| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题的研究背景 | 第11-12页 |
| 1.2 课题的研究意义 | 第12-13页 |
| 1.3 国内外的研究现状 | 第13-14页 |
| 1.4 本论文内容及结构安排 | 第14-16页 |
| 第2章 高级在轨系统（AOS）综述 | 第16-34页 |
| 2.1 AOS的特点 | 第16-17页 |
| 2.2 AOS的业务 | 第17-19页 |
| 2.3 AOS的数据单元格式 | 第19-23页 |
| 2.4 AOS虚拟信道复用技术 | 第23-27页 |
| 2.4.1 虚拟信道复用方式 | 第24-26页 |
| 2.4.2 填充数据 | 第26-27页 |
| 2.5 帧生成算法 | 第27-30页 |
| 2.5.1 等时帧生成算法 | 第27-29页 |
| 2.5.2 高效率帧生成算法 | 第29页 |
| 2.5.3 自适应帧生成算法描述 | 第29-30页 |
| 2.6 虚拟信道调度算法 | 第30-32页 |
| 2.6.1 经典的虚拟信道调度算法 | 第31-32页 |
| 2.6.2 基于帧紧迫度的边界可移动的虚拟信道调度算法 | 第32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 网络流量的自相似性及自相似流量预测 | 第34-50页 |
| 3.1 自相似特性 | 第35-39页 |
| 3.1.1 自相似的定义 | 第35-36页 |
| 3.1.2 自相似过程的性质 | 第36-39页 |
| 3.2 自相似业务流量模型 | 第39-45页 |
| 3.2.1 泊松流量模型 | 第39-40页 |
| 3.2.2 ON/OFF模型 | 第40-42页 |
| 3.2.3 分形布朗运动模型 | 第42-45页 |
| 3.3 自相似流量预测的实现 | 第45-49页 |
| 3.3.1 自相似流量预测的方法 | 第46页 |
| 3.3.2 分形预测模型 | 第46-47页 |
| 3.3.3 统计预测模型 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于自相似流量预测的队列管理算法研究 | 第50-70页 |
| 4.1 RED算法 | 第50-53页 |
| 4.1.1 算法描述 | 第50-53页 |
| 4.1.2 算法的优缺点 | 第53页 |
| 4.2 自适应RED | 第53-54页 |
| 4.2.1 算法描述 | 第53-54页 |
| 4.2.2 算法的优缺点 | 第54页 |
| 4.3 基于自相似流量预测的ARED算法 | 第54-57页 |
| 4.3.1 算法基本思想 | 第54页 |
| 4.3.2 算法具体描述 | 第54-56页 |
| 4.3.3 算法的优点 | 第56-57页 |
| 4.4 队列管理与虚拟信道复用联合优化研究 | 第57-69页 |
| 4.4.1 队列管理与虚拟信道调度系统模型 | 第57-58页 |
| 4.4.2 队列管理与虚拟信道调度连接 | 第58-59页 |
| 4.4.3 仿真模型的建立 | 第59-60页 |
| 4.4.4 仿真结果分析 | 第60-69页 |
| 4.5 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |