一、用于移动计算环境中的新移动性管理和路由方案(英文)(论文文献综述)
徐路路[1](2021)在《融合边缘计算的低轨卫星组网服务迁移方案的设计与实现》文中提出近年来,移动网络高速发展,随着5G的正式商用,地面网络发展告一段落,人们不禁将目标定在了天地一体化网络上。其中低轨卫星(LEO)网络能够解决地面网络覆盖范围不足的问题,是地面网络的一个补充。随着世界各国倾力发展,如今世界上的LEO网络已经初具规模,并且仍在高速发展中。与此同时,LEO网络中存在一些问题,主要包括网络拓扑动态变化的问题,由此造成的移动性管理问题成为LEO网络中的一个重点和难点。能否解决好移动性管理问题决定了未来LEO网络的发展前景和应用前景。本文从边缘计算(MEC)的角度出发,以低轨卫星网络情境下的MEC移动性管理为主题进行了一系列研究。首先对国内外LEO网络的发展现状和研究方向做了调研,确定了 MEC在该场景下的发展前景。然后调研当前LEO移动性管理和MEC移动性管理方案,评估了当前存在方案的特点和不足后,提出了一种融合边缘计算的低轨卫星组网架构。在此基础上通过结合网络模型,分析该场景下的通信过程,改善了网络拓扑变化带来的大量路由更新的问题以及由此导致的LEO网络扩展性差的问题。基于该网络架构,搭建了以容器为核心的边缘计算仿真平台,对边缘计算的服务发现、服务卸载、服务迁移等功能进行了仿真,并分别对比了冷、热迁移的效果和云、边计算的效果。针对MEC移动性管理问题,提出将服务过程离散化为一个多次迁移决策过程的方案,降低处理难度和成本。对单个用户的计算服务过程,利用了卫星星座可预期的先验信息,采取全局最优的维特比方法解决迁移决策。针对由此产生的网络局部拥塞问题,提出了采用强化学习的方案解决。最后通过仿真实验验证了提出方案的性能。
杜晔[2](2020)在《基于SDN的移动性管理技术的研究与实现》文中研究表明为了应对快速增长的网络业务需求,SDN凭借着集中式管理、数据面与控制面分离和可编程化的特点逐渐被广泛应用。随着移动互联网的兴起,无线网络访问已经成为主流的网络接入方式,但是作为网络技术几大难题之一的移动性管理问题一直没能很好的解决,这对用户体验带来很大的影响。本文将利用SDN架构集中管理、网络可编程等特点,研究基于SDN的移动性管理技术。本文主要完成以下工作:(1)提出了一种网络中接入点预测方法。为了能够提前预测移动用户的下一位置,以便提前制定资源分配策略,本文将移动性管理的位置管理模型划分为位置预测和接入点选择两个步骤,并设计了一种基于马尔可夫和AP质量评估模型的二阶段接入点预测方法。仿真结果表明,提出的接入点预测方法在SDN移动性管理中有减少时延的作用,且即使在大量用户接入的情况下依然可以保持较高的带宽利用率。(2)设计了一种基于SDN的移动性管理路径切换的方案,并在Mininet中将各种移动性模块进行了实现。实现内容包括:网络参数的感知、网络流量的监控、下一接入点预测、预切换步骤,以及切换的触发和执行,其中切换的触发和执行包括切换触发的条件、补充流表的下发以及对实际切换到不同AP点的处理。最后在Mininet环境中进行了性能测试,所提出的切换方法在SDN移动性路径切换的时延方面有显着的效果。
蒋椿磊[3](2020)在《移动边缘计算中基于移动代理的任务迁移研究》文中进行了进一步梳理移动边缘计算(MEC)是一种被广泛认可的新型网络架构,它可以解决传统集中式云计算架构的问题,同时也为新移动应用的产生提供平台基础,例如任务迁移。任务迁移使用任务组件托管技术将用户任务从移动终端迁移到边缘服务器,利用服务器的丰富计算资源更好地完成任务。容器技术是当前热门的任务组件托管技术,它凭借着Docker容器标准受到人们的青睐,但容器依旧有着迁移速度慢和不适应异构环境的缺点。移动代理则是一项新兴的任务组件托管技术,与容器相比,移动代理拥有着数据传输量小,启动和运行速度快,适应异构环境等优点。但移动代理在任务迁移领域的研究还处于起步阶段,缺乏可以直接使用的任务迁移框架。针对这种研究现状,本文提出了一种基于移动代理的任务迁移框架,详细阐述了该系统的系统模型及其中的组件,解释了框架中移动代理实现任务迁移的机制和过程。然后实现了能够承担任务迁移工作的移动代理程序,介绍了程序的需求和实现过程。最后通过仿真实验检验了框架的功能,并且对比了移动代理与容器在任务迁移中的表现,结果表明移动代理比容器更加小巧灵活,迁移的速度更快。此外,本文还提出一种基于能量预算的移动性管理算法来指导移动代理在多台边缘服务器之间的移动。算法利用移动代理能够获取全局状态信息的优势,使移动代理根据用户对Qo S的需求来动态调整迁移策略。然后本文做了两个方面的仿真实验分别测试算法中的调节参数与能量预算对算法性能的影响。实验结果表明,本文提出的算法可以让移动代理在用户设定的能量预算的约束下做出最优的迁移决策。
