导读:本文包含了自适应退避论文开题报告文献综述及选题提纲参考文献，主要关键词:蜂群无人机自组网(FANETs),自适应退避,区分优先级,忙闲因子
自适应退避论文文献综述
刘炜伦,张衡阳,郑博,高维廷[1]（2019）在《蜂群无人机自组网多优先级自适应退避算法》一文中研究指出针对现有媒质接入控制(MAC)协议退避算法无法为蜂群无人机自组网(FANETs)提供区分服务,且在重负载时性能严重恶化等问题,提出一种多优先级自适应退避算法。采用忙闲因子自适应机制和最优竞争窗自适应机制,根据信道忙闲程度和网络状态参数自适应实时更新各优先级竞争窗口(CW)长度,从而使每次退避的竞争窗口可快速收敛到最佳状态,并实现了多业务区分服务,得到了最优的系统性能。通过建立不同优先级退避过程的叁维Markov链模型求解得到了饱和吞吐量下的最优竞争窗自适应因子,并且理论推导了系统吞吐量和平均MAC时延的数学表达式。仿真结果表明,所提算法在重负载时能够实现多优先级区分服务并有效提高系统的吞吐量性能,相比区分业务优先级的自适应退避(PAB)算法和支持QoS的自适应竞争窗口退避算法(Q-ABACW),性能均有较大提升。(本文来源于《北京航空航天大学学报》期刊2019年02期）
赵玮,郑博,张衡阳,刘炜伦[2]（2018）在《带有时间约束的机载自组网自适应退避算法》一文中研究指出针对传统媒质接入控制(MAC)层退避算法无法满足机载自组网中高优先级业务高可靠、低时延的QoS传输需求,以及重负载时算法性能下降严重的问题,提出一种带有时间约束的多优先级自适应退避算法。首先,针对不同优先级业务的QoS需求,建立相应的时间约束机制和竞争窗口自适应调整机制,当网络处于重负载时,通过限制低优先级业务接入信道来保证高优先级业务的传输;其次采用叁维马尔科夫链对多优先级自适应退避算法进行建模,求解不同网络负载时各优先级分组受时间约束条件下的退避状态转移概率,理论推导出网络吞吐量和平均MAC时延的数学表达式。仿真结果表明,该算法在重负载时能够有效保障高优先级业务低时延(<2ms)、高可靠(>99%)的QoS需求,相比增强型分布式信道接入访问和区分企业优先级的自适应退避算法,当网络负载大于9 000包/s时,吞吐量分别提升了33.4%和21.5%。(本文来源于《西安交通大学学报》期刊2018年04期）
陈昌凯[3]（2017）在《自适应退避调整MAC算法的优化研究》一文中研究指出无线传感网(WSN)是由部署在监测区域的传感器节点,通过自组织方式构成的通信网络,能够实时监测,采集环境或者监测对象信息,并对这些数据进行处理,通过无线协议发送到管理用户。无线传感网因其经济成本低,网络拓扑结构变化灵活,被广泛应用在军事国防,交通系统,紧急救援与医疗卫生服务等众多领域。现有算法基本较多都是研究如何分配传感器节点的剩余能量或者能量消耗上,而不是解决数据帧时隙分配的随机变化对传感器节点的影响,这种随机性会导致传感器节点能量不稳定,使整个网络吞吐量与访问延迟受到影响。因此,如何提高网络吞吐量以及减少整个网络访问延迟,从而使整个网络持续高效工作是无线传感网的关键问题。随着无线传感网的逐渐发展,各种新的研究算法不断出现,使整个网络持续高效工作。在基于模型的帧调度算法(MFS)和渐进最佳退避算法(AOB)研究的基础上,本文提出了一种自适应退避调整MAC算法(ABOTMAC),算法提出每个传感器节点根据当前网络状态采用一个固定传输尝试率并且动态调整其退避窗口大小,从而对成功传输一帧长度的时隙进行调整。针对无线传感网中帧时隙分配的经典算法,MFS算法和AOB算法深入研究其功能机制,分别找出算法在网络中运行时存在的网络访问延迟与网络吞吐量的问题。本文对MFS算法、AOB算法、ABOTMAC算法的网络吞吐量与网络访问延迟进行了理论分析,通过数学理论推导方式得出了网络吞吐量、网络访问延迟之间的矛盾关系,使得算法在网络吞吐量与网络访问延迟等问题上进行优化,并通过Matlab仿真,对这叁种算法的网络吞吐量与网络访问延迟进行更进一步的比较。仿真分析结果表明,由于改进后的ABOTMAC算法在短帧间间隔时间、分布帧间间隔时间、扩展帧间间隔时间等处理上比MFS算法与AOB算法考虑更加全面,与MFS算法与AOB算法对比,ABOTMAC算法在提高网络吞吐量与减少网络访问延迟方面都有较大的改善,表现了较高的网络吞吐量和较低的网络访问延迟。(本文来源于《昆明理工大学》期刊2017-05-01）
