苟定勇[1]2004年在《无线多媒体网络服务质量关键技术研究》文中提出无线技术的发展,使得无线环境乃至移动环境下开展多媒体业务逐渐成为现实。但是,无线网络和有线网络相比,频谱资源匮乏、无线信道特性多变、终端和基站发射功率受限、终端待机时间和便携性等一系列要求,制约了无线多媒体网络的传输能力。在无线多媒体网络上如何高效、合理地分配资源、维持业务流的服务质量、保证用户之间共享资源的公平性、提高运营商的收益,是无线多媒体网络服务质量研究和系统设计的关键问题。 ITU将“服务质量”定义为“决定用户对服务满意程度的服务性能的总体效果”。服务质量可以从固有服务质量、感觉服务质量、评价服务质量叁个方面进行刻画。其中,固有服务质量是由传输网络和接线方式的设计、网络接入方式和连接链路等决定的,是服务质量模型中最重要的部分,可以对应于ITU定义的“网络性能”和IETF定义的“服务质量”。 本文分别研究了两种具有代表性的无线多媒体网络,一是以UMTS为代表的3G系统,二是以IEEE 802.11为代表的无线局域网。研究重点主要包括四个方面:第一,UMTS的QoS与无线资源管理;第二,UMTS无线资源效率优化;第叁,IEEE 802.11的QoS控制机制;第四,IEEE 802.11多速率工作和切换。 本文按照“自顶向下”的方法进行论文组织,即从最基本的服务质量概念、模型、框架着手,逐步向无线多媒体网络的服务质量问题过渡,然后进入具体的服务质量关键问题研究。 第一章首先对服务质量的定义和模型进行了介绍。随后,结合网络向IP演化的趋势,分别介绍了IP QoS模型、IP业务分类、IP传输性能要求。接下来,介绍了策略驱动的服务质量框架,对服务质量和策略之间的关系进行了描述。最后,引出无线多媒体网络的关键问题以及本文所作的贡献。 第二章首先研究了UMTS的服务质量模型,对无线接口协议栈结构进行了介绍。随后,结合UMTS系统的实际特点,针对UMTS无线资源管理和服务质量控制,提出并深入研究了基于传输块调度的上行负荷控制方案。负荷控制方案由一个速率反馈负荷控制算法和两个传输块调度算法构成,大量的仿真结果验证了所提出方案的性能。
苏晓勤[2]2014年在《无线多媒体传感器网络服务质量保障问题的研究》文中认为低成本硬件如CMOS摄像机、麦克风在无线传感器网络（WSN）的可用性，推进了无线多媒体传感器网络（WMSNs）的发展。资源受限的传感器节点需检测包括音/视频、图像等多媒体数据及标量传感数据并为这些数据提供服务质量保障，面临巨大挑战。利用服务区分方法按应用需求进行业务分类，保障优先级更高的业务拥有更多的网络资源进行服务；利用跨层联合优化高效利用网络资源，充分利用各层可利用的参数及技术更好的提供WMSNs服务质量保障。本文利用服务区分方法和跨层优化方法对WMSNs进行服务质量保障，所做的主要工作如下：基于扁平网络结构，根据期限要求进行服务区分，结合物理层、MAC层和网络层联合优化，提出能效、实时保障的通信机制。按接收信号强度进行分层，发送端按每跳延迟期限结合节点能量进行优先级排队，采用轮询争用的实时MAC转发数据，接收端根据转发速度、能效竞争接收数据，转发过程中进行简单的许可控制、尽早丢弃逾期数据，有效控制网络负载避免拥塞。仿真结果表明能提供更高的投递率和吞吐量，有效的降低了节点能耗，延长了网络生存周期。基于分层网络结构，联合优化物理层、MAC层和网络层，建立了有效跨层参数的WMSNs服务质量保障路由模型，提出多蚁群多路径路由算法，利用多蚁群算法寻找满足度量的最优路由。利用分簇蚂蚁处理网络的可扩展性，处理节点能量持续问题；前向蚂蚁、反馈蚂蚁以及视频蚂蚁分别用于最优路径及视频传输；维护蚂蚁处理拥塞问题和链路失效问题，多种群蚂蚁分工合作。