袁兴未[4](2020)在《IPv6无线传感网的移动感知路由算法研究》文中指出在实际生活中,IPv6无线传感网的应用越来越广泛,传统的静态网络已不能完全满足移动作业的应用需求。RPL路由协议的提出在一定程度上解决了在资源受限型设备上实施分组路由的问题,但无法为节点之间提供移动性支持,这会影响网络的整体寿命和可靠性。因此,基于RPL路由协议,本文提出一种能够在节点移动过程中及时发现最优父节点,并且减少能耗的移动感知路由算法。主要工作如下:1.分析当前IPv6无线传感网移动性研究现状,针对节点运动的场景进行分类处理,包括匀速运动和随机移动。介绍RPL路由协议,并对IPv6无线传感网的节点移动性问题进行分析,分别阐述节点移动性所带来的问题、节点移动场景分类、最优父节点的选择、节点移动性检测和链路的切换。2.针对节点匀速移动中丢包率高、能耗高的问题,本文提出一种能够快速转发消息,并且降低网络能耗的移动感知路由算法。算法首先修改ICMPv6控制消息并且根据多度量优化目标函数,然后引入链路指标实现移动性检测,根据移动节点的移动速度和方向来动态调整DIS消息发送时间间隔,最后设计了一种软硬切换结合的链路切换机制。3.针对节点随机移动中高能耗、数据包传输率低的问题,本文提出一种节能的最优父节点选择算法,并提出了一种动态的Trickle算法。最优父节点选择算法根据增加多个路由度量和改进目标函数来为移动节点选择最优父节点。动态的Trickle算法根据邻居节点数量动态调整时间间隔,解决长时间只监听的问题。该路由算法能够提高网络的数据包传输率,减少能耗。4.本文使用Contiki下的Cooja对所提出的两种移动感知路由算法进行了仿真验证。与现有的OR-RPL、E-Trickle、m RPL、ME-RPL等算法进行了对比,仿真结果显示,在匀速移动环境下,平均丢包率降低了25%,平均DIS消息发送的数量减少了27.2%,平均能耗减少了4.3%。在随机移动环境下,降低了端到端的延迟,平均数据包传输率提高了11.7%,减少了能耗。
庞文哲[5](2020)在《面向5G的移动性管理优化》文中认为为了支持第五代移动通信中大规模机器类型通信、高可靠和低时延通信、增强移动宽带等典型场景的不同业务需求,5G的新网络架构中采用网络功能虚拟化技术对网络服务进行管理和编排。AMF是新5G网络架构中支持移动性管理的关键网络功能组件,可以灵活地部署在异构无线接入网的边缘。通过在通用虚拟机上部署和编排AMF,并根据移动性管理需求和用户的移动性,对AMF的放置及其实例数目的自动伸缩优化,可以提高基于NFV的虚拟移动性管理的性能。本文针对异构无线接入网中的移动性管理优化进行研究,所做的研究工作和主要创新点包括:(1)考虑了用户移动性和用户移动性管理请求的到达率等时变特性,将AMF的放置问题建模为一个以AMF排队系统中的平均等待时间、转发移动性请求的平均跳数和AMF实例成本的加权之和最小为优化目标的优化问题。为了解决AMF优化放置中大状态空间和大动作空间的问题,提出了一种基于DRL的AMF-OP-DRL算法,给出了该算法在不同超参数下的收敛性能,仿真评估了所提算法在不同系统参数下的优化性能,验证了所提算法AMF-OP-DRL的性能;(2)针对AMF服务器的实例放置和AMF实例数目的自动伸缩优化问题进行了研究,提出并仿真评估了一种基于QMIX算法的AMF实例放置和数目自动伸缩优化算法。通过对每个智能体的动作值函数进行整合,并在训练的过程中加入全局的状态信息,所提算法与基准算法AMF-OPA-VDN和AMF-OPA-COMA相比,具有较显着的性能提升。
王秋宁[6](2020)在《移动边缘计算的虚拟机管理研究》文中进行了进一步梳理近年来,智能终端的普及造成了爆炸性的流量增长,这给现有通信网络带来很大的压力。同时虚拟现实/增强现实,远程医疗,4K/8K高清视频和物联网等应用的出现与普及也对网络的时延,带宽和连接数目提出了更高的要求。为了进一步扩展当前网络的功能,应对未来网络的挑战,业界提出了移动边缘计算的概念。移动边缘计算是指将计算资源、存储资源和网络资源部署于网络接入侧,从而就近处理终端设备的计算任务。这一技术不仅能减少网络拥塞,还能够降低任务处理时延。移动边缘计算技术突破了网络架构和终端设备能力的局限,因此它的概念从出现以来就受到了研究人员的广泛关注。移动边缘计算中的虚拟机负责运行各种应用程序,处理各种计算任务,成为边缘计算系统的重要载体,也因此受到了重点研究。其中,资源管理是虚拟机部署之中要解决的重要问题,这是由于边缘计算中的资源较为紧缺,但它对于虚拟机的运行状况又有重要影响。当前的资源管理研究主要强调通过协作方式充分利用空闲资源,以及通过激励机制促进资源共享。但是这些研究对于虚拟机提供者和使用者的收益问题研究不够深入,因此有进一步研究的价值和空间。移动性管理是虚拟机运行过程中面临的重要问题,这是因为终端设备的移动性会导致设备和虚拟机的通信延迟逐渐增加,要通过虚拟机迁移的方式保证良好的服务质量。本文注意到当前的移动性管理中,关于用户移动模型主要是一维模型和距离模型,这与用户实际的移动模型还有差距,可以深入优化调整。因此,针对移动边缘计算场景中虚拟机的资源管理和移动性管理问题,本文提出了基于博弈论价格机制的资源管理方案和基于马尔科夫决策的移动性管理方案。前者通过对虚拟机提供者和使用者,即运营商和服务提供商的收益进行了分析,将收益的竞争建模为斯坦伯格博弈,并从静态博弈和动态博弈两个角度分析了服务提供商的最佳收益策略。移动性管理部分对终端设备的移动情况在蜂窝网络模型上进行了归纳分析,结合系统的能耗情况建立了马尔科夫决策过程,并采用值迭代法进行了求解。仿真部分验证了本文提出方案的性能,并与常见方案进行了对比分析。