褚好迎,苏胜君,孙亚容[4]（2016）在《基于流量的自适应退避算法》一文中研究指出通过对SMAC协议仿真分析,得到节点队列长度与网络流量以及占空比[3]之间的关系,并对此关系进行理论分析,在理论验证的基础上,针对SMAC协议固定竞争窗口的缺陷提出了一种基于流量的自适应退避算法,根据流量变化改变竞争窗口的大小,从而缓解网络流量高时激烈的信道竞争,减小网络流量低时空闲侦听时间,信道利用率显着提高。并通过NS2.35[10]仿真平台进行验证分析,结果表明在网络延迟、能耗和吞吐量等方面优于采用随机退避机制的SMAC协议[5]。(本文来源于《电子测量技术》期刊2016年10期）
张富官[5]（2016）在《面向智能电网在线监测的自适应退避机制的研究》一文中研究指出我国电力工业迅速发展,智能电网规模不断扩大,需要在线监控的设备和对象也越来越多,传统的监控与数据采集(Supervisory Control And Data Acquisition,SCADA)系统已经不能够满足电力网对信息化的要求。而作为物联网中信息采集的主要方式,无线传感网器网络受到了越来越多的关注。将无线传感器网络用于智能电网高压输电线路的信息监测系统,有效地保证了智能电网规范建设有序推进,具有很好的研究前景与应用价值。由于无线传感网络中需要监控的信息不断增加,并且存在着大量突发性事件,网络不可避免的会发生的拥塞。拥塞会导致网络延时增大、丢包率增加、信道资源浪费等诸多问题的出现,对网络性能的造成了巨大影响。因此,急需要研究一种有效拥塞控制算法来解决无线传感器网络的拥塞问题。本文将无线传感器网络应用于智能电网输电线路在线监测系统中,并针对无线传感器网络的拥塞问题提出了一种基于网络负荷判断和最小二乘线性拟合的退避算法。本论文首先分析了智能电网对输电线路在线监测系统的需求,规定了系统的网络架构。接着重点分析了在线监测系统的无线传感器网络,针对系统节点业务量不断变化引起的网络拥塞问题,提出了一种基于网络负荷判断和最小二乘线性拟合的退避策略。在每次载波监听多路访问/冲突避免退避机制开始时,根据上一时刻的网络负荷和数据包是否发送成功预测下一时刻的网络负荷,并用最小线性拟合法实时调整退避指数的值。然后,通过NS2网络仿真软件对算法进行了仿真,仿真结果表明该算法与IEEE802.15.4标准协议算法比较,提高了网络吞吐量,减小了丢包率,同时还降低了能耗。最后,采用ARM9开发板、GPRS模块和ZigBee模块等对系统进行了硬件实现,并通过Contiki系统将本文提出的退避算法移植到ZigBee协议栈,对不同算法的丢包数量进行统计,表明了该算法可以有效的减小丢包率。(本文来源于《河北工业大学》期刊2016-03-01）
王亮[6]（2016）在《一种基于IEEE802.11DCF的VANET自适应退避算法》一文中研究指出本文通过分析IEEE802.11DCF的二进制退避算法,提出了适用于VANET(车载自组网)的一种自适应退避算法。此方法通过统计发送节点处RTS、CTS和数据帧因冲突或者链路断开重发的次数来计算发送节点的拥塞系数,并依据发送节点拥塞情况的不同自适应性的改变节点退避时间的长短,从而在整体上很好的控制了整体网络拥塞。仿真结果表明,此算法一定程度上提高了信道利用率,增加了吞吐量,同时也缩短了节点抢占信道的时延,适合于大数据量的业务传输。(本文来源于《农村经济与科技》期刊2016年04期）
刘剑飞,张富官,王蒙军,曾祥烨,郭志涛[7]（2016）在《一种ZigBee网络自适应退避机制》一文中研究指出我国电力工业迅速发展,智能电网规模不断扩大,需要在线监控的设备和对象也越来越多,传统的监控与数据采集(Supervisory Control And Data Acquisition,SCADA)系统已无法满足电力信息化的要求。文章将ZigBee技术应用于SCADA的数据采集系统,针对系统节点业务不断变化对网络性能的影响,提出了一种网络负荷判断和最小二乘线性拟合的退避策略。在每次载波监听多路访问/冲突避免(Carrier Sense Multiple Access with Collision Avoidance,CSMA/CA)开始时,根据上一时刻的网络负荷和数据包是否发送成功预测下一时刻的网络负荷,并用最小线性拟合法实时调整退避指数。仿真结果表明,与IEEE802.15.4标准协议算法比较,该算法提高了网络吞吐量,减小了数据包的丢包率,同时还降低了能耗。(本文来源于《电力信息与通信技术》期刊2016年02期）
