一、Ad hoc网络存在的问题及发展前景(论文文献综述)
张乔[1](2021)在《窄带网络下的海洋数据传输路径优化与获取方法研究》文中进行了进一步梳理海洋开发和利用,网络通信是关键。限于海洋独特的环境,无线通信是最优的选择。目前离岸线较远(通常是12海里以外)的海域,主要依赖高通量卫星通信和北斗短报文通信,近岸可以依靠移动运营商网络。卫星通信成本高,天线复杂,实现困难,北斗短报文信息流通量小,移动运营商网络覆盖有限。因此,在海洋领域研究低成本无线通信技术,对海洋监测数据采集具有重要意义和迫切性。远距离无线传输通常通过无线节点或基站之间接力传输实现,节点或基站之间传输路径优化是关键性技术问题,有待深入研究。论文应用LoRa无线通信机制,通过基站或节点之间接力传输,构建无线自组网络,实现海域远距离无线传输;本文研究了由固定的网络节点组成的无线Mesh网络的传输路径优化问题,提出了改进的遗传算法对无线Mesh网络的传输路径进行了优化。经过仿真,对比了改进的遗产算法、遗传算法和蚁群算法等三种算法在无线Mesh网络的传输路径优化的性能区别;本文还研究了由移动的网络节点组成的无线Ad Hoc网络的传输路径优化问题,分析了AODV算法在无线Ad Hoc网络的路由优化的特点,然后提出了双向搜索算法对无线Ad Hoc网络的传输路径进行了优化,经过仿真,对比了AODV路由算法和双向搜索法在Ad Hoc网络的路由优化的主要性能的区别。本文还研发了基于433MHz频率段,LoRa机制无线传输海洋数据采集装置,针对海洋领域实际应用,制定单一信道下,信号时分传输协议,实现准实时性海洋数据采集。
吴锦桥[2](2020)在《车联网络数据分发协议与算法研究》文中认为近年来,车联网领域的研究活动非常活跃,也取得了巨大进步。这些研究深入分析了如何设计车联网环境下的数据分发协议及其相关算法。如今,车联网仍然是一个保持快速发展且十分活跃的领域,与此同时车联网领域也存在大量的研究挑战及待解决的问题。另外,无线通信技术的不断革新也给车联网带来了前所未有的应用挑战。在车联自组织网络中,车辆与车辆、车辆与路边基础设施之间,利用无线通信技术进行数据分发的主要目的是为了进一步提高人们的行车安全及日常交通出行效率。针对车联网中由于车辆高速运动导致的网络拓扑易变性、车辆节点之间无线链路连接的间歇性及车辆位置的分布不均匀性,本论文基于强化学习从不同角度对不同车联网环境下的数据分发协议及相关算法进行了研究,主要工作如下:1.针对VANETs的高动态特性,提出了一种基于强化学习的移动自适应单播数据分发协议。借助经过精心设计的HELLO学习包结构,提出了一种新的分布式动态自适应学习算法来实时地学习和感知网络的动态信息,提高了协议在VANETs环境下的动态自适应性。通过综合考虑链路的多个关键评估指标,设计了一种新的学习奖励策略。为了实现协议能够对车辆节点的高移动性进行快速反应,针对网络中不同类型的数据消息包,分别设计了不同的学习策略。此外,为了加快学习算法的收敛速度,在学习的初始阶段采用了反应式路径探测学习策略。最后,提出了一种新的MAC层辅助学习策略以进一步提高协议在VANETs环境下移动适应性。仿真实验结果表明,在网络开销保持在可接受范围之内的同时,协议在数据包投递成功率、端到端时延和平均路由跳数等方面的分发性能优于已有相关协议。2.考虑到城市VANETs环境所具有的独特性,提出了一种基于强化学习的RSU辅助车流量感知单播数据分发协议。在城市场景中,沿着街道快速行驶的车辆节点对数据分发协议提出了严峻的挑战且车辆节点的高移动性对网络性能具有很大影响。此外,在城市环境中由于车辆节点的分布不均匀性而造成的局部网络分割问题进一步对分发协议提出了更高的要求。更为重要的是,交通高峰时段的高车辆密度和各种自然障碍物,例如高楼、相邻车辆的遮挡及道路旁的高大树木等进一步增加了实现高效可靠数据分发协议的难度。针对上述问题,利用城市路网拓扑的规则性,针对传统学习算法中的状态空间爆炸问题,同时为了进一步减少学习过程中引入的网络开销,减轻协议对车辆节点高移动性的敏感性,提出了一种新的车流量感知单播分发策略。该策略实现了将传统的动态适应性弱的车辆节点之间的多跳分发转移到实现了车流量感知的路段内车辆节点之间的可靠多跳分发和动态适应性强的路段间高效分发。为了实现从源车辆节点到第一个十字路口节点及从最后一个十字路口节点到目的车辆节点之间的快速分发,基于重新设计的V2V HELLO学习包结构,提出了一种车流量感知移动自适应学习策略以实现路段内车辆节点之间的可靠高效分发。考虑到路段内车辆节点位置分布不均匀性及运动轨迹的受限性,通过综合考虑多个车辆链路连接评估指标,结合Q贪婪地理位置转发和局部最优情形下的存储携带转发,提出了一种新的车流量感知及奖励策略。基于重新设计的R2R HELLO学习包结构及路段内的车流量信息,提出了一种新的RSU节点之间的车流量感知学习算法以实现路段间的高效分发。仿真实验结果表明,协议在不同车流量密度情况下的综合性能优于已有分发协议。3.针对城市VANETs环境中车辆节点的高移动性、位置分布不均匀性及通信链路的不稳定性等,提出了一种基于强化学习的RSU辅助车流量感知多播数据分发协议。为了最大程度地减轻路段内车辆节点的快速移动性对多播分发协议性能造成的影响,借助城市路网的静态道路拓扑信息,基于强化学习算法提出了一种新的多播分发模型。该模型将传统的直接专注于从多播源车辆节点到每个多播组成员车辆节点之间的低动态适应性数据分发过程转移到一种专注于从多播源RSU节点到每个多播组成员RSU节点之间的高动态适应性数据分发过程,以进一步提高协议的综合分发性能。在路段内移动的多播源车辆节点首先将数据消息包快速地分发到多播源RSU节点,然后由多播源RSU节点继续高效地分发到每一个多播组成员RSU节点,最后从各个多播组成员RSU节点可靠地分发到与其相关联的多播组成员车辆节点。针对传统多播协议动态适应性差的问题,结合强化学习算法的灵活性,借助经过重新设计的V2V和R2R HELLO学习包结构,分别实现了路段内及路段间的车流量感知多播分发策略。实验结果表明,与传统的基于树和网格结构的多播分发协议相比,本协议具有更好的动态适应性及更优的多播分发性能。4.为了进一步提高VANETs中高速公路环境下紧急消息的分发性能,提出了一种适用于高动态性网络场景下的实用分布式移动自适应分簇协议。通过HELLO,CH和JOIN这三种类型的成簇数据消息包的交换来实现动态分簇,提高了簇结构的稳定性。通过发送和接收格式一致的成簇数据消息包来获取最新的邻居节点及其成簇信息,协议动态适应性更强。通过为具有绝对最高权重的簇头节点引入CH数据消息包的定期广播功能,在很大程度上对成簇数据包的丢失具有较高的容忍性,同时也很好地避免了蝴蝶效应的产生。
