一、基于TCP动态流体模型的丢包频率问题透析（论文文献综述）
秦久人[1]（2021）在《移动流媒体多路传输关键技术研究》文中提出近年来,随着以5G为代表的移动互联通信技术的快速发展,以及智能手机、便携式电脑、可穿戴设备等硬件的快速普及,移动流媒体业务得到了长足发展。以网络课堂/会议、视频通话、即时游戏等为代表的移动流媒体应用,一方面极大的方便了人们的工作、生活,丰富了人们的娱乐方式,另一方面也带来了海量的即时数据传输需求。在移动网络环境下,由于用户移动性、无线信道干扰等因素的影响,传输层面临传输路径稳定性差,丢包率高等问题。传统以TCP为代表的单路径传输协议,难以适应复杂、多变的移动网络环境,传输速率受限于单一网络性能,且传输连接稳定性差,难以满足移动流媒体业务的传输需求。为了解决上述问题,以多路传输控制协议（Multipath Transmission Control Protocol,MPTCP）为代表的多路传输协议得到了国内外专家学者的广泛关注。MPTCP能够利用通信终端的多个网络接口（Wi-Fi,4G/5G等）在一个传输连接中建立多条子流。相较于单路径,多条子流并行传输能够有效的利用不同网络中的空闲带宽提高系统吞吐量,降低传输时延。尽管拥有上述优势,在面向移动流媒体业务时,MPTCP仍存在如下问题:（1）调度策略低效。MPTCP采用基于最短往返时延的数据分发策略,并在数据包传输失败后进行无差别的重传,在异构环境下,容易导致数据包乱序,增加传输延迟;（2）拥塞控制僵化。MPTCP采用固定的窗口调整策略,无法针对多样的输入流进行调整,导致传输效率低下;（3）网络感知匮乏。MPTCP难以感知网络环境对传输的影响,导致传输决策盲目、低效;（4）能耗管理缺失。由于移动终端的能量受限,而MPTCP缺乏能量管理机制,导致移动终端使用寿命下降,影响用户使用体验。因此,本文重点从动态数据调度、智能拥塞控制、网络环境感知、能量效率平衡等方面进行突破,并取得了如下成果:（1）针对调度策略低效问题,提出了部分可靠的多路虚拟队列调度机制。首先构建了虚拟队列模型,打破传统发送窗口约束,最大程度上保证数据包的按序到达。而后设计了面向消息的部分可靠重传算法,避免了无效重传。仿真实验结果显示,在不同网络参数下,所提方案能有效地减少数据包乱序概率,降低数据包交付时延。（2）针对拥塞控制僵化问题,设计了输入特征分析的多路智能拥塞控制机制。首先,在频域上对数据流的特征进行提取。在此基础上,利用增强学习理论对多路拥塞控制进行建模,根据网络环境及输入流动态调整控制策略。仿真实验结果表明,所提方案能够以较小的时延代价获得较高的吞吐量提升,性能优于同期解决方案。（3）针对网络感知匮乏的问题,提出了子流耦合感知的多路自适应传输方案。首先,通过提取子流耦合特征与拥塞特征,从空间与时间上对网络环境对传输的影响进行量化。而后,基于深度Q网络方法,对多路传输策略进行训练。仿真结果显示,在多种传输场景下,所提方案都能获得优于对比方案的系统吞吐量与时延。（4）针对能耗管理缺失问题,设计了能效均衡的多路传输优化算法。首先,通过设计传输效用模型,对影响传输性能的带宽、时延、能耗等问题进行综合分析。而后,通过Q-Learning方法,在兼顾传输效率的基础上对传输能耗进行优化。仿真实验结果表明,所提算法能够在保证传输吞吐量与时延性能相似的前提下,实现传输能耗的降低。本文面向移动网络环境下的流媒体多路传输,对调度、拥塞、网络、能耗等问题进行了分析。并利用统计分析、数学建模、人工智能、实验测试等方法对相关问题进行了解决。本文的研究成果能够为我国未来移动流体业务的发展提供一定的技术支撑。
魏文佳[2]（2020）在《基于MPTCP的多路径传输中的耦合拥塞控制和数据调度机制研究》文中研究表明随着各种接入技术的不断发展,一种通信设备通常具有多个网络接口,多路径TCP（Multipath TCP,MPTCP）作为传输层上的一种新的带宽聚合技术,由于支持并发使用多个接口以及对上层应用程序的兼容性而备受关注。MPTCP技术旨在提供可靠的带宽聚合服务,同时保持对单路径TCP连接的公平性。近年来国内外机构先后作出了大量的研究来提升MPTCP的性能,但总体而言,在MPTCP拥塞控制算法、数据调度算法以及和实际应用结合等方面还存在着诸多问题。首先,MPTCP默认的拥塞控制设计准则（网络公平性准则）严重限制了MPTCP连接非瓶颈位置的子流的性能,导致其不能有效利用链路资源。应该基于瓶颈公平性原则设计拥塞控制算法,只在瓶颈位置耦合控制子流实现对单路径TCP连接的公平性。而在非瓶颈位置子流,应该解除耦合控制,使其按照单路径TCP连接来运行,从而提升整体吞吐量。其次,在无线异构网络中,无线随机丢包经常出现,现有的MPTCP拥塞控制算法在该场景中性能下降明显,需要引入新的拥塞控制算法来解决无线网络中吞吐量下降的问题,同时还要进一步考虑在新拥塞控制算法下数据调度算法的调整。最后,由于MPTCP对上层应用的透明,现有的MPTCP传输方案在进行数据调度时没有考虑上层应用,比如虚拟现实（Virtual Reality,VR）视频的要求,而是盲目地在不同路径上进行数据调度。因此,需要跨层的优化策略提升整个传输过程。为解决上述问题,本文提出了如下三个方案:（一）本文提出一种新的基于瓶颈公平性的多径传输优化方案,其包括一个新的基于瓶颈公平性的拥塞控制算法和一个新的基于瓶颈公平性的数据调度算法。基于瓶颈公平性的拥塞控制算法利用显示拥塞通告（Explicit Congestion Notification,ECN）机制检测子流是否共享瓶颈,并基于两次判定提升检测的准确度。在完成瓶颈集合判定之后,该拥塞控制算法释放瓶颈集合外部子流的传输性能,而在瓶颈集合内部实现基于子流拥塞度的耦合拥塞控制。此外,该拥塞控制算法通过弹性地调控子流拥塞控制窗口（Congestion Window,CWND）的增大和减小实现负载均衡并保证对瓶颈集合内部单路径TCP连接的友好性。不同于以往数据调度算法在估计数据包分配数目时忽视子流CWND的耦合变化,基于瓶颈公平性的数据调度算法能够根据每个子流的拥塞程度以及子流所处的瓶颈集合,对每个子流的CWND进行建模。该调度算法提升了估计的准确度,进一步提升了整体传输性能。（二）瓶颈带宽和往返时延（Bottleneck Bandwidth and Round-trip propagation time,BBR）算法对丢包环境有很强的适应性,尤其是随机丢包出现时,能保持较高的吞吐量。为了提高无线异构网络环境下MPTCP的性能,本文提出了一种基于BBR的多径传输优化方案。该方案包括一个基于BBR的拥塞控制算法和一个在该拥塞控制算法基础上设计的数据调度算法。