一、网络QoS特性分析（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》文中认为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》文中进行了进一步梳理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。
金灵燕[3]（2020）在《基于业务和无线信道动态特性的船端智能动态路由算法研究》文中研究指明除国际海事组织（International Maritime Organization,IMO）海上人命安全公约中定义的多种海上通信方式外,越来越多商业无线通信技术也广泛应用于船舶的数据交换中,在船端系统中形成了异构无线网络环境。目前由于海上异构无线网络是一个涉及多行业、多部门、跨地域的复杂系统,同时船端用户在不同的业务场景中,对无线网络服务质量的需求也存在多样化,因此,需要解决船舶通信设备在进行数据交换与数据协同中,能够选择具有可用性、可靠性、安全性和最高性价比的无线通信方式。为此,本文首先针对海上通信业务与通信系统匹配关系,确定了海上业务选择模型,基于海上无线网络间切换技术的分析,提出了基于通信业务和无线信道动态特性的船端智能动态路由算法,设计并实现了基于该算法的船端智能动态路由软件系统。船端智能动态路由算法分为三部分:其一是基于船端业务处理主观决策算法确定业务选择的决策权重;其二是根据船端网络处理客观决策算法计算出海上候选无线网络的熵值,估量出系统的非均匀宏观状态的客观无序程度;其三是根据船端异构网络的多属性决策算法,逼近正向判断解,计算出各候选网络综合权重。针对船端智能动态路由软件系统,在总体系统框架设计基础上,重点开发实现了船端智能动态路由软件系统数据收集模块、数据处理模块和结果反馈模块等核心软件模块。以此为基础,深入验证分析了船端智能动态路由算法可用性。结果表明,该算法能够为船端用户实时选择最优的通信网络,并给出不同通信方式间的切换代价,避免因不必要切换造成的资源浪费和不可预知错误;研究还证明,利用该算法,能够使船端各异构通信网络达到负载均衡,并通过参数配置定制船端用户对特定通信网络的选择条件,以根据用户或业务的实际偏好或需求选择海上无线网络。另外,本文以上述软件系统为基础,进一步设计了包含八种海上无线通信网络的复杂应用场景,通过五种网络属性数据验证了船端智能动态路由软件的最优路由选择性能。通过对不同业务类型增加一定数量的判决点,验证了软件的性能,证明了该算法在海上异构无线通信网络中的可行性和可靠性。
何皓星[4]（2019）在《基于网络状态特征分析与预测的SDWAN路径优化技术研究与实现》文中认为随着互联网行业的快速发展,各种互联网业务和服务大量出现。而传统IP网络的路径优化技术,无法满足用户日益增长的网络质量需求。SDWAN技术应运而生,这里的SDWAN,即软件定义网络在广域网环境下的应用。产业界现有的SDWAN解决方案,多为在稳定的网络环境中,面向庞大用户群体,提高带宽利用率的解决方案。不能满足面向网络状态无时不刻不在波动的广域网环境,为小范围用户提供精品化与定制化的网络路径优化的需求。基于项目组的原有的项目POCO,本文提出了一种面向SDWAN的路径优化系统POCOMPUTING。POCOMPUTING能够基于网络的QoS测量数据,计算满足业务需求的最优转发路径。本文基于网络状态特征,刻画了整张网络的状态,从而使得将网络状态波动带来的风险控制在可以接受的范围之内。同时,提出了一种基于QoS指标的业务质量的工具化模型。从而提出了广域网环境下,特定用户与业务的精品化、定制化的流量调度解决方案。本文的主要内容如下:（1）IP网络QoS路由技术调研。参照本文的网络场景,基于既有版本的路径优化系统,总结不同方案和差异与其借鉴价值。（2）路径优化技术需求分析。在技术调研的基础上,结合当前网络场景,对系统所需要研究与实现的功能做了完整而详细的分析。（3）路径优化技术原理设计。在需求分析的基础上,设计路径优化系统的总体流程;并对基于QoS指标的业务质量工具化模型,以及网络QoS特征的计算及应用等关键技术,进行详细地分析与设计。（4）路径优化系统设计。详细介绍本文所设计的路径优化系统,即POCOMPUTING的业务流程,并以此为基础,介绍路径优化系统POCOMPUTING的具体实现。（5）路径优化系统测试。针对路径优化系统的业务场景,在实际的生产环境下,验证系统的实际优化效果;并对系统的性能进行测试。验证该系统的有效性与效率。
茅海雁[5]（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》文中提出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。
房曙光[6]（2013）在《无线网络QoS保障跨层优化若干问题研究》文中认为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。