李佳霖[7](2020)在《智慧协同网络路径动态适配技术的研究与实现》文中研究说明异构网络融合成为下一代新型网络的发展趋势,融合多种异构网络来提供便捷高效的网络服务,是当前主流的研究方向。现有网络架构在高速移动应用场景下,因其自身的局限性和无线链路的复杂性,难以灵活地协同异构网络,从而造成服务质量差、用户体验不佳和资源利用率低等弊端。本文基于智慧协同网络的研究,针对高速移动环境下,通信环境的快速时变性和异构网络的共存的现状,以资源适配的方式提高通信业务满意度。论文主要工作如下:(1)提出了基于智慧协同网络的车地通信系统业务与资源动态适配设计。本文完善了智慧协同网络架构模型,该模型构建四层网络架构,文中详细分析了除应用层外各层的具体功能以及层间交互过程。在此模型架构下,设计并实现了具有三种路径通信模式的车地通信系统,包括多路径适配模式,多路径聚合模式,以及单路径隧道模式。在多路径适配模式下提出了网络资源与业务服务适配模型。(2)针对两种业务标识需求场景,提出了基于强化学习的动态资源分配算法,实现了两种场景下的业务服务与网络资源适配。针对单标识服务需求场景,本文提出并实现了单标识业务资源模糊适配方案。将业务服务层中的业务分为应急通信业务和普通通信业务,以应急通信业务为目标标识业务,设计并实现了模糊逻辑Q学习算法,基于环境状态计算长期累积收益后得到全局最优解,并加入双层模糊逻辑控制,来生成路径动态适配策略。针对多标识服务需求场景,本文提出并实现了多标识业务资源适配方案。其业务服务层将服务需求划分为更加细致的多种类别,适用于高速移动环境下更为复杂的服务需求。此方案中的平均场多行为体价值策略算法,对每个行为体的强化学习都考虑其他行为体的动作策略,从而进行中心化的训练和分布式的执行,利用平均场论将多行为体间相互作用简化为该行为体与其它所有行为体的均值之间的作用,进行最后的网络资源动态匹配策略下发。(3)本文在实际环境下对基于智慧协同网络的车地通信系统通信模式进行了测试,为多路径适配模式网络仿真参数设置提供依据。在单业务动态适配方案测试中,通过对比其他高速移动环境下的资源适配方案,表明了本文的模糊逻辑Q学习算法能实现更高的业务服务满意度,满足了高速移动场景下的应急通信需求。而多业务动态适配方案在大规模的业务服务需求场景中,与其他方案对比结果表明,新提出的平均场多行为体价值策略算法表现出优越的性能。
丁煜[8](2020)在《低时延低轨卫星移动性管理技术》文中研究表明随着无线通信技术的迅猛发展与移动互联网、物联网服务的不断延伸,低轨卫星网络以其广泛的覆盖面积、相对较低的传播时延、灵活的组网方式与越来越低的卫星发射及使用成本,逐渐从传统地面通信网络的补充演变为人们日益增长的通信需求的新的主要承载,同时也成为未来天地一体化网络的重要组成部分。移动性管理技术是低轨卫星网络的基础与支撑性技术,其保证了用户在移动过程中会话的连续性。在保证功能性外,当前针对低轨卫星网络移动性管理技术的研究更侧重于性能的提升,考虑到低轨卫星网络所具有的特点,如网络拓扑高动态性、卫星对地高速相对运动造成用户的频繁切换等因素使得传统移动性管理技术的时延指标不再满足未来网络中低时延应用的要求。同时,我国低轨卫星网络建设还面临着地面站部署受限的附加限制。因此,以我国天地一体化网络建设项目为背景,设计一套适用于低轨卫星网络的低时延移动性管理方案具有较高应用价值与研究意义。本文主要研究工作与成果如下:阐述了移动性管理技术原理并对其在低轨卫星网络环境中的发展现状进行综述、分析了当前低轨卫星网络移动性管理方案同时指出其不足并明确了本文研究课题需解决的问题。具体地,本文研究了四种典型的移动性管理协议,详细分析了协议交互机制并对各协议的切换时延指标作了定量分析。分别从定量与定性的角度分析了移动性管理协议从哪些方面影响了用户的通信时延,并据此总结出低轨卫星网络中移动性管理协议时延优化所面临的问题,并通过仿真直观地展示了低轨卫星网络环境下前文总结的问题对四种移动性管理协议下用户端到端通信时延的影响。本文特别针对移动性管理协议时延指标作出优化,提出了一种基于分簇的低轨卫星网络分布式移动性管理方案,能在无需全球布设地面站的条件下实现对移动用户的分区域位置管理。方案主要创新点包括:1.基于地理位置区的卫星网络分簇设计。该设计增加了卫星网络对地面移动用户的服务时间从而降低了移动用户的切换频率。2.移动用户状态信息簇内共享机制。该机制在缩短协议切换处理耗时的同时能有效避免因簇规模过大而导致的地面移动用户信息在簇内过于频繁地同步的问题。3.网络边缘用户“虚切换”机制。该机制避免了因地面管理区与卫星覆盖区不一致导致的网络边缘用户被动切换时会话中断,降低了用户通信时延。4.分布式移动性管理架构。能有效解决现有集中式移动性管理技术中普遍存在的次优路由、单点失败等问题,降低了低轨卫星网络中用户端到端通信时延。同时,为准确描述用户在低轨卫星网络中的行为,本文建立了卫星星群服务时间模型与移动用户会话模型,在此基础上对方案关键问题进行了详细地数学分析并对协议切换时延进行了量化分析。最后,本文在早期开源项目OAI-PMIPv6基础上对源代码进行大量改造、适配与功能添加,实现了本文方案策略并使其能运行于当前Linux开发环境。此外,本文设计并搭建了方案测试与验证网络,验证了方案的可行性与功能完整性。