基于BBR的拥塞控制算法依据实际探测速率而不是丢包信息来自适应地调整每个子流的发送速率,保证其在提升性能的同时保持对单路径TCP连接的瓶颈公平性。然后,考虑到无线异构网络中子流的不同传输速率将导致乱序交付问题,新的调度算法通过两个阶段的调度来确保数据包按序到达接收端以减少完成时间:第一阶段,在不同的子流上实现冗余传输,这样既可以缩短对时延敏感的小流的完成时间,又可以为后续大流的传输提供链路参数。在达到固定的阈值后,进入第二阶段,执行前向预测调度算法,根据拥塞控制算法执行过程中得到的每个子流的带宽和RTT值,准确估计每个子流上数据包的完成时间,选取最快完成时间的子流进行调度。我们通过NS-3和实际网络测试来评估我们提出的方案。实验结果表明,我们提出的方案在无线异构环境中优于现有的MPTCP方案。（三）本文针对360度VR视频传输所面临的带宽不足和时延无法保证的问题,提出了一种基于MPTCP的虚拟视频传输方案。该方案根据不同子流的带宽和传输延迟动态选择合适的图块比特率,然后将视频片段精细地调度到不同的子流,以便视频数据包可以按时按序到达接收端的播放缓冲区,以提高用户的体验质量（Quality of Experience,QoE）。我们通过实验室搭建的测试平台和NS-3分别验证我们提出的方案的性能。评估结果表明,当网络波动或者视口的图块出现传输错误时,我们的方案优于现有的基于图块的策略,能提供更可靠的视频传输性能。
周攀[3]（2021）在《分布式机器学习加速机制研究》文中进行了进一步梳理机器学习是大数据处理的常用工具之一。然而,依靠单个计算节点的计算能力处理大规模的数据集,不能在可接受的时间范围内将模型训练到满意的精度。通常采用多个计算节点来实现数据并行训练。每个计算节点迭代式地处理部分数据集,每次迭代都要通过网络与其他计算节点同步模型的信息,保证训练的正确性。由于模型规模通常在数百兆至数千兆字节之间,每个计算节点每次迭代都要交互等同于模型大小的数据量,例如模型的参数或者梯度,使得分布式机器学习成为通信密集型和计算密集型的应用。为了支撑人工智能驱动的业务,各个大型公司,如谷歌、微软、亚马逊等,纷纷建立了GPU集群,专门用于模型的训练。由于GPU集群的造价昂贵,这些集群通常由多个用户共同使用,集群当中同时运行着由不同用户提交的众多分布式训练任务。由于集群可用资源的碎片化原因,一个分布式训练任务通常分布在多台GPU服务器上,而一台GPU服务器又同时支撑了隶属于不同分布式训练任务的计算节点,各个分布式任务之间不可避免的要竞争有限的网络带宽资源。根据微软的数据统计,集群中的GPU利用率通常只在50%左右,最低可达34.39%,这意味着一半以上的训练时间里,GPU处于空闲状态,等待网络的通信,使得通信成为分布式机器学习的主要瓶颈之一。该通信瓶颈主要来源于两个维度:（1）底层网络缺乏有效的管控手段,例如,在网络边缘侧缺乏有效的手段来调度出入网络的流量,无法提高网络资源的利用效率,在网络内部缺乏有效的拥塞控制机制,无法提升网络的传输性能;（2）上层任务的训练算法所采用的通信策略不够高效,导致通信代价增加。本学位论文从上述两个维度入手展开研究,主要分为三部分工作:1.网络边缘的流量调度研究。对分布式机器学习应用的流量进行调度时,需要充分考虑机器学习模型开发过程的需求。一个机器学习开发流程包含数据预处理、特征工程、模型设计及超参优化等操作,每个操作的配置发生变化都可能会影响模型的最终质量。开发一个满足需求的高质量模型通常要求对上述操作进行不同配置,然后训练模型,根据训练反馈的结果再调节这些配置,以搜索一个配置能够训练出高质量的模型。其中,超参配置的搜索空间庞大,是整个开发流程中最消耗时间和资源的操作。因此,本文将该类问题分为两个子问题进行研究。首先研究加速超参搜索的流调度问题,然后研究能够加速整个开发流程的流调度问题。对于超参搜索,本文研究发现为超参搜索服务的一组协作任务（cojob）具有明显的阶段性特征,并通过原对偶方法设计了排序调度的方案,最小化cojob的阶段完成时间,并实现了一套网络调度系统Grouper。对于整个开发流程,本文研究发现机器学习开发流程中重复训练模型时只需要每次训练的前期性能反馈即可判断是否停止训练这一规律,提出任务进度感知的流量调度算法来最小化前期训练时间,并实现了一套网络调度系统JPAS。2.网络内部的拥塞控制研究。在分布式训练过程中,计算节点之间除了同步模型之外,还需要传输一些控制信息,比如控制包、心跳包等,用来监测及控制分布式训练的状态。这些控制信息数据量比较小,所需带宽也比较小,但是对网络的延迟比较敏感。通过本文的集群实验发现,模型相关的大量数据会在交换机处建立很长的队列,导致这些控制信息经历很长的排队延迟,这些延迟也会增加训练的通信代价。若网络拥塞进一步严重,发生频繁丢包,导致控制信息不能在规定时间内完成,那么分布式训练的控制机制会认为有的节点死掉并停止训练。本文针对上述的实验现象,设计流感知的显式拥塞控制方案,让网络内部的交换机队列维持一个很小的长度,一方面为模型同步提供高吞吐量,另一方面为控制信息提供低延迟、低丢包率,减少通信代价并且防止训练任务停止。3.通信高效的分布式训练算法研究。由于任务的动态到达/离去、资源的动态分配以及底层网络容量的差异,各个计算节点之间的链路速率通常是异构且动态的,现有分布式训练算法通常忽略了网络的实际情况,假设节点之间的链路速率是静态、同构的,导致这些算法在实际应用时,使计算机点频繁通过低速链路进行通信,造成很高的通信代价。本文提出一种新颖的去中心异步分布式训练算法。该算法中各个计算节点通过点对点的方式进行通信,并且根据网络的情况自适应选择对端节点进行通信,使任务的计算节点能够在高带宽链路构建的网络拓扑中进行训练,本文通过理论分析及集群实验证明了训练的收敛性及训练效率。