郭学文[3](2020)在《基于TDMA的Ad hoc网络MAC层协议设计与实现》文中认为目前流行的无线网络空中接口技术均采用基于CSMA/CA(Carrier Sense Multiple Access with Collision Avoidance,CSMA/CA)策略的MAC(Media Access Control,MAC)协议,其突出问题是当网络规模较大时信道访问冲突迅速上升,网络性能急剧下降,甚至不能保障及时的通信。因此,基于TDMA(Time Division Multiple Access,TDMA)的MAC协议的Ad hoc网络将在军事通信和救灾应急通信中将有着更为广泛的应用前景。为了支持大规模节点的信息传输,传统TDMA协议的传输延迟不能满足紧急信息传输的需求。本文设计了基于动态TDMA时隙分配协议RA-SOTDMA(Random Self-organized TDMA,RA-SOTDMA),该协议通过信道监听、时隙预约和预约确认完成时隙的占用,构建单跳和两跳表保证多跳范围信道无冲突通信。并有完善的时隙释放机制,保证信道占用的灵活性,克服了网络拓扑变化带来的影响。而时间同步是Ad hoc网络实现TDMA机制的关键技术,其技术难点在于如何支持动态的网络拓扑结构、多跳通信和高同步精度。对此,本文也设计了一种快速等级同步算法FLS(Fast Level Synchronization,FLS)。针对Ad hoc网络动态拓扑性,FLS制定了入网同步和周期同步机制为同步精度提供保障。并采用节点等级策略优化了网络结构,保证了在低网络开销的情况下完成全网时间同步。最终,在基于CSMA商用网卡的无线平台上,开发了TDMA机制的无线网卡并评估了TDMA性能和测试了时间同步精度。
孙力[4](2020)在《Ad Hoc网络节点间高精度测距与时间同步技术研究》文中研究指明Ad Hoc网络是一种无需特定基础设施的网络架构,采用分布式控制,具有自组织、无中心节点、多跳等特征。在一些现代化战场、紧急救援等场合有着积极的作用,具有广阔的发展前景。随着自组织网络技术的不断发展,对其测距系统提出了更高的要求。在Ad Hoc网络中,时间同步是需要重点研究的关键技术之一,自组织网络节点自主定位、自主定时等功能都需要严格依赖于节点间精确的时间同步。基于节点间的高精度测距和时间同步问题,本文主要做了如下工作:(1)提出适用于测距技术研究的信道建模方法。对高斯信道、多径信道和干扰信道多种信道模型进行建模,通过对比不同信道环境下的测距精度的RMSE曲线,说明了建立信道模型的正确性。提出了基于模糊最小二乘的最佳测距路径识别方法。通过仿真验证,证明该方法的有效性,可以克服恶劣NLOS多径信道影响,实现高精度测距的目标。针对低信噪比情况下路径识别误差较大的问题,本文提出基于Kalman滤波方法的测距信号降噪方法。通过仿真验证,结果表明在低信噪比环境下,基于Kalman滤波的测距信号降噪方法可以有效降低接收信号的噪声。(2)介绍了Ad Hoc网络的节点时钟模型,利用分形方法对网络节点时钟噪声进行分析和研究。Kalman滤波是一种经常用来描述网络节点时钟差的方法,时钟模型的Kalman滤波方法可以对节点时钟的噪声状态进行描述。对时钟噪声序列非正态性等特征进行分析。介绍了时差噪声的分形特性,分形特性可以用来在估计Kalman滤波的协方差矩阵,从而提高滤波算法效率。(3)对RBS、TPSN、Tiny/Mini-Sync三种时间同步算法的双向时间同步误差进行分析。本文采用网络节点钟差的分形预报方法,利用节点间钟差噪声的分形特性建立噪声预报模型,通过提高对噪声协方差阵的估计精度来提升同步精度。通过仿真对比,节点之间的相对钟差预报精度在分形模型下要高于一次多项式模型和灰色模型。以三个网络节点分别验证RBS算法、TPSN算法和Tiny/MiniSync算法的性能。按照基于钟差预报的网络时间同步模型,通过对钟差噪声分形特性的描述,降低了噪声对网络节点时间同步精度的影响。在收敛速度方面,基于时差预报的网络同步算法比RBS、TPSN、Tiny/Mini-Sync三种时间同步算法更快,而且精度没有损失。
彭殊龙[5](2020)在《海上宽带无线自组网路由协议的研究与实现》文中研究指明随着人类海洋活动的日益频繁,人们对海上宽带通信的需求也越来越大。当前海上无线通信系统存在带宽窄、速率低、成本高等问题,无法满足现代海上互联网通信业务的需求,人们迫切地需要一个支持宽带、高速率通信、低成本的海上无线通信系统。本文结合海上通信环境的特殊性,对海上宽带无线自组织网络的路由协议进行研究,并设计开发海上自组织网通信节点的路由协议软件,实现多跳组网功能。本文的主要工作内容如下:路由协议是影响无线自组织网络(Ad Hoc Network)性能的关键协议之一,不同的路由协议针对不同的应用场景具有不同的优势。针对海上通信环境,对DSR(Dynamic Source Routing,DSR)、OLSR(Optimized Link State Routing,OLSR)和 AODV(Ad hoc On-Demand Distance Vector Routing,AODV)路由协议进行原理分析和对比,并通过仿真软件对三种协议的包投递率和平均端到端时延进行仿真。选择AODV路由协议作为海上宽带无线自组网的路由协议,结合海上船舶特性,利用AIS(Automatic Identification System,AIS)报文提取出船舶位置信息,对AODV路由发现过程进行改进,降低路由开销,提出 AIS 辅助 AODV路由协议(AIS-aided AODV,A-AODV)。基于嵌入式软件开发环境,开发A-AODV路由协议软件,设计软件整体架构,将整个协议功能根据不同消息类型分为多个功能模块,其中包括路由请求模块、路由应答模块、路由错误模块、MAC(Medium Access Control,MAC)层上传数据处理模块和本机上层数据处理模块,对设计难点提出解决方案,接着对路由表和位置表格进行程序实现,对各个功能模块进行详细设计,最后是辅助功能设计,主要有多线程同步、环形缓冲区设计、消息标志位和以太网通信等。程序编译后运行在基于软件无线电的海上自组织网通信节点上,对物理层参数进行配置,搭建实验环境,设计了模块功能验证实验、多跳宽带数据传输、链路中断时重新发现路由实验和包投递率统计。实验结果表明,所设计实现的A-AODV路由协议软件能够实现自组织网通信节点的路由发现与维护、多跳数据传输等功能,可以满足现代海上互联网业务对高速率、多跳传输的需求,对发展海上宽带无线自组织网络的应用具有一定的现实意义。