谢妍辉[9](2019)在《超密集网络移动性管理算法研究及验证》文中研究指明随着日常生活对数据流量的井喷式增长,未来网络面临的挑战愈来愈大。为了满足大家对网络数据流量的井喷式增长的需求,超密集网络已经是解决这项需求的关键方法。超密集网络(Ultra Dense Network,UDN)作为对室内和室外的热点地区提供接入,满足业务服务,已经成为第五代移动通信系统的关键技术。接入点(Access Point,AP)半径不断地缩小,造成用户设备(User Equipment,UE)频繁地切换、数据传输中断率上涨等恶劣情况,干扰连续性,影响用户体验。在UDN环境下,传统的移动性管理算法己经不再能适用于未来网络。如何解决UDN环境下的移动性管理问题,增强用户体验,已经成为未来网络发展的关键挑战。因此,本论文针对UDN场景,研究并设计更有效的移动性管理中的切换方法,旨在减少切换时延,使得业务的连续性得到保障,增强用户体验。首先从网络架构出发,本文提出了基于SDN和NFV融合的超密集网络移动性管理算法,针对传统的网络架构不能解决超密集网络即将遇到的切换冗余,切换信令过多导致切换时延变长,影响用户体验的情况,在网络架构中纳入SDN和NFV融合的理念,用虚拟网元代替实体网元。在SDN和NFV融合的网络架构中,提出优化的切换信令过程,并建立数学模型,进行性能分析。仿真结果表明,相较于传统算法,该算法可以有效减少信令交互,从而减少切换总时延,适应超密集网络,增强用户体验促进网络间负载均衡,有效提高网络容量。其次,本论文提出了基于阈值自适应调节的超密集网络切换算法。该算法将机器学习的思想添加在模糊逻辑中,即一种改进的动态模糊Q学习算法,用于小型小区中的移动性管理。该算法逐渐产生新的模糊规则,并通过系统学习,使切换迟滞余量自适应调节。仿真结果表明该算法通过获得更佳的切换参数,从而达到由切换引起的信令成本与受呼叫丢失率影响的用户体验之间的平衡。最后完成了LTE小基站超密集组网的管理控制平台的设计和实现。系统以LTE小基站和核心网设备搭建的实际的超密集网络为基础。小基站通过SDN交换机连上核心网。SDN控制器与小基站通过OPENSC协议进行连接与通信,控制器收集基站配置和资源,通过控制器与小基站通信测试、基站配置参数获取测试、基站性能优化测试等测试,验证了系统达到对小基站密集组网的可视化管理控制的效果,并且实现了UE移动过程中的切换优化。
俞洋[10](2019)在《基于服务感知的5G动态移动性管理方案设计》文中指出移动性管理是5G技术研究的重要内容。随着物联网和人工智能技术的发展,未来移动终端的数量将成倍增加,如何高效地管理这些海量的移动终端是目前学界研究的热点。5G终端除了传统的智能手机,还有各种智能物联设备,它们对速率、延时以及可靠性等方面的需求不尽相同,给5G移动性管理带来了许多新的挑战。论文研究重点在于构建一个根据终端类型或者业务需求的不同,能否实时更新的管理策略,提出了一种基于服务感知的动态移动性管理方案SDMM。SDMM结合了网络切片技术以及移动边缘计算技术,设计了移动性管理网络切片选择辅助信息MM-NSSAI以及支持网络切片的切换管理流程,结合MEC的计算资源,分为位置记录、路径提取、特征生成以及服务感知四个模块,及相应的的工作流程;提出了一种基于质心目标CAM模型,用来模拟群组用户的移动同时利用最小二乘法进行移动预测;此外,提出了基于群组的移动性管理方案和流星形动态跟踪区划分算法,并通过MATLAB进行了建模仿真。仿真结果表明,基于群组的移动性管理方案可以降低低速群组用户的管理开销,而动态流星形跟踪区划分可以减少频繁的跟踪区更新所带来的额外开销。
二、用于移动计算环境中的新移动性管理和路由方案(英文)(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、用于移动计算环境中的新移动性管理和路由方案(英文)(论文提纲范文)
(1)融合边缘计算的低轨卫星组网服务迁移方案的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 卫星通信的研究背景和研究意义 |
1.2 LEO研究现状 |
1.2.1 卫星通信的发展 |
1.2.2 LEO的研究方向 |
1.3 MEC的研究现状 |
1.3.1 MEC技术的发展 |
1.3.2 MEC的研究方向 |
1.4 本文的主要工作和论文结构 |
1.4.1 主要工作 |
1.4.2 论文结构 |
1.5 本章小结 |
第二章 LEO场景和MEC的移动性管理技术介绍 |
2.1 LEO移动性管理技术 |
2.1.1 LEO星座组网 |
2.1.2 LEO移动性管理技术 |
