【摘 要】
：
网络编码技术允许中间节点对转发的数据包进行编码组合后转发,打破了传统“存储-转发”的传输模式,有效提升了网络传输有效性和网络整体吞吐量。传统路由协议中节点只能被动获取编码机会,探究网络编码技术与路由技术的结合使得节点获得编码感知能力,主动探寻编码机会。其中,编码感知路由协议的研究成为焦点,现有研究中未考虑实际参与编码数据包的特征,片面追求编码机会的增加,制约编码增益提升的同时,导致网络中部分节点负
论文部分内容阅读
网络编码技术允许中间节点对转发的数据包进行编码组合后转发,打破了传统“存储-转发”的传输模式,有效提升了网络传输有效性和网络整体吞吐量。传统路由协议中节点只能被动获取编码机会,探究网络编码技术与路由技术的结合使得节点获得编码感知能力,主动探寻编码机会。其中,编码感知路由协议的研究成为焦点,现有研究中未考虑实际参与编码数据包的特征,片面追求编码机会的增加,制约编码增益提升的同时,导致网络中部分节点负载失衡。针对现有感知路由协议路由度量设计单一,本文提出一种有效机会式感知路由协议,路由度量综合考虑了参与编码数据包特征与编码机会等因素。该协议结合了网络编码和机会路由的优势以实现高效报文传输。在每一跳中通过转发节点集的选择约束下一跳节点,收到报文后转发节点利用局部拓扑信息和侦听到的邻居节点接收信息,判断转发报文的网络编码机会并计算路由度量值,以评估该节点的转发优先级,最后依据转发优先级设置节点转发倒计时。仿真实验结果表明,本方案相较于基于网络编码的无线路由协议（Coding Opportunity Entity,COPE）和独立于MAC的机会路由协议（MAC-independent Opportunistic Routing and Encoding,MORE）,具有网络吞吐量大,传输有效性高,编码机会多等优势。针对感知路由中不同数据流为获得更多编码机会,存在少数节点优先级过高导致该节点处产生严重拥塞和延迟。本文设计了一种兼顾负载均衡的基于网络编码的机会式路由方案,相较于传统机会式感知路由方案,本方案不仅利用了潜在的编码机会,还防止了路由节点因过载而产生转发时延。仿真实验结果表明,该方案相较于典型的机会式编码感知路由协议（Coding-aware Opportunistic Routing Mechanism,CORE）和机会路由协议（Opportunistic Routing,OP）具有网络吞吐量高、时延低等优势。
其他文献
多视图新闻数据聚类分析可以快速从海量新闻中获得有价值的信息,在舆情分析、个性化新闻推荐、情感分析、预警等领域能够得到较好的应用效果。当前的多视图新闻数据聚类分析存在以下几个问题:（1）新闻内容中的文本、图片和音视频等多媒体信息是由不同语义层次、不同粒度的内容概念进行描述的,若直接将各视图一视同仁地进行学习,将严重影响数据挖掘性能。（2）到目前为止,大多数方法都是在假设各视图是完备的基础上进行实验的
随着“一带一路”的建设,我国与欧洲及沿线国家的经贸往来发展迅速,对于物流的需求旺盛,贸易通道和贸易方式也在不断地丰富和完善,为中欧班列发展创造了良好的发展机遇,也对中欧班列的发展提出了更高的要求。但是也应该看到,中欧班列的发展仍处于初期,各地区都存在恶性竞争、货源同质、线路重复、地方保护主义严重等问题,这些问题限制了中欧班列运行效率,阻碍了中国“一带一路”建设的进程。因此,在中欧班列发展中实现各区