吴晚春[6](2020)在《MIMO技术在自组网中的应用研究》文中提出随着5G时代的到来,结合当前全球范围内互联网技术的不断发展,人们对突破传统限制,可提供更大传输容量和更大覆盖范围的无线连接服务有着更迫切的需求。自组网(Ad Hoc)技术能合理根据网络中现有传输资源,完成有效的信息传输。多输入多输出(MIMO)技术在不增加带宽的情况下,能充分利用空间资源提高系统容量和频谱效率。本文通过将MIMO技术与Ad Hoc技术相结合,分析在实际传输环境下,网络中各参数对系统性能产生的影响,以及网络中节点存在异构性时对传输造成的影响。论文的主要成果有:1、结合经验电波传播模型,改进MIMO Ad Hoc网络容量的数学模型。在Ad Hoc网络中节点配置多天线时,运用MIMO技术可有效提升网络容量。针对现有网络容量的数学模型未考虑实际物理传播模型和实际网络参数的约束,本文结合经验传播模型分析节点间距离、节点分布密度及网络半径等重要参数对网络容量的影响,推导了在信道状态信息(CSI)未知和已知条件下的网络容量上界,使得网络容量的数学模型能够反映该传播模型下的实际传输场景,提高了模型的准确性。2、针对节点间不存在直接链路的多天线Ad Hoc中继系统模型,分析了该模型结合串行干扰消除(SIC)技术在瑞利衰落信道下的系统性能,推导出接收节点的中断概率表达式以及系统容量上界表达式,通过实验仿真验证理论分析的正确性,在接收端结合SIC技术相较于单用户检测可降低系统中断概率,提升了系统性能。3、当Ad Hoc网络中节点由于物理性差异形成异构网络,将导致同构性假设下的理论不能直接应用。本文结合MIMO技术,提出了一种分布式调度算法,并分析了在网络中节点天线数目异构条件下该算法相比于传统调度算法在网络性能方面的提升。分布式算法可根据节点类型和信道条件自适应地选择空间分集、天线选择等传输策略,解决了传统算法在异构网络下系统性能受到最小天线数目节点限制的问题,提升了系统整体性能。
程科[7](2020)在《自组网通信终端硬件研制及改善传输性能的技术研究》文中研究指明Ad-hoc网络能够用于无基础设施场景下的组网通信,在军事通信和民用应急通信中具有很好的应用前景。但迄今为止市场上尚没有可供公众使用的成熟的宽带Ad-hoc终端产品。目前常用的无线通信技术标准或不支持自组网与多跳传输,或不支持带宽视频传输。此外,这些技术都基于CSMA/CA(Carrier Sense Multiple Access with Collision Avoid)信道访问控制,在大型网络中由于信道访问冲突导致网络性能大大降低。本文对原有Ad-hoc V2.0版硬件设计方案进行调试,解决其设计中存在的问题和功能缺陷。在此基础上完成Ad-hoc V2.1版硬件的设计、调试和小批量制作。同时针对多跳传输、信道访问控制机制等改善传输性能的方法和措施进行分析和研究。本文的具体工作概括如下:1)V2.0版的电路调试与排故。Ad-hoc V2.0版硬件电路是项目组先行自主设计的电路,PCB制版后未经任何测试。本文的第一项工作是对该版硬件进行各单元电路的测试和调试,排除了电路设计、PCB制作和焊接中存在的各种问题和故障。2)V2.1版的电路设计、调试与小批量制作。在V2.0版电路调试的基础上,修改部分电路设计、PCB设计,以及支持GPS秒脉冲的功能设计,使得V2.1版具有更好的结构和功能支持。完成设计后进行了PCB制版、调试和小批量制作。3)改善传输性能的技术研究,包括BATMAN adv多跳路由协议的移植、SOTDMA与CSMA切换机制实现,提升了系统的多跳传输性能和在不同网络规模下的传输自适应性。
卢钊[8](2019)在《基于AdHoc网络的多机器人通信研究》文中认为随着计算机、通信、网络等学科与技术的不断发展与融合,对机器人的研究不断深入,机器人具有感知环境信息、自主规划既定任务、智能任务控制等能力,可以获取、处理和识别多种信息,自主的完成较为复杂的任务,是新一代信息技术的发展方向。通信是多机器人之间彼此交换信息和相互协作的基础,本文对多机器人的通信和AdHoc网络的现状进行了深入的探讨,现有的AdHoc网络路由算法不能很好的适用于多机器人通信系统,机器人故障的发生会影响整个机器人网络的连通性和同步性,本文将对多机器人系统通信路由和故障修复进行研究。首先,本文提出了一种基于改进蚁群AODV路由协议的多机器人通信路由算法,该路由算法结合多机器人系统的特性,改进了蚁群算法和AODV路由算法,将机器人节点的移动速度和负载情况作为路由选择的考虑因素,提出了路由性能函数来衡量多机器人系统通信路由的优劣,该算法同时建立主路由和备用路由两条通信路由,仿真结果表明,该算法提高了多机器人系统的分组投递率,降低了归一化路由开销和平均端到端延时。然后,本文提出了一种基于梯度扩散机制的多机器人故障修复算法,通过梯度生成和扩散机制在多机器人系统中产生稳定的梯度分布,然后根据选举规则来选出最佳修复路径,使机器人通过局部的信息交互递归地修复网络拓扑,机器人节点额外维护二跳邻居节点表和最佳邻居机器人用以解决多个机器人故障引起的网络中断、修复路径冲突等问题。仿真结果表明,该算法能够有效地恢复故障系统的网络拓扑,保证多机器人网络的连通性和同步性,减少故障网络的修复时间。最后,本文实现了一套基于AdHoc网络的多机器人模拟系统,该系统包括机器人节点信息的设计以及本文提出的路由算法和故障修复算法的构成与实现,并通过系统测试验证了本文提出的路由算法与故障修复算法应用于多机器人系统的可行性。