2.2 MEC及其移动性管理技术 |
2.2.1 MEC技术 |
2.2.2 MEC移动性管理 |
2.3 当前LEO管理技术的缺陷 |
2.4 本章小结 |
第三章 融合边缘计算的低轨卫星网络架构的设计与实现 |
3.1 融合边缘计算的低轨卫星网络的需求分析 |
3.2 融合边缘计算的低轨卫星网络架构设计 |
3.2.1 部署方式 |
3.2.2 通信过程 |
3.2.3 利用容器进行服务封装 |
3.3 融合边缘计算的低轨卫星网络架构的仿真实现 |
3.3.1 仿真平台构建 |
3.3.2 功能测试 |
3.4 本章小结 |
第四章 融合边缘计算的低轨卫星服务迁移方案的设计与实现 |
4.1 边缘计算服务迁移过程 |
4.2 迁移决策过程 |
4.3 使用维特比算法进行迁移决策 |
4.4 仿真实现 |
4.4.1 相关实体 |
4.4.2 仿真流程 |
4.4.3 结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 论文主要工作总结 |
5.2 下一步计划 |
参考文献 |
附录一 中英文缩略词对照表 |
致谢 |
攻读学位期间取得的研究成果 |
(2)基于SDN的移动性管理技术的研究与实现(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.4 论文安排 |
第二章 移动性场景分析与相关技术综述 |
2.1 移动性场景分析 |
2.2 节点移动位置预测技术 |
2.2.1 用户的移动模型 |
2.2.2 预测算法研究 |
2.3 移动性管理路径切换技术 |
2.3.1 切换模式的分类 |
2.3.2 切换判决算法 |
2.4 本章小结 |
第三章 基于SDN的移动性管理接入点预测方法的研究 |
3.1 移动性管理接入点预测模型 |
3.2 基于马尔可夫和AP质量评估模型的二阶段接入点预测算法 |
3.2.1 阶段1:基于马尔可夫模型的下一位置预测 |
3.2.2 阶段2:基于AP质量评估模型的位置上接入点选择 |
3.3 算法实现与仿真 |
3.3.1 算法实现 |
3.3.2 算法仿真 |
3.4 本章小结 |
第四章 基于SDN的移动性管理切换流程的设计与实现 |
4.1 基于SDN的移动性管理路径切换方案的整体设计 |
4.2 基于SDN的切换流程设计 |
4.2.1 网络参数感知 |
4.2.2 网络流量监控 |
4.2.3 下一接入点预测 |
4.2.4 预切换 |
4.2.5 切换的触发和执行 |
4.3 功能验证与仿真分析 |
4.3.1 实验环境介绍 |
4.3.2 模块功能实现 |
4.3.3 模块效果展示 |
4.3.4 仿真效果分析 |
4.4 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 程序清单 |
附录2 攻读硕士学位期间撰写的论文 |
附录3 攻读硕士学位期间申请的专利 |
致谢 |
(3)移动边缘计算中基于移动代理的任务迁移研究(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 |
1.2 研究现状 |
1.3 研究内容 |
1.4 本文结构 |
第二章 相关背景知识介绍 |
2.1 MEC与任务迁移 |
2.1.1 MEC |
2.1.2 任务迁移 |
2.2 移动代理技术 |
2.2.1 结构 |
2.2.2 生命周期 |
2.2.3 运行环境 |
2.2.4 标准与开发平台 |
2.3 JADE代理开发平台 |
2.3.1 JADE API |
2.3.2 JADE的特点 |
2.4 本章小结 |
第三章 一种基于移动代理的任务迁移框架 |
3.1 系统模型 |
3.2 迁移机制 |
3.2.1 任务卸载 |
3.2.2 MS间的任务迁移 |
3.3 移动代理实现 |
3.3.1 需求分析 |
3.3.2 功能实现 |
3.4 仿真实验 |
3.4.1 功能测试 |
3.4.2 性能测试 |
3.5 本章小结 |
第四章 基于能量预算的移动性管理算法 |
4.1 算法模型 |
4.1.1 系统概述 |
4.1.2 任务计算模型 |
4.1.3 通信和能量消耗模型 |
4.2 基于能量预算的移动性管理算法 |
4.2.1 问题建模 |
4.2.2 算法描述 |
4.3 仿真实验 |
4.4 本章小结 |
第五章 总结与展望 |
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 |
(4)IPv6无线传感网的移动感知路由算法研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 IPv6无线传感网研究现状 |
1.2.2 IPv6无线传感网移动性研究现状 |
1.2.3 基于RPL路由协议的移动性研究现状 |
1.3 论文主要工作 |
1.4 论文组织架构 |
第2章 IPv6无线传感网移动性介绍与分析 |
2.1 IPv6无线传感网概述 |
2.2 RPL路由协议介绍 |
2.2.1 RPL协议概述 |
