一种自组织量子网络协议及路由调度算法

文档序号:25993483发布日期:2021-07-23 21:06阅读:163来源:国知局
一种自组织量子网络协议及路由调度算法

本发明属于网络通信技术领域,尤其涉及一种自组织量子网络协议及路由调度算法。



背景技术:

在无线自组织网络中,各节点的能量是受限且不均衡的,在能量的消耗过程中,一些节点的能量消耗过快,将导致整个网络的性能急剧下降,且易出现负频率响应,导致码间干扰抑制能力减弱,无法对消除网络拓扑结构中跨链路层邻阶边向量通信信道码间干扰,通信能力较差,很难对海量无线网络信道负载均衡进行合理调度,无线网络拥塞现象严重,由于非结构化海量网络环境中数据流量较大,大量噪声和网络流量中存在过多的冗余特征属性,因此,现阶段亟需一种自组织量子网络协议及路由调度算法来解决上述问题。



技术实现要素:

本发明的目的在于:为了解决在无线自组织网络中,各节点的能量是受限且不均衡的,在能量的消耗过程中,一些节点的能量消耗过快,将导致整个网络的性能急剧下降,且易出现负频率响应,导致码间干扰抑制能力减弱,无法对消除网络拓扑结构中跨链路层邻阶边向量通信信道码间干扰,通信能力较差,很难对海量无线网络信道负载均衡进行合理调度,无线网络拥塞现象严重,由于非结构化海量网络环境中数据流量较大,大量噪声和网络流量中存在过多的冗余特征属性的问题,而提出的一种自组织量子网络协议及路由调度算法。

为了实现上述目的,本发明采用了如下技术方案:

一种自组织量子网络协议及路由调度算法,包括如下步骤:

步骤s1:引入emd分解技术和hilbert谱分析方法进行无线信道和量子信道的优化;

步骤s2:对海量无线信道和量子信道进行合理调度;

步骤s3:实现无线信道和量子信道整个网络的能量均衡;

步骤s4:提高路由搜索的成功率。

作为上述技术方案的进一步描述:

所述步骤s1中emd分解技术能够将1个复杂信号分解成若干个imf分量之和,基于hilbert变化的无线信道均衡过程采用emd进行分解处理,能够有效去除叠加波,增强码间干扰的抑制能力,使得振幅变化很大的相邻波形变得更加平滑。

作为上述技术方案的进一步描述:

所述步骤s1中基于emd分解技术的算法:对含有l条多层网络边,邻阶边增益和时间延迟参量分别为αi和τi,其中l∈[0,l-1],τ0<τ1<…τl-1,得到无线网络通信信道冲激响应函数为:

作为上述技术方案的进一步描述:

所述在步骤s1中,在实现无线网络信道邻阶盲均衡中,考察hi-1<(t)和hi(t)是否满足筛选终止条件,即:

若满足均衡处理终止条件,则ci(t)=hj(t),否则j=j+1,执行:

γi(t)=γi-1-ci(t)

然后,计算邻阶信道极值点γi(t),存在emd分解系数对信道均衡局部极大值和极小值点进行插值拟合,emd分解完成,得到码间干扰为残余量γi(t),并以筛除。

作为上述技术方案的进一步描述:

所述步骤s2中将决策树算法引入到非结构化海量网络流量卸载过程中,得到网络流量属性信息增益,以此为依据决策出需要卸载的网络流量。

作为上述技术方案的进一步描述:

所述步骤s2中,已知非结构化海量网络流量样本集为:

s={x1,x2,…xn}

其中网络不同时段各个样本均含有m项海量网络流属性的属性向量|a1,a2,…,am|t,设定网络流属性属性am含有k个不同取值,依据am的不同取值可将海量网络流量样本集s分划为c1,c2…,ck,等k个子集,由此可获得网络流量样本集s对应用分类的平均信息量。

作为上述技术方案的进一步描述:

