APP下载

一种基于卡尔曼滤波的队列长度自适应算法*

2016-05-31张孝鹏邢建春杨启亮

传感器与微系统 2016年1期
关键词:卡尔曼滤波

张孝鹏, 王 平, 邢建春, 杨启亮,3

(1.解放军理工大学 国防工程学院,江苏 南京 210007;2.国防工程设备环境及智能化军队重点实验室(解放军理工大学),江苏 南京 210007;3.计算机软件新技术国家重点实验室(南京大学),江苏 南京 210093)



一种基于卡尔曼滤波的队列长度自适应算法*

张孝鹏1,2, 王平1,2, 邢建春1,2, 杨启亮1,2,3

(1.解放军理工大学 国防工程学院,江苏 南京 210007;2.国防工程设备环境及智能化军队重点实验室(解放军理工大学),江苏 南京 210007;3.计算机软件新技术国家重点实验室(南京大学),江苏 南京 210093)

摘要:传统主动队列管理(AQM)算法在处理传感器网络突发流时具有响应速度慢、抗网络突变性能弱的缺点。针对此问题,提出了一种新的AQM算法,算法首先将队列长度作为早期拥塞检测参量,运用卡尔曼滤波理论预测队列长度;其次根据队列长度在缓冲区的占用比来划分网络状态;最后根据不同占用比采取相应的丢包策略,自适应地调整丢包率,当出现网络突变时,加大调整幅度,使队列长度保持在理想区间。仿真实验表明:新算法能够较好地适应网络波动,提高网络服务质量(QoS),算法综合性能优于主流AQM算法。

关键词:主动队列管理; 拥塞控制; 队列长度预测; 卡尔曼滤波; 自适应

0引言

在传感器网络中,由于传感器节点资源严重受限、通信链路易受干扰等因素,使得拥塞问题十分严重,因此,拥塞控制成为传感器网络服务质量保障机制的关键技术之一[1]。主动队列管理(active queue management,AQM)算法作为当前解决网络拥塞问题的一个主要途径,在降低丢包率、降低传输时延、抑制延时抖动等方面起到了重要作用。……

登录APP查看全文

猜你喜欢

卡尔曼滤波
基于双扩展卡尔曼滤波的电池荷电状态估计
改进的扩展卡尔曼滤波算法研究
基于无迹卡尔曼滤波的行波波头辨识
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
基于有色噪声的改进卡尔曼滤波方法
基于序贯卡尔曼滤波的OCT信号处理方法研究
基于模糊卡尔曼滤波算法的动力电池SOC估计
融合卡尔曼滤波的VFH避障算法
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测