2.2.2 RPL的控制报文 |
2.2.3 RPL的目标函数 |
2.2.4 RPL的组网过程和路由维护 |
2.2.5 RPL的自我修复机制 |
2.3 IPv6无线传感网中节点移动性问题分析 |
2.3.1 节点移动性所带来的问题 |
2.3.2 节点移动场景分类 |
2.3.3 最优父节点选择 |
2.3.4 移动性检测 |
2.3.5 链路的切换 |
2.4 本章小结 |
第3章 基于节点匀速移动的移动感知路由算法研究 |
3.1 算法的设计思路 |
3.2 移动感知路由算法的设计 |
3.2.1 节点移动性检测 |
3.2.2 控制消息的修改 |
3.2.3 动态DIS调整过程 |
3.2.4 最优父节点选择机制 |
3.2.5 链路切换机制 |
3.3 移动感知路由算法的实现 |
3.4 本章小结 |
第4章 基于节点随机移动的移动感知路由算法研究 |
4.1 算法的设计思路 |
4.2 最优父节点选择算法 |
4.3 动态Trickle算法 |
4.4 本章小结 |
第5章 测试与验证 |
5.1 实验环境的搭建 |
5.2 基于节点匀速移动的移动感知路由算法的仿真分析 |
5.2.1 仿真参数设定 |
5.2.2 DIS消息累积数量的影响 |
5.2.3 丢包率的影响 |
5.2.4 移动节点的能量消耗的影响 |
5.2.5 与移动性管理协议比较 |
5.3 基于节点随机移动的移动感知路由算法的仿真分析 |
5.3.1 仿真参数设定 |
5.3.2 数据包传输率的影响 |
5.3.3 平均端到端延迟的影响 |
5.3.4 移动节点的能量消耗的影响 |
5.4 本章小结 |
第6章 总结及未来的工作 |
6.1 总结 |
6.2 未来工作 |
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 |
(5)面向5G的移动性管理优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景和意义 |
1.2 本文的研究工作 |
1.3 论文的内容和章节结构安排 |
第二章 移动性管理优化演进及其关键技术研究 |
2.1 基于EPC架构的移动性管理优化 |
2.1.1 EPC架构及其虚拟化 |
2.1.2 基于DMME的移动性管理及其优化 |
2.1.3 基于vMME的移动性管理及其优化 |
2.2 面向5G的移动性管理优化 |
2.2.1 5G核心网网络架构 |
2.2.2 基于5G核心网网元的放置和自动伸缩优化 |
2.3 本章小结 |
第三章 基于深度强化学习的AMF放置优化 |
3.1 系统模型 |
3.1.1 5G异构无线接入网络场景 |
3.1.2 基于MANO的AMF编排框架 |
3.1.3 移动性管理请求模型 |
3.1.4 AMF排队论模型 |
3.2 基于深度强化学习的AMF放置优化 |
3.2.1 基于MDP的AMF放置优化问题建模 |
3.2.2 基于深度强化学习的AMF放置方法 |
3.3 AMF-OP-DRL算法的参数设置及仿真评估 |
3.3.1 移动性管理相关的参数设置 |
3.3.2 AMF排队系统的参数设置 |
3.3.3 DQN相关的参数设置 |
3.3.4 AMF-OP-DRL的收敛性能 |
3.3.5 移动性管理请求到达率对AMF服务器数目的影响 |
3.3.6 权重系数对时延、跳数和AMF成本的影响 |
3.3.7 AMF-OP-DRL算法与其他基准算法的性能比较 |
3.4 本章小结 |
第四章 基于多智能体强化学习的AMF放置和自动伸缩优化 |
4.1 基于协作的多智能体决策 |
4.1.1 部分可观马尔科夫决策过程 |
4.1.2 去中心化的部分可观马尔科夫决策过程 |
4.1.3 多智能体动作值函数的整合 |
4.1.4 QMIX算法 |
4.2 基于QMIX的AMF放置和自动伸缩优化算法 |
4.3 AMF-OPA-QMIX算法的性能评估 |
4.3.1 系统环境相关的参数设置 |
4.3.2 与QMIX相关的参数设置 |
4.3.3 AMF-OPA-QMIX算法的收敛性能 |
4.3.4 AMF-OPA-QMIX算法与其它基线算法的性能比较 |
4.4 本章小结 |
第五章 论文研究工作总结和下一步研究工作展望 |
5.1 论文研究工作总结 |
5.2 下一步研究工作展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(6)移动边缘计算的虚拟机管理研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容 |
1.4 研究创新点 |
1.5 论文组织 |
第二章 移动边缘计算资源管理与移动性管理技术概述 |
2.1 引言 |
2.2 移动边缘计算概述 |
2.3 资源管理技术研究 |
2.3.1 资源管理架构 |
2.3.2 资源管理策略 |
2.4 移动性管理技术研究 |
2.4.1 虚拟机迁移 |
2.4.2 移动性管理策略 |
2.5 本章小结 |
第三章 基于博弈论价格机制的资源管理方案 |