亓晋[7]（2013）在《基于贝叶斯网络的认知网络QoS自主控制技术研究》文中提出互联网发展至今，已经成为一个庞大的非线性动态多变的复杂系统，随着网络接入技术的日趋多样化和网络承载业务的不断丰富，传统的网络QoS管理和控制方式面临着诸多挑战。由于网络不具备自主性和智能性，网络对自己的状态和行为缺乏全面认知，网络日益复杂使得传统的孤岛式、静态式QoS保证方法表现低效且决策反应被动，网络经常拥塞，QoS性能时常劣化，业务传输与QoS保证不能根据环境的变化动态调整，全网资源利用效率低下，导致用户QoS满意度变差。认知网络是受认知无线电理论和技术的启发而提出的一种具有认知特征的主动网络，认知网络能够感知网络整体状态，据此进行计划和决策，并执行相应的动作，具有推理和学习的能力，被认为是以无线、移动、宽带和全IP化为基本特征的未来通信网络发展的必然趋势。本论文所研究的认知网络QoS自主控制技术，主要是指在认知网络环境下实施QoS决策和控制时所采取的具有自主性和智能性的方法，解决动态多变网络适变性差、全网效能低的问题，有效提高网络资源利用率，保证网络端到端的QoS。针对当前网络“多业务、需求差异、动态时变、资源稀缺”等问题，主要从面向业务的认知网络QoS自主控制框架、认知网络QoS健康度评估、认知网络QoS劣化定位和认知网络QoS自主控制等角度，借助贝叶斯网络的理论与方法，深入研究认知网络环境下面向业务的QoS自主控制机制，实现复杂多变认知网络环境下的全局性可监测、可分析、可控制，提高网络资源利用率，保证网络端到端QoS。主要研究内容概括如下：1.提出了一种面向业务的认知网络QoS自主控制框架。以认知网络业务端到端QoS需求为出发点，结合认知网络QoS自主控制设计目标，在分析现有典型QoS控制框架优点与不足的基础之上，结合OODA的认知过程，提出了一种面向业务的认知网络QoS自主控制框架。2.提出了一种基于模糊动态贝叶斯网络的认知网络QoS健康度评估方法。从认知网络QoS健康度评估宏观角度出发，考虑到网络中尽可能多的网元、业务及链路，重新定义了时延、抖动、丢包率三个QoS参数，并建立了认知网络QoS健康度评估的动态贝叶斯网络模型。利用模糊分类方法，将连续变量模糊分类为DBN能够应用的证据信息进行学习和推理，应用直接推理算法进行推理，从而得到连续时间片上的认知网络QoS健康度概率及其发展趋势，为网络决策和控制提供了具有参考价值的评估结果。3.提出了一种基于贝叶斯网络的认知网络QoS劣化定位方法。考虑到端到端的探测方法存在探测代价高和无法精确定位的局限性，建立一种基于贝叶斯网络的认知网络QoS劣化定位模型，利用LM1丢包率模型通过少量的端到端探测获取路径状态信息，按照贝叶斯估计方法进行链路劣化的先验概率学习。然后根据获得的证据节点状态信息，将无关劣化的部分路径及其该路径覆盖的链路从模型中删除来降低模型复杂度，然后采用局部联合树算法推理，最终实现对QoS劣化链路的精确定位，为业务等级的QoS自主控制提供准确依据。4.提出了一种基于影响图的认知网络QoS自主控制方法。结合传统网络和认知网络领域的相关知识，构建了面向业务的认知网络QoS自主控制的影响图模型，利用贝叶斯网络的簇树推理算法和结点实例化的最优决策方法实现认知网络的自学习和推理，并通过影响图，执行使得效用方程最大化的动作，实现认知网络QoS的自主决策与控制。
郭棉[8]（2012）在《基于差分队列服务（DQS）的融合网络服务质量保障研究》文中指出宽带无线网络的移动化和移动通信网络的宽带化进程推动了基于IP的融合网络的演进。支持多种接入技术、提供多样化业务、无时无处不在等已成为下一代宽带融合网络的重要特征。然而服务质量（QoS）保障在融合网络里面临更新更大的挑战。例如，各种接入技术并存使端到端QoS保障更加复杂，多样化业务的发展要求融合网络提供混合QoS流的支持和宽泛的时延保障，实时业务所占比重的增大及其时延敏感性使数据包时延超时概率成为融合网络QoS性能的一个重要指标。此外，无线网络资源的有限性使通过提供超额服务实现QoS保障的方案不再适用于融合网络。因此，围绕融合网络的网络特性和业务特性研究QoS保障具有重要的意义。传统的QoS模型包括综合服务（IntServ）和区分服务（DiffServ）以及它们的变体。这些模型除了很难在可扩展性和QoS服务粒度两个方面达到均衡外，在融合网络的QoS保障方面也面临一系列的问题。近年来出现的一种基于数据包粒度的差分队列服务（DQS）用于解决有线网络的可扩展性和QoS服务粒度均衡问题，后来被扩展到无线网络。其主要服务规则包括：DQS要求每个数据包明确携带其QoS要求，如时延要求、丢包优选标志等。DQS路由器根据数据包的QoS要求决定其在缓存队列里的位置，也即决定了数据包调度的顺序和丢弃优先级。DQS可以根据端到端路径提供区分的QoS和支持混合QoS流和范围广泛的时延要求。所以DQS是一种适用于融合网络的QoS模型。由于DQS作为一种端到端QoS模型仍处于初始研究阶段，如何利用DQS实现融合网络的QoS保障仍有待进一步研究。其中包括基于DQS的资源分配、QoS保障的接纳控制以及如何实现端到端自适应QoS保障等。本文首先介绍了DQS的基本原理、关键技术和实现QoS保障尚需研究的问题，在此基础上研究了DQS基于QoS保障的资源分配、基于网络容量动态变化的接纳控制和建立端到端QoS性能模型，最后提出了一种基于DQS的自适应端到端QoS保障方案。