一、不同网络的QoS机制比较（论文文献综述）
彭德平[1]（2021）在《基于数据驱动的网络QoS推断系统的设计与实现》文中指出网络环境的日趋复杂性不仅对网络QoS（Quality of Service,服务质量）保障提出了更高的要求,也为网络QoS关注的关键性能指标（如吞吐和时延）的评估带来了更大的挑战。通常,网络管理人员需要对真实物理网络中特定的网络场景进行大量查询及人工分析以获取网络QoS关注的关键性能指标,但网络系统愈加异质和复杂化,使得这种人工分析的方式变得愈加困难。传统的网络性能评估方式有数学建模、网络仿真和网络模拟,但都无法在准确性、时效性等方面均满足性能要求。与此同时,机器学习、人工智能等研究领域的飞速发展,为网络性能评估提供了新思路。在此背景下,网络管理人员一方面需要一种高效且可信度高的网络性能评估方式完成特定网络场景的性能评估,另一方面希望通过机器学习方式完成网络性能建模。为此,本论文设计与实现了基于数据驱动的网络QoS推断系统。首先,通过调研网络QoS及其关键性能指标并利用离散事件驱动的网络模拟器OMNeT++完成网络仿真数据集的构建;其次,调研近些年来通过机器学习方法完成网络性能建模的热门技术方案,选择将图神经网络引入网络时延评估的领域,在网络仿真数据基础上完成网络时延性能算法模型的建模和训练;最后,通过Flask框架集成网络时延性能算法模型提供的网络时延推断服务,为网络管理人员提供特定网络场景下的时延预测。一方面,本系统提供了一种以机器学习方法为基础的网络时延性能评估方式;另一方面,本系统通过实现从仿真数据集构建,到网络性能算法模型建模,再到模型应用及管理这一完整的网络性能算法模型开发流程为有自定义网络性能模型开发需求的网络管理人员提供业务支持。实验结果表明,本论文基于数据驱动的网络QoS推断系统能够有效提升网络性能算法开发进度并且能够辅助网络管理人员选择高效、信任度高的网络性能评估模型进行特定场景下的网络性能预测。
陈诚[2]（2020）在《面向云网环境的广域网QoS测量关键技术研究与实现》文中提出随着互联网和云计算的发展,资源调度的核心由传统路由器转变为数据中心,数据中心已成为数据支撑平台,承载用户请求并对外提供服务。传统运营商的网络测量方法面向的场景是尽力而为的服务,而不关心具体应用在网络上的服务质量,而数据中心之间的网络资源调度是为应用提供服务的,因此数据中心之间需要更精细化的网络测量方法,从而为细粒度的资源调度提供数据支撑和决策依据,数据中心之间的网络测量对当今互联网资源的调度具有重要作用。本文基于云网场景,提出了面向云网环境的数据中心网络传输质量的测量方法。本文的主要工作是,基于开源监控工具OpenFalcon二次开发、部署了面向云网环境的测量系统,实现了测量系统长期稳定运行。而网络测量涉及到资源消耗和准确性的权衡,合理的网络状态抽样和统计方法对数据中心之间网络资源视图的精确刻画具有关键性作用。围绕上述问题,本文具体研究内容包括:（1）网络QoS特征分析方法研究。本文借鉴统计学模型、深度学习模型等,根据QoS测量结果,选择相应的模型对QoS数据进行拟合,以提取面向云网环境的数据中心广域网之间QoS变化特征规律。（2）测量配置优化方法研究。测量是整个网络资源调度的基础,而测量本身也伴随着系统网络资源的开销,本文提出了测量配置优化方法,根据被测链路网络QoS变化特性,分析测量系统长期稳定测量配置,旨在以较小的测量代价获得数据中心之间广域网传输质量视图。（3）网络测量系统网络QoS特征变化检测研究。在测量系统运行过程中,实时检测当前网络QoS特性是否发生变化,用于评估测量长期配置的合理性。
朱腾[3]（2019）在《基于SDN的无线传感器网络QoS路由协议研究》文中研究指明随着无线传感器网络（WSNs）应用的广泛普及,高数据流量变化和多类型数据并存的应用场景逐渐增多,这些应用场景对路由协议的服务质量（QoS）的要求也逐渐提高。传统分布式WSNs在能量受限、动态管理和复杂QoS路由协议的实现等方面迎来了巨大的挑战。如何满足现阶段无线传感器网络的服务质量成为了当前学术界研究的重点。软件定义无线传感器网络（SDWSN）是一种新兴的无线传感器网络架构,其将数据平面与控制平面分离,用户可以通过应用实时编程,从而极大增强了网络的灵活性。SDWSN的提出,使得WSNs原有的路由协议不再全适用,设计出一种适用于其特点的路由协议变得尤为重要。本文以开源软件定义无线传感网络项目（SDN-WISE）为设计基础,设计实现了一种能满足一定及时性、可靠性和节能性的基于SDN的无线传感器网络QoS路由协议----SDNQ-WISE。本文对无线传感器网络以及该网络下的经典QoS路由协议进行了深入的研究,结合SDWSN技术,设计并实现了 SDNQ-WISE路由协议。该协议主要包括协议栈、数据包报文与类型、流表、分簇路由算法、簇头、路由维护机制等。首先,本文深入研究了现有WSNs经典QoS路由算法和SDWSN技术,为后续设计路由协议做好铺垫。然后,本文根据不同的QoS需求提出了一种数据分级方案,该方案利用交叉分级技术将数据分为不同的级别。接下来,本文设计并实现了一种分簇路由算法,并提出了簇头维护机制和路由维护机制。然后,本文以开源项目SDN-WISE架构为基石设计了 SDNQ-WISE协议,并分别从其协议栈、数据包包头、数据包报文格式、流表和协议初始化流程方面进行设计与介绍。最后,介绍了 SDN-WISE与SDNQ-WISE协议的具体部署与仿真实现,在及时性、可靠性和节能性的角度上将两者进行比较。仿真结果表明SDNQ-WISE协议相对于SDN-WISE协议能够有效的提高网络的QoS性能。
