.11ay标准的波束赋形训练 |
| 2.5 IEEE802.11ad中继工作机制 |
| 2.6 空间复用技术 |
| 2.6.1 IEEE802.11ad标准的空间复用技术 |
| 2.6.2 IEEE802.11ay标准的空间复用技术 |
| 2.7 本章小节 |
| 第3章 基于集中式控制的多AP多STA密集组网架构 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 网络场景 |
| 3.2.2 天线模型 |
| 3.2.3 信道模型 |
| 3.3 集中式网络架构中的波束赋形训练 |
| 3.3.1 集中式波束赋形训练机制 |
| 3.3.2 相关帧结构设计 |
| 3.4 本章小结 |
| 第4章 集中式网络架构中基于协议干扰模型的空间复用方案设计 |
| 4.1 协议干扰模型 |
| 4.2 基于协议干扰模型的空间复用方案 |
| 4.2.1 最大扇区差空间复用方案分析 |
| 4.2.2 空间复用条件 |
| 4.2.3 空间复用调度算法 |
| 4.3 仿真结果与性能分析 |
| 4.3.1 仿真场景参数设计 |
| 4.3.2 仿真结果分析 |
| 4.4 本章小结 |
| 第5章 集中式网络架构中基于物理干扰模型的空间复用方案设计 |
| 5.1 物理干扰模型 |
| 5.2 空间复用分析 |
| 5.3 BSS间的空间复用方案 |
| 5.3.1 干扰测量 |
| 5.3.2 链路共存的判决条件 |
| 5.3.3 基于传输需求的帧结构 |
| 5.3.4 BSS间的空间复用算法 |
| 5.4 仿真结果与性能分析 |
| 5.4.1 仿真场景参数设计 |
| 5.4.2 仿真结果分析 |
| 5.5 本章小节 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及科研成果 |
四、集中式无线局域网的仿真（论文参考文献）
- [1]基于网内缓存的视频传输建模与优化[D]. 姚振. 中国科学技术大学, 2020(09)
- [2]基于马尔科夫近似的网络组合优化问题分布式算法的研究[D]. 陈镇威. 闽南师范大学, 2020(10)
- [3]无线多热点网络负载均衡优化研究[D]. 孙亮. 大连理工大学, 2020(07)
- [4]密集部署下WLAN信道分配策略研究[D]. 王颖. 重庆邮电大学, 2020(02)
- [5]基于强化学习的接入网选择算法研究[D]. 李志豪. 西安电子科技大学, 2020(05)
- [6]工业无线局域网MAC协议确定性机制研究[D]. 程煜钧. 北京交通大学, 2019
- [7]分布式IEEE802.11ac信道均衡技术研究与验证[D]. 李文豪. 电子科技大学, 2019(01)
- [8]混合异构网络中数据和计算负载迁移技术研究[D]. 孙飞. 上海交通大学, 2019(06)
- [9]边缘无线网络全双工介质访问控制关键技术研究[D]. 刘松. 国防科技大学, 2019(01)
- [10]毫米波WLAN中空间复用技术研究[D]. 谭梦. 西南交通大学, 2019(03)