簡易檢索 / 詳目顯示

回結果列表
研究生： 潘柏廷
Pan, Bo-Ting
論文名稱： 適用於家庭網路之低運算量QoS系統
QoS System with Low Computational Complexity for Home Network
指導教授： 黃文吉
學位類別： 碩士
Master
系所名稱： 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年： 2018
畢業學年度： 106
語文別： 中文
論文頁數： 46
中文關鍵詞： 家庭網路
DOI URL： http://doi.org/10.6345/THE.NTNU.DCSIE.036.2018.B02
論文種類： 學術論文
相關次數： 點閱：82  下載：1 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 由於隨著IoT興起，各式各樣的設備都有網路功能，家庭網路之轉傳設備(如:網路交換機)的工作越來越繁雜，雖然IEEE與ITU制定了IEEE 1905與ITU-T G.hn，整合了各種網路技術達成混和式網路環境，但家庭網路的頻寬往往無法滿足所有的設備，所以本論文希望研究出一套適合家庭網路之低運算QoS系統，將家庭網路的頻寬利用率達到最佳的效果。
    本論文QoS管理演算法，利用GRNN預測每個設備所需要的頻寬配置，GRNN預測頻寬配置是基於一個Profile，此Proflie記載了過去的頻寬配置，本論文並提出了Profile置換演算法，使得我們Profile維持固定的容量大小，可以更快的給予該設備頻寬配置。
    最後實際透過區域網路來實驗本論文之演算法，並在實驗結果證明了本演算法可以提供可靠且低運算量的QoS管理。

    中文摘要 I 致謝 II 目錄 III 圖目錄 IV 表目錄 V 演算法目錄 V 第一章 緒論 1 第一節 研究背景 1 第二節 研究目的 4 第二章 基礎理論及技術背景 5 第一節 類神經網路介紹 5 第二節 General regression neural network 8 第三節 SDN與OpenFlow協定 12 第三章 系統架構 15 第一節 異質家庭網路拓樸分析 15 第二節 頻寬配置 16 第三節 L-層量化法則 18 第四節 服務回饋級別(Service Response Level )以及QoS等級(QoS level) 19 第五節 系統流程 20 第七節 Search Space 21 第八節 GRNN預測Service Response 21 第九節 依據QoS Level給予頻寬分配 23 第十節 本論文提出的QoS預測頻寬分配演算法 24 第四章 實驗結果與數據 28 第一節 實驗環境 28 第二節 實驗結果 33 第五章 結論 45 參考資料 46

    [1] C. Cano, A. Pittolo, D. Malone, L. Lampe, A. M. Tonello, and A. G. Dabak, ”State of the Art in Power Line Communications: From the Applications to the Medium,” IEEE J. Selected Areas in Comm., vol. 34, pp.1935-1952, 2016...
    [2] M. Rahman, C. S. Hong, S. Lee, J. Lee, A. Razzaque and J. H. Kim, ”Medium Access Control for Power Line Communications: An Overview of the IEEE 1901 and ITU-T G.hn Standards,” IEEE Comm. Mag., pp.183-191, 2011.
    [3] M. Marchese, QoS Over Heterogeneous Networks. New York, NY, USA: Wiley, 2007.
    [4] J. Deng, L. Zhang, J. Hu, and D. He, Adaptation of ANN Based Video Stream QoE Prediction Model (LNCS 8879). Zurich, Switzerland: Springer-Verlag, 2014, pp. 313-322.
    [5] M. Alreshoodi, J. Wood, ”QoE Prediction Model Based on Fuzzy Logic System for Different Video Contents,” In Proc. IEEE European Modelling Symp., pp. 635-639, 2013.
    [6] D. F. Specht, ”A general regression neural network,” IEEE Trans. Neural Net., vol.2, pp.568-576, 1991.
    [7] W.-J. Hwang, T.-M. Tai, Y.-J. Jhang, Y.-C. Tung, C.-H. Ho, and S.-Y. Kuo, ”Quality of Service Management for Home Networks Using Online Service Response Prediction,” IEEE Internet of Things Journal, vol. 4, pp.1773-1786, 2017.
    [8] 黃建穎 林盈達 “SDN 網控與網管技術” 國立交通大學資訊工程系September 15, 2014
    [9] OVS: Open vSwitch. Accessed on June 1, 2018. [Online]. Available: http://openvswitch.org/
    [10] iPerf: The ultimate speed test tool for TCP, UDP and SCTP. Accessed on June 1, 2018. [Online]. Available: https://iperf.fr/
    [11] SDNLAB君”SDN私享匯（十一）：OvS 架構介紹及開發實踐” SDNLAB June 22,2017 . [Online]. Available: https://www.sdnlab.com/19448.html
    [12] 畢軍 單業 張紹宇 姚廣 (譯) “SDN 軟體定義網路(原作者:Thomas D.Nadeau & Ken Gray)” May 2015

    下載圖示
    QR CODE