顾伟[4]（2014）在《无线传感器网络中提供QoS保证的高效路由协议的研究》文中进行了进一步梳理无线传感器网络（WSN）由大量的智能传感器节点构成，传感器节点结构微小，有限的能量限制了其运算处理能力。智能传感器节点能够以Ad-Hoc方式部署并自组织成网络系统，实现对网络覆盖区域内感知对象的监测与数据采集。许多传感器应用场景都可以帮助人类更加全面的了解物理世界，如海洋监测、地震响应系统。无线传感器网络由于具有巨大的应用潜力而受到越来越多的关注，因此需要设计高可靠性、高能效的路由协议来提供更高质量的网络服务。无线传感器网络中传感器节点的能量和计算能力的局限性给设计QoS路由协议带来了巨大的挑战。本文深入研究无线传感器网络QoS路由协议。为了满足无线传感网络QoS需求，利用无线信道的广播特性，本文提出一种基于虚拟网格的无线传感器网络QoS路由协议（GQOR）。GQOR是一种基于虚拟网格的机会路由，该协议利用节点地理位置信息实现对网络的虚拟网格划分，利用基于拥塞状态的网格前向路由保证数据定向传输到Sink节点，避免洪泛广播导致的能量消耗。GQOR在网格间机会路由过程中引入了时延预测机制、前进速度预测机制以及能量平衡机制，以提供较高的QoS保证。同时，提出的节点拥塞检测机制可以进一步提高路由的性能。理论分析与仿真结果表明，GQOR路由协议与传统的QoS路由协议相比，在数据传输过程中以较低的时延代价显着提高了系统的可靠性，延长了网络的生命周期。
蒋云洁[5]（2014）在《认知网络OoS动态自主控制机制研究》文中提出随着网络技术的迅速发展，网络环境动态复杂多变，网络业务爆炸式增长，传统网络提供的“尽力而为”服务由于缺乏智能的自适应能力，导致现有网络资源利用率和用户满意度持续降低，需求多样性的业务端到端QoS和网络整体性能得不到有效保障。而认知网络能感知当前网络QoS态势，自适应调整网络资源配置，从而为这些问题的解决提供了一种新的解决途径。本文在分析现行网络QoS控制机制不足的基础上开展认知网络环境下QoS动态自主控制机制的研究，主要工作如下：第一，提出了面向业务流的认知网络QoS动态自主控制模型。该模型基于全局网络态势感知结果自主调度正常优化控制和异常应急控制，若网络正常健康运行，则以提高网络资源分配的经济性为目标，进行面向单业务流的正常优化控制；若网络异常，则以保证业务端到端QoS和网络整体性能为目标，进行面向业务流的异常应急控制；从而实现认知网络QoS的动态自主控制。第二，提出了一种认知网络最经济正常优化控制方法。基于最经济控制理论，该方法以最小化各路径带宽代价与业务的预期QoS效用比之和为目标建立最经济控制模型，使用最经济人工免疫算法实现模型最优值求解，优化业务多路径流量分配，从而实现面向单业务流的认知网络正常优化控制。其中，最经济人工免疫算法以最经济控制模型为抗原，改进抗原亲和度计算方式，在抗体浓度计算过程中，采用基于欧式距离的浓度计算方法减小计算复杂度，并通过改进交叉算子提高抗体的多样性避免陷入局部最优。仿真实验表明提出的最经济正常优化控制方法能够提高认知网络拥塞避免性能和网络资源利用率，实现最经济网络资源配置。第三，提出了一种基于诊断贝叶斯网络的认知网络自诊断异常应急控制方法。该方法基本思想是构造诊断贝叶斯网络，包括根据专家知识构造诊断贝叶斯网络结构和使用贝叶斯估计方法学习参数，当感知网络出现异常后，定位异常链路，通过基于连接树的推理算法推理异常链路中各业务的异常等级，控制异常等级最高的业务流进行多路径流量重分配，实现认知网络异常应急控制。仿真实验表明提出的自诊断异常应急控制方法能够保障业务端到端QoS和网络整体性能。
茅海雁[6]（2014）在《异构无线网络环境下网络垂直切换判决技术研究与分析》文中研究指明异构无线网络融合是未来网络的一个重要发展趋势。在异构无线网络环境下,用户可以充分利用不同无线网络的技术优势,获得"Always Best Connection, ABC"。但是这些不同类型无线网络在接入技术、覆盖范围、业务类型等方面有很大不同,使得传统的水平切换技术已经无法解决异构无线网络的移动性管理问题,因此垂直切换技术正是为了解决移动终端在异构无线网络环境中无缝切换而诞生的网络切换技术。本文研究和设计了网络垂直切换框架以及垂直切换判决算法：1、改进了基于MIH的垂直切换框架。本文在IEEE802.21MIH的基础上,设计了一个垂直切换管理模块,实现终端状态的感知以及网络QoS评分的计算、收集和分享。2、设计了一种终端控制、网络辅助的垂直切换判决算法。本文在垂直切换框架的基础上,提出基于网络得分预测和模糊逻辑优化的垂直切换判决算法（NP-FVHD）,该算法针对四种不同的业务类型分别计算网络QoS得分,并利用一阶单变量灰色预测模型GM（1,1）预测未来网络QoS得分；利用终端移动速度和预计驻留时间进行网络预筛选和预判决；根据网络QOS得分的真实值、预测值和终端电池电量做出网络的垂直切换判决。另外,本文提出了一种增加用户体验质量反馈的建议。论文针对上述研究开展了实验验证：首先,定量分析了垂直切换框架的性能,分析结果表明,框架能够有效地降低切垂直换判决的时延和终端电池电量的消耗；然后,设计了三种不同的网络QoS变化仿真场景来验证NP-FVHD算法的性能,实验结果表明,本文提出的NP-FVHD能够有效地增加网络QoS评价的准确性,并且能有效减少不必要的网络切换,降低“乒乓效应”,延长终端的续航时间。