满足应用需求的路径利用增强因子积累更多信息素吸引更多同类蚂蚁，相反挥发信息素避免蚂蚁到达。仿真实验表明，新的路由算法有效的保障了WMSNs的多个QoS度量。基于树形网络结构，对传感器节点提供的业务划分优先级，结合MAC层、传输层联合优化，提出新的拥塞控制方法。拥塞指示结合节点剩余缓存检测拥塞，MAC层中信道访问时为不同业务分配不同的控制报文，保证高优先级业务快速访问信道、拒绝低优先级业务访问，有效降低局部拥塞的同时保障高优先级业务的QoS需求；测量Sink及父节点的速率误差按业务优先级调节业务速率进行全局拥塞的控制。仿真结果表明，新方法能在随机服务时间、节点失效的情况下获得比CCF、PCCP更优的吞吐量、延迟，保障了优先级高的业务优先享受网络资源获得更好性能。
王晓晨[3]2014年在《无线多媒体传感器网络区域覆盖控制研究》文中研究指明随着通信技术、嵌入式计算技术和传感器技术的快速进展,促进了无线传感器网络(Wireless Sensor Networks,WSNs)的飞速进步。由于需要监测的环境日趋复杂,人们想要感知的信息日趋丰富,将图像、视频、声音等信息量更为丰富多媒体信息引入到传统无线传感器网络中成为新需求。由此,无线多媒体传感器网络(Wireless Multimedia Sensor Networks, WMSNs)应运而生。作为新的研究领域,WMSNs中存在许多问题需要研究。其中覆盖控制机制是各项研究的基础保证,覆盖反映了WMSNs对物理环境的感知能力,并对整个网络的服务质量(Quality of Service,QoS)有着直接的影响,这就需要设计合理的覆盖控制机制,提高网络的工作效率。同时,WMSNs的高耗能是影响网络服务时间的关键因素,对庞大的数据量如何降低能耗也是研究的热点。研究网络覆盖控制的基础是节点的感知模型,这直接确定节点的感知范围。与WSNs中的节点不同,WMSNs中的无线多媒体传感器节点具有视角性和方向性。现有的相关研究大多基于扇形感知模型,但对于在无线多媒体传感器节点上具有重要地位的视频传感器来说,采集到图像的清晰度能否被接受是衡量获取的感知信息是否有效的重要指标,因此,扇形感知模型并不完全符合实际应用。本文中通过分析光学定义,在扇形感知模型的基础上提出改进的扇环感知模型,并在此基础上研究WMSNs的覆盖控制机制。将虚拟势场算法(Virtual Potential Field Algorithm, VPFA)应用到WSNs的覆盖问题中已经取得了一些研究成果。VPFA具有简单、易实施、计算复杂度低等优点,在WMSNs勺覆盖部署中也同样适用。但采用VPFA算法进行覆盖优化时,节点存在局部极小问题,会导致网络覆盖效果不佳甚至覆盖控制失效。本文基于VPFA算法的基本思想,引入邻居节点的共同覆盖率,并考虑对边界节点的有效利用,提出了混合虚拟势场算法(Mixed Virtual Potential Field Algorithm, MVPFA)。 MVPFA在覆盖控制过程中,通过计算邻居节点间的共同覆盖率,打破局部极小,提高算法效率。在首次优化完成后确定边界节点,通过边界斥力增强边界节点的使用率。通过仿真实验和应用实例说明MVPFA的有效性。传感器网络覆盖优化完成后,一般会采用调度策略对传感器节点进行调度,以通过节点的相互协作达到节约能耗等目标。在WSNs的节点调度方案中采用集群算法对网络进行子集的划分是普遍策略,但由于WMSNs的特性,要求有新的集群形成算法产生。本文中提出了一种新的适用于WMSNs的集群过程——多成员集群形成算法(Multi-membership Clustering Algorithm, MCA)。根据节点间的共同覆盖率生成集群,节点在满足条件的情况下可以属于多个集群,有利于集群之间进行协作并降低采集数据的冗余,能够有效降低密集部署网络中的集群数目。