3.1 引言 |
3.2 资源管理流程设计 |
3.3 基于博弈论价格机制的资源管理方案 |
3.3.1 静态博弈 |
3.3.2 动态博弈 |
3.3.3 仿真分析 |
3.4 本章小结 |
第四章 基于马尔科夫决策的移动性管理方案 |
4.1 引言 |
4.2 移动性管理流程设计 |
4.3 基于马尔科夫决策的移动性管理方案 |
4.3.1 系统模型 |
4.3.2 求解算法 |
4.3.3 仿真分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 未来展望 |
参考文献 |
附录一 中英文缩略词对照表 |
附录二 算法程序及公式推导 |
致谢 |
攻读学位期间取得的研究成果 |
(7)智慧协同网络路径动态适配技术的研究与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
2 相关工作 |
2.1 智慧协同网络架构 |
2.2 多径传输与资源动态调度机制 |
2.3 强化学习原理及相关算法 |
2.4 模糊逻辑控制原理 |
2.5 本章小结 |
3 车地通信系统业务与资源动态适配设计 |
3.1 车地通信系统的通信模式设计 |
3.1.1 需求分析 |
3.1.2 通信模式 |
3.1.3 信令分析 |
3.2 网络资源与业务服务适配模型设计 |
3.3 单标识业务资源模糊适配方案设计 |
3.3.1 资源适配模型基本定义 |
3.3.2 资源适配算法设计 |
3.4 多标识业务资源适配方案设计 |
3.4.1 资源适配模型基本定义 |
3.4.2 平均场近似 |
3.4.3 资源适配算法设计 |
3.5 本章小结 |
4 车地通信系统业务与资源动态适配实现 |
4.1 车地通信系统的通信模式实现 |
4.1.1 多路径适配模式实现 |
4.1.2 多路径聚合模式实现 |
4.1.3 单路径隧道模式实现 |
4.2 单标识业务资源模糊适配实现 |
4.2.1 最优策略改进模块 |
4.2.2 模糊逻辑处理模块 |
4.2.3 探索策略选择模块 |
4.3 多标识业务资源适配实现 |
4.4 本章小结 |
5 车地通信系统的通信模式与动态适配方案测试 |
5.1 车地通信系统的通信模式测试 |
5.1.1 测试环境搭建 |
5.1.2 功能测试 |
5.1.3 性能测试 |
5.2 单类标识业务动态适配方案 |
5.2.1 测试对比方案 |
5.2.2 仿真测试 |
5.3 多类标识业务动态适配方案 |
5.3.1 测试对比方案 |
5.3.2 仿真测试 |
5.4 本章小结 |
6 结论 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(8)低时延低轨卫星移动性管理技术(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 低轨卫星通信系统发展现状 |
1.2.2 低轨卫星网络的移动性管理技术研究现状 |
1.3 本文的主要工作和创新点 |
1.4 本文结构安排 |
第二章 低轨卫星网络移动性管理技术时延优化面临的问题 |
2.1 移动性管理技术 |
2.1.1 移动性管理技术概述 |
2.1.2 几种典型移动性管理技术的简介 |
2.1.3 具体移动性管理协议切换时延分析 |
2.2 移动性管理技术时延优化面临的问题 |
2.2.1 移动性管理协议对用户通信时延的影响 |
2.2.2 问题总结 |
2.2.3 仿真分析 |
2.3 本章小结 |
第三章 基于分簇的低轨卫星网络分布式移动性管理方案 |
3.1 低轨卫星网络组成 |
3.2 现有低轨卫星网络移动性管理方案分析 |
3.3 基于分簇的低轨卫星网络分布式移动性管理方案CBLS-DMM |
3.3.1 系统架构 |
3.3.2 系统功能划分 |
3.3.3 方案流程详述 |
3.3.4 针对网络边缘用户的“虚切换”机制 |
3.4 方案建模与关键问题分析 |
3.4.1 方案建模 |
3.4.2 方案关键问题分析 |
3.5 协议切换时延分析 |
3.5.1 用户状态更新时延 |
3.5.2 用户状态簇内同步时延 |
3.6 方案仿真与分析 |
3.6.1 仿真流程及参数设定 |
3.6.2 仿真结果及分析 |
3.7 本章小结 |
第四章 基于Linux的 CBLS-DMM方案实现 |
4.1 方案实现 |
4.1.1 框架概述 |
4.1.2 关键信令消息格式设计 |
4.2 基础准备工作 |
4.2.1 Linux内核简介 |
4.2.2 Linux内核裁剪 |
4.2.3 Linux内核编译与安装 |
4.2.4 源码移植工作 |
4.3 方案测试运行 |
4.3.1 实验环境设计 |
4.3.2 程序运行效果 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(9)超密集网络移动性管理算法研究及验证(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 本文主要内容和结构安排 |