陶志勇,袁永财[8]（2015）在《适用于S-MAC协议的自适应随机退避机制研究》一文中研究指出S-MAC协议通过周期性睡眠侦听机制来减少无线传感器网络中节点能量的消耗,但是其在随机退避过程中使用固定竞争窗口,使其在节点碰撞的避免、节点间公平性以及吞吐率上有所欠缺。针对S-MAC的以上不足,基于二进制指数退避算法(BEB)提出自适应指数随机退避算法(AD-BEB)。AD-BEB算法引入了信道竞争能力参数和网络拥挤参数,根据这两个参数对竞争窗口进行调整,并且窗口的调整经过两个阶段来完成。仿真结果表明,AD-BEB算法能够有效地减少节点的碰撞次数,增加网络的吞吐率和节点的公平性。(本文来源于《计算机应用与软件》期刊2015年12期）
唐雨龙,傅明[9]（2015）在《考虑生存时间的DSRC自适应退避算法》一文中研究指出在车辆节点高速移动的专用短程通信(DSRC)网络中易出现拓扑结构频繁变化和信道访问不公平等现象。针对该问题,在媒体访问控制层中,提出一种考虑信道生存时间的DSRC退避算法。该算法利用车辆节点间位置及速度的相互关系动态调整节点的竞争窗口,实现信道的有序竞争。实验结果表明,与传统的二进制指数退避算法相比,该算法在改善信道访问公平性及优化网络性能方面有较好的表现。(本文来源于《计算机工程》期刊2015年10期）
卓琨,张衡阳,郑博,黄国策,丁勇飞[10]（2016）在《一种优先级区分的机载无线网络MAC层自适应退避算法》一文中研究指出针对现有无线网络媒介接入控制(MAC)协议退避机制存在的竞争窗口(CW)易产生振荡、不能为紧急业务提供低时延QoS保障、难以区分服务类别等不足,提出了一种区分业务优先级的自适应退避(PAB)算法。该算法在二进制指数退避(BEB)算法的基础上,根据信道忙闲标识和业务优先级自适应选择相应退避阶段,通过参数设置可对不同优先级业务相邻退避阶段的前、后转移概率进行调整。利用二维马尔可夫链理论对PAB进行了建模分析,理论分析获得了饱和吞吐量和平均MAC时延的数学表达式,仿真实验结果表明:在机载无线网络(AN)环境下,PAB的性能相对BEB有了显着提升,可有效保障机载无线网络多业务类型的传输需求。(本文来源于《航空学报》期刊2016年04期）
自适应退避论文开题报告
（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：
针对传统媒质接入控制(MAC)层退避算法无法满足机载自组网中高优先级业务高可靠、低时延的QoS传输需求,以及重负载时算法性能下降严重的问题,提出一种带有时间约束的多优先级自适应退避算法。首先,针对不同优先级业务的QoS需求,建立相应的时间约束机制和竞争窗口自适应调整机制,当网络处于重负载时,通过限制低优先级业务接入信道来保证高优先级业务的传输;其次采用叁维马尔科夫链对多优先级自适应退避算法进行建模,求解不同网络负载时各优先级分组受时间约束条件下的退避状态转移概率,理论推导出网络吞吐量和平均MAC时延的数学表达式。仿真结果表明,该算法在重负载时能够有效保障高优先级业务低时延(<2ms)、高可靠(>99%)的QoS需求,相比增强型分布式信道接入访问和区分企业优先级的自适应退避算法,当网络负载大于9 000包/s时,吞吐量分别提升了33.4%和21.5%。
（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。
自适应退避论文参考文献
[1].刘炜伦,张衡阳,郑博,高维廷.蜂群无人机自组网多优先级自适应退避算法[J].北京航空航天大学学报.2019
[2].赵玮,郑博,张衡阳,刘炜伦.带有时间约束的机载自组网自适应退避算法[J].西安交通大学学报.2018
[3].陈昌凯.自适应退避调整MAC算法的优化研究[D].昆明理工大学.2017
[4].褚好迎,苏胜君,孙亚容.基于流量的自适应退避算法[J].电子测量技术.2016
[5].张富官.面向智能电网在线监测的自适应退避机制的研究[D].河北工业大学.2016
[6].王亮.一种基于IEEE802.11DCF的VANET自适应退避算法[J].农村经济与科技.2016
[7].刘剑飞,张富官,王蒙军,曾祥烨,郭志涛.一种ZigBee网络自适应退避机制[J].电力信息与通信技术.2016
[8].陶志勇,袁永财.适用于S-MAC协议的自适应随机退避机制研究[J].计算机应用与软件.2015
[9].唐雨龙,傅明.考虑生存时间的DSRC自适应退避算法[J].计算机工程.2015
[10].卓琨,张衡阳,郑博,黄国策,丁勇飞.一种优先级区分的机载无线网络MAC层自适应退避算法[J].航空学报.2016
标签：蜂群无人机自组网(FANETs); 自适应退避; 区分优先级; 忙闲因子;