曾泽南[7]（2014）在《无线与有线网络融合的QoS技术研究》文中研究指明无线Mesh网络[1]（Wireless Mesh Networks）能够融合异构网络,凭借其具有的丰富多变的网络体系结构,可以供多种无线网络接入有线网络,并使多种类型的业务需求得到满足,由此可见,对于一定的服务质量（Quality of Service,简称QoS）保证,无线Mesh网络是必须提供的。作为近年来出现的一种新型宽带无线网架构,无线Mesh网络继承了Ad Hoc网络自组织的特点,由静态的Mesh骨干网（Mesh Backbone）与动态的Mesh接入网（Mesh Access）组成,为无线网络提供了更加灵活的接入有线网络的手段,包括Internet,当前种种通信网络都可以与无线Mesh网络进行融合,由此可见,无线Mesh网络相比其他技术,在实现随时随地的访问网络方面,具有相当巨大的优势。本文对无线Mesh网络的QoS体系结构进行了分析,然后,针对无线Mesh网络网络层以及其下各层的QoS问题,对近几年来,不少国内外学者在QoS路由以及跨层QoS设计等方向所取得的研究成果进行了比较全面的总结与比较分析。并对无线Mesh网络中具有代表性的网络层按需路由协议DSR进行了研究。最后,文章研究了如何通过改进网关选择与优化QoS路由度量标准来提高网络的QoS保证能力,并通过改进DSR路由协议来实现。本文的创新点主要有：1.算法综合考虑了网关与路由性能,平均时延为先决条件,影响网络QoS状态的路由参数为优化目标。相比现有的很多只考虑网关性能或者路由性能的算法,更加充实并完善了判据的性能指标；与无区别地考虑网关性能与路由性能的算法相比,提高了准确性,降低了复杂度,减少了资源开销。2.算法统一了无线网络和有线网络的融合环境中不同网络对服务质量要求的差异,优先合理选择网关,优化了网关选择判据,选取了合理的QoS路由度量标准,可以更加有效提高整个网络的QoS保障能力。本文使用NS2（NetworkSimulator2）仿真平台对算法进行仿真。扩展了NS2的仿真功能模块,进而搭建了异构无线Mesh网络的仿真平台。扩展的功能模块主要有：使用地址分层机制实现无线网络与有线网络的融合；为了使某些特定节点具有网关路由的功能,我们对节点的设置进行补充扩充。设置完之后的平台可以较好地提供Internet有线网络与无线Mesh网络的数据交互。文章在最后需要完成的工作：在NS2搭建并扩展的仿真平台中,我们对提出的算法进行了有效仿真、数据分析并验证。仿真结果表明：该算法可以明显看到,网关的合理选择性明显提高,具有QoS保证的路径选择正确性明显提升,达到我们保障网络的QoS的目的,并且对整个无线Mesh网络的传输时延、吞吐量、丢包率等性能参数各方面都有不少的改善。
房曙光[8]（2013）在《无线网络QoS保障跨层优化若干问题研究》文中研究说明无线通信为当今通信领域中最为活跃的研究热点之一，其服务质量（Quality of Service,QoS）保障对于无线通信系统的设计是非常重要的，特别是多媒体业务等对服务质量具有严格要求的应用就更为突出。网络服务质量是无线网络数据传输质量的度量指标，第三代和第四代无线网络均具有支持多种QoS需求业务流特性。现代无线网络中信道的时变性、业务流的复杂结构和到达随机性以及网络结构的复杂性，使得无线网络QoS保障技术十分复杂和重要。本论文借助马尔科夫过程理论、队列理论、最优化理论、在线学习理论，研究无线网络通信中QoS保障的若干关键问题，包括无线信道服务过程突发特性及无线信道马尔科夫过程建模方法、分层无线网络QoS指标垂直映射模型及跨层优化技术、无线多跳网络中节点公平性保障技术，并利用Matlab工具对所提出各种算法模型进行性能仿真和分析，验证它们的有效性，论文主要创新点有以下五个方面。（1）首次构建AMC瑞利衰减无线信道服务过程模型。借助队列理论，分析数据链路层业务流、链路队列以及物理层调制编码技术对AMC无线信道服务过程的影响，得出AMC无线信道服务过程模型；并应用突发特性的离散时域尖度因子函数表示法，通过数值方法分析AMC无线信道服务过程所呈现突发特性，以及其与信道接收端服务速率、系统期望包差错率以及信道信噪比关系。（2）基于AMC无线信道服务过程突发特性，提出一种突发特性等效的AMC无线信道马尔科夫模型建模方法，并且用数值分析方法与现有建模方法对比，验证了其有效性和优越性。（3）针对无线网络垂直QoS映射问题，基于层间虚拟缓存概念，提出一种统一的层间QoS垂直映射模型，并且采用队列分析方法和仿真初步验证了其有效性。（4）针对无线环境下业务流和无线信道的不可预测问题，提出一种基于在线学习的层间QoS优化方法，并给出了其求解算法。（5）提出一种新的无线Mesh网络中路由节点公平性的度量方法。该方法基于加权最大最小公平性优化原理，以路由和中继节点加权吞吐量冗余的一致性衡量无线Mesh网络中节点公平性，并提出一种节点吞吐量和节点公平性优化结构，利用该结构和仿真分析节点吞吐量和节点公平性关系。
张西,林奕,王慧文,张延园[9]（2013）在《基于网络QoS管理层的NFS访问速率控制技术》文中指出CA-NFS通过延迟和加速应用程序的文件操作以满足不同应用的服务质量需求,取得了很好的效果,但它并没有考虑到NFS数据流包的网络延迟抖动对QoS的影响。本文为NFS设计和实现一种QoS管理模块,利用Linux下现有的CGroup和QoS机制,以较小的代价提供NFS的QoS保障能力。从实验结果看,改造后的NFS减小了网络数据包时延抖动范围,效果较好,为NFS提供了一定的QoS保证能力。