洪洁[9](2019)在《高动态飞行器自组织网络关键技术研究》文中研究指明飞行器自组织网络(Flying ad hoc network,FANET)是由无人飞行器(Unmanned aerial vehicle,UAV)机群组成的多跳、自治的移动自组织网络(Mobile Ad Hoc Network,MANET)。飞行器节点高速移动,不依赖基础设施自行组网,并通过多跳转发完成数据交互。在这样的组网方式和通信模式下,节点感知范围更大、通信距离更远、网络覆盖范围更广。然而节点移动速度快和网络拓扑变化频繁严重制约着高动态飞行器自组织网络性能。如何适应节点高动态运动并使网络性能保持在较高水平,是高动态自组织网络研究的一项挑战。本文主要研究了高动态飞行器自组织网络性能的影响因素、组网设计优化、网络拓扑变化感知、节点移动方式区分等内容。目的是最大限度地减少节点高速移动对网络的影响,并构建高性能飞行器自组织网络。全文研究的主要内容可概括为:1.高动态飞行器自组织网络组网方案设计。本文首先分析了自物理层至传输层影响网络性能的的多种因素,包括无线传播方式、节点移动性、节点密度、物理层/数据链层协议、路由协议、流量负载等。然后结合分析结果和网络特点,合理选用各层协议并设置参数,提出了一个适合高动态自组织网络的组网方案。该方案易于实现,能够满足高动态场景下飞行器自组织网的功能和性能要求。2.高动态飞行器自组织网络拓扑变化表征及感知方法研究。本文提出的组网方案使用了一些新方法来克服节点高速移动的影响,其中之一就是网络拓扑变化感知。针对高动态移动自组织网络中节点移动速度快、网络拓扑变化频繁的特点,提出了一种衡量网络拓扑变化的移动特征——拓扑变化度。拓扑变化度将量化后的多种拓扑变化影响因素线性叠加,用以表征节点间、节点与一跳邻居间及整个网络的拓扑变化。实验表明拓扑变化度在区分节点个体移动和群体移动时效果较好。本文还提出了感知间隔固定的自组织网络拓扑变化感知方法和自组织网络拓扑变化自适应感知方法。3.高动态飞行器自组织网络自适应路由研究。上述组网方案中高动态移动自组织网络性能的有效维持和提升得益于自适应路由选择策略。本文根据高动态飞行器自组织网络的实际任务需求,总结了三种可能的任务场景,并基于周期性拓扑变化感知方法提出了一种适于复杂任务场景的自适应路由选择策略(TARCS)。该策略定期将网络拓扑变化感知结果与预先计算的移动模型拓扑变化度门限参考值相比较,确定节点当前的移动方式,再根据各移动方式的特点使用相应的策略恰当选择路由协议。该策略强调节点移动方式与路由协议的匹配,力求使网络路由适应复杂的移动场景,从而使网络性能维持在较高水平。仿真表明,在高动态复杂场景中,恰当的的路由选择策略能有效维持网络性能。4.高动态飞行器自组织网络节点移动方式识别研究。拓扑变化度的一个明显局限就是它只能反映拓扑变化总体效果而不能直观反映个体影响因素。为此本文将其进行改进,用多维向量表征网络拓扑变化的移动特征,提出了拓扑变化向量。随后使用支持向量机技术构建分类器并采用10折交叉验证法对多种移动方式进行分类训练和测试。文中模拟了10种不同的移动模型,并利用上述方法对模型进行了分类,结果表明利用支持向量机并恰当选择分类器能够准确区分不同移动模型的拓扑变化向量,并能使分类精度达到75%以上。
葛东玉[10](2019)在《ad hoc云环境下任务卸载策略研究》文中研究指明移动云计算技术为移动设备突破自身资源限制提供了一种有效方式,然而在很多场景中并没有可用的预设基础设施来保证用户能够随时随地接入,或由于服务器距离较远往往会带来较高的传输延迟。在ad hoc云环境下,移动设备可以将计算密集型任务卸载到附近具有相对丰富资源的其他移动设备上执行,以实现自身资源的扩展,而实际场景下的任务卸载需要考虑节点的随机移动性和异构性。基于上述分析,针对ad hoc云环境下的任务卸载问题,首先分析研究了ad hoc云的特性及其任务卸载过程中的多影响因素,在此基础上构建了符合实际场景的系统模型。为了提升任务卸载效率,提出一种基于移动预测的多准则任务分配算法。首先根据时间序列分析预测节点逃离时间,并将其作为节点移动性衡量指标,然后运用层次分析法得到CPU速度、核心数和负载等因素的权重,最后根据组合权重进行任务分配。仿真结果表明,相较于随机任务分配算法和Min-Min算法,所提算法能够有效降低任务执行时间和能耗。为了满足用户的多目标需求,引入簇头节点作为集中控制器设计一种多目标卸载决策模型,根据用户实际需求将任务按优先级排序,综合考虑任务完成时间、能量消耗和额外开销进行卸载决策;提出一种融合遗传算法和蚁群算法的任务卸载算法,首先利用遗传算法的全局快速随机搜索能力得到任务分配方案的可行解,然后将其对应于蚁群算法的初始信息素,最后利用蚁群算法的正反馈机制实现对任务分配方案的精确求解。仿真结果表明,所提算法与随机任务分配算法、异构感知任务分配算法和遗传算法相比,能有效降低任务完成时间和能耗,并且收敛速度优于遗传算法。
二、Ad hoc网络存在的问题及发展前景(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、Ad hoc网络存在的问题及发展前景(论文提纲范文)
(1)窄带网络下的海洋数据传输路径优化与获取方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 海洋数据的重要性 |
1.1.2 研究无线自组网络的意义 |
1.2 国内外研究现状 |
1.3 研究的内容 |
第2章 基于LoRa机制的无线Mesh网络 |
2.1 无线Mesh网络的特点与分类 |
2.2 基于LoRa机制的窄带无线Mesh网络架构 |
2.3 无线Mesh网络的通信接力协议 |
2.3.1 无线Mesh网络通信节点的合理布置 |
2.3.2 窄带网络LoRa通信模块的设计 |
2.3.3 窄带网络基站的设计 |
2.3.4 无线网络节点的通信接力协议 |
2.4 本章小结 |
第3章 无线Mesh网络的固定节点的传输路径优化 |
3.1 无线Mesh网络的传输路径优化算法的选择 |
3.2 算法开发软件MATALAB与地图的建模 |
3.3 算法的原理 |
3.3.1 遗传算法 |
3.3.2 蚁群算法 |
3.3.3 改进的遗传算法 |
3.4 路径优化仿真与分析 |
3.5 本章小结 |
第4章 Ad Hoc网络的移动节点的传输路径优化 |
4.1 移动网络节点的Ad Hoc网络路由协议分析 |
4.2 双向搜索算法的设计 |
4.3 仿真实验 |
4.3.1 网络仿真器NS-2 |
4.3.2 无线模型的搭建 |
4.4 仿真分析 |
4.5 本章小结 |
第5章 海洋数据采集的实现 |
5.1 海洋数据获取的方法 |
5.2 海洋数据采集装置的电路设计 |
5.2.1 微型浮标LoRa通信模块的电路设计 |
5.2.2 基站的数据处理模块与储存器的电路设计 |
5.3 通信组网的设计 |
5.4 海洋数据通信信道的规划 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
在学期间科研成果情况 |
(2)车联网络数据分发协议与算法研究(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 研究背景及动机 |
1.1.1 研究背景 |
