分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型研究仿真

陳明

（四川工商職業(yè)技術(shù)學(xué)院信息工程系，四川都江堰611837）

分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型研究仿真

陳明

（四川工商職業(yè)技術(shù)學(xué)院信息工程系，四川都江堰611837）

對(duì)分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型進(jìn)行優(yōu)化，可以提高分布式網(wǎng)絡(luò)中資源調(diào)度和信息傳輸性能。傳統(tǒng)方法采用時(shí)頻耦合尺度分解算法，在大量的冗余數(shù)據(jù)干擾下，降低了數(shù)據(jù)的優(yōu)先級(jí)識(shí)別精度和傳輸性能。建立一種基于自適應(yīng)加權(quán)量化特征分解和冗余數(shù)據(jù)濾除的分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型。首先構(gòu)建分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)男诺澜Y(jié)構(gòu)模型，采用級(jí)聯(lián)濾波算法對(duì)數(shù)據(jù)包中冗余數(shù)據(jù)進(jìn)行濾波預(yù)處理，對(duì)數(shù)據(jù)庫中的信息傳輸流進(jìn)行自適應(yīng)加權(quán)量化特征分解后，通過特征提取實(shí)現(xiàn)優(yōu)先級(jí)的自適應(yīng)識(shí)別，實(shí)現(xiàn)傳輸模型改進(jìn)。仿真實(shí)驗(yàn)結(jié)果表明，采用改進(jìn)模型進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸，數(shù)據(jù)傳輸?shù)耐掏滦阅茌^好，執(zhí)行時(shí)間較短，展示了較好的應(yīng)用性能。

分布式網(wǎng)絡(luò)；數(shù)據(jù)包；優(yōu)先級(jí)傳輸；信道

隨著網(wǎng)絡(luò)技術(shù)發(fā)展，通過分布式網(wǎng)絡(luò)數(shù)據(jù)傳輸和處理技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)信息存儲(chǔ)和信息處理已經(jīng)成為當(dāng)今信息處理的重要技術(shù)手段。分布式網(wǎng)絡(luò)數(shù)據(jù)處理是通過互聯(lián)網(wǎng)的相關(guān)服務(wù)實(shí)現(xiàn)對(duì)虛擬大數(shù)據(jù)資源的動(dòng)態(tài)擴(kuò)展和信息數(shù)據(jù)交互［1-3］。在分布式網(wǎng)絡(luò)系統(tǒng)中，通過云存儲(chǔ)模型進(jìn)行數(shù)據(jù)信息的調(diào)度和傳輸通信，此時(shí)，需要對(duì)數(shù)據(jù)包的傳輸和調(diào)度的優(yōu)先級(jí)進(jìn)行識(shí)別和排列，可以提高數(shù)據(jù)通信的效率，降低計(jì)算開銷。因此，研究分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型具有重要的意義，受到相關(guān)專家學(xué)者的重視［4-6］。

傳統(tǒng)方法對(duì)分布式網(wǎng)絡(luò)數(shù)據(jù)傳輸和優(yōu)先級(jí)調(diào)度主要通過基于循環(huán)堆棧排列的優(yōu)先級(jí)識(shí)別算法、基于支持向量機(jī)分析的優(yōu)先級(jí)傳輸模型和基于模糊推理神經(jīng)網(wǎng)絡(luò)控制的分布式網(wǎng)絡(luò)優(yōu)先級(jí)傳輸模型等［7-10］，通過多徑時(shí)延擴(kuò)展及碼間干擾抑制對(duì)分布式網(wǎng)絡(luò)信道進(jìn)行均衡設(shè)計(jì)，實(shí)現(xiàn)數(shù)據(jù)包的優(yōu)先級(jí)傳輸調(diào)度，但在海量冗余數(shù)據(jù)信息的干擾下，數(shù)據(jù)傳輸?shù)臏?zhǔn)確性和優(yōu)先級(jí)排列的抗干擾性不好，因此，相關(guān)文獻(xiàn)進(jìn)行了算法改進(jìn)設(shè)計(jì)，其中，文獻(xiàn)［11］提出一種基于CMA調(diào)制的分布式網(wǎng)絡(luò)數(shù)據(jù)傳輸信道均衡算法，采用小波基函數(shù)對(duì)分布式網(wǎng)絡(luò)數(shù)據(jù)包的輸入信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，改善了數(shù)據(jù)包傳輸?shù)男阅?，?shí)現(xiàn)優(yōu)先級(jí)傳輸調(diào)度，但該算法計(jì)算開銷大，收斂性能差；文獻(xiàn)［12］提出一種基于非線性失真單周控制分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸信道均衡算法，通過被動(dòng)時(shí)間反轉(zhuǎn)鏡最優(yōu)分集發(fā)射和接收，進(jìn)行數(shù)據(jù)包的優(yōu)先級(jí)傳輸，但該算法進(jìn)行數(shù)據(jù)包優(yōu)先級(jí)傳輸調(diào)度的穩(wěn)定性差［13-15］。