杨婧[10]（2013）在《基于ZigBee协议的WSN服务质量分析与研究》文中提出无线传感器网络（Wireless Sensor Network, WSN）,由于其具有自组织、体积小、成本较低的等优点,使得它在军事国防、医疗、环境监测等诸多领域都有着广泛的应用前景和实用价值,成为目前计算机领域的研究热点。目前一种基于IEEE802.15.4标准的具有近距离、低复杂度、低功耗、低速率、低成本特点的ZigBee协议逐渐成为了无线传感器网络的首选网络协议。WSN的服务质量（Quality of Service, QoS）一直是研究WSN可用性、实用性的焦点,是重要的研究方向。本论文以此为背景,通过大量参阅国内外相关资料,利用国内外现有的相关研究成果,研究分析无线传感器网络、ZigBee协议；在比对传统网络QoS技术的基础上,通过分析基于ZigBee协议的WSN中如何保证QoS,以此来展开研究。主要研究内容有以下几个方面：研究无线传感器网络、ZigBee协议的组成和特点,分析比较了ZigBee协议与其他几种无线通信协议,分析了基于ZigBee的无线传感器网络的特点,结合上述内容重点研究了保障无线传感器网络的QoS机制。研究了无线传感器网络QoS路由策略,QoS路由度量、参数的选取和评估方法。重点分析几种经典的QoS路由算法。本文结合经典的蚁群算法和遗传算法的特点,重点研究了基于蚁群优化的无线传感器网络路由算法,该算法在降低链路拥塞发生,提高节点能量及网络的性能方面有明显优势。改进了一种基于遗传算法的QoS路由算法。该算法在满足具体应用提出的QoS要求的条件下,通过节点选择和调度机制,实现能耗最小的QoS路由发现方法,从而达到网络负载的均衡的目的。通过NS2进行仿真实验,结合现有的经典的QoS路由协议算法,实验结果显示改进的算法能够在数据传输延迟、避免拥塞,实现网络负载的均衡和延长网络生命周期有较好效果。
二、不同网络的QoS机制比较（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、不同网络的QoS机制比较（论文提纲范文）
（1）基于数据驱动的网络QoS推断系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 主要研究内容 |
| 1.3 论文主要工作 |
| 1.4 论文结构 |
| 第二章 相关技术概述 |
| 2.1 网络QoS及其关键性能指标 |
| 2.2 离散事件网络模拟器 |
| 2.3 深度学习框架 |
| 2.3.1 深度学习 |
| 2.3.2 图神经网络 |
| 2.3.3 机器学习平台TensorFlow |
| 2.4 前后端开发技术研究 |
| 2.4.1 服务器端框架Flask |
| 2.4.2 前端框架Bootstrap |
| 2.4.3 关系型数据库MySQL |
| 2.5 网络性能建模机器学习方案调研 |
| 2.6 本章小结 |
| 第三章 基于数据驱动的网络QoS推断系统需求分析 |
| 3.1 系统需求概述 |
| 3.1.1 问题与挑战分析 |
| 3.1.2 系统总体功能分析 |
| 3.1.3 用户群体分析 |
| 3.2 系统详细功能需求分析 |
| 3.2.1 网络仿真服务 |
| 3.2.2 网络时延推断服务 |
| 3.2.3 推断系统管理 |
| 3.2.3.1 个性化管理 |
| 3.2.3.2 账号管理 |
| 3.2.3.3 模型版本管理 |
| 3.2.3.4 模型预测 |
| 3.2.3.5 历史信息查询 |
| 3.3 系统非功能性需求分析 |
| 3.3.1 网络仿真数据集可靠性需求 |
| 3.3.2 模型预测性能需求 |
| 3.3.3 推断系统管理平台交互需求 |
| 3.4 数据库需求分析 |
| 3.5 本章小结 |
| 第四章 基于数据驱动的网络QoS推断系统的概要设计 |
| 4.1 系统模块设计 |
| 4.2 系统总体架构设计 |
| 4.3 网络仿真服务子系统概要设计 |
| 4.3.1 网络仿真服务子系统流程 |
| 4.3.2 网络仿真服务概要设计 |
| 4.3.3 网络场景描述设计 |
| 4.3.3.1 仿真网络拓扑设计 |
| 4.3.3.2 仿真路由策略设计 |
| 4.3.3.3 仿真流量负载设计 |
| 4.4 网络时延推断服务子系统概要设计 |
| 4.4.1 网络时延推断服务子系统流程 |
| 4.4.2 网络性能评估算法设计 |
| 4.5 网络推断系统管理平台概要设计 |
| 4.5.1 网络推断系统管理平台流程 |
| 4.5.2 网络推断系统管理平台软件架构 |
| 4.5.3 网络推断系统管理平台与网络时延推断服务子系统的交互 |
| 4.6 数据库设计 |
| 4.6.1 数据库E-R图设计 |
| 4.6.2 数据库实体表格设计 |
| 4.7 本章小结 |
| 第五章 基于数据驱动的网络QoS推断系统的详细设计与实现 |
| 5.1 网络仿真服务子系统详细设计与实现 |
| 5.1.1 开发环境搭建 |
| 5.1.2 网络仿真架构设计与实现 |
| 5.1.3 核心模块功能设计与实现 |
| 5.1.3.1 数据包生成的设计与实现 |
| 5.1.3.2 路由转发的设计与实现 |
| 5.1.3.3 节点数据包传输管理的设计与实现 |
| 5.1.4 网络仿真并采集仿真结果 |
| 5.1.5 数据集规划 |
| 5.2 网络时延推断服务子系统详细设计与实现 |
| 5.2.1 开发环境搭建 |
| 5.2.2 算法模型开发程序结构 |
| 5.2.3 核心模块实现 |
| 5.2.4 算法模型训练 |
| 5.3 网络推断系统管理平台设计与实现 |
| 5.3.1 开发环境搭建 |
| 5.3.2 网络推断系统管理平台程序结构 |
| 5.3.3 网络推断系统管理平台功能设计与实现 |
| 5.3.3.1 个性化管理 |
| 5.3.3.2 账号管理 |
| 5.3.3.3 模型版本管理 |
| 5.3.3.4 模型预测 |
| 5.3.3.5 历史查询 |
| 5.4 本章小节 |
| 第六章 系统测试 |
| 6.1 系统测试环境 |
| 6.2 系统功能测试 |
| 6.2.1 网络仿真服务子系统测试 |
| 6.2.1.1 仿真数据包生成测试 |
| 6.2.1.2 路由转发测试 |
| 6.2.1.3 节点数据包传输管理测试 |
| 6.2.2 网络时延推断服务子系统测试 |