1.1.2 研究动机 |
1.2 车联网单播数据分发协议研究现状 |
1.2.1 车联网环境移动自适应单播数据分发协议 |
1.2.2 城市车联网环境车流量感知单播数据分发协议 |
1.2.3 设计挑战及未来的研究方向 |
1.3 车联网多播数据分发协议研究现状 |
1.3.1 城市车联网车流量感知多播数据分发协议 |
1.3.2 设计挑战及未来研究方向 |
1.4 车联网广播数据分发协议研究现状 |
1.4.1 车联网中的广播分发协议 |
1.4.2 设计挑战及未来研究方向 |
1.5 主要研究内容 |
1.6 论文组织结构 |
第二章 相关技术研究 |
2.1 引言 |
2.2 车联网架构 |
2.3 强化学习 |
2.4 Q学习算法与数据分发 |
2.5 本章小结 |
第三章 VANETs环境移动自适应单播数据分发协议 |
3.1 引言 |
3.2 基于Q学习算法的移动自适应单播数据分发模型 |
3.3 基于动态Q学习算法的移动自适应单播数据分发协议 |
3.3.1 ARPRL协议概述 |
3.3.2 HELLO学习包结构设计及处理算法 |
3.3.3 移动自适应动态学习策略 |
3.3.4 主动路径探测学习算法 |
3.4 仿真实验及结果 |
3.4.1 实验参数设置 |
3.4.2 性能评估指标 |
3.4.3 不同车辆密度下的分发性能比较 |
3.4.4 不同车辆移动速度下的分发性能比较 |
3.4.5 不同数据发送速率下的分发性能比较 |
3.5 ARPRL性能分析 |
3.5.1 协议开销 |
3.5.2 协议复杂度 |
3.6 本章小结 |
第四章 城市场景车流量感知单播数据分发协议 |
4.1 引言 |
4.2 基于Q学习的车流量感知单播数据分发协议 |
4.2.1 QTAR协议概述 |
4.2.2 车流量感知HELLO学习包结构设计 |
4.2.3 基于Q学习算法的城市场景单播数据分发模型 |
4.2.4 路段内车流量感知学习策略及分发算法 |
4.2.5 路段间车流量感知学习策略及分发算法 |
4.3 仿真实验及结果 |
4.3.1 实验参数设置 |
4.3.2 性能评估指标 |
4.3.3 不同学习率α和折扣率γ下的QTAR分发性能 |
4.3.4 不同κ值下的QTAR分发性能 |
4.3.5 不同车辆密度下的分发性能比较 |
4.3.6 不同车辆移动速度下的分发性能比较 |
4.3.7 不同数据发送速率下的分发性能比较 |
4.4 本章小结 |
第五章 城市场景车流量感知多播数据分发协议 |
5.1 引言 |
5.2 基于Q学习算法的城市场景多播数据分发模型 |
5.3 基于Q学习算法的车流量感知多播数据分发协议 |
5.3.1 RLMDD协议概述 |
5.3.2 车流量感知HELLO学习包结构设计 |
5.3.3 路段内车流量感知学习策略及分发算法 |
5.3.4 路段间车流量感知学习策略及分发算法 |
5.4 仿真实验及结果 |
5.4.1 实验参数设置 |
5.4.2 性能评估指标 |
5.4.3 不同车辆移动速度下QMax值随时间变化趋势 |
5.4.4 不同α、γ和κ取值下RLMDD的分发性能 |
5.4.5 不同车辆密度下的分发性能比较 |
5.4.6 不同车辆移动速度下的分发性能比较 |
5.4.7 不同数据发送速率下的分发性能比较 |
5.5 本章小结 |
第六章 高速公路场景高移动性自适应分簇协议 |
6.1 引言 |
6.2 高动态自适应分簇协议PDMAC |
6.2.1 前提假设 |
6.2.2 通用分簇消息包格式设计 |
6.2.3 PDMAC协议概述 |
6.2.4 初始化 |
6.2.5 邻居超时处理 |
6.2.6 分簇消息包处理 |
6.3 仿真实验结果 |
6.3.1 分簇性能评估指标 |
6.3.2 实验结果 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 未来工作展望 |
参考文献 |
致谢 |
作者简介 |
(3)基于TDMA的Ad hoc网络MAC层协议设计与实现(论文提纲范文)
致谢 |
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 Ad hoc网络中基于TDMA的 MAC层协议研究现状 |
1.2.2 Adhoc网络中时间同步算法研究现状 |
1.3 研究内容 |
1.4 论文组织结构 |
第2章 MAC层协议及Linux网络设备驱动概述 |
2.1 Adhoc网络 |
2.1.1 Adhoc网络概念 |
2.1.2 Adhoc网络特点 |
2.1.3 Adhoc网络应用需求 |
2.1.4 管理Adhoc网络面临的问题 |
2.2 TCP/IP协议栈 |
2.2.1 TCP/IP协议栈概念 |
2.2.2 网络接口层 |
2.2.3 网络互连层 |
2.2.4 传输层 |
2.2.5 应用层 |
2.3 MAC层协议 |
2.3.1 MAC层协议设计原则 |
2.3.2 MAC层协议主要分类 |
2.4 Linux网络设备驱动 |
2.4.1 Linux网络设备驱动结构 |
2.4.2 网络设备驱动注册和注销 |
2.4.3 网络设备的初始化 |
2.4.4 网络设备的打开和释放 |
2.4.5 数据发送流程 |
2.4.6 数据接收流程 |
2.5 Linux内核机制 |
2.5.1 Linux内核高精度定时器 |
2.5.2 Linux内核数据结构 |
2.5.3 Linux内核随机函数 |
2.6 本章小结 |
第3章 MAC层动态TDMA算法设计和实现 |
3.1 RA-SOTDMA帧和时隙表结构 |
3.1.1 时隙和帧组成 |
3.1.2 时隙表结构 |
3.2 RA-SOTDMA时隙分配过程 |
3.2.1 预约阶段 |
3.2.2 确认阶段 |
3.2.3 信息传输阶段 |
3.2.4 释放阶段 |
3.3 RA-SOTDMA时隙复用 |
3.4 RA-SOTDMA时隙表管理 |
3.4.1 时隙表构建 |
3.4.2 时隙表维护 |
3.5 RA-SOTDMA算法实例分析 |
3.5.1 预约时隙表构建案例 |
3.5.2 预约案例 |
3.5.3 时隙释放案例 |
3.5.4 时隙复用案例 |
3.6 RA-SOTDMA算法实现 |
3.6.1 帧结构实现 |
3.6.2 定时发送机制实现 |
3.6.3 时隙表维护机制实现 |
3.7 本章小结 |
第4章 FLS快速等级同步协议和算法设计与实现 |
4.1 系统模型 |
4.1.1 网络模型 |
