中文摘要 | 第1-5页 |
英文摘要 | 第5-9页 |
1 绪论 | 第9-27页 |
1.1 拥塞控制 | 第9-16页 |
1.1.1 拥塞现象及其表征 | 第9-10页 |
1.1.2 拥塞现象发生的主要原因 | 第10-11页 |
1.1.3 拥塞的危害性 | 第11-12页 |
1.1.4 拥塞控制综述 | 第12-16页 |
1.2 国内外研究状况综述 | 第16-24页 |
1.2.1 ABR服务的流量控制机制和流量控制算法综述 | 第17-20页 |
1.2.2 业务量建模研究 | 第20-24页 |
1.2.3 业务流量预测 | 第24页 |
1.3 本文的主要工作 | 第24-25页 |
1.4 内容安排 | 第25-26页 |
1.5 本章小结 | 第26-27页 |
2 ATM网络及其拥塞控制 | 第27-45页 |
2.1 ATM网络 | 第27-29页 |
2.2 通信量管理与控制框架 | 第29-36页 |
2.2.1 通信量管理 | 第30-34页 |
2.2.2 通信量控制 | 第34-36页 |
2.3 反馈式控制制 | 第36-45页 |
2.3.1 二进制式方法 | 第38-40页 |
2.3.2 显式速率ER方法 | 第40-45页 |
3 排队论及其应用 | 第45-55页 |
3.1 系统模型和性能指标 | 第45-46页 |
3.2 经典排队论 | 第46-53页 |
3.3 肯达尔模型 | 第53-54页 |
3.4 现代排队论 | 第54-55页 |
4 自相似通信量研究 | 第55-67页 |
4.1 自相似的通信量 | 第55页 |
4.2 自相似随机过程的数学定义 | 第55-59页 |
4.3 自相似模型研究进展 | 第59-63页 |
4.3.1 分数布朗运动模型 | 第60-61页 |
4.3.2 分数自回归整合滑动平均FARIMA | 第61-62页 |
4.3.3 服从Pareto分布的0N-OFF模型 | 第62-63页 |
4.3.4 其它 | 第63页 |
4.4 自相似性对排队性能的影响 | 第63-65页 |
4.5 自相似性参数 H的估计 | 第65-67页 |
5 基于混沌时间序列分析的预测 | 第67-79页 |
5.1 混沌现象及其应用 | 第67-69页 |
5.1.1 混沌吸引子 | 第67-68页 |
5.1.2 混沌的定义及其特征量 | 第68-69页 |
5.1.3 混沌的应用 | 第69页 |
5.2 混沌时间序列分析及应用 | 第69-70页 |
5.3 基子最大Lyapunov指数的预测方法 | 第70-77页 |
5.3.1 相空间重构 | 第71-73页 |
5.3.2 Lyapunov指数特性及其数值计算 | 第73-76页 |
5.3.3 预测模式 | 第76页 |
5.3.4 多步预测 | 第76-77页 |
5.4 结论 | 第77-79页 |
6 改进的幻影方案在拥塞避免与控制中的应用 | 第79-85页 |
6.1 Phantom方法的原理 | 第79-80页 |
6.2 Phantom算法 | 第80-81页 |
6.3 改进的Phantom算法 | 第81-83页 |
6.4 结论 | 第83-85页 |
7 仿真实验及分析 | 第85-93页 |
7.1 预测模式的仿真实验 | 第85-90页 |
7.2 改进的Phantoln算法的仿真实验 | 第90-93页 |
8 研究总结与展望 | 第93-97页 |
8.1 研究内容总结 | 第93-94页 |
8.2 目前存在的一些问题 | 第94-95页 |
8.3 研究展望 | 第95-97页 |
致谢 | 第97-99页 |
参考文献 | 第99-109页 |
附录1 | 第109页 |
附录2 | 第109-111页 |