所述步骤s2中根据所获取的平均信息量,从中抉择信息增益率最大的属性当作节点,并利用分类的结果完成对分结构化海量无线信道和量子信道流量的卸载,最终实现海量无线信道负载均衡优化的调度。

作为上述技术方案的进一步描述:

所述步骤s3中,使用ns2仿真软件来仿真aodv以及geb-aodv路由协议,在仿真中设置不同的移动速度,节点停留时间为4-6s,在最佳路径选择之前,目的节点定时器定时值为,55-65ms;能量系数a1、a2、a3分别为0.75、0.5、0.25:代价系数b1、b2、b3、b4如分别为1、2、4、8,通过这样配置参数,成本系数将随着剩余的能量的减少而呈指数增加,从而更好的保护剩余能量较小的节点,实现整个网络的能量均衡。

作为上述技术方案的进一步描述:

所述步骤s4中运用grover算法寻找路由grover量子搜索算法通过一系列的幺正变换,使得原来相等的各量子基态的概率幅发生改变,从而在对量子态的测量中能以较大的概率得到正确的解。

作为上述技术方案的进一步描述:

所述步骤s4包括如下步骤:

步骤s41:将目标解的态相位旋转弧度,从而达到标记解径的目的通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去;

步骤s42:通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去。

综上所述,由于采用了上述技术方案,本发明的有益效果是:

1、本发明中,基于hilbert变化的无线信道均衡过程采用emd进行分解处理,能够有效去除叠加波,增强码间干扰的抑制能力,使得振幅变化很大的相邻波形变得更加平滑。

2、本发明中,采用emd分解技术和hilbert谱分析方法两种技术相结合的方法对无线信道和量子信道的幅值、频率以及时间关系进行估计,能够对不是同一带宽的跨层邻阶边通信,能够有效防止出现负频率相应,从根本上进行码间干扰的抑制。

3、本发明中,根据所获取的平均信息量,从中抉择信息增益率最大的属性当作节点,并利用分类的结果完成对分结构化海量无线信道和量子信道流量的卸载,最终实现海量无线信道负载均衡优化的调度。

4、本发明中,进行ns2仿真,可以延长整个网络的生命周期,提高分组递交率,也可以降低端到端的时延。

附图说明

图1为本发明提出的一种自组织量子网络协议及路由调度算法的流程图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。

实施例一

一种自组织量子网络协议及路由调度算法,包括如下步骤:

步骤s1:引入emd分解技术和hilbert谱分析方法进行无线信道和量子信道的优化;

步骤s2:对海量无线信道和量子信道进行合理调度;

步骤s3:实现无线信道和量子信道整个网络的能量均衡;

步骤s4:提高路由搜索的成功率。

具体的,如图1所示,所述步骤s1中emd分解技术能够将1个复杂信号分解成若干个imf分量之和,基于hilbert变化的无线信道均衡过程采用emd进行分解处理,能够有效去除叠加波,增强码间干扰的抑制能力,使得振幅变化很大的相邻波形变得更加平滑。

具体的,如图1所示,所述步骤s1中基于emd分解技术的算法:对含有l条多层网络边,邻阶边增益和时间延迟参量分别为αi和τi,其中l∈[0,l-1],τ0<τ1<…τl-1,得到无线网络通信信道冲激响应函数为:

具体的,如图1所示,所述在步骤s1中,在实现无线网络信道邻阶盲均衡中,考察hi-1<(t)和hi(t)是否满足筛选终止条件,即:

若满足均衡处理终止条件,则ci(t)=hj(t),否则j=j+1,执行:

γi(t)=γi-1-ci(t)

然后,计算邻阶信道极值点γi(t),存在emd分解系数对信道均衡局部极大值和极小值点进行插值拟合,emd分解完成,得到码间干扰为残余量γi(t),并以筛除。

具体的,如图1所示,所述步骤s2中将决策树算法引入到非结构化海量网络流量卸载过程中,得到网络流量属性信息增益,以此为依据决策出需要卸载的网络流量。

具体的,如图1所示,所述步骤s2中,已知非结构化海量网络流量样本集为:

s={x1,x2,…xn}

其中网络不同时段各个样本均含有m项海量网络流属性的属性向量|a1,a2,…,am|t,设定网络流属性属性am含有k个不同取值,依据am的不同取值可将海量网络流量样本集s分划为c1,c2…,ck,等k个子集,由此可获得网络流量样本集s对应用分类的平均信息量。