宋佳阳[4]（2020）在《高速铁路环境下智慧协同网络组件建模及联动方法研究》文中研究说明随着移动互联网逐渐渗透到社会经济的各个方面,高质量、泛在的移动互联网接入逐渐成为现代生活不可或缺的重要部分。然而,目前在高速铁路场景下仍难以为用户提供与低速或静止环境中一致的网络业务体验。针对这一问题,本论文构思和设计基于智慧协同网络的新型高速铁路环境下网络高效接入机制。论文围绕以下三个问题展开研究工作:1)应用于高速铁路环境的智慧协同网络中无线网络行为特征研究;2)应用于高速铁路环境的智慧协同网络中数据传输性能分析;3)高速铁路环境中基于智慧协同网络的无线网络资源高效并行利用。论文的主要工作和创新点如下:针对研究问题一,本文针对高铁场景下智慧协同网络中的无线网络行为进行了实地测试、模型建立和仿真预测。首先,本文在一高铁区段内进行了大量的无线网络行为实地测试,并通过统计分析揭示了该环境下无线网络行为的一种周期性变化规律。然后,本文引入了一种通用参考模型来模拟高速铁路环境下无线网络行为的周期性变化规律,并利用隐性马尔可夫链对该通用参考模型进行数学描述。最后,本文根据该隐性马尔可夫模型提出一种改进的无线网络行为仿真算法,利用该仿真算法可以较高的准确率来预测高铁环境下智慧协同网络中的无线网络行为。针对研究问题二,本文在智慧协同网络框架下,针对高铁环境中通过多种无线网络并行传输的数据流展开性能分析与建模,讨论行为复杂多变且彼此之间差异较大的多种无线网络对并行数据传输性能的影响。首先,本文阐明了无线网络异构性的概念,并通过实地测试展示了高铁环境中异构无线网络间巨大的行为差异程度,初步分析了异构无线网络行为差异对于并行数据传输性能的影响。然后,本文引入一种通过多个异构无线网络并行传输数据的网络通信模型,以平均吞吐量为性能分析指标,对通过该网络通信模型传输的数据流性能进行建模分析,根据所得性能分析模型定量分析了异构无线网络行为差异性对并行传输数据流的负面影响。分别通过仿真实验和实地测试验证了该性能分析模型的准确性。最后,进一步分析了异构无线网络间不同种类行为差异对并行数据传输性能的影响,分析结果表明时延行为差异产生的负面影响比速率行为差异更大。针对研究问题三,本文提出了基于行为的“先聚类后联动”方法,设计了高铁环境下智慧协同网络中的无线网络聚类联动机制,在智慧协同路由器上实现该机制,并在高铁移动环境下进行实地测试。首先以速率优先传输族群为例,分析了如何选取无线网络行为特征作为聚类度量。之后提出一种适用于高速铁路环境下的无线网络混合聚类算法,并具体介绍该混合聚类算法在高铁场景下的具体实施方法。然后提出一种面向高速铁路环境的无线网络联动转发机制,该机制通过服务-族群映射和族群内转发策略确定数据转发路径,并将转发控制信令内嵌到数据流中,使之通过相应的目标无线网络传输。之后介绍了根据上述无线网络聚类联动机制自主研发的智慧协同路由器,从实体域和行为域两个角度介绍了内部模块设计。最后,通过在真实高铁环境下进行的实地测试评估聚类联动机制中的变量取值、策略选取与实际效果。测试结果表明相对于传统网络接入方案,采用了无线网络聚类联动机制的智慧协同路由器可显着增加高铁列车接入带宽,提高了无线网络资源利用率。通过上述对基于智慧协同网络的新型高铁环境下网络高效接入机制的研究,本文为高速铁路环境下移动互联网的研究探索提供了一种可行的新思路。
金伟祺[5]（2020）在《面向时间敏感业务的时延控制机制》文中认为由于新兴互联网时间敏感业务的出现以及服务质量要求由带宽敏感型向时延敏感型的转变,网络时延控制在保障业务时延性能上发挥着关键作用。依据业务传送过程中时延因素主要来源分为:光传送层、IP层及TCP层。在光传送层上网络、业务规模巨大,性能协调难;在IP层上,范围广、设备多、协议丰富,观测状态难;IP以上面临动态业务分布,网络队列与TCP协议协同难。在通信系统中建立泛在、智能和协同的时延控制机制,降低业务时延,成为时延控制的关键研究课题。当前时延控制存在以下主要挑战:性能协调时,特征因素空间过大;缺乏时延因素的完备观测;忽略业务分布不确定性。多时延因素,多性能协调,多业务分布等时延时延不确定因素汇聚于业务路径,外在表现为路径动态性不同。另外,时延控制还存在计算复杂、网络状态变化快的难点。在业务路径上,针对时延因素的层次划分建立泛在、智能和协同时延控制是时延控制机制的重要目标。结合面临的时延控制不确定因素、挑战和目标,本文特征化时延不确定性,以概率图模型分析各问题对应的特征因素,用强化学习克服控制难点,构建“不确定性学习+控制策略学习”,实现泛在、智能和协同的时延控制机制,设计时延控制策略,增强动态业务分布的时延控制。针对主要挑战,结合“服务边缘化,互联密集化”的研究趋势,本文的主要研究内容和创新点聚焦在以下方面:1、在光传送层,提出了一种对业务分布敏感的光网络前摄时延优化算法。针对光网络互联中“低时延光路径有限,性能要求不同而协调难”,本文分析了业务和时延、能量等性能的关系,构建有限低时延光路径,依代价设计疏导策略,通过隐式强化学习求解时延优化问题,选择较低时延光路径,降低业务时延。相较于其他算法而言,本文所提出的算法以路径期望使用率作为代价函数,能对业务请求集进行前摄控制。仿真显示,在本文设定的条件和业务分布下,算法能够实时、高效建立业务分布描述,选择低时延、能量效率相当的光路径;相较于不使用时延优化的疏导算法,本文所提出的算法保持网络能量效率不受影响,协同选择更低时延路径的概率提高了约14%。2、在IP层,提出了一种分布式路径时延优化算法。针对IP接入过程中“路径动态性高,时延不确定因素多而观测不完备”,本文以强化学习为框架,度量汇聚于传送路径上多时延不确定因素,利用逆强化学习追踪环境状态,优化奖励函数,提出在线分布式路径时延优化算法。相较于其他静态路由、离线更新算法,该算法优化了系统对环境状态的感知和追踪能力,算法智能、实时地降低业务路径时延,提高稳定性和效率。在设备具有高移动性无人机网仿真环境中,本文比较该算法与其他算法（GPSR、QGeo等）在不同数据频率下的路径时延、稳定性和效率,并以端到端时延、包送达率和重传开销分别进行衡量。仿真结果表明,算法在本文设定的条件下能够实时收集系统状态并追踪环境状态,选择低时延的路径;相较于GPSR和QGeo,减少了传送过程中约5%的时延,提高了最多7%的包送达率和降低了最多20%业务重传产生的开销。3、在IP层以上,提出了一种对业务分布敏感的队列时延优化算法。针对路径基本固定,“业务动态分布,网络队列与TCP协议协同难”,本文分析了业务分布与网络队列之间的相关性,以深度强化学习为框架,学习业务工作点分布、转换关系并应用到主动队列管理的时延控制中。对比业务分布不敏感的算法,该算法能够动态探测业务工作点分布,提高网络队列“目标一致的多步协同时延控制”的规划能力,保持队列低时延、高吞吐率的稳定状态。仿真验证了该算法在不同拓扑状态和业务分布下的时延控制能力和规划能力。仿真结果显示,在本文设定的条件下算法能够实时降低网络队列时延,保持网络队列长期处于高吞吐率状态,相较于主动队列管理算法CoDel而言,降低约12%的队列时延而仅牺牲约1%的吞吐率。
