認知ad hoc網(wǎng)絡(luò)跨層設(shè)計研究.pdf_第1頁
已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、隨著無線通信技術(shù)的發(fā)展,認知無線電(CR)技術(shù)被用來提高頻譜資源利用率。認知ad hoc網(wǎng)絡(luò)(CRAHN)將CR擴展到了自組織網(wǎng)絡(luò)域,進一步增強了ad hoc網(wǎng)絡(luò)的頻譜利用率和組網(wǎng)的靈活性,也提升了數(shù)據(jù)傳輸?shù)目煽啃浴６鐚釉O(shè)計是改善通信鏈路端到端性能,提高CRAHN資源使用效率的重要手段。
　　 認知學習是CRAHN跨層設(shè)計的核心,它要求通信網(wǎng)絡(luò)能利用已知跨層環(huán)境參數(shù)進行知識提取學習,并根據(jù)需要重配置網(wǎng)絡(luò)。本文首先提出了一種基于

2、粗糙集的認知網(wǎng)絡(luò)跨層設(shè)計模型,并構(gòu)建了案例事件庫、學習引擎、知識庫、規(guī)則匹配器。該模型結(jié)合數(shù)據(jù)離散、屬性約簡、值約簡與規(guī)則生成算法來解決CRAHN的跨層學習問題。其次通過典型測試數(shù)據(jù)集的仿真比較,選出一組適合于所提出模型的粗糙集算法集合。
　　 基于NS2網(wǎng)絡(luò)模擬器,本文首先將提出的跨層模型在靜態(tài)鏈式網(wǎng)絡(luò)中對退避機制進行重配置仿真,隨后在隨機移動網(wǎng)絡(luò)和群主移動網(wǎng)絡(luò)中對路由協(xié)議進行重配置仿真。結(jié)果表明,選出的算法集能有效解決CRA

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論