具体的,如图1所示,所述步骤s2中根据所获取的平均信息量,从中抉择信息增益率最大的属性当作节点,并利用分类的结果完成对分结构化海量无线信道和量子信道流量的卸载,最终实现海量无线信道负载均衡优化的调度。

具体的,如图1所示,所述步骤s3中,使用ns2仿真软件来仿真aodv以及geb-aodv路由协议,在仿真中设置不同的移动速度,节点停留时间为5s,在最佳路径选择之前,目的节点定时器定时值为,60ms;能量系数a1、a2、a3分别为0.75、0.5、0.25:代价系数b1、b2、b3、b4如分别为1、2、4、8,通过这样配置参数,成本系数将随着剩余的能量的减少而呈指数增加,从而更好的保护剩余能量较小的节点,实现整个网络的能量均衡。

具体的,如图1所示,所述步骤s4中运用grover算法寻找路由grover量子搜索算法通过一系列的幺正变换,使得原来相等的各量子基态的概率幅发生改变,从而在对量子态的测量中能以较大的概率得到正确的解。

具体的,如图1所示,所述步骤s4包括如下步骤:

步骤s41:将目标解的态相位旋转弧度,从而达到标记解径的目的通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去;

步骤s42:通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去。

实施例二

一种自组织量子网络协议及路由调度算法,包括如下步骤:

步骤s1:引入emd分解技术和hilbert谱分析方法进行无线信道和量子信道的优化;

步骤s2:对海量无线信道和量子信道进行合理调度;

步骤s3:实现无线信道和量子信道整个网络的能量均衡;

步骤s4:提高路由搜索的成功率。

具体的,如图1所示,所述步骤s1中emd分解技术能够将1个复杂信号分解成若干个imf分量之和,基于hilbert变化的无线信道均衡过程采用emd进行分解处理,能够有效去除叠加波,增强码间干扰的抑制能力,使得振幅变化很大的相邻波形变得更加平滑。

具体的,如图1所示,所述步骤s1中基于emd分解技术的算法:对含有l条多层网络边,邻阶边增益和时间延迟参量分别为αi和τi,其中l∈[0,l-1],τ0<τ1<…τl-1,得到无线网络通信信道冲激响应函数为:

具体的,如图1所示,所述在步骤s1中,在实现无线网络信道邻阶盲均衡中,考察hi-1<(t)和hi(t)是否满足筛选终止条件,即:

若满足均衡处理终止条件,则ci(t)=hj(t),否则j=j+1,执行:

γi(t)=γi-1-ci(t)

然后,计算邻阶信道极值点γi(t),存在emd分解系数对信道均衡局部极大值和极小值点进行插值拟合,emd分解完成,得到码间干扰为残余量γi(t),并以筛除。

具体的,如图1所示,所述步骤s2中将决策树算法引入到非结构化海量网络流量卸载过程中,得到网络流量属性信息增益,以此为依据决策出需要卸载的网络流量。

具体的,如图1所示,所述步骤s2中,已知非结构化海量网络流量样本集为:

s={x1,x2,…xn}

其中网络不同时段各个样本均含有m项海量网络流属性的属性向量|a1,a2,…,am|t,设定网络流属性属性am含有k个不同取值,依据am的不同取值可将海量网络流量样本集s分划为c1,c2…,ck,等k个子集,由此可获得网络流量样本集s对应用分类的平均信息量。

具体的,如图1所示,所述步骤s2中根据所获取的平均信息量,从中抉择信息增益率最大的属性当作节点,并利用分类的结果完成对分结构化海量无线信道和量子信道流量的卸载,最终实现海量无线信道负载均衡优化的调度。