崔欢喜[6]（2019）在《融合接入网络的数据传输技术研究》文中研究说明随着网络技术的快速发展,3G、4G、5G NR、WiFi等多种无线接入网络深度融合。移动终端同时配备了多种无线接入技术。如何同时利用多种无线接入技术来聚合带宽,提高服务质量引起了许多科研人员的关注。其中,并行传输是最有潜力的技术,也是目前研究最为广泛的一种技术。并行传输技术的研究目前主要存在以下三个方面急需解决的关键问题:1)经过传输控制协议解耦的子流在网络中如何做出路由决策以及速率控制;2)在移动终端续航能力有限的情况下,如何在多个无线接口激活下保证高能效的数据传输;3)针对多个子流,如何实现高效的数据调度技术,从而降低数据分组乱序和数据分组重传的数量,提高并行传输的有效吞吐量。围绕上述三个问题,本文展开了以下三个方面的研究,具体如下。针对第一个问题,本文研究了并行传输的联合路由与速率控制决策。对于并行传输路由问题的研究,本文主要分为两个部分:1)建立最大化融合接入网络并行传输系统吞吐量效用的优化模型;2)采用二阶原对偶方法求解联合路由与速率控制决策问题。最后通过仿真对比了本文的二阶原对偶方法与一阶原对偶方法以及一阶对偶方法在收敛速度和时延上的性能。针对第二问题,本文研究了:1)基于李雅普诺夫优化的能效分流策略;2)基于能效分流比例的直接拥塞控制算法。对比仿真了接收端能效、有效吞吐量、分组传输时延和接收缓存、时延、丢包率的关系。仿真结果表明本文提出的能效拥塞控制方法有更好的吞吐量、时延和能效的性能。针对第三个问题,本文研究了:1)基于离散时间马尔科夫链的自适应往返时延估计模型、状态转移概率估计模型、平均吞吐量估计模型、子流调度优化模型;2)基于二进制人工蜂群差分演进（Binary Artificial Bee Colony with Differential Evolution,BABC-DE）的最优子流选择方法。通过仿真验证,本文的算法在吞吐量、时延、丢包以及重传方面优于传统的数据调度方法。
仝腾[7]（2019）在《自体动静脉内瘘血栓监测系统研发》文中研究指明近年来,慢性肾脏病患者人数逐渐增多,其中多数患者会发展为终末期肾脏病,需要定期进行血液透析以维持生命。自体动静脉内瘘是血液透析的主要通路,但由于种种原因血管通路会生成血栓导致瘘部阻塞。而瘘部血栓堵塞会阻碍透析顺利进行,危及透析患者生命安全。早期瘘部阻塞可以通过无创溶栓方法治疗,一旦阻塞时间过长（大于48h）患者只能依靠外科手术疏通血管,这会给病人带来极大的痛苦。因此,研发可穿戴、全天候实时监测自体动静脉内瘘血栓的监测系统对瘘部血栓进行早期预警具有十分重要的意义。针对内瘘杂音信号易受环境干扰的特点,设计内瘘杂音信号采集与调理电路,实现噪声衰减与内瘘杂音信号采集;采用低噪声、高负载能力的电源芯片结合合理的电路设计,有效降低了射频电路在发送内瘘杂音数据过程中产生的系统压降和噪声对系统稳定性的影响;为避免用于传输内瘘杂音数据的无线射频信号质量不佳,使用软件仿真与矢量网络分析仪对射频电路参数进行调节,实现高质量的射频传输链路;通过分析硬件低功耗条件、研究Wi-Fi协议栈及微控制器配置方案,提出正常工作模式、低功耗深度睡眠模式、休眠模式相组合的系统运行策略,实现低功耗内瘘杂音数据采集与无丢包数据传输。通过对内瘘杂音信号进行包络提取、形态学滤波、信号微分与峰值提取获得杂音信号的峰值点,进一步由峰值点出现的时间得出内瘘杂音的波动周期,根据此周期与心率周期的关系判断瘘部血栓发生情况。本文设计的硬件设备体积为3cm×3cm×0.5cm;在1.5米范围内射频信号强度可达到-30dBm;平均工作电流在12mA左右;设备能以大于1Mbps的速率无丢包传输数据;并连续工作24小时以上。使用临床病患内瘘杂音数据对本文设计的内瘘血栓检测算法进行测试,测试结果表明算法的正确率为97.1%。
梁丽莹[8]（2018）在《基于LoRa协议的氟泵物联网控制技术研究》文中提出IHF系列氟塑料离心泵是能耗大的旋转机械,在工业上有着广泛的应用,其运行的好坏直接影响了工厂的运作。该泵在工作过程中由于设计、制造、装配、使用及维护等原因会导致机组的故障率高、运行效率低等问题。因此,氟塑料离心泵的状态监测的研究显得很重要,是机组安全高效运行的重要保证。随着嵌入式技术的发展以及该技术在相关领域的应用,针对当前氟泵的状态监测的信号采集传输技术走线多、监测效率低等问题,本文利用LoRa无线传输技术和以太网传输技术,在Visual C++开发环境下设计了一套可对氟泵的运行状态进行实时监测的系统,其具有较高的精确性,广泛的适应性和实用性。本文设计的无线监控系统主要从以下几个方面进行研究:（1）通过查阅文献资料,深入了解氟泵的结构、工作原理以及性能参数,确定了适合氟泵监测系统的监测目标参数,为深入研究氟泵的工作性能提供了可靠的理论依据。（2）在深入研究TCP/IP协议以及LoRa协议的基础上,选用TCP/IP协议的UDP协议和LoRa协议,采用分级模块方式对氟泵的无线监测系统进行总体的设计,实现上下位机一体化监测模式。（3）在监测系统硬件方面,遵循模块化原则,分别完成了采集板、数据板、LoRa无线板的设计。在设计过程中采用软件Altium Designer对其进行设计,控制核心均采用STM32系列单片机,并且对处理器模块、通信模块、外围模块等部分进行了相应的选型和匹配性设计。采集板采用数字量采集电路、模拟量采集电路实现数据的采集;数据板采用ENC28J60模组为以太网模块,实现数据上传到上位机上;SX1278无线模块配合采集板和数据板实现数据的无线传输。（4）在监测系统的软件设计方面,给各模块按需分配I/O 口,采用Keil对系统的开发环境进行配置,并且用C语言对单片机进行编程及程序的调试。在上位机监测系统设计中,采用Visual C++中的MFC模块设计了系统监测界面,将采集到的数据实时显示出来。（5）监测系统设计实现后,利用该监测系统分别进行了无线模块的通讯实验和氟泵的监测实验。通过对无线传输的距离以及穿透能力进行测试,确定了其在氟泵监测系统中的可行性;利用其对系统的工作参数进行监测,并对特性曲线所包含的参数进行计算,运用Matlab软件对泵的流量-扬程,流量-轴功率,流量-效率特性曲线进行不同阶次的分析,从而验证了系统的可靠性与稳定性。本文为IHF系列氟塑料离心泵设计了智能化的数据监测系统,有利于提高氟泵的使用寿命。同时,为基于嵌入式的监测系统方面提供了解决的思路,对于提高工作效率、节省人力等方面具有现实的意义。
胡治国,田春岐,杜亮,关晓蔷,曹峰[9]（2017）在《IP网络性能测量研究现状和进展》文中提出网络性能测量是网络测量领域的核心分支,是指遵照一定的方法和技术,利用软、硬件工具来测试、验证及表征网络性能指标的一系列活动总和,是量化网络性能指标、理解和认识网络行为最基本和最有效的手段,在网络建模、网络安全、网络管理和优化等诸多领域均有广泛应用,是计算机网络领域持续的研究热点之一.介绍了该领域的研究现状与进展,重点讨论了带宽、丢包和时延测量等方面的代表性算法,从算法的基本思想、关键技术、实现机理入手,剖析了突发性背景流的时间不确性和多跳网络路径下的空间不确定性对带宽测量的影响、丢包测量中应用流丢包与探测流丢包的区别与联系、时延测量中时钟偏差与时钟频差的相互作用关系等问题,并在此基础上对网络性能测量面临的挑战、发展趋势和进一步研究的方向进行了讨论.