1.3.1 课题的研究内容 |
1.3.2 论文结构安排 |
第二章 超密集网络及移动性管理相关技术 |
2.1 超密集网络 |
2.1.1 超密集网络定义和特征 |
2.1.2 超密集网络的挑战 |
2.2 移动性管理相关技术 |
2.3 超密集网络移动性管理面临的挑战 |
2.4 本章小结 |
第三章 基于SDN和NFV融合的超密集网络移动性管理算法 |
3.1 SDN与NFV概述 |
3.2 超密集网络的移动性管理算法 |
3.2.1 系统模型 |
3.2.2 算法形成 |
3.3 算法性能分析 |
3.3.1 用户移动模型 |
3.3.2 总信令成本分析 |
3.4 仿真分析及性能 |
3.5 本章小结 |
第四章 基于阈值自适应调节的超密集网络切换算法 |
4.1 概述 |
4.2 系统模型 |
4.3 切换参数和性能指标 |
4.3.1 切换参数 |
4.3.2 性能指标 |
4.4 基于阈值自适应调节的超密集网络切换算法 |
4.5 仿真分析与性能 |
4.5.1 算法 |
4.5.2 仿真结果和性能分析 |
4.6 本章小结 |
第五章 基于LTE小基站超密集组网的管理控制平台 |
5.1 系统设计与实现 |
5.1.1 系统架构设计 |
5.1.2 OPENSC协议设计方案 |
5.2 系统原理和软件设计 |
5.2.1 超密集网络 |
5.2.2 管理控制软件的设计与实现 |
5.2.3 切换控制算法 |
5.3 系统运行与结果分析 |
5.3.1 控制器与小基站通信测试 |
5.3.2 基站性能优化测试 |
5.3.3 基站配置参数获取平台测试 |
5.3.4 UE移动过程的切换优化 |
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 |
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 |
(10)基于服务感知的5G动态移动性管理方案设计(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
第二章 5G框架下的移动性管理 |
2.1 5G移动通信技术 |
2.1.1 5G系统架构 |
2.1.2 网络切片技术 |
2.1.3 移动边缘计算 |
2.2 移动性管理概念 |
2.2.1 切换管理 |
2.2.2 位置管理 |
2.3 节点移动模型 |
2.3.1 单体移动模型 |
2.3.2 群组移动模型 |
2.4 本章小结 |
第三章 基于群管理的移动预测模型 |
3.1 CAM群移动模型 |
3.1.1 多终端的协同性 |
3.1.2 群组移动模型的建立 |
3.2 基于最小二乘法的移动预测 |
3.2.1 线性拟合算法 |
3.2.2 群质心位置预测 |
3.3 预测准确性测试 |
3.3.1 移动场景设置 |
3.3.2 仿真结果分析 |
3.4 本章小结 |
第四章 基于服务感知的动态移动性管理设计 |
4.1 SDMM管理策略的建立 |
4.1.1 SDMM总架构和决策流程 |
4.1.2 终端类型及网络状态分类 |
4.1.3 移动网络切片管理 |
4.1.4 基于MEC的用户感知 |
4.2 群管理策略及动态跟踪区 |
4.2.1 基于GMS的群管理模型 |
4.2.2 流星形动态跟踪区 |
4.3 本章小结 |
第五章 仿真设计与性能对比 |
5.1 单体管理与群管理 |
5.1.1 仿真参数设置 |
5.1.2 仿真结果分析 |
5.2 静态管理与动态管理 |
5.2.1 仿真参数设置 |
5.2.2 仿真结果分析 |
5.3 本章小结 |
第六章 总结与展望 |
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 |
四、用于移动计算环境中的新移动性管理和路由方案(英文)(论文参考文献)
- [1]融合边缘计算的低轨卫星组网服务迁移方案的设计与实现[D]. 徐路路. 北京邮电大学, 2021(01)
- [2]基于SDN的移动性管理技术的研究与实现[D]. 杜晔. 南京邮电大学, 2020(03)
- [3]移动边缘计算中基于移动代理的任务迁移研究[D]. 蒋椿磊. 南京邮电大学, 2020(02)
- [4]IPv6无线传感网的移动感知路由算法研究[D]. 袁兴未. 重庆邮电大学, 2020(12)
- [5]面向5G的移动性管理优化[D]. 庞文哲. 北京邮电大学, 2020(05)
- [6]移动边缘计算的虚拟机管理研究[D]. 王秋宁. 北京邮电大学, 2020(05)
- [7]智慧协同网络路径动态适配技术的研究与实现[D]. 李佳霖. 北京交通大学, 2020(03)
- [8]低时延低轨卫星移动性管理技术[D]. 丁煜. 西安电子科技大学, 2020(05)
- [9]超密集网络移动性管理算法研究及验证[D]. 谢妍辉. 南京邮电大学, 2019(02)
- [10]基于服务感知的5G动态移动性管理方案设计[D]. 俞洋. 南京邮电大学, 2019(02)