| 6.2.2.1 模型泛化能力验证 |
| 6.2.2.2 模型优劣性对比 |
| 6.2.3 推断系统管理平台测试 |
| 6.2.3.1 个性化管理测试 |
| 6.2.3.2 账号管理测试 |
| 6.2.3.3 模型版本管理测试 |
| 6.2.3.4 模型预测测试 |
| 6.2.3.5 历史信息查询测试 |
| 6.3 测试结果分析 |
| 6.4 本章小结 |
| 第七章 结束语 |
| 7.1 全文总结 |
| 7.2 论文不足及待改进部分 |
| 7.3 研究生期间工作 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（2）面向云网环境的广域网QoS测量关键技术研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标与研究思路 |
| 1.3 主要工作 |
| 1.4 文章结构 |
| 第二章 网络测量关键技术研究与分析 |
| 2.1 网络测量概述与研究现状 |
| 2.1.1 网络测量概述 |
| 2.1.2 网络测量研究现状 |
| 2.1.3 网络性能指标 |
| 2.2 开源监控工具调研 |
| 2.2.1 Nagios |
| 2.2.2 Zabbix |
| 2.2.3 OpenFalcon |
| 2.2.4 面向云网环境的广域网QoS测量系统技术选型 |
| 2.3 小结 |
| 第三章 广域网QoS预测模型与特征变化监测方法研究 |
| 3.1 面向云网环境的广域网QoS测量指标 |
| 3.2 面向云网环境的广域网QoS预测模型研究 |
| 3.2.1 ARMA模型 |
| 3.2.2 Facebook Prophet模型 |
| 3.2.3 LSTM模型 |
| 3.2.4 云网测量系统QoS预测模型小结 |
| 3.3 面向云网环境的广域网QoS预测模型评估 |
| 3.3.1 面向云网环境的广域网QoS预测模型评估环境 |
| 3.3.2 面向云网环境的广域网QoS预测模型评估 |
| 3.4 基于噪声评估的广域网QoS预测方法 |
| 3.5 小结 |
| 第四章 面向云网环境的广域网QoS测量配置研究 |
| 4.1 面向云网环境的广域网QoS测量配置优化研究 |
| 4.2 面向云网环境的广域网QoS特征变化性检测 |
| 4.3 小结 |
| 第五章 面向云网环境广域网QoS测量系统架构设计与实现 |
| 5.1 系统架构设计 |
| 5.2 基础测量模块 |
| 5.2.1 模块简介 |
| 5.2.2 模块设计 |
| 5.2.3 方法介绍 |
| 5.3 数据备份模块 |
| 5.3.1 模块简介 |
| 5.3.2 模块设计 |
| 5.3.3 方法介绍 |
| 5.4 系统告警模块 |
| 5.4.1 模块简介 |
| 5.4.2 模块设计 |
| 5.4.3 方法介绍 |
| 5.5 数据分析模块 |
| 5.5.1 模块简介 |
| 5.5.2 模块设计 |
| 5.5.3 方法介绍 |
| 5.6 自动化配置模块 |
| 5.6.1 模块简介 |
| 5.6.2 模块设计 |
| 5.6.3 方法介绍 |
| 5.7 小结 |
| 第六章 系统测试与性能分析 |
| 6.1 测试设计 |
| 6.1.1 测试内容 |
| 6.1.2 测试环境 |
| 6.1.3 测试指标 |
| 6.2 功能测试 |
| 6.2.1 测量配置优化功能测试 |
| 6.2.2 测量配置优化适应性测试 |
| 6.2.3 网络特征变化检测功能测试 |
| 6.3 性能测试 |
| 6.3.1 测量配置分析耗时测试结果 |
| 6.3.2 网络特征变化检测耗时测试结果 |
| 6.4 小结 |
| 第七章 总结与工作展望 |
| 7.1 总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的文章及研发成果 |
（3）基于SDN的无线传感器网络QoS路由协议研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.4 论文主要工作与组织结构 |
| 第2章 无线传感器网络和SDN技术概述 |
| 2.1 传统无线传感器网络相关技术 |
| 2.1.1 传统无线传感器网络体系结构 |
| 2.1.2 传统无线传感器网络QoS路由协议概况 |
| 2.1.3 经典QoS路由协议分析 |
| 2.1.4 传统无线传感器网络QoS路由协议存在的问题 |
| 2.2 SDN相关技术 |
| 2.2.1 SDN的概念和OpenFlow |
| 2.2.2 软件定义无线传感器网络现状 |
| 2.2.3 SDWSN的体系结构 |
| 第3章 SDNQ-WISE分簇路由算法 |
| 3.1 应用场景前提假设 |
| 3.2 关键技术 |
| 3.2.1 数据分级 |
| 3.2.2 能量消耗模型 |
| 3.3 SDNQ-WISE体系结构 |
| 3.4 SD-CUQCA分簇算法 |
| 3.5 SD-CUQCA簇头轮换机制 |
| 3.6 SD-QRA路由算法 |
| 3.7 SD-QRA路由修护机制 |
| 第4章 SDNQ-WISE的设计 |
| 4.1 引言 |
| 4.2 SDNQ-WISE协议设计基础 |
| 4.2.1 SDN-WISE之协议栈 |
| 4.2.2 SDN-WISE之数据包包头报文 |
| 4.2.3 SDN-WISE之数据包类型 |
| 4.2.4 SDN-WISE的流表结构 |
| 4.3 SDNQ-WISE协议设计详解 |
| 4.3.1 SDNQ-WISE协议栈设计 |
| 4.3.2 SDNQ-WISE数据包包头报文设计 |