陈雯[10]（2015）在《数据中心网络中传输协议的性能分析与增强机制》文中研究说明数据中心的迅速发展让网络中多元化业务成为了现实。然而,业务形态的不同使得数据中心网络的压力越来越大,一些特殊的业务要求和传统的网络协议之间产生矛盾。在数据中心多对一的传输模式下,短流的高并发性往往使网络中的拥塞急剧恶化,导致TCP协议不能正常工作,引发吞吐量的坍塌,该现象称为TCP Incast问题。由于其恶劣影响,TCP Incast问题被工业界和学术界广泛关注和研究。在众多改善TCP Incast问题的方案中,DCTCP是典型代表,相比传统TCP协议,DCTCP能将吞吐量的坍塌点延迟。此外,DCTCP还能够在吞吐量和延时之间做很好的权衡,在其他的性能指标中也有优良的表现。然而DCTCP存在严重的自激振荡问题,队列的不稳定使其延时抖动剧烈,性能受到影响。论文针对以上两个问题进行了深入研究,成果如下:（1）TCP Incast问题的综合分析:针对TCP Incast问题建立了一个解释性的模型,综合考虑了所有系统参数和机制变量对于TCP Incast问题的影响,不再局限于特定的环境设定或者机制选择。基于模型的分析发现,窗口的分布和吞吐量紧紧相关,而不同机制、算法、协议对窗口的分布影响不同。仿真和实验证实,理论分析能较贴合地预测和解释实验现象,例如参数调节、改进机制、新的协议设计对缓解TCP Incast问题产生的影响,并得到了一些一般性结论,主要包括吞吐量坍塌点的流数与缓存大小近似成正比例、平均窗口和窗口标准差越小吞吐量坍塌点越延迟等。此外,理论分析的结果也揭示出多数TCP Incast问题的解决方案可以改善吞吐量坍塌现象,但不能彻底避免。（2）缓解DCTCP引起的队列振荡:实验发现DCTCP的队列抖动现象严重,理论分析发现,振荡的根本原因是DCTCP的非线性结构,在交换机处的单阈值标记策略使得拥塞通告过晚地传达到发送端。基于此理解,提出了一种增强机制DT-DCTCP,以两个阈值分担单阈值标记策略的压力,尽早地将拥塞通告传递到发送端。通过引入描述方程和稳定性判据的相关方法,分析了DCTCP和DTDCTCP的稳定性,并从理论上证明后者更加稳定。DT-DCTCP能保持更小的平均队列长度,且队列长度对于增加的并发流数低敏感。实验证实,DT-DCTCP能够比DCTCP延后TCP Incast问题吞吐量的坍塌点,而且在完成时间的实验中,也能减小尾部延时。
二、基于TCP动态流体模型的丢包频率问题透析（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、基于TCP动态流体模型的丢包频率问题透析（论文提纲范文）
（1）移动流媒体多路传输关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本文主要缩略语 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 相关工作综述 |
| 2.1 移动网络下的流媒体业务 |
| 2.2 移动流媒体单路传输技术 |
| 2.3 移动流媒体多路传输技术 |
| 2.4 本章小结 |
| 第三章 部分可靠的多路虚拟队列调度机制 |
| 3.1 本章引言 |
| 3.2 延迟预测的多路虚拟队列分发 |
| 3.2.1 传输丢包分析模型 |
| 3.2.2 基于混沌理论的到达预测 |
| 3.2.3 多路虚拟队列分发 |
| 3.3 面向消息的部分可靠重传算法 |
| 3.3.1 MPTCP部分可靠协议扩展 |
| 3.3.2 面向消息的重传算法 |
| 3.4 仿真实验 |
| 3.4.1 FD-MVQS性能验证 |
| 3.4.2 MO-PR性能验证 |
| 3.5 本章小结 |
| 第四章 输入特征分析的多路智能拥塞控制机制 |
| 4.1 本章引言 |
| 4.2 系统设计 |
| 4.3 RL-PSD算法 |
| 4.3.1 输入流功率谱密度分析 |
| 4.3.2 多路传输状态分析 |
| 4.3.3 拥塞控制动作定义 |
| 4.3.4 基于传输效用函数的回报计算 |
| 4.3.5 双层协作的Q-表生成与维护 |
| 4.4 性能分析 |
| 4.4.1 实验场景设计 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 子流耦合感知的多路自适应传输方案 |
| 5.1 本章引言 |
| 5.2 系统设计 |
| 5.3 基于小波去噪的子流耦合识别 |
| 5.3.1 柔性阈值的小波去噪 |
| 5.3.2 子流耦合特征识别 |
| 5.4 基于DQN的多路传输控制 |
| 5.4.1 多路DQN传输模型 |
| 5.4.2 多路DQN拥塞控制算法 |
| 5.5 性能分析 |
| 5.5.1 实验场景设计 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 第六章 能效均衡的多路传输优化算法 |
| 6.1 本章引言 |
| 6.2 系统设计 |
| 6.3 QE-MCC算法 |
| 6.3.1 传输系统状态定义 |
| 6.3.2 能量感知的传输能效模型 |
| 6.3.3 基于Q-Learning的多路拥塞控制 |
| 6.4 性能分析 |
| 6.4.1 实验场景设计 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间参与的科研项目 |
（2）基于MPTCP的多路径传输中的耦合拥塞控制和数据调度机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 研究问题 |
| 1.3 研究内容与论文结构 |
| 第2章 MPTCP相关背景介绍 |
| 2.1 MPTCP实际应用场景相关研究 |
| 2.1.1 MPTCP在数据中心中应用 |
| 2.1.2 MPTCP在移动网络中应用 |
| 2.2 MPTCP拥塞控制算法研究 |
| 2.2.1 网络公平性 |
| 2.2.2 瓶颈公平性 |
| 2.3 MPTCP数据调度算法研究 |
| 2.4 本章小结 |
| 第3章 基于瓶颈公平性的多径传输优化方案 |
| 3.1 问题描述 |
| 3.2 相关工作 |
| 3.2.1 瓶颈检测相关工作 |
| 3.2.2 基于ECN的TCP传输方案 |
| 3.3 方案架构 |
| 3.4 基于ECN的共享瓶颈检测算法 |
| 3.5 基于瓶颈公平性的拥塞控制算法SB-CC |
| 3.5.1 子流窗口的减少 |
| 3.5.2 子流窗口的增长 |
| 3.6 基于瓶颈公平性的前向预测调度算法SB-FPS |
| 3.7 方案验证和性能分析 |
| 3.7.1 拥塞控制算法性能对比 |
| 3.7.2 数据调度算法性能对比 |
| 3.8 本章小结 |
| 第4章 基于BBR的多径传输优化方案 |
| 4.1 问题描述 |
| 4.2 BBR拥塞控制算法 |
| 4.3 方案架构 |
| 4.4 基于瓶颈公平性的拥塞控制算法MPTCP-BBR |
| 4.4.1 基于RTT的共享瓶颈识别方案 |
| 4.4.2 MPTCP-BBR耦合拥塞控制算法 |
| 4.5 基于MPTCP-BBR的数据调度算法 |
| 4.6 方案验证和性能分析 |
| 4.6.1 NS3仿真实验对比 |
| 4.6.2 实际网络实验对比 |
| 4.7 本章小结 |
| 第5章 基于MPTCP的虚拟现实视频传输方案 |
| 5.1 问题描述 |
| 5.2 相关研究 |
| 5.2.1 基于图块的VR视频传输 |
