无线通信网络中拥塞控制使用模糊逻辑和机器学习技术

Abhishak Sawhney¹,Ritu Bhatia²,Payal Mahajan³

M。理工大学的学生,ECE的部门,导师Vyas以及工程学院,亚穆纳河Nagar、哈里亚纳邦,印度¹
ECE学系助理教授,导师Vyas以及工程学院,亚穆纳河Nagar、哈里亚纳邦,印度²
M。科技、ECE的部门,大师Nanak Dev大学阿姆利则,印度旁遮普³

文摘

现在无线网络是最流行的交流方式。例如,互联网服务公司、咖啡馆、电子市场和在家里。因此,必须防止恶意的用户试图损害隐私,真诚和隐私。也有需要的流量通过这些无线网络发送控制信息。在这个研究论文,对无线网络的拥塞控制技术显示,实现模糊逻辑使用和机器学习工具。有些参数需要考虑拥塞控制决策机制是:传输能量,队列大小、距离接收机、传输速度、成本分配。在评估这些参数使用模糊逻辑,期望输出值可以确定拥塞控制和效率评估使用机器学习工具。

关键字

无线网络拥塞,模糊逻辑,机器学习工具。

介绍

)介绍无线网络

无线覆盖网络——room-sizeand广域数据网络的层次结构,解决的难度为大量移动用户提供网络连接在anproficient和可伸缩的方法[1]。无线通信技术的扩张,各种无线网络设置。多样化的网络将主导succeedinggeneration无线网络[2]。无线网络的典型例子是WLAN和3 g无线局域网。吸收这些异构网络的一个重要问题是,实现移动节点移动时跨异构网络和连续性,低延迟网络之间基于不同技术和最小丢包[3]。无线网络的一个典型的例子是图1所示:

在无线网络拥塞控制是这个世界上最重要的问题。现代通信、计算机网络和有线和无线通信包括互联网,正被用于快速传输大量的数据,对拥塞控制是非常重要的。没有适当的拥塞控制机制等网络的拥塞崩溃将变得极其复杂,是一个真正的可能性[9]。为流媒体流量在网络拥塞控制是一个挑战由于交通的敏感性。这一挑战激发了研究者在过去十年增长的整体交通拥塞控制协议和机制并提供公平的维修单播和多播通信[4]

b)。介绍工具使用

1。模糊逻辑:模糊逻辑(FL)是一种多值逻辑在网络和补贴使用网络的发展效率。FL契约与推理是不准确的,而不是固定和精确。LotfiZadeh教授介绍了FL的概念在1960年代中期。[5],[6]和[7]。模糊逻辑引入了许多方法来代替,推导不确定或不完整的知识。模糊概念不能证明了一组简单包含操作符∈,但有一定程度的会员。换句话说,当布尔逻辑刚刚两个值,真正的(总是提出了数字1)或是的,和假(总是呈现数值0),或没有,模糊逻辑扩展这两个值的值在0和1之间使用隶属度的概念[10]。模糊逻辑利用模糊推理工具如图2所示。

2。Weka工具:Weka工具,[8]已被用于训练和测试的ML算法。这个工具是一个收集的大量的ML算法,其中五个主要用于ML算法已经从事这项研究工作和这些ML算法的性能比较的基础上,不同的参数。Weka(怀卡托环境知识分析)是一个流行的机器学习套件软件用Java编写的,新西兰怀卡托大学的发展,。Weka GNU通用公共许可证下自由软件可用,如图3所示。

建议的方法

在本研究工作中,手动创建数据集2084值使用模糊逻辑。使用模糊工具如图4所示。

在上面的图中,五个作为输入参数:传输能量,队列大小、距离接收机、传输速度、成本分配和拥塞控制输出。使用模糊逻辑规则集的400值创建如图5所示:

规则查看器如图6所示:根据规则查看器显示了各种规则参数及其对产量的影响。

面查看器显示参数选择之间的自相关,如图7所示。

一些值检查这些规则的验证使用Matlab命令(readfis和evalfis)如表1所示:

给出了各种输入参数的隶属函数如下:

1。传输能量:这种能量很容易用来传输数据包在网络的无线连接。观察的主要关键是所需要的能量传输数据包可以显著减少,这个参数是降低传输功率和传输数据包在更长一段时间。“传输能量”代表所需要的能量传输一个数据包从节点到另一个节点。低价值的传播能量会导致降低拥堵。

2。数据传输速率:当收发站已经被一个电话相互联系,执行训练序列的调制解调器,同样,一个测试信号传输序列影响交货前建立一个数据传输速率的信息。培训的传输速率调制解调器可以使用执行满足预定的协议,不增加协议的时间。数据传输速度应快,交货目的地的数据包将被接收。快速数据传输速率分配环节降低成本。

3所示。发射机和接收机之间的距离:模糊输入变量发射机和接收机之间的距离,使选择的航线最低啤酒花。因此节点靠近网关分配环节成本低。最小数量的啤酒花提供一个有效的方式来传输数据包的目的地,也降低了传感器网络的复杂性。

4所示。队列大小:输入模糊变量“队列大小”表示在任何节点缓冲区容量。这个参数有助于避免丢包情况由于拥塞的接收器。交通拥堵导致大麻烦在接收机端数据包的有效传播网络。此队列的数据包大小应该小,这样也会减少等待时间来执行。

5。成本分配给每条路径:每个传感器节点被分配一个动态重量取决于它的当前状态。在活动节点,传感和传送都不是指定的最高价值,而一个节点执行这两个任务被分配一个权值最小。这个参数有助于选择节点不活跃或只是在感应状态。因此,一个高价值的重量使得节点有利于跳,导致较低的环节成本的价值。

输出:输出是拥塞控制和采取的隶属函数:是的,可能也没有。

5使用机器学习工具例如反向传播,径向基函数,C4.5决策树,朴素贝叶斯、Bayesnet。Weka工具是用于发现这些工具的分类精度和训练时间找到最好的。在2084条规则,1784年用于训练数据和300年用于测试数据。

b)图表显示五个神经之间的比较工具

使用训练和测试数据,图表显示的训练时间和分类精度比较工具。

图:图的训练时间和分类准确性的神经工具

结论

拥塞控制的主要问题是无线数据传输。为了遏制这一问题,一项新技术已被证明本文使用模糊逻辑以及机器学习工具。这些神经的比较工具,它可以观察到,C4.5显示出更好的结果在所有的五个工具即由C4.5分类准确率为99%,最大在所有在使用C4.5的训练时间是0.06秒。

表乍一看


表1	表2

数据乍一看


图1	图2	图3	图4	图5

图6	图7	图8	图9	图10

图11	图12	图13	图14

引用

马克莱和兰迪·h·卡茨垂直传递无线覆盖网络,移动网络和应用3335 - 350年,1998年。
Manoj沙玛,上面博士Khola”,基于模糊逻辑的handoverdecision系统”,特设国际期刊,传感器和无处不在的计算(IJASUC) 3、4号,2012年8月。
阿里•穆尔塔扎Mansoor艾哈迈德,“决策算法和程序之间的快速切换3 g和WLAN”,硕士论文,计算机网络工程,计算机和电子工程、信息科学学院哈尔姆斯塔德大学
CagataySonmez、OzlemDurmazIncel Sinan Isik,穆罕默德YunusDonmez CemErsoy,“Fuzzy-based wirelessmultimedia传感器网络的拥塞控制”,桑麦资et al . EURASIP杂志在2014年无线通信和网络。
洛杉矶德,“模糊集”,信息和控制,8卷,问题。3,pp.338 - 353, 1965。
洛杉矶德,“模糊算法”,信息和控制,12卷,问题。2、94 - 102年,1968页。
洛杉矶陈守煜,轮廓的一种新方法分析复杂系统和DecisionProcesses, IEEE事务系统上,男人,控制论,3卷,问题。1,1973。
Remco r . Bouckaert“贝叶斯网络分类器在Weka”9月1日,2004年。
Misra, M Reisslein G雪,在wirelesssensor网络多媒体流的调查。IEEE Commun。测量员教程。10 (4),18-39 (2008)。
赖尔登Indranil Gupta丹尼斯SrinivasSampalli”,簇首选举为无线传感器网络使用模糊逻辑”,第三届通信网络和服务的程序研究IEEE会议(CNSR ' 05)。