本文的具体研究成果和创新如下：1)根据时延要求建立业务流模型和用服务能力曲线表示动态的网络容量。传统的网络分析方法一般按流或类的粒度建立数据流的业务模型。本文首次按数据包的时延要求建立业务流模型。按数据包的时延要求将到达的业务划分为有限个数据流，具有相同时延要求的业务看作一个数据流并用一个独立的业务模型表示。此方法可灵活描述混合QoS流以及支持宽泛的时延要求。此外，基于中心极限定理建立了链路容量动态变化的无线链路随机服务能力曲线。此方法将无线链路的信道容量、信噪比、移动速率等网络下层的参数映射为平均带宽、带宽变量和时间段这三个网络层服务能力参数，既降低了网络分析过程的复杂性又反映了无线链路的带宽时变特性。2)研究了基于DQS的融合网络单个节点实现QoS保障的问题，包括：a) QoS保障的带宽和缓存资源分配：针对多个分形布朗运动（FBM）业务模型、对应的时延要求研究了网络容量不变时的独立分配资源和全局资源共享这两种方式的带宽和缓存需求以及混合业务时的带宽和缓存需求。b)网络容量动态变化的QoS保障接纳控制:建立了网络容量动态变化的QoS性能模型，提出了以时延超时概率为阈值的QoS保障接纳控制算法，并利用半马尔可夫决策过程（SMDP）优化此接纳控制算法。3)研究了基于DQS的融合网络多个节点实现QoS保障的问题，包括：a)以网络演算为基础分析了基于DQS的融合网络端到端QoS性能。首先分析了端到端确定服务的QoS性能。基于此提出一种根据数据流的业务包络率来预留端到端带宽从而控制数据流的端到端时延超时概率的方法，来实现融合网络的端到端QoS保障，接下来推导了基于随机服务的端到端时延超时概率上界。该概率上界既可用于端到端随机QoS保障的性能评估又可用于端到端QoS保障的流量控制，具有重要的理论价值。b)提出了一种基于DQS的自适应端到端QoS保障方案。根据节点在融合网络中的网络属性，依次提出了动态确定数据包在网关节点、无线网络节点和有线网络节点的时延界的算法。以上所提方案和模型均通过计算机模拟仿真来检验和验证，仿真结果表明，它们均能达到预期的效果。
何晶[9]（2012）在《基于业务识别与分类的三级网络QoS控制系统的设计与实现》文中提出随着网络技术的快速发展，以TCP/IP为主要协议的互联网络已经渗透到社会生活的各个角落。政府、企业、科研教育行业以及军事部门等纷纷建立了大型局域网或超大型局域网，其中许多网络具有典型的三层分级拓扑结构的特点，简称三级网络（Three-layer Network）。在三级网络中，网络用户不断增长，新型网络应用不断涌现，优化网络配置、提高网络性能、保证网络业务的服务质量已成为三级网络亟待解决的问题。本文在研究现有网络业务识别与分类技术、网络服务质量（QualityofService，QoS）的基础上，结合三级网络的特点，设计并实现了一个基于网络业务识别与分类的三级网络QoS控制系统。首先，在分析三级网络特点及业务QoS需求的基础上，针对三级网络业务主要分为关键业务和非关键业务，以及关键业务具有不同服务质量保障等级的特点，提出了基于三级网络业务服务等级的QoS评价指标体系。该评价指标体系能更加全面地反映三级网络业务QoS需求，更加准确地衡量三级网络QoS状态。其次，在对现有网络业务识别与分类技术研究的基础上，将人工神经网络理论运用到网络业务识别与分类技术当中，设计了一种基于自组织映射网络算法和样本匹配算法进行协同训练的双分类器，达到了识别网络业务、区分业务服务等级的目的，提高了系统识别关键业务的准确性。最后，将基于协同训练的双分类器应用到三级网络中，设计并实现了三级网络QoS控制系统，实现了对网络流量在线采集与离线分析、集中式分析网络QoS状态与选择QoS控制策略、分布式感知网络性能与业务QoS需求，提高了三级网络QoS保障能力。实验表明，所设计的系统能较好地评价三级网络QoS，准确识别网络关键业务，及时发现业务QoS需求并提供QoS保障策略。
章鹏程[10]（2012）在《认知网络QoS动态自适应监控机制研究》文中提出随着计算机网络的飞速发展,当前网络表现出了业务类型众多、网络环境复杂且动态多变等特点,网络端到端QoS难以得到有效保障。当前网络通常在QoS劣化的情况下被动地、静态地做出调整,对复杂网络态势的适应能力较差。认知网络不同于传统网络,它具有态势感知能力,能够根据网络态势实时动态地调整网络配置,从而保障网络QoS。认知网络为网络QoS保障问题的解决提供了新的途径,已成为下一代网络的一个重要的研究热点。本文在分析现行网络QoS监控机制的基础上,重点开展对认知网络QoS动态自适应监控机制的研究,主要工作如下:（1）提出了一种基于双闭环与态势感知的认知网络QoS动态自适应监控模型——MCBDS,该模型注重网络态势的感知以及QoS控制方法的协调,能够克服现行认知网络QoS自适应监控模型态势感知能力不足、控制代价过高等缺点。基于性能评价进程代数PEPA的建模分析表明MCBDS具有合理性与可行性。（2）提出了一种基于知识感知、实时态势评估和网络态势预测多方法融合的认知网络态势感知方法,以全面感知认知网络的态势,为认知网络QoS动态自适应控制提供充分依据。