| 5.2.2 利用多路径传输视频 |
| 5.3 基于MPTCP的虚拟现实视频传输方案 |
| 5.3.1 码率选择算法 |
| 5.3.2 数据分配算法 |
| 5.4 方案验证和性能分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 下一步工作 |
| 参考文献 |
| 在读博士学位期间的科研和项目经历 |
| 在读期间发表的学术论文与取得的研究成果 |
| 致谢 |
（3）分布式机器学习加速机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 分布式机器学习的研究背景与意义 |
| 1.2 分布式机器学习的研究现状 |
| 1.2.1 分布式机器学习的算法及系统研究 |
| 1.2.2 分布式机器学习集群的资源调度研究 |
| 1.3 本文的主要贡献与结构安排 |
| 第二章 加速超参搜索的流调度系统研究 |
| 2.1 引言 |
| 2.2 研究背景及动机 |
| 2.2.1 分布式机器学习 |
| 2.2.2 超参数搜索 |
| 2.2.3 研究动机 |
| 2.3 Cojob感知的调度算法设计 |
| 2.3.1 调度问题的数学描述 |
| 2.3.2 松弛后的数学描述 |
| 2.3.3 阶段排序算法设计 |
| 2.3.4 排序保持的调度及其分析 |
| 2.4 流调度系统Grouper的实现 |
| 2.4.1 系统架构 |
| 2.4.2 Grouper在现有网络设施上的部署 |
| 2.4.3 其他实际情况的考虑 |
| 2.5 集群实验及数值仿真 |
| 2.5.1 实验设置 |
| 2.5.2 集群实验 |
| 2.5.3 仿真分析 |
| 2.6 相关工作 |
| 2.7 本章小结 |
| 第三章 加速模型开发流程的流调度系统研究 |
| 3.1 引言 |
| 3.2 背景及研究动机 |
| 3.2.1 分布式机器学习及GPU集群 |
| 3.2.2 机器学习的特点 |
| 3.2.3 研究动机 |
| 3.3 流调度系统JPAS的概述 |
| 3.3.1 系统架构 |
| 3.3.2 JPAS在现有网络设施上的部署 |
| 3.3.3 其他考虑 |
| 3.4 精度上升量预测方法 |
| 3.4.1 精度曲线建模 |
| 3.4.2 训练速度估计 |
| 3.4.3 精度上升量计算 |
| 3.5 实验及分析 |
| 3.5.1 实验设置 |
| 3.5.2 性能对比及分析 |
| 3.5.3 影响因素分析 |
| 3.6 相关工作 |
| 3.7 本章小结 |
| 第四章 流感知的显式拥塞控制研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 数据中心的ECN标记方法 |
| 4.2.2 现有ECN标记方法存在的问题 |
| 4.2.3 新的设计目标 |
| 4.3 显式拥塞控制方案设计 |
| 4.3.1 面临的挑战及相应解决思路 |
| 4.3.2 FECN的设计 |
| 4.4 性能分析 |
| 4.4.1 FECN的流体模型 |
| 4.4.2 FECN参数选择 |
| 4.5 仿真实验 |
| 4.5.1 小规模的仿真 |
| 4.5.2 Incast场景仿真 |
| 4.5.3 大规模的仿真 |
| 4.6 相关工作 |
| 4.7 本章小结 |
| 第五章 通信高效的去中心异步分布式机器学习算法研究 |
| 5.1 引言 |
| 5.2 问题描述及相关定义 |
| 5.2.1 问题描述 |
| 5.2.2 相关定义 |
| 5.3 算法设计 |
| 5.3.1 算法架构 |
| 5.3.2 一致性梯度下降法 |
| 5.3.3 通信策略算法 |
| 5.3.4 将网络管理节点扩展到其他机器学习算法 |
| 5.4 收敛性分析 |
| 5.5 实验分析 |
| 5.5.1 实验设置 |
| 5.5.2 分布式训练的通信性能 |
| 5.5.3 Net Max的性能增益来源 |
| 5.5.4 收敛时间和测试精度 |
| 5.5.5 可扩展性 |
| 5.5.6 非均匀切分数据集上的实验 |
| 5.5.7 在复杂数据集上训练小规模模型 |
| 5.5.8 将网络管理节点扩展到AD-PSGD |
| 5.6 相关工作 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的成果 |
（4）高速铁路环境下智慧协同网络组件建模及联动方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 高速移动环境下网络接入研究现状 |
| 1.2.2 高速移动环境下网络传输性能面临的挑战 |
| 1.2.3 新型网络研究现状 |
| 1.3 高速移动环境下基于智慧协同网络接入方案 |
| 1.3.1 智慧协同路由器组网方案 |
| 1.3.2 智慧协同路由器内部结构与相关概念 |
| 1.3.3 本文研究问题与智慧协同路由器关系 |
| 1.4 本文工作与创新点 |
| 1.5 论文组织结构 |
| 2 高速铁路环境下智慧协同网络接入组件行为分析建模 |
| 2.1 高铁场景实地测试 |
| 2.1.1 测试设备介绍 |
| 2.1.2 测试参数选取 |
| 2.1.3 测试数据展示 |
| 2.2 数据分析 |
| 2.3 高速铁路场景下接入组件行为建模 |
| 2.4 HMC参考模型仿真验证 |
| 2.5 模型应用示例:高铁环境下接入组件行为自适应监测 |
| 2.6 本章总结 |
| 3 高速铁路环境下异构接入组件并行联动性能分析建模 |
| 3.1 相关研究工作 |
| 3.2 问题描述与网络模型 |
| 3.2.1 高速铁路环境下的异构接入组件行为差异 |
| 3.2.2 异构接入组件并行联动网络通信模型 |
| 3.3 性能分析模型 |
| 3.3.1 第i个传输轮次分析 |
| 3.3.2 基于传输轮次的平均吞吐量迭代算法 |
| 3.3.3 异构接入组件行为差异性对平均吞吐量影响 |
| 3.4 模型评估 |
| 3.4.1 仿真实验对比测试评估 |
| 3.4.2 高速铁路实地测试对比评估 |
| 3.5 基于性能分析模型的若干讨论 |
| 3.5.1 行为差异性对传输性能影响 |
| 3.5.2 传输性能与异构接入组件数量关系 |
| 3.6 总结 |
| 4 高速铁路环境下智慧协同路由器接入组件聚类联动机制 |
| 4.1 高速铁路场景下网络通信特点 |
| 4.2 接入组件聚类联动方案设计 |
| 4.2.1 基于行为的接入组件聚类方法 |
| 4.2.2 接入组件联动转发机制 |
| 4.3 智慧协同路由器内部模块功能 |
| 4.3.1 实体域 |
| 4.3.2 行为域 |
| 4.4 智慧协同路由器工作机制 |
| 4.5 高铁环境实地测试 |
| 4.5.1 聚类算法周期取值与聚类结果展示 |
| 4.5.2 联动转发机制测试与族群内转发策略选择 |
| 4.5.3 吞吐量对比测试 |
| 4.5.4 应用层测试 |
| 4.6 总结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）面向时间敏感业务的时延控制机制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 面向时间敏感业务的网络时延控制的研究背景 |
| 1.2.1 由MCC向MEC的演进历程 |
| 1.2.2 区域划分下的主要时延来源 |
