| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 网络调度策略的研究背景及意义 | 第10-11页 |
| 1.2 网络调度的基本问题 | 第11-14页 |
| 1.2.1 网络诱导时延 | 第11-12页 |
| 1.2.2 数据包丢失 | 第12-13页 |
| 1.2.3 数据包时序错乱 | 第13页 |
| 1.2.4 节点的驱动方式 | 第13页 |
| 1.2.5 可调度性分析及调度优化 | 第13-14页 |
| 1.3 采样周期的相关问题 | 第14-16页 |
| 1.3.1 常数采样周期 | 第14-15页 |
| 1.3.2 变采样周期 | 第15-16页 |
| 1.3.3 多速率采样 | 第16页 |
| 1.4 采样周期调度的研究现状 | 第16-18页 |
| 1.5 本文主要研究任务 | 第18-19页 |
| 第二章 灰色神经网络组合预测原理及其应用 | 第19-29页 |
| 2.1 组合预测方法概述 | 第19页 |
| 2.1.1 预测的概念 | 第19页 |
| 2.1.2 组合预测方法 | 第19页 |
| 2.2 灰色系统理论 | 第19-24页 |
| 2.2.1 传统灰色预测模型 | 第20-21页 |
| 2.2.2 改进的GM(1,1)预测模型 | 第21-23页 |
| 2.2.3 灰色预测模型的检验 | 第23-24页 |
| 2.3 神经网络理论 | 第24-26页 |
| 2.3.1 BP神经网络结构模型 | 第24-26页 |
| 2.3.2 RBF神经网络结构模型 | 第26页 |
| 2.4 灰色神经网络组合模型及其应用 | 第26-28页 |
| 2.4.1 灰色神经网络组合预测模型 | 第27-28页 |
| 2.4.2 灰色神经网络组合预测方法的应用 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于灰色神经网络预测的变采样周期调度算法 | 第29-44页 |
| 3.1 引言 | 第29-30页 |
| 3.2 多回路变采样周期调度构架 | 第30-31页 |
| 3.2.1 系统框架 | 第30页 |
| 3.2.2 模块功能介绍 | 第30-31页 |
| 3.3 变采样周期调度算法的实现 | 第31-38页 |
| 3.3.1 采样周期对系统的影响 | 第31-32页 |
| 3.3.2 灰色神经网络组合预测带宽 | 第32-36页 |
| 3.3.3 采样周期调节算法 | 第36-38页 |
| 3.4 仿真示例 | 第38-42页 |
| 3.4.1 仿真模型 | 第39页 |
| 3.4.2 仿真结果 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于参数修正灰色模型的时延估计及变采样周期调度算法 | 第44-55页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于参数修正灰色模型的时延估计 | 第45-48页 |
| 4.2.1 问题描述 | 第45页 |
| 4.2.2 基于参数修正灰色模型的时延估计 | 第45-47页 |
| 4.2.3 时延预测算法的实现 | 第47-48页 |
| 4.3 具有随机时延的灰色神经网络预测的变采样周期调度 | 第48-49页 |
| 4.3.1 具有随机时延的GNN组合预测带宽模型 | 第48-49页 |
| 4.3.2 具有随机时延的GNN预测的变采样周期调度算法 | 第49页 |
| 4.4 仿真分析 | 第49-54页 |
| 4.4.1 仿真模型 | 第49-50页 |
| 4.4.2 仿真结果 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