梁宏斌[4]2012年在《基于SMDP的移动云计算网络安全服务与资源优化管理研究》文中研究表明移动通信技术产生发展以来,资源优化管理技术在移动通信网络中一直扮演着十分重要的角色。由于无线频谱带宽的有限性,如何充分利用现有的移动通信技术和频谱带宽资源,既可以提高移动用户的服务质量(QoS),同时也为整个移动通信网络带来最大的系统收益,一直以来就是移动通信网络技术中一个十分重要的研究课题。云计算是近年来随着计算技术和通信技术的发展而发展起来的基于互联网的一种计算方式。云计算资源包括CPU和存储等计算资源以及通信资源,如何充分利用现有的云计算资源,通过合理分配不同地域之间的云计算资源来提高云计算安全服务的服务质量(QoS)以及整个云计算网络的系统收益(包括云端和云计算客户端的总体收益),从而提高云计算网络的收益支出比,就成为云计算网络中一个日益突出急待解决的研究课题。而根据我们现有的研究,目前关于这方面的研究还比较少。这也是本文对云计算网络安全服务资源优化管理进行研究的原因。本文针对移动云计算网络云计算安全服务的资源管理优化问题,基于半马氏决策过程(Semi-Markov Decision Process, SMDP)提出了新的优化模型来进行分析,并且得到了资源管理的优化决策策略。通过我们所提出的资源管理模型得到优化决策策略,不仅能使网络的整体收益(系统端和客户端)最大,同时也能有效提高云计算安全服务的服务质量(QoS)。首先,论文对移动多媒体服务在移动通信网络中的动态资源分配管理进行了研究,并且基于半马氏决策过程(SMDP),针对弹性的移动多媒体服务,提出并建立了一个能够根据动态需求来动态管理分配移动通信信道资源的模型。根据该模型论文得到了移动多媒体服务的动态资源管理分配的优化决策策略。该优化决策策略能在既考虑移动通信网络的效能,又考虑因占用无线资源而产生的开销的情况下,使得移动通信网络的收益最大化。论文最后通过仿真实验验证了论文所提出模型的性能。其次,论文对移动云计算中安全服务的云计算资源优化管理进行了研究,并且首次提出了基于半马氏决策过程(SMDP)的移动云计算安全服务接入模型(SSAM)来对云计算安全服务的云计算资源分配管理进行优化。该模型不仅考虑了接入云计算安全服务所获得的收入,也同时考虑了为云计算用户提供安全服务占用云计算资源的支出。该模型既能增加云计算网络的整体长期收益,同时也能提高云计算用户的服务质量(QoS)。最终仿真实验结果证明了理论分析的正确性。接着,论文对移动云计算网络中单个云计算服务域的云计算安全服务的资源优化管理进行了研究。单个云计算服务域通常会根据本服务域可用的云计算资源为云计算安全服务分配一个或多个虚拟机以提高运行速度。因此如何有效地为每个云计算安全服务合理分配云计算资源,同时提高云计算服务域的整体收益与云计算安全服务的服务质量(QoS)就成为云计算资源管理中一个十分重要的研究课题。针对该课题,论文提出了基于半马氏决策过程(SMDP)的新的云计算安全服务的云计算资源自适应优化管理模型。该模型不仅考虑了云端的收入和支出,更为重要的是,该模型首次将云计算移动用户的收入和支出也考虑在内。通过该模型获得的优化决策,不仅能提高云计算服务域的整体长期收益,同时也能提高云计算安全服务的服务质量。理论分析和实验结果表明,与传统的贪婪算法(Greedy Algorithm)相比,论文所提出的云计算安全服务的云计算资源自适应优化管理模型的性能有了显着的提高。移动云计算服务域一般是根据地理位置的不同而分布式配置的。如何在现有移动云计算资源的基础上,通过统一优化分配各个移动云计算服务域之间的云计算资源,从而达到充分利用现有移动云计算资源,提高整个移动云计算网络的收益以及移动云计算安全服务的服务质量的目的,就成为移动云计算网络安全服务资源优化管理的另一个重要的研究课题,而该课题在以前的移动云计算资源优化管理的研究中还未被涉及。因此,在论文的最后,针对该课题,在论文对移动云计算网络单个云计算服务域的云计算安全服务的资源优化管理的研究基础之上,论文对移动云计算网络多个云计算服务域之间的云计算安全服务的云计算资源提出了新的基于半马氏决策过程(SMDP)的模型来进行优化管理,并得到了移动云计算网络多个云计算服务域之间的云计算安全服务的资源分配管理的优化决策策略。理论分析和实验证明,与传统资源管理的贪婪算法(Greedy Algorithm)相比,论文所提出的移动云计算网络安全服务的资源管理模型的优化决策策略不仅能大幅提高具有多个云计算服务域的移动云计算网络的整体长期收益,同时也能大幅降低云计算安全服务的阻塞率,从而大幅提高了移动云计算安全服务的服务质量(Qos)。
甄皓琮[5]2006年在《无线多媒体网络中具有QoS保证的动态资源分配与优化研究》文中认为为移动终端提供多种业务服务是未来无线通信网络的主要发展方向。由于多媒体业务的巨大商业空间和第叁代移动通信系统的逐渐成熟,网络运营者和服务提供者越来越看重如何在有限的带宽资源下高质量地为更多终端用户提供服务,这就对无线多媒体网络的资源分配与优化提出了更高的要求。 在不增加网络设备投资的前提下,通过优化策略提高用户的服务质量(Quality of Service,QoS)和运营收益,是本文提出策略的根本出发点。结合未来多种业务的不同特性和要求,合理高效地使用有限的带宽资源,同时保证各类业务不同级别的QoS,较精确地建立多媒体网络模型并进行仿真试验,客观有效地评价QoS参数,是本文主要解决的问题。 论文第一章介绍了本篇论文的背景、当前无线多媒体通信系统的基本发展情况、本设计研究的内容和意义。第二章主要介绍了无线网络的QoS管理和无线资源管理,着重对多媒体业务带来的新问题进行了描述。第叁章基于无线多媒体网络,分别给出了网络和业务源两方面的建模,为下一步仿真分析做好准备。 论文第四章在分析目前对可升降级带宽分配策略研究的基础上,提出了一种新的基于QoS的可升降级动态.带宽分配策略,并给出了数值分析。仿真表明,新策略在无线多媒体网络中支持多种业务时较以往策略对系统性能有很大的改善,并同时保证了高优先级业务的QoS。另外,论文还结合恒定比特速率(Constant Bit Rate,CBR)和可变比特速率(Variable Bit Rate,VBR)业务的特点,提出两个新的性能参数:针对流媒体业务的实际传输比(Actual Transmission Ratio,ATR)和针对VBR业务的加权升降级频率(Weighted Upgrade Degrade Frequency,WUDF),并结合上述资源带宽分配策略,对此进行了设计与分析。通过仿真,验证了本文提出的CAC策略的可行性。结果表明,新策略在适当降低流媒体的实际传输比和增加数据延迟的情况下,大大提高了系统容量,显着降低了高优先级业务的阻塞率。 论文第五章首先分析了无线分组网络的调度机制,然后对近几
苏颜军[6]2011年在《基于无线多媒体传感器网络的图像分布式处理技术的研究》文中研究指明无线多媒体传感器网络是在传统的无线传感器网络基础上引入音频、视频、图像、声音等大容量信息的新型传感器网络,在智能家居、战场监控、交通监控等领域具有广阔的应用前景。无线多媒体传感器网络将传统传感器网路的自组织、无人值守等优点和新兴多媒体技术感知媒体丰富的特点有机结合起来,既具有传统传感器网络(WSNs)的自组织、多跳路由、资源受限等共同特点,又在能耗分布、服务质量(QoS)要求、网络安全、传感器模型等方面具有显着的个性化特点。由于无线多媒体传感器网络中节点配备电池供电和低功耗的处理芯片,它的能量、处理能力、存储能力、通信能力等都十分受限,使得能量的高效利用成为无线传感器网络的首要目标。在无线多媒体传感器网络中图像信息提供更精确丰富的监测信息,但是信息量巨大,因此如何有效的压缩和传输图像至关重要。在无线多媒体传感器网络(WMSNs)中,通常使用数据压缩编码、冗余信息过滤以及数据融合等处理技术减少数据的传输量,考虑到WMSNs单个节点能量有限和处理能力有限的特点,可以利用多个节点的协同处理能力,通过“在网计算”完成数据压缩编码等处理,将冗余度低、数据量小、信息量足的处理结果逐级上传至控制中心。针对WMSNs中图像处理的特殊要求,本文在研究WMSNs的分布式图像压缩算法的基础上,对已有的算法改进,提出了一种适用于WMSNs的自适应分布式图像压缩算法；此外对当前的分布式视频编码技术进行了研究,探讨了其在图像压缩方面的应用。首先考虑到Walsh-Hadamard变换简单高效和能量集中的特点,可以将该变换算法应用于图像压缩算法中。由于Walsh变换采用二值正交基,非常适合计算机实现,而且有相应的快速计算机算法实现。针对WMSNs节点处理能力有限的特点,这种变换较DCT变换、小波变换需要更少的存储空间,提高了运算速度。仿真实验结果表明采用Walsh-Hadamard变换的算法与基于DCT变换算法相比更加简单快速。其次考虑到WMSNs无线信道的特点,提出一种基于信道估计的自适应图像压缩机制。无线信道具有信号衰减,延迟大,高误码率突发数据传输等特点,而多媒体信息处理需要Qos保障,如延迟容忍度,数据传输所需带宽。可以基于信道状态的准确估计,自适应调整量化表,在保证图像质量满足应用的前提下,获得更高的压缩比率。最后对分布式信源编码理论和实用编码技术进行了研究,针对WMSNs的应用进行了讨论,探讨了其在图像压缩方面的应用。
郑学召[7]2013年在《矿井救援无线多媒体通信关键技术研究》文中提出矿井应急救援通信装备是矿井救护队抢险救灾过程中不可缺少的设备，但由于煤矿空间、环境条件的制约，在灾区救援过程中最大限度的减少救护队员的携带重量和通讯工作维护量是极为重要的。因此，研究矿井救援无线多媒体通信数据在井下传输过程中的衰减及采集传输方法和设备本质安全特性等关键技术，开发出适合井下应急救援的无线多媒体通信系统，实时、准确地把灾区救援过程中的信息及灾后信息传送到井下救护基地和地面救灾指挥部及各级救援指挥中心，具有重要的现实意义。本论文从矿井灾害发生后井下的特殊环境出发，采用理论分析、依靠西安科技大学矿井安全生产模拟实验巷道和兖矿煤业股份有限责任公司鲍店矿井下巷道进行大量模拟实验和模拟计算相结合的方法，对矿井救援无线多媒体通信进行如下研究：首先，研究矿井救援无线多媒体通信的无线Mesh组网过程中的信号衰减机理和通信频段之间的关系，得出矿井无线多媒体通信在井下不同断面形状巷道、井下拐弯、井下支柱、井下巷道的粗糙度等环境中的无线衰减规律，借鉴地面先进的MIMO技术和OFDM无线技术相结合的方法来控制和减少无线信号的衰减，达到井下无线多媒体通信稳定传输的目的。其次，基于H.264编码的双码流网络视频服务器技术，对井下多媒体信息的进行同步采集技术进行了研究，利用Microsoft VisualC、双码流网络视频服务器配套SDK、微软基础类（MFC）等软件开发工具，开发了具有搜索发现服务器设备地址，红外摄像仪视频监测，视频录像，音频对讲传输，控制信号发送，传感器采集数据显示，报警提示的视音频和环境参数同步采集传输的软件系统。最后，根据井下应急救援过程中的所处的爆炸环境，以GB3836.4-2010爆炸性气体环境用电气设备和电气防爆原理为基础，研究多媒体通信设备电路的本质安全型控制方法和采用先进的保护电路芯片和多重保护电路控制，创造性的提出了通过缩短保护电流关断时间来控制火花能量的方法，将关断时间控制160ns以内，解决了井下救援过程中大容量电池的本质安全型防爆问题。结合以上相关研究，研制了一种具有Mesh组网功能的矿井救援无线多媒体通信系统，提出了矿井救援无线多媒体通信系统的技术指标。并通过现场应急救援实践，验证了矿井应急救援多媒体通信的技术指标，为进一步完善矿井应急救援无线多媒体的关键技术提供研究基础。研究结果可为进一步提升我国矿井应急救援通信的技术水平，为研制出适合矿山救护队员使用的救援多媒体通信装备提供理论指导。
宋欣[8]2012年在《面向无线传感器网络的分布式数据收集关键技术研究》文中研究说明数据收集是无线传感器网络的基本功能,也是大多数监测应用的基础。以感知数据为中心的无线传感器网络数据收集技术的主要研究目标是在数据收集过程中减少网络的能量消耗,延长网络的生命周期,避免重新部署无线传感器网络监测系统带来的巨大开销。针对无线传感器网络事件监测应用中,同一监测区域附近的传感器节点收集的感知数据具有极大的时空相关性这一特点,为了减少网络中的数据传输量,降低节点间的通信能耗,提出了一种能量高效的基于线性回归的无线传感器网络分布式数据收集优化策略,通过构建局部感知数据的线性回归模型来表示和预测传感器节点实际感知数据监测值,在误差允许的范围内,节点不需要传输实际监测的感知数据到汇聚节点,而只传输回归模型基函数的参数信息,在不失数据基本结构特征的基础上有效地减少了传感器节点间频繁的数据传输带来的通信开销,而且感知数据的线性回归模型采用计算复杂度低的增量更新方法。仿真实验结果表明,基于线性回归的无线传感器网络数据收集优化策略能以较少的网络能耗实现有效的感知数据预测和估计,达到了延长网络生命周期的目的。为了优化部署在地理位置重迭的、可协作的、多个并发应用监测任务的大规模无线传感器网络数据收集问题,降低独立部署的无线传感器网络的监测成本,减少节点间感知数据传输量,提出了基于虚拟传感器网络的并发应用数据收集优化算法。考虑在混合的、异构的、部署在同一物理区域的无线传感器网络基础上,逻辑上形成多个虚拟传感器网络的方式来解决同一地区多目标并发应用监测问题,在数据收集过程中,提出了基于MinMax算子的数据传输阈值控制方法。并且在形成的虚拟传感器网络基础上,设计了基于统计假设检验的虚拟传感器网络容错策略,从感知数据的空间相关性和时间相关性入手,利用随机过程描述感知数据的时间相关性、传感器节点检验本地数据收集序列与事件统计特征的符合程度来判断错误是否发生。仿真实验结果表明,提出的算法能有效的减少网络的总能量消耗和延长网络的生命周期,并且在传感器节点错误概率增加的情况下,系统能保持较理想的节点错误识别率和事件区域监测概率。为了满足无线多媒体传感器网络应用中的服务质量多样化要求、利用网内数据处理技术和群智能优化算法,提出了面向多约束QoS的无线多媒体传感器网络数据收集优化算法。在基本人工鱼群优化算法基础上将人工鱼视野和移动步长参数改进为动态调整模式,提出了动态人工鱼群优化分簇算法,以更小的计算量和更快的搜索速度构建更优的网络分簇结构。为了满足无线多媒体传感器网络不同应用中多样化的QoS要求,提出了基于改进的蚁群和人工鱼群联合优化的多约束QoS路由机制。仿真实验结果表明,提出的算法能满足用户对多格式、多属性和多模态的数据传输的多约束QoS要求,能有效的降低网络的整体能耗和延长网络的生命周期。由于无线多媒体传感器网络实际应用中感知数据具有高复杂度和高维非线性等特点,数据收集和处理的能耗较高,为了降低网络中数据传输量,解决现有的基于线性的感知数据维数约简方法失效问题,提出了基于局部线性嵌入的多媒体感知数据维数约简算法。其核心思想是在降维映射前后保持源数据的局部近邻性质,即在嵌入空间每个采样点可以用它的近邻点线性表示,在低维空间中保持每个邻域中的权值不变,重构原数据点,使重构误差最小。针对局部线性嵌入算法在多媒体感知数据采样稀疏的情况下,数据维数约简的结果会失效这一缺点,进一步提出了基于局部线性逼近的多媒体感知数据维数约简算法。算法通过采用直接估计梯度值的方法达到局部线性逼近的目的,实现高维非线性数据的维数约简和特征表示。仿真实验结果表明,提出的算法在面对大量高复杂性、高维非线性的多媒体数据时,能有效保持原有数据集的几何特征,降低感知数据维数和简化感知数据表示,实现了非线性高维数据的有效聚类,与局部线性嵌入算法的实验结果比较,在感知数据采样稀疏的情况下,数据维数约简的效果有显着改进。上述成果的取得,对于无线传感器网络数据收集过程中减少网络总体能量消耗,延长网络生命周期,增强节点间的协作能力,提高数据收集算法的可靠性和约简冗余的感知数据维数等关键问题的研究具有重要意义。
王延菲[9]2013年在《基于改进量子遗传算法的无线多媒体传感器网络覆盖研究》文中研究指明随着应用要求的提高以及监测环境的复杂化,需要传感器网络具有更好的监测能力,于是无线多媒体传感器网络(Wireless Multimedia Sensor Networks, WMSNs)应运而生。无线多媒体传感器网络是在无线传感器网络(Wireless Sensor Networks, WSNs)的基础上增加了多媒体技术的一个新兴研究领域。在WMSNs的研究分支中,覆盖控制是一个重要组成部分,它反映了WMSNs对物理世界的感知能力,是否被节点良好的覆盖直接影响整个网络的服务质量(Quality of Service, QoS)。与WSNs不同,WMSNs中节点的感知具有视角性、方向性。同时,由于大多数应用都是随机部署节点,很可能在监测区域形成监测盲区以及重迭区的情况,因此节点的部署以及覆盖优化是WMSNs中非常重要的问题。本文基于无线多媒体传感器网络的有向感知模型,研究基于改进量子遗传算法的无线多媒体传感器网络的覆盖优化问题。遗传算法(Genetic Algorithm, GA)是一种具有高度并行性的自适应随机搜索优化算法,而量子遗传算法(Quantum Genetic Algorithm, QGA)是在遗传算法基础上增加了量子计算理论的一个新兴算法,相比于GA, QGA拥有收敛速度较快、种群多样且规模小、寻优能力强等优点,效率表现较为优秀。然而量子遗传算法也具有诸如收敛速度有待提高,易收敛于局部最优解、全局搜索能力欠佳等缺陷。本文基于QGA的优缺点,提出改进的QGA算法对无线多媒体传感器网络进行覆盖优化,改进算法主要从以下叁个方面对传统的QGA进行改进：首先,传统QGA算法在引导种群迭代的时候只选取当前最优的染色体,这种策略由于只注重暂时最优而容易导致算法陷入局部最优解,改进的算法采用从多条最优染色体构成的集合中随机选取优化目标来引导算法迭代,这样就可以在保留算法收敛速度的同时改善其易收敛于k局部最优的情况。其次,传统QGA算法的量子旋转角的选择是固定的,其不可以根据迭代的具体情况采取变化,显得过于机械,改进算法采用自适应旋转角策略,这样就可以根据算法执行的情况选择合适的变化方式,从而达到加快算法的收敛速度的效果。最后,在QGA算法中,量子变异的过程较为简单,只是互换量子比特的概率幅值,改进算法采用新的量子变异策略来加快算法的收敛速度,避免了简单地量子变异过程带来的搜索时间延迟。实验对GA、QGA以及改进的QGA的覆盖性能进行比较、分析。仿真结果包含了节点数目、感知半径、迭代次数等因素对算法覆盖度的影响。实验表明,改进的QGA算法对于网络的覆盖优化更加优秀。
刘干[10]2005年在《宽带无线多媒体网络的动态带宽分配与QoS研究》文中指出随着无线通信与网络技术的迅猛发展,人们获得的移动服务越来越普及,越来越多样化,下一代无线通信网络将承载话音、数据、多媒体业务,如何保证多用户、多业务的服务质量(QoS)是无线网络中一个至关重要的问题。在另一方面,为了保证多业务的服务质量,常常以降低带宽利用率为代价。众所周知,在无线网络中,带宽资源是一个十分宝贵的资源。迫切需要一种有效的带宽分配机制,对这两个相互冲突的目标进行权衡:在保证多业务对服务质量(QoS)不同需求的前提下,尽可能充分地利用无线带宽资源。在本文,我们将探讨:在无线多媒体蜂窝网络中,保证多业务服务质量的带宽分配动态方法。分成两大部分:第一个部分研究基于呼叫连接级的动态呼叫接纳控制策略,这是粗粒度的带宽分配; 第二个部分研究基于PDU 级的自适应的带宽分配,属于细粒度的带宽分配。两者均是针对无线多业务蜂窝网络环境的QoS 控制:前者保证呼叫切换中断概率的服务质量,后者保证呼叫的时延、抖动、吞吐量。在此前提下,实现带宽资源的充分利用。在第一部分中,我们侧重于将自适应和动态的方法,应用于多业务无线蜂窝网络呼叫接纳控制中。新一代无线网络将能承载多媒体业务,在蜂窝小区越来越小,切换越来越频繁的趋势下,急需一种有效的呼叫接纳控制策略来保证无线多媒体业务的服务质量,同时又能保证无线带宽的利用率。传统的静态策略GC(保护信道策略),不能适应流量模式的变化,动态的方法利用传统的生灭过程理论,能适应流量模式的变化,但只能用于单业务,在多业务环境下,各业务的流量模式、呼叫占用信道、QoS需求各不相同,实际上是一个混杂多类业务的广义生灭系统。难以用传统的生灭过程理论加以解决。本文在第一部分的主要工作如下:首先,提出针对多业务的参数合并方法和参数合并理论。通过建立一个伪随机生灭模型,将多维的随机生灭过程转化为传统的一维生灭过程问题,并且从理论上证明:转化后(一维空间)的呼叫中断概率CDP 近似计算值不大于实际值,而且近似相等。这一定量结果为严格的QoS 随机控制带来方便:只要使得该近似值小于预定的呼叫中断概率CDP 上限值,就能保证实际的呼叫中断概率CDP 严格满足QoS 要求。而且
参考文献：
[1]. 无线多媒体网络服务质量关键技术研究[D]. 苟定勇. 电子科技大学. 2004
[2]. 无线多媒体传感器网络服务质量保障问题的研究[D]. 苏晓勤. 河北工业大学. 2014
[3]. 无线多媒体传感器网络区域覆盖控制研究[D]. 王晓晨. 太原理工大学. 2014
[4]. 基于SMDP的移动云计算网络安全服务与资源优化管理研究[D]. 梁宏斌. 西南交通大学. 2012
[5]. 无线多媒体网络中具有QoS保证的动态资源分配与优化研究[D]. 甄皓琮. 西南交通大学. 2006
[6]. 基于无线多媒体传感器网络的图像分布式处理技术的研究[D]. 苏颜军. 山东大学. 2011
[7]. 矿井救援无线多媒体通信关键技术研究[D]. 郑学召. 西安科技大学. 2013
[8]. 面向无线传感器网络的分布式数据收集关键技术研究[D]. 宋欣. 东北大学. 2012
[9]. 基于改进量子遗传算法的无线多媒体传感器网络覆盖研究[D]. 王延菲. 太原理工大学. 2013
[10]. 宽带无线多媒体网络的动态带宽分配与QoS研究[D]. 刘干. 华中科技大学. 2005
标签：电信技术论文; 云计算论文; 传感器网络论文; 多媒体论文; 网络模型论文; 网络节点论文; 网络优化论文; 仿真软件论文; 无线覆盖论文; 无线模式论文; 优化策略论文; 信号带宽论文; qos论文; 通信论文;