| 4.3.3 SDNQ-WISE Report数据包报文设计 |
| 4.3.4 SDNQ-WISE簇头、簇成员通知包报文设计 |
| 4.3.5 SDNQ-WISE流表设计 |
| 4.4 SDNQ-WISE协议初始化过程 |
| 4.5 本章小结 |
| 第5章 SDNQ-WISE的实现 |
| 5.1 引言 |
| 5.2 SDN-WISE项目介绍 |
| 5.3 SDN-WISE项目部署 |
| 5.4 SDNQ-WISE协议的实现 |
| 5.4.1 SDN-WISE方案调试与运行 |
| 5.4.2 扩展sdn-wise-api. jar包 |
| 5.4.3 SD-CUQCA与SD-QRA算法配置 |
| 5.4.4 运行SDNQ-WISE协议 |
| 5.5 SDNQ-WISE协议评估 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）无线传感器网络中提供QoS保证的高效路由协议的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无线传感器网络研究的背景和意义 |
| 1.1.1 无线传感器网络研究背景 |
| 1.1.2 无线传感器网络研究意义 |
| 1.2 无线传感器网络的研究概述 |
| 1.2.1 无线传感器网络的体系架构 |
| 1.2.2 无线传感器网络的特点 |
| 1.2.3 无线传感器网络路由协议研究现状 |
| 1.3 本论文研究的内容 |
| 1.4 本论文的章节安排 |
| 第二章 无线传感器网络 QoS 路由 |
| 2.1 无线传感器网络 QoS 路由问题 |
| 2.1.1 QoS 定义 |
| 2.1.2 无线传感器网络 QoS 路由基础 |
| 2.1.3 无线传感器网络 QoS 路由问题 |
| 2.2 无线传感器网络 QoS 路由策略 |
| 2.2.1 QoS 性能参数选择 |
| 2.2.2 QoS 路由计算 |
| 2.2.3 QoS 路由维护 |
| 2.3 机会路由思想与 QoS 保障 |
| 2.3.1 机会路由思想 |
| 2.3.2 机会路由的优势 |
| 2.3.3 基于机会路由思想的 QoS 路由协议 |
| 2.4 典型 QoS 路由 |
| 2.4.1 SAR |
| 2.4.2 SPEED |
| 2.4.3 SOAR |
| 2.4.4 GeRaF |
| 2.4.5 QoS 路由研究方向 |
| 2.5 本章小结 |
| 第三章 基于虚拟网格的无线传感器网络 QoS 路由协议 |
| 3.1 网格系统模型 |
| 3.1.1 网络假设 |
| 3.1.2 虚拟网格形成 |
| 3.1.3 节点通信半径 |
| 3.1.4 定义及命题说明 |
| 3.2 GQOR 路由算法 |
| 3.2.1 网络初始化 |
| 3.2.2 基于拥塞状态自适应的网格前向路由 |
| 3.2.3 网格间基于机会路由的 QoS 路由机制 |
| 3.3 基于缓存队列的拥塞检测机制 |
| 3.3.1 即时更新模式的拥塞检测 |
| 3.3.2 定时更新模式的拥塞检测 |
| 3.4 本章小结 |
| 第四章 路由算法的性能分析及仿真 |
| 4.1 路由算法性的能理论分析 |
| 4.1.1 可靠性分析 |
| 4.1.2 时延分析 |
| 4.2 路由算法性能的仿真分析 |
| 4.2.1 仿真环境及基本参数设置 |
| 4.2.2 仿真实现说明 |
| 4.2.3 网络生命周期 |
| 4.2.4 网络可靠性 |
| 4.2.5 能耗均衡性 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 1 攻读硕士学位期间撰写的论文 |
| 附录 2 攻读硕士学位期间申请的专利 |
| 附录 3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（5）认知网络OoS动态自主控制机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 相关背景知识介绍 |
| 2.1 认知网络 QoS 控制 |
| 2.2 最经济控制 |
| 2.3 人工免疫算法 |
| 2.4 诊断贝叶斯网络 |
| 2.5 本章小结 |
| 第三章 认知网络 QoS 动态自主控制模型 |
| 3.1 认知网络 QoS 动态自主控制需求 |
| 3.2 面向务流的认知网络 QoS 动态自主控制模型 |
| 3.2.1 网络态势感知 |
| 3.2.2 正常优化控制 |
| 3.2.3 异常应急控制 |
| 3.3 本章小结 |
| 第四章 认知网络最经济正常优化控制 |
| 4.1 最经济控制模型 |
| 4.2 最经济人工免疫算法 |
| 4.2.1 抗原亲和度计算 |
| 4.2.2 浓度计算 |
| 4.2.3 激励度计算 |
| 4.2.4 交叉算子 |
| 4.2.5 最经济人工免疫算法 |
| 4.3 认知网络最经济正常优化控制方法 |
| 4.4 实验与仿真 |
| 4.4.1 拥塞避免性能 |
| 4.4.2 网络资源利用率 |
| 4.5 本章小结 |
| 第五章 认知网络自诊断异常应急控制 |
| 5.1 诊断贝叶斯网络模型 |
| 5.1.1 诊断贝叶斯网络结构 |
| 5.1.2 诊断贝叶斯网络参数学习 |
| 5.2 基于连接树的诊断贝叶斯网络推理 |
| 5.3 认知网络自诊断异常应急控制方法 |
| 5.4 实验与仿真 |
| 5.4.1 实验环境搭建 |
| 5.4.2 仿真结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 1 攻读硕士学位期间撰写的论文 |