具体的,如图1所示,所述步骤s3中,使用ns2仿真软件来仿真aodv以及geb-aodv路由协议,在仿真中设置不同的移动速度,节点停留时间为4s,在最佳路径选择之前,目的节点定时器定时值为,55ms;能量系数a1、a2、a3分别为0.75、0.5、0.25:代价系数b1、b2、b3、b4如分别为1、2、4、8,通过这样配置参数,成本系数将随着剩余的能量的减少而呈指数增加,从而更好的保护剩余能量较小的节点,实现整个网络的能量均衡。

具体的,如图1所示,所述步骤s4中运用grover算法寻找路由grover量子搜索算法通过一系列的幺正变换,使得原来相等的各量子基态的概率幅发生改变,从而在对量子态的测量中能以较大的概率得到正确的解。

具体的,如图1所示,所述步骤s4包括如下步骤:

步骤s41:将目标解的态相位旋转弧度,从而达到标记解径的目的通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去;

步骤s42:通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去。

工作原理:使用时:

步骤s1:引入emd分解技术和hilbert谱分析方法进行无线信道和量子信道的优化,emd分解技术能够将1个复杂信号分解成若干个imf分量之和,基于hilbert变化的无线信道均衡过程采用emd进行分解处理,能够有效去除叠加波,增强码间干扰的抑制能力,使得振幅变化很大的相邻波形变得更加平滑,基于emd分解技术的算法:对含有l条多层网络边,邻阶边增益和时间延迟参量分别为αi和τi,其中l∈[0,l-1],τ0<τ1<…τl-1,得到无线网络通信信道冲激响应函数为:

在实现无线网络信道邻阶盲均衡中,考察hi-1<(t)和hi(t)是否满足筛选终止条件,即:

若满足均衡处理终止条件,则ci(t)=hj(t),否则j=j+1,执行:

γi(t)=γi-1-ci(t)

然后,计算邻阶信道极值点γi(t),存在emd分解系数对信道均衡局部极大值和极小值点进行插值拟合,emd分解完成,得到码间干扰为残余量γi(t),并以筛除;

步骤s2:对海量无线信道和量子信道进行合理调度,将决策树算法引入到非结构化海量网络流量卸载过程中,得到网络流量属性信息增益,以此为依据决策出需要卸载的网络流量,已知非结构化海量网络流量样本集为:

s={x1,x2,…xn}

其中网络不同时段各个样本均含有m项海量网络流属性的属性向量|a1,a2,…,am|t,设定网络流属性属性am含有k个不同取值,依据am的不同取值可将海量网络流量样本集s分划为c1,c2…,ck,等k个子集,由此可获得网络流量样本集s对应用分类的平均信息量;

根据所获取的平均信息量,从中抉择信息增益率最大的属性当作节点,并利用分类的结果完成对分结构化海量无线信道和量子信道流量的卸载,最终实现海量无线信道负载均衡优化的调度;

步骤s3:实现无线信道和量子信道整个网络的能量均衡,使用ns2仿真软件来仿真aodv以及geb-aodv路由协议,在仿真中设置不同的移动速度,节点停留时间为4-6s,在最佳路径选择之前,目的节点定时器定时值为,55-65ms;能量系数a1、a2、a3分别为0.75、0.5、0.25:代价系数b1、b2、b3、b4如分别为1、2、4、8,通过这样配置参数,成本系数将随着剩余的能量的减少而呈指数增加,从而更好的保护剩余能量较小的节点,实现整个网络的能量均衡;

步骤s4:提高路由搜索的成功率,运用grover算法寻找路由grover量子搜索算法通过一系列的幺正变换,使得原来相等的各量子基态的概率幅发生改变,从而在对量子态的测量中能以较大的概率得到正确的解,先将目标解的态相位旋转弧度,从而达到标记解径的目的通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去,然后通过与概率扩散矩阵相乘重新分配概率,将非解集上的概率幅转移到解集上去。

以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1