知识感知提供知识采集和预处理,是态势感知的基础;实时态势评估包括基于HDS的业务QoS评估和基于QoE的用户QoS评估,能够描述网络的当前态势;网络态势预测基于加权径向基核函数支持向量机算法——WRSVM,能够判断网络态势的发展,仿真表明,与传统预测算法相比WRSVM能够显着提高认知网络态势预测的效率和准确率。（3）提出了一种基于网络态势的认知网络QoS双闭环动态自适应配置方法——DCBS,该方法能够紧密融合各种缓冲管理和队列调度算法,保障网络QoS,优化全网性能。DCBS以QoS最优化为目标,根据网络态势启动维护环或自适应配置环,在保障网络QoS的同时尽量降低控制代价,从而保障网络的健康和稳定。仿真表明,DCBS能够显着提高关键业务的健康度、优化全网性能、增强系统的健壮性,并有效避免亚健康业务健康度越来越差的现象,缩短网络QoS劣化的时间,降低网络控制的代价。
二、网络QoS特性分析（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、网络QoS特性分析（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）基于业务和无线信道动态特性的船端智能动态路由算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文结构 |
| 2 海上异构无线网络业务模型与无线信道特性分析 |
| 2.1 总体理论模型 |
| 2.2 海上业务选择模型 |
| 2.3 海上候选无线网络信道特性分析 |
| 2.4 智能网关 |
| 2.5 本章小结 |
| 3 海上无线网络切换技术及船端智能动态路由算法 |
| 3.1 海上无线网络切换性能期望 |
| 3.2 海上无线网络切换过程 |
| 3.3 船端智能动态路由算法 |
| 3.3.1 船端智能动态路由算法计算过程 |
| 3.3.2 船端业务处理主观决策算法 |
| 3.3.3 船端网络处理客观决策算法 |
| 3.3.4 船端网络多属性决策算法 |
| 3.3.5 船端候选网络综合效用比例阈值 |
| 3.4 本章小结 |
| 4 船端智能动态路由软件设计 |
| 4.1 船端智能动态路由软件总体系统框架设计 |
| 4.2 船端智能动态路由软件模块设计与实现 |
| 4.2.1 数据收集模块设计与实现 |
| 4.2.2 数据处理模块设计与实现 |
| 4.2.3 结果反馈模块设计与实现 |
| 4.3 船端智能动态路由软件输出 |
| 4.4 本章小结 |
| 5 船端智能动态路由软件性能分析与展示 |
| 5.1 场景设计 |
| 5.2 数据验证 |
| 5.3 性能分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 英文缩写词、全写和英汉术语对照表 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（4）基于网络状态特征分析与预测的SDWAN路径优化技术研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 主要工作 |
| 1.3 论文创新点 |
| 1.4 论文结构 |
| 第二章 IP网络QoS路由关键技术调研 |
| 2.1 POCOMPUTING应用场景与挑战 |
| 2.1.1 应用场景描述 |
| 2.1.2 目标与挑战 |
| 2.2 用户体验质量QoE的研究 |
| 2.2.1 用户体验质量QoE及其量化方法 |
| 2.2.2 基于VoIP的通信质量的NETBEEZ模型 |
| 2.3 流量工程方案研究 |
| 2.3.1 IP网络路由计算与优化技术 |
| 2.3.2 CSPF路径计算算法 |
| 2.3.3 Google公司的B4网络 |
| 2.4 POCO系统介绍 |
| 2.4.1 POCO系统分层介绍 |
| 2.4.2 POCO系统及其部署方式简介 |
| 2.4.3 既有虚拟专线计算方案 |
| 2.5 本章小结 |
| 第三章 基于网络状态特征分析与预测的SDWAN路径优化技术需求分析 |
| 3.1 总体需求分析 |
| 3.1.1 场景分析 |
| 3.1.2 问题定义 |
| 3.1.3 总体需求分析 |
| 3.1.4 需求分析总结 |
| 3.2 详细需求分析 |
| 3.2.1 广域网环境下的网络特性分析 |
| 3.2.2 集中式虚拟专线计算服务 |
| 3.2.3 测量配置的合理选择和优化 |
| 3.2.4 基于QoE的虚拟专线计算优化 |
| 3.2.5 网络长期状态特征的分析和预测 |
| 3.3 本章小结 |
| 第四章 基于网络状态特征分析与预测的SDWAN路径优化技术原理设计 |
| 4.1 面向SDWAN的虚拟专线计算技术 |
| 4.1.1 接收需求信息触发计算 |
| 4.1.2 构造网络拓扑 |
| 4.1.3 计算所有备选虚拟专线 |
| 4.1.4 虚拟专线网络状态特征计算 |
| 4.1.5 根据QoS需求过滤虚拟专线 |