| 附录 2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）异构无线网络环境下网络垂直切换判决技术研究与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织 |
| 2 相关技术研究与分析 |
| 2.1 异构无线网络与网络切换技术 |
| 2.1.1 水平切换 |
| 2.1.2 垂直切换 |
| 2.2 垂直切换判决算法 |
| 2.2.1 垂直切换判决算法参数 |
| 2.2.2 基本的垂直切换判决算法 |
| 2.3 IEEE 802.21媒体介质无关切换 |
| 2.4 本章小结 |
| 3 基于网络协作的垂直切换框架 |
| 3.1 IEEE 802.21通用参考模型 |
| 3.2 基于MIH改进的垂直切换框架 |
| 3.2.1 物理/MAC层和MIHF子层 |
| 3.2.2 垂直切换管理模块 |
| 3.2.3 高层模块 |
| 3.3 框架性能分析 |
| 3.3.1 切换判决时延分析 |
| 3.3.2 终端电量消耗分析 |
| 3.4 本章小结 |
| 4 基于网络得分预测和模糊逻辑优化的垂直切换判决算法 |
| 4.1 一阶单变量灰色预测模型GM(1,1) |
| 4.1.1 GM(1,1)模型的建立 |
| 4.1.2 GM(1,1)模型的求解 |
| 4.2 引入模糊逻辑的垂直切换判决 |
| 4.2.1 模糊化 |
| 4.2.2 模糊规则 |
| 4.2.3 去模糊化 |
| 4.3 基于网络得分预测和模糊逻辑优化的垂直切换判决算法 |
| 4.3.1 NP-FVHD算法的思路 |
| 4.3.2 NP-FVHD算法的步骤 |
| 4.3.3 增加用户体验质量反馈的建议 |
| 4.4 本章小结 |
| 5 仿真实验与分析 |
| 5.1 仿真工具及参照对象 |
| 5.2 仿真场景设计与结果分析 |
| 5.2.1 网络QoS状态平稳 |
| 5.2.2 网络QoS出现稳步的下降和上升 |
| 5.2.3 网络QoS出现急剧的下降和上升 |
| 5.3 切换性能分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）无线与有线网络融合的QoS技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 主要研究内容 |
| 1.3 论文的组织结构 |
| 第二章 无线Mesh网络QoS研究 |
| 2.1 无线Mesh网络的体系结构 |
| 2.2 无线Mesh网络分层QoS机制研究 |
| 2.2.1 物理层 |
| 2.2.2 MAC层 |
| 2.2.3 网络层 |
| 2.3 无线Mesh网络跨层QoS机制研究 |
| 2.4 无线Mesh网络保障QoS的路由算法 |
| 2.4.1 路由简介 |
| 2.4.2 无线Mesh网络路由协议的分类 |
| 2.5 本章小结 |
| 第三章 一种保障QoS的路由算法的设计 |
| 3.1 DSR路由简介 |
| 3.2 网关的合理选择 |
| 3.2.1 网关性能参数的选择 |
| 3.2.2 网关选择判据函数的设计 |
| 3.3 路由的优化目标 |
| 3.3.1 路由判据 |
| 3.3.2 路由网络模型 |
| 3.3.3 QoS路由判据设计与优化策略 |
| 3.4 保障QoS的改进路由算法 |
| 3.5 算法的仿真实现 |
| 3.5.1 路由表与消息扩展 |
| 3.5.2 对DSR路由协议过程的修改 |
| 3.6 本章小结 |
| 第四章 基于NS2的仿真平台搭建与算法仿真验证 |
| 4.1 基于NS2的无线和有线融合网络仿真平台搭建 |
| 4.1.1 无线Mesh网络的QoS体系结构 |
| 4.1.2 NS2简单介绍 |
| 4.1.3 仿真平台的地址模型 |
| 4.1.4 仿真平台的节点模型 |
| 4.1.5 DMGQS路由协议的实现 |
| 4.2 算法验证 |
| 4.2.1 仿真设计 |
| 4.2.2 网关的性能对比 |
| 4.2.3 WMN的性能对比 |
| 第五章 结束语 |
| 5.1 论文工作总结 |
| 5.2 下一步研究方向 |
| 参考文献 |
| 致谢 |
（8）无线网络QoS保障跨层优化若干问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 图表索引 |
| 主要缩略语说明 |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 相关研究现状与存在的问题 |
| 1.2.1 无线信道建模 |
| 1.2.2 QoS 指标映射 |
| 1.2.3 WMNs 网络 QoS 保障 |
| 1.2.4 无线网络 QoS 保障研究所面临的挑战 |
| 1.3 论文研究内容 |
| 1.4 论文创新点 |
| 1.5 论文组织结构 |
| 第2章 多速率调制无线信道服务过程及信道建模 |
| 2.1 引言 |
| 2.2 过程突发特性的描述方法 |
| 2.2.1 变异系数法 |
| 2.2.2 自相关函数 |
| 2.2.3 分散性指标 |
| 2.2.4 尖度因子函数 |
| 2.3. AMC 信道服务过程突发特性 |
| 2.3.1 AMC 技术 |
| 2.3.2 AMC 无线信道服务过程St |
| 2.3.3 AMC 无线信道服务过程S t突发特性描述 |
| 2.4. AMC 无线信道突发特性等效建模 |
| 2.4.1 信道服务过程二阶矩 |
| 2.4.2 定义中间变量EYi |