4.1.2 节点模型 |
4.2 FLS:入网 |
4.3 FLS:等级调度 |
4.3.1 前向等级调度 |
4.3.2 后向等级调度 |
4.4 FLS:同步 |
4.4.1 入网同步 |
4.4.2 周期同步 |
4.5 FLS算法实现 |
4.5.1 入网同步实现 |
4.5.2 定期同步实现 |
4.6 本章小结 |
第5章 实验结果及其评价 |
5.1 测试平台及开发环境 |
5.2 实验评估 |
5.2.1 HRT高精度定时器精度评估 |
5.2.2 SR-TMDA性能评估实验 |
5.2.3 FLS性能评估实验 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(4)Ad Hoc网络节点间高精度测距与时间同步技术研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 背景与意义 |
1.2 国内外现状及问题分析 |
1.3 主要研究内容 |
第2章 高精度测距与时间同步技术基础 |
2.1 Ad Hoc网络概述 |
2.2 传感器网络节点间高精度测距技术 |
2.3 Ad Hoc网络时间同步算法 |
2.3.1 RBS算法 |
2.3.2 TPSN算法 |
2.3.3 Tiny-Sync算法和Mini-Sync算法 |
2.3.4 RTT算法 |
2.3.5 LTS算法 |
2.3.6 FTSP算法 |
2.4 时间同步算法评价指标 |
2.5 小结 |
第3章 Ad Hoc网络节点间高精度测距技术 |
3.1 Ad Hoc网络节点间测距信道模型 |
3.1.1 高斯信道 |
3.1.2 多径信道 |
3.1.3 干扰信道 |
3.1.4 NLOS场景路径识别误差分析 |
3.2 基于模糊最小二乘的最佳测距路径识别 |
3.2.1 最小二乘信道系数估计与基于信道估计的测距路径识别 |
3.2.2 模糊最小二乘测距路径识别 |
3.3 基于卡尔曼滤波的测距信号降噪技术 |
3.4 小结 |
第4章 Ad Hoc网络节点时钟模型 |
4.1 时钟模型 |
4.2 时钟模型的Kalman滤波方法 |
4.3 时钟噪声序列特征分析 |
4.3.1 时差序列获取 |
4.3.2 噪声序列的非正态性 |
4.4 时差噪声的分形特征 |
4.5 小结 |
第5章 Ad Hoc网络节点间时间同步技术 |
5.1 双向时间同步误差分析 |
5.1.1 相对时差噪声的长记忆性 |
5.1.2 算法误差分析 |
5.2 基于钟差预报的网络节点时钟同步方法 |
5.2.1 网络节点钟差的分形预报方法 |
5.2.2 预报精度分析 |
5.2.3 基于钟差预报的网络时间同步模型 |
5.3 数值实验与仿真 |
5.3.1 同步算法数值实验 |
5.3.2 同步算法效率比较 |
5.3.3 基于时差预报的网络同步算法实验 |
5.4 小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 后续工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(5)海上宽带无线自组网路由协议的研究与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 典型海上无线通信系统 |
1.2.1 海上无线电通信系统 |
1.2.2 海上卫星通信系统 |
1.3 海上宽带无线网络发展现状 |
1.4 本文研究内容及安排 |
2 Ad Hoc网络路由协议的研究 |
2.1 Ad Hoc网络概述 |
2.1.1 Ad Hoc网络的特点 |
2.1.2 Ad Hoc网络的关键技术 |
2.2 路由协议的研究 |
2.3 经典路由协议 |
2.3.1 DSR路由协议 |
2.3.2 OLSR路由协议 |
2.3.3 AODV路由协议 |
2.4 路由协议的分析和仿真 |
2.4.1 路由协议对比分析 |
2.4.2 路由协议的仿真 |
2.5 AODV路由协议改进 |
2.6 小结 |
3 A-AODV路由协议软件设计 |
3.1 软件设计整体架构 |
3.2 路由表和位置表格的设计 |
3.3 A-AODV路由协议消息格式 |
3.3.1 路由请求RREQ |
3.3.2 路由应答RREP |
3.3.3 路由错误RERR |
3.4 路由模块程序设计 |
3.4.1 RREQ消息处理模块 |
3.4.2 RREP消息处理模块 |
3.4.3 RERR消息处理模块 |
3.4.4 MAC层上传数据处理模块 |
3.4.5 本机上层数据处理模块 |
3.5 辅助功能设计 |
3.5.1 多线程设计 |
3.5.2 定时器 |
3.5.3 缓冲区和消息标志位的设计 |
3.5.4 以太网通信设计 |
3.5.5 本地ARP表设计 |
3.6 小结 |
4 实现和实验验证 |
4.1 海上自组织网通信节点介绍 |
4.1.1 硬件平台介绍 |
4.1.2 软件编译环境 |
4.1.3 开发工作流程 |
4.2 实验环境搭建 |
4.3 路由协议软件功能验证 |
4.3.1 协议功能模块验证 |
4.3.2 多跳传输 |
4.3.3 包投递率 |
4.4 实验分析和结论 |
4.5 小结 |
结论 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(6)MIMO技术在自组网中的应用研究(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 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 MIMO技术研究现状 |
1.2.2 Ad Hoc网络研究现状 |
1.3 主要工作内容与安排 |
第二章 Ad Hoc网络概述 |
2.1 引言 |
2.2 自组网的特点 |
2.3 自组网的结构 |
2.4 自组网的应用 |
2.5 本章小结 |
第三章 MIMO Ad Hoc网络性能分析 |
3.1 引言 |
3.2 无线通信信道介绍 |
3.3 MIMO技术介绍 |
3.4 MIMO信道容量分析 |
3.5 MIMO Ad Hoc网络容量分析 |
3.6 MIMO Ad Hoc网络系统性能分析 |
3.7 本章小结 |
第四章 异构MIMO Ad Hoc网络的性能分析 |
4.1 引言 |
4.2 异构网络存在的问题 |
4.3 异构网络自适应传输策略 |
4.3.1 网络模型描述 |