| 4.1.6 根据拓扑需求过滤虚拟专线 |
| 4.1.7 选择指标最优的若干虚拟专线 |
| 4.1.8 计算结果发送给控制器 |
| 4.2 网络QoS指标监控技术 |
| 4.2.1 网络监控系统介绍 |
| 4.2.2 带外测量方案介绍 |
| 4.2.3 QoS指标测量工具介绍 |
| 4.2.4 QoS指标介绍 |
| 4.2.5 测量配置的合理选择和优化 |
| 4.2.6 QoS测量数据ETL |
| 4.3 基于QoE的虚拟专线计算优化 |
| 4.3.1 QoS指标的饱和特性 |
| 4.3.2 基于QoE的虚拟专线计算算法 |
| 4.4 基于最新QoS测量数据的虚拟专线计算 |
| 4.4.1 虚拟专线QoS时间序列数据计算 |
| 4.4.2 虚拟专线当前QoS指标值计算 |
| 4.4.3 虚拟专线QoS指标统计时间周期选取 |
| 4.5 基于QoS测量数据的虚拟专线长期特征分析与计算 |
| 4.5.1 虚拟链路网络状态长期特征分析与计算 |
| 4.5.2 基于网络状态长期特征分析的虚拟链路筛选 |
| 4.5.3 基于网络状态特征分析的虚拟专线不稳定度计算 |
| 4.6 虚拟链路QoS指标基线数据计算 |
| 4.7 虚拟专线计算在POCO系统中的实际应用 |
| 4.7.1 Overlay节点与虚拟专线类型划分 |
| 4.7.2 骨干级虚拟专线计算的具体应用 |
| 4.7.3 用户级虚拟专线计算的具体应用 |
| 4.8 本章小结 |
| 第五章 面向SDWAN的路径优化系统概要设计 |
| 5.1 路径计算系统总体架构设计 |
| 5.1.1 系统总体结构设计 |
| 5.1.2 系统模块划分 |
| 5.1.3 系统设计原则 |
| 5.2 VirtualLinkEvaluation应用业务流程 |
| 5.2.1 VirtualLinkEvaluation应用业务流程概述 |
| 5.2.2 虚拟链路特征分析与计算流程 |
| 5.2.3 虚拟链路离线筛选计算流程 |
| 5.2.4 虚拟链路离线不稳定度计算流程 |
| 5.2.5 虚拟链路QoS指标基线计算流程 |
| 5.3 VirtualPathComputation应用业务流程 |
| 5.3.1 VirtualPathComputation业务流程概述 |
| 5.3.2 解析与校验虚拟专线计算需求流程 |
| 5.3.3 构造虚拟专线计算网络拓扑流程 |
| 5.3.4 读取与构造QoS数据集流程 |
| 5.3.5 虚拟专线的QoS指标计算与筛选流程 |
| 5.3.6 虚拟专线的QoE指标计算流程 |
| 5.3.7 虚拟专线的拓扑需求匹配与排序流程 |
| 5.4 本章小结 |
| 第六章 面向SDWAN的路径优化系统详细设计与实现 |
| 6.1 总体设计与实现 |
| 6.1.1 开发环境 |
| 6.1.2 第三方依赖与开源工具 |
| 6.1.3 开发设计思想 |
| 6.1.4 总体架构与模块说明 |
| 6.2 通用模块详细设计与实现 |
| 6.2.1 QoS数据处理模块 |
| 6.2.2 配置管理模块 |
| 6.2.3 拓扑处理模块 |
| 6.3 VirtualLinkEvaluation应用详细设计与实现 |
| 6.3.1 应用上下文模块 |
| 6.3.2 配置文件 |
| 6.3.3 特征计算模块 |
| 6.3.4 链路筛选模块 |
| 6.3.5 不稳定度计算模块 |
| 6.3.6 基线计算模块 |
| 6.4 VirtualPathComputation应用详细设计与实现 |
| 6.4.1 通信模块 |
| 6.4.2 应用上下文模块 |
| 6.4.3 配置文件 |
| 6.4.4 特征计算模块 |
| 6.4.5 QoS计算模块 |
| 6.4.6 QoE计算模块 |
| 6.4.7 不稳定度计算模块 |
| 6.4.8 路径计算模块 |
| 6.5 数据库表设计 |
| 6.5.1 节点数据库表设计 |
| 6.5.2 拓扑数据库表设计 |
| 6.5.3 基线数据库表设计 |
| 6.6 本章小结 |
| 第七章 面向SDWAN的路径优化系统测试 |
| 7.1 测试设计 |
| 7.1.1 测试环境 |
| 7.1.2 测试内容 |
| 7.1.3 测试指标 |
| 7.1.4 测试方法 |
| 7.2 验证测试 |
| 7.2.1 广域网虚拟专线计算优化效果测试 |
| 7.2.2 VoIP业务虚拟专线计算优化效果测试 |
| 7.2.3 虚拟链路基线计算可靠性测试 |
| 7.3 性能测试 |
| 7.3.1 虚拟链路离线特征计算测试 |
| 7.3.2 虚拟链路离线筛选计算测试 |
| 7.3.3 虚拟链路不稳定度计算测试 |
| 7.3.4 虚拟链路基线计算测试 |
| 7.3.5 骨干级虚拟专线计算测试 |
| 7.3.6 用户级虚拟专线计算测试 |
| 7.4 本章小结 |
| 第八章 总结和工作展望 |
| 8.1 总结 |
| 8.2 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 |