| 1.2.3 时延控制的层次划分 |
| 1.3 面向时间敏感业务的时延控制机制研究现状 |
| 1.3.1 光互联时延控制机制 |
| 1.3.2 网络时延控制机制 |
| 1.3.3 队列管理时延控制机制 |
| 1.4 面向时间敏感业务的关键挑战 |
| 1.4.1 光互联过程中,面向动态业务的路径时延挑战 |
| 1.4.2 在MEC架构下,边缘网络中IP接入挑战 |
| 1.4.3 动态时延业务分布下,网络队列时延控制挑战 |
| 1.5 本文主要研究内容与创新点 |
| 1.6 论文内容与架构安排 |
| 参考文献 |
| 第二章 时延不确定性因素分析与控制 |
| 2.1 时延不确定性 |
| 2.2 时延不确定性概率图模型 |
| 2.3 时延控制强化学习 |
| 2.3.1 问题表示 |
| 2.3.2 学习过程 |
| 2.3.3 在线学习算法 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 面向数据中心光互联的路径时延控制 |
| 3.1 问题引入 |
| 3.2 动态业务疏导分析与模型 |
| 3.2.1 业务疏导中的时延与能量消耗 |
| 3.2.2 传统疏导方案的整数线性规划模型 |
| 3.3 业务疏导的时延优化算法 |
| 3.3.1 时延友好的整数线性规划模型 |
| 3.3.2 业务疏导的强化学习模型 |
| 3.3.3 链路集的选择与前摄奖励函数 |
| 3.3.4 含前摄时延控制的疏导算法 |
| 3.3.5 独立前摄时延控制的动态疏导算法 |
| 3.3.6 相关策略的比较与重要参数 |
| 3.4 系统实现与仿真评估 |
| 3.4.1 仿真平台实现 |
| 3.4.2 数值结果 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 面向MEC的IP路径时延控制 |
| 4.1 问题引入 |
| 4.2 基于Q-Learning的地理路由协议和概率图分析 |
| 4.3 逆向强化学习追踪环境状态 |
| 4.4 带有奖励函数学习的QGeo系统 |
| 4.5 系统实现与仿真评估 |
| 4.5.1 仿真平台实现 |
| 4.5.2 数值结果 |
| 4.6 本章小节 |
| 参考文献 |
| 第五章 基于TCP/AQM的队列时延控制 |
| 5.1 问题引入 |
| 5.2 TCP/AQM系统分析 |
| 5.3 业务分布/AQM系统 |
| 5.4 业务分布/CoDel系统 |
| 5.5 系统实现与仿真评估 |
| 5.5.1 仿真平台实现 |
| 5.5.2 数值结果 |
| 5.6 本章小节 |
| 参考文献 |
| 第六章 论文总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 未来研究工作展望 |
| 缩略语 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）融合接入网络的数据传输技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景、意义及现状 |
| 1.1.1 研究背景及意义 |
| 1.1.2 研究现状 |
| 1.2 异构接入网络融合技术 |
| 1.2.1 被访问网络服务接入 |
| 1.2.2 系统间服务接入 |
| 1.2.3 系统间连续服务 |
| 1.2.4 系统间无缝的连续性服务 |
| 1.3 融合接入网络并行传输技术 |
| 1.4 本文内容与结构 |
| 第2章 融合接入网络并行传输技术 |
| 2.1 融合接入网络并行传输技术 |
| 2.1.1 融合接入网络并行传输的背景及网络结构 |
| 2.1.2 融合接入网络并行传输多路径路由技术 |
| 2.1.3 绿色融合接入网络的能效拥塞控制 |
| 2.1.4 融合接入网络并行传输的数据调度技术 |
| 2.2 本章小结 |
| 第3章 融合接入网络并行传输的联合路由与速率控制 |
| 3.1 基于MPTCP的融合接入网络并行传输模型的抽象 |
| 3.1.1 多路径并行传输的路由 |
| 3.1.2 队列稳定性 |
| 3.1.3 并行传输的多路径路由优化问题推导 |
| 3.2 二阶并行速率控制与多路径路由优化框架 |
| 3.2.1 融合接入网络并行传输的JRCR算法设计 |
| 3.2.2 并行传输路由算法的性能分析 |
| 3.2.3 基于牛顿下降的二阶算法的推导过程 |
| 3.3 基于牛顿下降法的分布式路由算法 |
| 3.3.1 原牛顿方向的分布式计算 |
| 3.3.2 对偶牛顿方向的分布式计算 |
| 3.4 算法仿真 |
| 3.5 本章小结 |
| 第4章 绿色融合接入网络并行传输的能效拥塞控制 |
| 4.1 系统模型 |
| 4.2 融合接入网络并行传输的能效分流算法研究 |
| 4.2.1 基于Lyapunov优化的高能效业务分流算法 |
| 4.2.2 算法性能分析 |
| 4.3 基于E-LIA的直接能效拥塞控制方法 |
| 4.4 数值仿真 |
| 4.4.1 仿真配置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第5章 融合接入网络并行传输的数据调度 |
| 5.1 网络系统及估计模型 |
| 5.1.1 网络与系统模型 |
| 5.1.2 并行传输子流选择对吞吐量性能影响的估计模型 |
| 5.2 基于SDN的多路径并行传输数据调度方法设计 |
| 5.2.1 算法设计 |
| 5.2.2 算法复杂度及性能分析 |
| 5.3 数值仿真 |
| 5.3.1 仿真环境配置 |
| 5.3.2 算法仿真的参数配置 |
| 5.3.3 仿真结果分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 后续工作 |
| 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 |
（7）自体动静脉内瘘血栓监测系统研发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 自体动静脉内瘘生理信号组成 |
| 1.3 自体动静脉内瘘生理信号特点 |
| 1.4 国内外研究现状 |
| 1.4.1 内瘘血栓检测方法发展历史及现状 |
| 1.4.2 穿戴式自体动静脉内瘘血栓检测系统研究现状 |
| 1.5 本文研究内容 |
| 1.6 本文章节安排 |
| 第二章 自体动静脉内瘘生理信号采集 |
| 2.1 总体硬件设计 |
| 2.1.1 模拟信号采集前端方案选择 |
| 2.1.2 总体硬件电路设计思路 |
| 2.2 内瘘杂音信号采集及一级音频信号放大电路设计 |
| 2.2.1 内瘘杂音生理信号特征及电路设计需求 |
| 2.2.2 杂音信号采集电路设计 |
| 2.2.3 电路仿真与测试结果 |
| 2.3 二级放大电路及低通滤波电路设计 |
| 2.4 电源设计 |
| 2.4.1 充电电路 |
| 2.4.2 供电电路 |
| 2.5 本章小结 |
| 第三章 内瘘杂音信号低功耗无线传输 |
| 3.1 Wi-Fi协议栈研究及射频芯片简介 |
| 3.2 嵌入式Wi-Fi电路设计及功耗分析 |
| 3.2.1 嵌入式Wi-Fi电路设计重点 |
| 3.2.2 嵌入式Wi-Fi各种工作模式及其功耗分析 |
| 3.2.3 低功耗深度睡眠模式下内核、外设、内存参数保持及恢复策略 |