4.3.2 算法描述 |
4.3.3 传输机制描述 |
4.3.4 系统性能分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 全文内容总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
作者简介 |
(7)自组网通信终端硬件研制及改善传输性能的技术研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要研究内容和结构 |
第二章 Ad-hoc通信终端硬件调试与设计改造 |
2.1 Ad-hoc V2.0研究背景 |
2.2 Ad-hoc V2.0设计简介 |
2.3 Ad-hoc V2.0终端问题概述 |
2.4 Ad-hoc V2.0调试 |
2.4.1 显示模块调试 |
2.4.2 定位模块调试 |
2.4.3 PPS调试 |
2.4.4 磁力传感器调试 |
2.4.5 音频模块调试 |
2.4.6 射频模块调试 |
2.4.7 3G模块调试 |
2.4.8 重力传感器调试 |
2.5 Ad-hoc V2.1设计及小批量制作 |
2.5.1 Ad-hoc V2.1设计 |
2.5.2 Ad-hoc V2.1小批量制作 |
2.6 本章小结 |
第三章 Ad-hoc通信终端多跳传输的研究与实现 |
3.1 无线Ad-hoc路由协议研究概述 |
3.2 多跳传输的先前工作 |
3.2.1 融入AODV协议 |
3.2.2 应用层实现多跳 |
3.3 BATMAN adv路由协议 |
3.3.1 BATMAN adv简介 |
3.3.2 BATMAN adv数据包格式 |
3.3.3 BATMAN adv网络接口 |
3.3.4 BATMAN adv协议算法 |
3.4 BATMAN adv编译 |
3.5 BATMAN adv实验 |
3.5.1 BATMAN adv配置 |
3.5.2 BATMAN adv路由切换实验 |
3.5.3 BATMAN adv多跳传输实验 |
3.6 本章小结 |
第四章 CSMA/SOTDMA信道接入及自适应切换机制 |
4.1 无线Ad-hoc网络MAC协议研究概述 |
4.2 Ad-hoc V2.1终端MAC协议选择 |
4.3 Ad-hoc V2.1信道接入自适应切换机制 |
4.4 Ad-hoc V2.1信道接入切换实现策略 |
4.5 Ad-hoc V2.1终端SOTDMA与CSMA/CA比较实验 |
4.5.1 单节点满载实验 |
4.5.2 多节点固定数据流实验 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 研究展望 |
参考文献 |
附录1 PPS驱动实验代码 |
附录2 BATMAN adv实验配置 |
攻读硕士学位期间主要科研工作及成果 |
(8)基于AdHoc网络的多机器人通信研究(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 课题研究背景 |
1.2 课题研究目的和意义 |
1.3 国内外研究现状 |
1.3.1 多机器人通信研究现状 |
1.3.2 多机器人路由算法研究现状 |
1.3.3 多机器人故障修复研究现状 |
1.4 本文主要工作及结构安排 |
1.5 本章小结 |
第二章 基于AdHoc网络的多机器人通信概述 |
2.1 多机器人通信方式 |
2.2 AdHoc网络路由协议概述 |
2.2.1 AdHoc网络的特点 |
2.2.2 AdHoc网络路由协议分类 |
2.2.3 AODV路由协议 |
2.2.4 蚁群算法 |
2.3 多机器人通信相关技术概述 |
2.3.1 改进多路径AODV协议 |
2.3.2 多目标蚁群优化路由协议 |
2.3.3 多路径拥塞控制路由协议 |
2.3.4 基于梯度的机器人编队自修复算法 |
2.3.5 保持机器人运动同步自修复算法 |
2.4 本章小结 |
第三章 基于改进蚁群AODV协议的多机器人通信路由算法 |
3.1 IAAODV路由算法设计 |
3.1.1 IAAODV路由算法规则设计 |
3.1.2 IAAODV路由算法控制报文设计 |
3.2 IAAODV路由算法工作原理 |
3.2.1 路由发现 |
3.2.2 路由维护 |
3.3 IAAODV路由算法性能分析 |
3.3.1 性能指标 |
3.3.2 仿真实验与分析 |
3.4 本章小结 |
第四章 基于梯度扩散机制的多机器人网络故障修复算法 |
4.1 故障修复算法模型建立 |
4.1.1 网络模型 |
4.1.2 多跳邻居模型 |
4.2 基于梯度扩散机制的修复算法 |
4.2.1 机器人状态描述 |
4.2.2 梯度生成与扩散机制 |
4.2.3 故障修复规则 |
4.3 故障修复算法性能分析 |
4.3.1 性能指标 |
4.3.2 仿真实验与分析 |
4.4 本章小结 |
第五章 基于AdHoc网络的多机器人系统的软件实现 |
5.1 多机器人系统架构设计 |
5.2 IAAODV路由算法模块 |
5.2.1 数据控制报文实现 |
5.2.2 路由算法实现 |
5.3 故障修复算法模块 |
5.3.1 梯度扩散实现 |
5.3.2 故障修复实现 |
5.4 系统测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来展望 |
参考文献 |
附录1 程序清单 |
附录2 攻读硕士学位期间撰写的论文 |
附录3 攻读硕士学位期间申请的专利 |
附录4 攻读硕士学位期间参加的科研项目 |
附录5 攻读硕士学位期间的竞赛获奖 |
致谢 |
(9)高动态飞行器自组织网络关键技术研究(论文提纲范文)
摘要 |
Abstract |
缩略词 |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 FANET的特点 |
1.1.2 FANET面临的挑战 |
1.2 FANET发展现状 |
1.2.1 移动模型的发展 |
1.2.2 路由协议的发展 |
1.3 论文的结构和创新点 |
1.3.1 论文的组织结构 |
1.3.2 论文的主要创新点 |
第2章 FANET相关概念 |
2.1 引言 |
2.2 路由协议 |
2.2.1 典型的MANET路由协议 |
2.2.2 基于移动感知的路由协议 |
2.2.3 自适应路由 |
2.3 移动模型及移动特征 |
2.3.1 移动模型 |