| 附件 |
（5）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 |
（6）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 |
（7）基于贝叶斯网络的认知网络QoS自主控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词 |
| 图表目录 |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 认知网络研究现状 |
| 1.2.2 认知网络 QoS 自主控制研究现状 |
| 1.2.3 存在的问题 |
| 1.3 贝叶斯网络研究现状 |
| 1.3.1 研究现状 |
| 1.3.2 贝叶斯网络的扩展 |
| 1.3.3 贝叶斯网络的认知特性 |
| 1.4 论文主要研究内容 |
| 1.4.1 论文研究目标 |
| 1.4.2 论文整体框架 |
| 1.4.3 论文研究内容 |
| 1.5 论文组织结构 |
| 第二章 面向业务的认知网络 QOS 自主控制框架 |
| 2.1 引言 |
| 2.2 认知网络 QOS 自主控制 |
| 2.2.1 问题分析 |
| 2.2.2 设计原则 |
| 2.3 面向业务的认知网络 QOS 自主控制框架 |
| 2.3.1 典型认知网络 QoS 控制框架分析 |
| 2.3.2 面向业务的认知网络 QOS 自主控制框架 |
| 2.4 认知网络 QOS 自主控制框架的关键技术 |
| 2.5 本章小结 |
| 第三章 基于模糊动态贝叶斯网络的认知网络 QOS 健康度评估方法 |
| 3.1 引言 |
| 3.2 模糊动态贝叶斯网络 |
| 3.2.1 模糊集合理论 |
| 3.2.2 动态贝叶斯网络 |
| 3.2.3 模糊动态贝叶斯网络 |
| 3.3 认知网络 QOS 健康度评估的动态贝叶斯网络模型 |
| 3.3.1 评估变量选取 |
| 3.3.2 QoS 健康度评估的动态贝叶斯网络模型 |
| 3.4 基于模糊动态贝叶斯网络的认知网络 QOS 健康度评估方法 |
| 3.4.1 数据获取与模糊化 |
| 3.4.2 动态贝叶斯网络参数学习 |
| 3.4.3 QoS 健康度评估的动态贝叶斯网络推理 |
| 3.5 仿真实验及分析 |
| 3.6 本章小结 |
| 第四章 基于贝叶斯网络的认知网络 QOS 劣化定位方法 |
| 4.1 引言 |
| 4.2 认知网络 QOS 劣化定位的贝叶斯网络模型 |
| 4.2.1 网络拓扑描述 |
| 4.2.2 QoS 劣化描述 |
| 4.2.3 QoS 劣化定位的贝叶斯网络模型 |
| 4.3 基于贝叶斯网络模型的认知网络 QOS 劣化定位方法 |
| 4.3.1 路径状态判定模型 |
| 4.3.2 链路劣化先验概率学习 |
| 4.3.3 QoS 劣化定位的的贝叶斯推理 |
| 4.3.4 认知网络 QOS 劣化定位方法描述 |
| 4.4 仿真实验及分析 |
| 4.4.1 仿真实验 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 基于影响图的认知网络 QOS 自主控制方法 |
| 5.1 引言 |
| 5.2 影响图 |
| 5.2.1 影响图的基本概念 |
| 5.2.2 影响图的求解和最优决策 |
| 5.3 认知网络 QOS 自主控制的影响图模型 |
| 5.3.1 影响因素分析 |
| 5.3.2 影响图节点确定 |
| 5.3.3 QoS 自主控制的影响图模型 |
| 5.4 基于影响图模型的认知网络 QOS 自主控制方法 |
| 5.4.1 贝叶斯网络推理 |
| 5.4.2 影响图的最优决策算法 |
| 5.4.3 认知网络 QOS 自主控制方法描述 |
| 5.5 仿真实验及分析 |
| 5.5.1 仿真环境 |
| 5.5.2 仿真结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间撰写的学术论文 |
| 攻读博士期间申请的技术发明专利 |
| 攻读博士期间软件着作权登记 |
| 攻读博士期间参加科研项目 |
（8）基于差分队列服务（DQS）的融合网络服务质量保障研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略词 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 融合网络的 QoS 研究现状 |
| 1.2.1 融合网络的 QoS 结构 |
| 1.2.2 融合网络的 QoS 模型 |
| 1.3 DQS 及其研究现状 |
| 1.3.1 关键技术 |
| 1.3.2 尚待研究的问题 |
| 1.4 研究目标和内容 |
| 第二章 基于 DQS 的融合网络的业务和服务模型 |
| 2.1 业务模型 |
| 2.1.1 累积到达业务量 |
| 2.1.2 按时延要求分类的业务流 |
| 2.1.3 FBM 业务包络曲线特性分析 |
