基于粒子滤波的ATM网络拥塞预测控制研究

论文摘要

异步传输模式(Asynchronous Transfer Mode, ATM)网络中,由于其业务的突发性和时变性,源端不能快速响应网络状态的变化,导致信元大量丢失,信息的拥塞成为影响网络服务质量(QoS)的主要原因,其拥塞控制的研究具有重要的理论意义和实用价值。为此,本文在对现有拥塞控制算法进行广泛研究的基础上,从预测控制的角度出发,研究网络的拥塞控制。本文基于ATM网络,针对业务源的统计特性,结合粒子滤波算法良好的预测性能,研究了粒子滤波在网络拥塞预测控制中的应用。本文主要工作如下：(1)从拥塞产生的原因、拥塞特性、判断方法、设计目标等几方面对ATM网络进行分析,提出本文所采用的ATM拥塞控制的预测决策机制。(2)将ATM网络的队列系统模型使用数学语言进行描述,并以信元丢失率作为衡量网络拥塞控制指标,采用粒子滤波算法对网络进行预测,结合网络拥塞的控制流程,降低源端信元发送速率。(3)为平衡预测粒子的有效性和多样性两个性能指标,将遗传机制应用到其重采样模块中,进一步改善预测控制的性能。本文的核心思想在于将粒子滤波算法和改进的遗传重采样粒子滤波算法应用于ATM网络拥塞预测控制,以取得较低的信元丢失率。仿真实验表明,在与模糊神经网络方法比较的过程中,基于粒子滤波方法的拥塞预测控制机制能够对ATM源端信元速率的突变做出更加快速的反应,具有较低的信元丢失率；在使用遗传重采样粒子滤波算法进行预测时,改进的算法具有更低的信元丢失率,拥塞控制效果更佳,保证了网络服务的质量。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题背景
• 1.2 ATM网络的发展及研究现状
• 1.2.1 ATM网络的发展
• 1.2.2 ATM网络拥塞控制的研究现状
• 1.3 本文主要工作
• 第二章 ATM拥塞预测控制机制分析
• 2.1 ATM简介
• 2.2 ATM网络拥塞分析
• 2.2.1 拥塞产生的原因分析
• 2.2.2 拥塞特性分析
• 2.2.3 拥塞判断方法
• 2.3 ATM网络拥塞控制方法
• 2.3.2 流量控制算法的设计目标
• 2.3.3 基于速率的流量控制方法
• 2.4 ATM拥塞预测控制机制
• 2.5 本章小结
• 第三章 基于粒子滤波的拥塞预测控制
• 3.1 拥塞控制系统模型
• 3.1.1 队列系统描述
• 3.1.2 信元丢失率
• 3.2 粒子滤波算法
• 3.2.1 粒子滤波理论
• 3.2.2 粒子滤波算法分析
• 3.3 网络拥塞预测控制流程
• 3.3.1 粒子滤波预测流程
• 3.3.2 拥塞控制流程
• 3.4 仿真实验
• 3.5 本章小结
• 第四章 基于遗传粒子滤波的拥塞预测控制
• 4.1 粒子滤波重采样算法
• 4.1.1 多项式重采样算法及其仿真结果
• 4.1.2 残差重采样算法及其仿真结果
• 4.2 遗传重采样粒子滤波拥塞预测控制
• 4.2.1 遗传算法优化流程
• 4.2.2 遗传重采样粒子滤波流程
• 4.2.3 仿真实验
• 4.3 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士期间所做的工作