汽车智能辅助驾驶技术是改善现有交通问题的关键技术之一,环境感知模块负责为辅助驾驶系统的提供道路信息。车道线检测技术是感知道路车道线信息的主要手段,对道路识别、路径规划及规范驾驶等关键技术具有重要意义。随着汽车智能辅助驾驶技术研究的深入以及逐渐产品化,该技术与其他前沿技术的结合应用也成为当下汽车产业技术研究的热点。车道线检测的要求也随之变化,对车道线检测数量、贴合程度以及鲁棒性有了更高的要求。本文围
在信息时代,虽然人们可以共享资源开拓视野,但是海量信息也会让用户花费更多时间代价寻找满足自己需求的信息。正是为了解决用户选择困难的问题,个性化推荐才受到了广泛的关注。个性化推荐通过分析用户行为数据,标记用户的个性化偏好,向用户推送其可能感兴趣的信息。目前,个性化推荐面临的主要问题是数据稀疏,通过用户和项目额外的辅助信息来探索用户的兴趣模式是有效的解决方法之一。近年来,图卷积网络在图数据方面表现出强
目前国内现有的有毒有害气体浓度检测产品的体积与功耗方面有着一定的缺陷,因此研究、设计出低功耗、体积小以及高精度的有毒有害气体浓度检测系统得到了工业界和学术界的广泛关注。本文设计以现有产品以及技术为基础进行对恶劣环境的适应性改善与降低整机功耗,进一步保障人类的身体健康以及生命安全。本文首先回顾气体传感器的现状和发展情况,介绍国内外在有毒有害气体检测技术当中的相关研究,描述其未来的发展方向。在此基础上
在未来网络规划中,越来越多的通信场景发生在室内,通信的地位愈发重要。然而室内覆盖不均、系统容量不足一直是阻碍其发展的难题,室内分布系统是针对这些难题提出的解决方案之一。在部署室内分布系统时,采用同频组网方式可解决频率资源紧缺的问题,但是会带来同频干扰,从而影响系统整体性能,导致网络覆盖降低。因此,在室内分布系统的建设及部署过程中,考虑干扰协调问题具有实际意义。论文主要工作如下:1.本文针对Lamp
随着无线通信系统业务种类和数据量的大幅增加,当前社会对系统容量极限及处理速度的需求在日益增长。多输入多输出（Multiple Input Multiple Output,MIMO）技术可以在不增加系统带宽和发射功率的前提下达到更高的信道容量及速率,而MIMO无线通信系统的信道估计及信号检测较单天线系统却有着不小的实现难度,因此针对该方面的探讨仍是无线通信领域的热点。此外,目前深度学习在通信系统的网
高压电气设备绝缘故障发生时,经常伴随局部放电（Partial Discharge,PD）现象,如果不加以预防,严重时会导致短路等现象发生,危害电力设备的安全运行,造成巨大的安全隐患。为了提前发现高压电气设备中绝缘劣化现象,需要对绝缘设备进行监测。特高频（Ultra High Frequency,UHF）传感器具有接收范围广、抗干扰能力强和非接触式测量等优点,被广泛应用于监测现场。监测现场存在各种噪
随着通信技术的不断发展,移动设备的普及使得人们对位置服务有了较高的需求,如大型购物中心、商场、医院门诊等。室外定位技术最早的是全球导航定位系统（Global Positioning System,GPS）,发展至今技术已十分成熟,但建筑物会阻碍GPS数据信号的传输,使其无法在室内定位技术中使用。因此,各个领域的迫切需求促使室内定位技术获得了快速发展的机会,然而因为室内环境的复杂性和多样性,室内定位
图像是当今社会中一种重要的信息传播媒介,准确高效的文字检测方法有助于人们分析和理解图像中的语义信息。自然场景下的图像文本检测方法主要分为传统的自然场景文本检测方法和基于深度学习的自然场景文本检测方法。传统的自然场景文本检测算法因为存在检测效率低和准确率低的问题正逐渐被基于深度学习的自然场景文本检测方法所替代。但是基于深度学习的模型通常具有较深的网络结构,各层网络在提取图像特征的过程中存在丢失重要特