| 2.2 服务模型 |
| 2.2.1 服务曲线 |
| 2.2.2 时延界与服务曲线的关系 |
| 2.2.3 融合网络的链路模型 |
| 2.2.4 无线链路随机模型特性分析 |
| 2.3 本章小结 |
| 第三章 基于 FBM 业务模型的 DQS 资源分配研究 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 基于每流的独立资源分配方式 |
| 3.3.1 时延超时概率 |
| 3.3.2 带宽需求 |
| 3.3.3 缓存需求 |
| 3.4 全局共享的资源分配方式 |
| 3.4.1 时延超时概率 |
| 3.4.2 带宽需求 |
| 3.4.3 缓存需求 |
| 3.5 实时业务和非实时业务混合的资源分配 |
| 3.5.1 DQS 调度和严格优先级调度相结合的调度机制 |
| 3.5.2 实时业务时延超时概率 |
| 3.5.3 非实时业务服务速率低于下限的概率 |
| 3.5.4 带宽需求 |
| 3.5.5 缓存需求 |
| 3.6 数值结果讨论 |
| 3.6.1 资源需求比较 |
| 3.6.2 模型验证 |
| 3.7 本章小结 |
| 第四章 基于网络容量动态变化的 DQS 接纳控制研究 |
| 4.1 引言 |
| 4.2 无线网络的动态容量 |
| 4.3 基于移动无线环境的 DQS 系统 QoS 性能模型 |
| 4.3.1 时延超时概率 |
| 4.3.2 每流等效带宽 |
| 4.3.3 丢包率 |
| 4.3.4 模型验证 |
| 4.4 接纳控制策略 |
| 4.4.1 系统模型 |
| 4.4.2 QoS 保障接纳控制策略 |
| 4.4.3 基于 SMDP 的优化 QoS 保障接纳控制策略 |
| 4.4.4 实验验证 |
| 4.5 本章小结 |
| 第五章 DQS 的端到端 QoS 性能研究 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 端到端 QoS 性能研究 |
| 5.3.1 确定服务的 DQS 网络最小服务曲线研究 |
| 5.3.2 随机服务的端到端时延超时概率界 |
| 5.4 仿真结果 |
| 5.4.1 确定服务仿真结果 |
| 5.4.2 随机服务仿真结果 |
| 5.5 本章小结 |
| 第六章 一种基于 DQS 的自适应端到端 QoS 保障方案 |
| 6.1 引言 |
| 6.2 融合网络对自适应端到端 QoS 保障的需求 |
| 6.2.1 移动性 |
| 6.2.2 实时业务的突发性 |
| 6.3 基于 DQS 的自适应端到端 QoS 保障方案 |
| 6.3.1 动态确定数据包在网关节点的时延界的算法 |
| 6.3.2 动态确定数据包在无线网络域内节点的时延界的算法 |
| 6.3.3 动态确定数据包在有线网络域内节点的延时延界的算法 |
| 6.3.4 小结 |
| 6.4 性能分析 |
| 6.4.1 QoS 性能分析 |
| 6.4.2 开销分析 |
| 6.4.3 动态延时估计误差分析 |
| 6.5 仿真结果 |
| 6.5.1 对移动环境的 QoS 适应性 |
| 6.5.2 对突发业务的 QoS 适应性 |
| 6.5.3 开销比较 |
| 6.5.4 估计误差 |
| 6.6 本章小结 |
| 结论 |
| 1 研究工作总结 |
| 2 后续研究工作展望 |
| 参考文献 |
| 附录 |
| 1 随机网络演算基础理论 |
| 2 概率论和随机过程基础理论 |
| 2.1 累积分布函数 |
| 2.2 矩母函数 |
| 2.3 中心极限定理 |
| 2.4 切尔诺夫界定理 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）基于业务识别与分类的三级网络QoS控制系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 网络 QoS 的研究现状 |
| 1.2.2 网络业务识别与分类技术研究现状 |
| 1.3 主要研究内容及论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 第二章 网络业务识别与分类及 QoS 相关技术研究 |
| 2.1 网络业务识别与分类技术 |
| 2.1.1 基于端口号映射的识别技术 |
| 2.1.2 基于有效载荷分析的识别技术 |
| 2.1.3 基于机器学习的识别技术 |
| 2.1.4 基于人工神经网络的识别技术 |
| 2.2 网络 QoS 相关技术 |
| 2.2.1 尽力而为服务体系 |
| 2.2.2 综合服务体系 |
| 2.2.3 区分服务体系 |
| 2.2.4 多协议标签交换 |
| 2.3 小结 |
| 第三章 三级网 QoS 控制系统的设计 |
| 3.1 三级网络特点分析 |
| 3.2 三级网络 QoS 分层模型 |
| 3.3 基于控制环的体系结构设计 |
| 3.4 系统功能模块设计 |
| 3.5 小结 |
| 第四章 网络业务识别与控制及 QoS 评价指标关键技术研究 |