| 2.4.3 求无线信道服务过程状态转移概率矩阵 |
| 2.5. 数值分析 |
| 2.6 小结 |
| 第3章 无线网络分层 QoS 垂直映射模型及跨层优化方法 |
| 3.1 引言 |
| 3.2 分层 QoS 机制及其映射 |
| 3.3 QoS 参数的自下向上垂直映射 |
| 3.4. 相邻协议层 QoS 指标的跨层优化 |
| 3.4.1 跨层优化 |
| 3.4.2 强化学习算法 |
| 3.4.3 基于强化学习的相邻协议层跨层优化 |
| 3.5. 仿真验证 |
| 3.5.1 网络层与传输层 QoS 指标垂直映射 |
| 3.5.2 Q 学习的跨层优化 |
| 3.6. 小结 |
| 第4章 WMNs 网络中 QoS 保障的节点公平性研究 |
| 4.1 引言 |
| 4.2 MR 节点 QoS 吞吐量与 MR 节点公平性优化及公平性度量 |
| 4.3 、数值分析 |
| 4.3.1 各节点 n取值相同 |
| 4.3.2 各节点 n取不同值 |
| 4.4 小结 |
| 第5章 结束语 |
| 5.1 论文工作总结 |
| 5.2 进一步工作展望 |
| 致谢 |
| 攻读博士学位期间的学术成果 |
| 主持的科研项目 |
| 参与的科研项目 |
| 发表学术论文 |
| 参考文献 |
（10）基于ZigBee协议的WSN服务质量分析与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源、研究背景和意义 |
| 1.2 无线传感器网络的QoS |
| 1.2.1 无线传感器网络简介 |
| 1.2.2 服务质量(QoS)简介 |
| 1.3 国内外无线传感器网络及QoS研究现状 |
| 1.4 论文主演研究内容及组织结构安排 |
| 2 基于ZigBee协议的无线传感器网络 |
| 2.1 无线传感器网络概述 |
| 2.1.1 无线传感器网络研究发展进程 |
| 2.1.2 无线传感器网络概念及体系结构 |
| 2.1.3 无线传感器网络的特点 |
| 2.1.4 无线传感器网络的关键技术 |
| 2.2 ZigBee协议 |
| 2.2.1 ZigBee网络设备及拓扑结构 |
| 2.2.2 ZigBee协议栈构架 |
| 2.2.3 ZigBee与其他几种无线通信协议的比较 |
| 2.2.4 基于ZigBee的无线传感器网络的特点 |
| 2.3 本章小结 |
| 3 无线传感器网络的QoS保障机制 |
| 3.1 服务质量(QoS)保障机制 |
| 3.1.1 服务质量(QoS)的描述 |
| 3.1.2 QoS业务模型 |
| 3.1.3 QoS的主要指标 |
| 3.2 无线传感器网络的QoS保障机制 |
| 3.2.1 Qos保障机制在传统网络中的应用 |
| 3.2.2 无线传感器网络QoS机制概述 |
| 3.2.3 无线传感器网络的QoS需求 |
| 3.2.4 无线传感器网络QoS面临的挑战 |
| 3.3 本章小结 |
| 4 无线传感器网络QoS保障算法研究 |
| 4.1 无线传感器网络QoS路由算法 |
| 4.1.1 无线传感器QoS路由 |
| 4.1.2 典型的无线传感器网络基于QoS的路由算法 |
| 4.2 基于蚁群优化的无线传感器网络QoS路由算法 |
| 4.2.1 蚁群算法原理及模型 |
| 4.2.2 蚁群算法应用到无线传感器网络的优越性 |
| 4.2.3 基于蚁群优化的无线传感器网络QoS路由算法 |
| 4.3 基于改进遗传算法的无线传感器网络路由算法 |
| 4.3.1 遗传算法原理 |
| 4.3.2 遗传算法的框架和实施步骤 |
| 4.3.3 基于改进的遗传算法无线传感器网络路由算法 |
| 4.4 本章小结 |
| 5 仿真实验分析 |
| 5.1 仿真环境NS2介绍 |
| 5.2 仿真实验过程 |
| 5.2.1 ZigBee仿真平台的搭建 |
| 5.2.2 仿真环境及参数设置 |
| 5.2.3 仿真结果评价参数 |
| 5.3 仿真结果与分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 对未来工作的展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
四、不同网络的QoS机制比较（论文参考文献）
- [1]基于数据驱动的网络QoS推断系统的设计与实现[D]. 彭德平. 北京邮电大学, 2021(01)
- [2]面向云网环境的广域网QoS测量关键技术研究与实现[D]. 陈诚. 北京邮电大学, 2020(05)
- [3]基于SDN的无线传感器网络QoS路由协议研究[D]. 朱腾. 沈阳理工大学, 2019(03)
- [4]无线传感器网络中提供QoS保证的高效路由协议的研究[D]. 顾伟. 南京邮电大学, 2014(05)
- [5]认知网络OoS动态自主控制机制研究[D]. 蒋云洁. 南京邮电大学, 2014(05)
- [6]异构无线网络环境下网络垂直切换判决技术研究与分析[D]. 茅海雁. 南京理工大学, 2014(07)
- [7]无线与有线网络融合的QoS技术研究[D]. 曾泽南. 北京邮电大学, 2014(04)
- [8]无线网络QoS保障跨层优化若干问题研究[D]. 房曙光. 南京邮电大学, 2013(05)
- [9]基于网络QoS管理层的NFS访问速率控制技术[J]. 张西,林奕,王慧文,张延园. 计算机与现代化, 2013(05)
- [10]基于ZigBee协议的WSN服务质量分析与研究[D]. 杨婧. 西安工业大学, 2013(04)
标签：qos论文; 传感器网络论文; 无线mesh网络论文; 链路状态路由协议论文; 网络模型论文;