2.3.1.1 个体移动模型 |
2.3.1.2 群组移动模型 |
2.3.1.3 地理受限的移动模型 |
2.3.2 移动特征 |
2.4 网络性能衡量指标 |
2.4.1 包传输率 |
2.4.2 网络吞吐量 |
2.4.3 平均端到端延迟 |
2.4.4 平均抖动 |
2.5 本章小结 |
第3章 一种高动态FANET组网方案 |
3.1 引言 |
3.2 FANET组网发展现状 |
3.3 一种适于高动态场景的FANET组网设计 |
3.3.1 网络组成与结构 |
3.3.1.1 网络组成 |
3.3.1.2 网络结构 |
3.3.2 影响网络性能因素分析 |
3.3.2.1 无线传播模型 |
3.3.2.2 物理层/MAC层协议对网络性能的影响 |
3.3.2.3 节点移动方式对网络性能的影响 |
3.3.2.4 路由协议对网络性能的影响 |
3.3.2.5 流量负载对网络性能的影响 |
3.3.2.6 节点密度对网络性能的影响 |
3.3.2.7 路由协议与节点移动方式的匹配研究 |
3.3.2.8 安全协议 |
3.3.3 FANET组网方案 |
3.3.3.1 节点移动性对网络拓扑及网络性能影响分析 |
3.3.3.2 FANET组网方案 |
3.4 本章小结 |
第4章 FANET网络拓扑变化感知及表征研究 |
4.1 引言 |
4.2 FANET节点间拓扑变化因素分析 |
4.3 拓扑变化度 |
4.3.1 相关术语 |
4.3.2 定义 |
4.3.3 关于拓扑变化度的说明与分析 |
4.3.4 感知周期固定的拓扑变化感知方法 |
4.3.5 可变感知间隔的拓扑变化感知方法 |
4.4 评估与讨论 |
4.4.1 不同移动方式下全网平均拓扑变化度的评估 |
4.4.2 不同移动方式的区分 |
4.4.3 拓扑变化度与其它移动指标的对比 |
4.5 本章小结 |
第5章 FANET复杂场景自适应路由研究 |
5.1 引言 |
5.2 基于拓扑变化度的FANET自适应路由选择策略 |
5.2.1 原理阐述 |
5.2.2 处理流程 |
5.2.2.1 周期性拓扑变化感知PTVA |
5.2.2.2 自适应路由选择策略ARCS |
5.3 TARCS有效性验证 |
5.3.1 TARCS与其它协议的对比 |
5.3.2 使用不同策略的TARCS对比 |
5.3.3 结论 |
5.4 讨论与评估 |
5.4.1 拓扑变化度参考门限值的设置 |
5.4.2 节点密度对TCD值的影响 |
5.4.3 感知间隔对TCD值的影响 |
5.5 本章小结 |
第6章 基于支持向量机的节点移动模型分类研究 |
6.1 引言 |
6.2 拓扑变化向量 |
6.2.1 定义 |
6.2.2 不同移动模型的拓扑变化向量 |
6.3 支持向量机及在MANET中的应用 |
6.3.1 支持向量机简介 |
6.3.2 SVM在 MANET中的应用 |
6.4 移动模型区分 |
6.4.1 构建基于SVM的移动模型分类器 |
6.4.2 分类效果评估 |
6.4.3 不同数目的特征向量分类结果比较 |
6.4.4 10折交叉验证法区分多种移动模型的结果与评估 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 后续研究 |
参考文献 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
致谢 |
(10)ad hoc云环境下任务卸载策略研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
1.4 论文结构安排 |
第2章 ad hoc云及任务卸载策略研究卸载策略研究 |
2.1 移动云计算技术研究 |
2.1.1 移动云计算概述 |
2.1.2 移动云计算面临的挑战 |
2.2 ad hoc云计算技术研究 |
2.2.1 ad hoc网络概述 |
2.2.2 ad hoc云及其关键技术 |
2.3 云环境下任务卸载策略研究 |
2.3.1 常见任务卸载分类 |
2.3.2 ad hoc云中任务卸载步骤 |
2.3.3 常用任务卸载算法 |
2.4 本章小结 |
第3章 基于移动预测的多准则任务分配算法 |
3.1 系统模型 |
3.2 多准则任务分配算法 |
3.2.1 移动预测 |
3.2.2 权重确定 |
3.2.3 算法流程 |
3.3 仿真与分析 |
3.4 本章小结 |
第4章 融合遗传蚁群算法的任务卸载算法 |
4.1 系统模型 |
4.2 卸载决策 |
4.3 融合任务卸载算法设计 |
4.3.1 基于遗传算法的快速搜索流程设计 |
4.3.2 基于蚁群算法的精确求解流程设计 |
4.3.3 算法流程 |
4.4 仿真与分析 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 论文工作总结 |
5.2 未来工作展望 |
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 |
四、Ad hoc网络存在的问题及发展前景(论文参考文献)
- [1]窄带网络下的海洋数据传输路径优化与获取方法研究[D]. 张乔. 集美大学, 2021(01)
- [2]车联网络数据分发协议与算法研究[D]. 吴锦桥. 西安电子科技大学, 2020(02)
- [3]基于TDMA的Ad hoc网络MAC层协议设计与实现[D]. 郭学文. 合肥工业大学, 2020(02)
- [4]Ad Hoc网络节点间高精度测距与时间同步技术研究[D]. 孙力. 中国科学院大学(中国科学院国家授时中心), 2020(02)
- [5]海上宽带无线自组网路由协议的研究与实现[D]. 彭殊龙. 大连海事大学, 2020(01)
- [6]MIMO技术在自组网中的应用研究[D]. 吴晚春. 西安电子科技大学, 2020(05)
- [7]自组网通信终端硬件研制及改善传输性能的技术研究[D]. 程科. 合肥工业大学, 2020(02)
- [8]基于AdHoc网络的多机器人通信研究[D]. 卢钊. 南京邮电大学, 2019(02)
- [9]高动态飞行器自组织网络关键技术研究[D]. 洪洁. 中国科学院大学(中国科学院国家空间科学中心), 2019(07)
- [10]ad hoc云环境下任务卸载策略研究[D]. 葛东玉. 重庆邮电大学, 2019(01)
标签:通信论文; 链路状态路由协议论文; 自组织网络论文; 网络节点论文; 动态路由协议论文;