| 3.2.4 其他资源功耗分析 |
| 3.3 基于嵌入式Wi-Fi的低功耗数据采集策略 |
| 3.3.1 低功耗数据采集策略 |
| 3.3.2 低功耗深度睡眠状态下的设备控制及数据传输策略 |
| 3.3.3 针对穿戴式设备的应用优化 |
| 3.4 本章小结 |
| 第四章 自体动静脉内瘘杂音数据分析与处理 |
| 4.1 内瘘杂音数据处理思想概述 |
| 4.2 内瘘杂音信号预处理 |
| 4.2.1 内瘘杂音信号频域特征分析 |
| 4.2.2 内瘘杂音信号预处理 |
| 4.2.3 内瘘杂音信号包络提取与分析 |
| 4.3 内瘘杂音信号形态学特征分析 |
| 4.4 内瘘杂音信号特征点选取及定位 |
| 4.5 对比分析 |
| 4.6 本章小结 |
| 第五章 实验与分析 |
| 5.1 数据采集硬件测试 |
| 5.1.1 系统功耗测试 |
| 5.1.2 信号强度测试及丢包率测试 |
| 5.2 临床数据算法测试 |
| 5.3 实物展示 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（8）基于LoRa协议的氟泵物联网控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的目的和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究目的和意义 |
| 1.2 国内外的发展现状 |
| 1.2.1 LoRa技术的国内外发展现状 |
| 1.2.2 国内外泵监控系统的发展状况 |
| 1.2.3 国内外嵌入式的发展状况 |
| 1.2.4 国内外物联网的发展状况 |
| 1.3 论文主要内容 |
| 第二章 氟塑料离心泵的工作性质及相关参数的计算 |
| 2.1 氟泵的结构 |
| 2.2 氟泵的工作原理 |
| 2.3 氟泵工作性能参数 |
| 2.4 氟泵特性参数的计算 |
| 2.5 多功能输送机组的计算 |
| 2.6 本章小结 |
| 第三章 基于LoRa的氟泵监测方案设计 |
| 3.1 氟泵监测的需求分析 |
| 3.2 LoRa技术概述 |
| 3.2.1 LoRa技术的内容 |
| 3.2.2 LoRa技术的特点 |
| 3.2.3 LoRa技术的应用 |
| 3.3 系统的主要实现 |
| 3.3.1 系统的主要模块的实现 |
| 3.3.2 TCP/IP协议 |
| 3.3.3 UDP/IP协议栈的实现 |
| 3.3.4 LoRa在氟泵上的应用 |
| 3.4 本章小结 |
| 第四章 氟泵监测系统的设计与实现 |
| 4.1 氟泵监控系统的设计 |
| 4.1.1 采集板的设计 |
| 4.1.2 数据板的设计 |
| 4.1.3 LoRa模块的设计 |
| 4.2 基于Altium Designer的PCB板的制作 |
| 4.2.1 元件的封装 |
| 4.2.2 PCB布局布线的原则 |
| 4.2.3 电路板的PCB图 |
| 4.3 主控模块的软件设计 |
| 4.3.1 系统软件的设计原则 |
| 4.3.2 系统的总体设计 |
| 4.3.3 LoRa功能的实现 |
| 4.4 上位机监控界面的开发 |
| 4.4.1 UDP显示界面的设计 |
| 4.4.2 界面的控制 |
| 4.5 本章小结 |
| 第五章 氟泵的监测实验研究 |
| 5.1 无线传输节点通信距离与穿透测试 |
| 5.2 氟泵监测实验方案的设计 |
| 5.3 氟泵监测实验研究 |
| 5.3.1 实验主要设备 |
| 5.3.2 传感器的位置安装 |
| 5.4 氟泵监测实验结果及分析 |
| 5.4.1 性能实验 |
| 5.4.2 特性曲线的拟合 |
| 5.4.3 拟合曲线的优化度检验 |
| 5.5 本章小结 |
| 第六章 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 个人简介 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）数据中心网络中传输协议的性能分析与增强机制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.1.1 数据中心Incast问题及业务特点 |
| 1.1.2 数据中心TCP协议 |
| 1.2 研究问题 |
| 1.2.1 TCP Incast问题的综合分析 |
| 1.2.2 DCTCP的队列振荡问题 |
| 1.3 研究现状 |
| 1.4 研究内容与成果 |
| 1.5 论文框架 |
| 第2章 相关工作 |
| 2.1 TCP Incast问题 |
| 2.1.1 理论研究 |
| 2.1.2 解决方案 |
| 2.2 数据中心TCP协议 |
| 2.2.1 DCTCP |
| 2.2.2 流体模型 |
| 2.3 本章小结 |
| 第3章 TCP Incast问题的综合分析 |
| 3.1 概述 |
| 3.2 实验环境与基本假设 |
| 3.2.1 实验环境 |
| 3.2.2 基本假设 |
| 3.3 解释性模型 |
| 3.3.1 吞吐量计算 |
| 3.3.2 窗口分布 |
| 3.3.3 超时重传概率 |
| 3.3.4 理论分析 |
| 3.4 解决方案分析 |
| 3.4.1 调整系统参数 |
| 3.4.2 设计增强机制 |
| 3.4.3 替换基于丢包的传输协议 |
| 3.4.4 设计新的传输协议 |
| 3.5 本章小结 |
| 第4章 缓解队列振荡：DCTCP的分析与改进 |
| 4.1 概述 |
| 4.2 实验观察与分析 |
| 4.3 描述函数方法和稳定性判据 |
| 4.3.1 描述函数 |
| 4.3.2 稳定性判据 |
| 4.4 理论分析 |
| 4.4.1 流体模型的线性化 |
| 4.4.2 DCTCP的稳定性分析 |
| 4.4.3 DT-DCTCP的稳定性分析 |
| 4.4.4 DT-DCTCP和DCTCP的稳定性比较 |
| 4.5 仿真及实验论证 |
| 4.5.1 仿真性能验证 |
| 4.5.2 实验性能验证 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
四、基于TCP动态流体模型的丢包频率问题透析（论文参考文献）
- [1]移动流媒体多路传输关键技术研究[D]. 秦久人. 北京邮电大学, 2021(01)
- [2]基于MPTCP的多路径传输中的耦合拥塞控制和数据调度机制研究[D]. 魏文佳. 中国科学技术大学, 2020(01)
- [3]分布式机器学习加速机制研究[D]. 周攀. 电子科技大学, 2021(01)
- [4]高速铁路环境下智慧协同网络组件建模及联动方法研究[D]. 宋佳阳. 北京交通大学, 2020(02)
- [5]面向时间敏感业务的时延控制机制[D]. 金伟祺. 北京邮电大学, 2020(01)
- [6]融合接入网络的数据传输技术研究[D]. 崔欢喜. 重庆邮电大学, 2019(01)
- [7]自体动静脉内瘘血栓监测系统研发[D]. 仝腾. 苏州大学, 2019(04)
- [8]基于LoRa协议的氟泵物联网控制技术研究[D]. 梁丽莹. 沈阳建筑大学, 2018(01)
- [9]IP网络性能测量研究现状和进展[J]. 胡治国,田春岐,杜亮,关晓蔷,曹峰. 软件学报, 2017(01)
- [10]数据中心网络中传输协议的性能分析与增强机制[D]. 陈雯. 清华大学, 2015(08)