| 4.1 基于协同训练的双分类器模型 |
| 4.1.1 流量属性及样本归一化 |
| 4.1.2 自组织映射网络算法 |
| 4.1.3 基于协同训练的双分类器 |
| 4.2 三级网络 QoS 评价指标体系研究 |
| 4.2.1 ITU-T 定义的网络应用性能指标 |
| 4.2.2 基于网络业务服务等级的 QoS 评价指标 |
| 4.3 小结 |
| 第五章 三级网络 QoS 控制系统的实现 |
| 5.1 系统开发环境概述 |
| 5.2 感知平面的实现 |
| 5.2.1 流量采集与分析模块的实现 |
| 5.2.2 网络节点性能分析模块的实现 |
| 5.2.3 网络测量模块的实现 |
| 5.3 分析平面的实现 |
| 5.3.1 网络业务分析模块的实现 |
| 5.3.2 网络性能分析与异常报警模块的实现 |
| 5.4 策略平面的实现 |
| 5.5 执行平面与反馈平面的实现 |
| 5.6 系统测试 |
| 5.6.1 测试环境 |
| 5.6.2 测试目的 |
| 5.6.3 测试结果及分析 |
| 5.7 小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）认知网络QoS动态自适应监控机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文背景 |
| 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 相关技术概述 |
| 2.1 认知网络 |
| 2.2 网络服务质量 |
| 2.2.1 网络服务质量 |
| 2.2.2 QoS 性能参数 |
| 2.3 网络QoS 监测机制 |
| 2.4 网络QoS 控制机制 |
| 2.5 本章小结 |
| 第三章 基于DCL与SA的认知网络QoS动态自适应监控模型 |
| 3.1 现行认知网络QoS 监控模型 |
| 3.1.1 FOCALE |
| 3.1.2 ACF |
| 3.1.3 Self-NET |
| 3.2 基于DCL 与SA 的认知网络QoS 动态自适应监控模型 |
| 3.3 基于PEPA 的MCBDS 形式化描述 |
| 3.3.1 性能评价进程代数PEPA |
| 3.3.2 QoS 监控模型的PEPA 描述 |
| 3.3.3 模型合理性评估 |
| 3.4 本章小结 |
| 第四章 基于多方法融合的认知网络态势感知 |
| 4.1 知识感知 |
| 4.1.1 认知节点的定义及其部署 |
| 4.1.2 知识采集 |
| 4.1.3 知识预处理 |
| 4.2 认知网络实时态势评估 |
| 4.2.1 基于HDS 的业务QoS 评估 |
| 4.2.2 基于QoE 的用户QoS 评估 |
| 4.3 基于WRSVM 的网络态势预测 |
| 4.3.1 传统网络态势预测 |
| 4.3.2 支持向量机算法 |
| 4.3.3 加权径向基核函数的设计与证明 |
| 4.3.4 权重向量计算 |
| 4.3.5 实验与分析 |
| 4.4 本章小结 |
| 第五章 基于网络态势的认知网络QoS双闭环动态自适应配置方法 |
| 5.1 现行网络QoS 控制方法 |
| 5.1.1 缓冲管理的经典算法 |
| 5.1.2 分组调度的经典算法 |
| 5.2 基于网络态势的认知网络QoS 双闭环动态自适应配置方法 |
| 5.2.1 网络态势分析 |
| 5.2.2 基于用户等级的分组队列 |
| 5.2.3 基于参数微调的资源分配 |
| 5.2.4 亚健康分组优先出队原则 |
| 5.2.5 基于PSO 的认知网络资源重配置 |
| 5.3 仿真实验与结果分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 缩略词 |
| 发表论文情况 |
| 参与项目情况 |
| 专利申请情况 |
四、网络QoS特性分析（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]基于业务和无线信道动态特性的船端智能动态路由算法研究[D]. 金灵燕. 大连海事大学, 2020
- [4]基于网络状态特征分析与预测的SDWAN路径优化技术研究与实现[D]. 何皓星. 北京邮电大学, 2019(08)
- [5]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)
- [6]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)
- [7]基于贝叶斯网络的认知网络QoS自主控制技术研究[D]. 亓晋. 南京邮电大学, 2013(06)
- [8]基于差分队列服务（DQS）的融合网络服务质量保障研究[D]. 郭棉. 华南理工大学, 2012(05)
- [9]基于业务识别与分类的三级网络QoS控制系统的设计与实现[D]. 何晶. 国防科学技术大学, 2012(04)
- [10]认知网络QoS动态自适应监控机制研究[D]. 章鹏程. 南京邮电大学, 2012(07)