1　分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)男诺澜Y(jié)構(gòu)模型與數(shù)據(jù)預(yù)處理

1.1分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)男诺澜Y(jié)構(gòu)模型

首先構(gòu)建分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸信道模型，進(jìn)行數(shù)據(jù)包信息流的輸入輸出特性分析。分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸信道是一個(gè)擴(kuò)展信道，主要有兩個(gè)主要特征：一是分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸信道為帶寬受限信道，信道的特性隨優(yōu)先級(jí)傳輸調(diào)度的特征改變；二是分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸信道受數(shù)據(jù)包中冗余數(shù)據(jù)干擾的約束，具有多徑傳播及空變特性。通過研究分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸信道的特性，并進(jìn)行實(shí)際的信道測(cè)量，來完成數(shù)據(jù)包的優(yōu)先級(jí)傳輸調(diào)度，提高網(wǎng)絡(luò)數(shù)據(jù)傳輸和通信的穩(wěn)定性和可靠性，具體步驟如下：

在分布式網(wǎng)絡(luò)數(shù)據(jù)包通信傳輸環(huán)境下，假設(shè)vm，m∈［1，n］代表第m個(gè)多徑輸入向量集合的所需要的優(yōu)先級(jí)傳輸堆棧，當(dāng)分布式網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)送一個(gè)信道較窄的通信信號(hào)時(shí)，利用分布式網(wǎng)絡(luò)中信息傳輸資源優(yōu)先級(jí)傳輸集合G（其元素為gωm，ω?｛G，T，W，L｝，m∈［1，n］）表示請(qǐng)求數(shù)據(jù)傳輸?shù)奶卣餍畔⒘鳎ㄟ^循環(huán)堆?？刂?，提交相應(yīng)的資源信息數(shù)據(jù)傳輸任務(wù)，利用公式（1）描述分布式網(wǎng)絡(luò)中數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)馁Y源信息流實(shí)體元素：

在上述分布式網(wǎng)絡(luò)中數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)馁Y源信息流實(shí)體元素基礎(chǔ)上，利用公式（2）建立分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸系統(tǒng)的信號(hào)接收模型：

其中，si（t）為資源信息數(shù)據(jù)包傳輸節(jié)點(diǎn)中的多徑輸入分量，nm（t）代表數(shù)據(jù)包調(diào)度的第個(gè)相位偏轉(zhuǎn)信息。通過信號(hào)接收模型對(duì)傳輸信號(hào)的信息流進(jìn)行特征空間重構(gòu)和分層均衡調(diào)度，假設(shè)xm（t）為數(shù)據(jù)池中傳輸陣元m接收的多普勒頻移，利用公式（3）建立分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)男诺罌_擊響應(yīng)表達(dá)式：

其中，x=（x1，x2，…，xn）為分布式網(wǎng)絡(luò)中數(shù)據(jù)包中信息調(diào)度過程中的干擾數(shù)據(jù)集合。在信道沖擊響應(yīng)過程中，假設(shè)rj代表資源信息數(shù)據(jù)包調(diào)度的特征矢量集合ni的種類，依據(jù)資源信息數(shù)據(jù)包流的優(yōu)先級(jí)屬性，利用公式（4）計(jì)算資源信息數(shù)據(jù)包優(yōu)先級(jí)傳輸識(shí)別的傳輸損失：

新型政黨制度理論創(chuàng)新基本維度——基于民主政治的比較研究……………………………………………………… 董亞煒（6·12）

其中，α表示數(shù)據(jù)包執(zhí)行信息傳輸中的負(fù)載，為資源調(diào)度的初始時(shí)間延遲，將資源信息數(shù)據(jù)包優(yōu)先級(jí)傳輸識(shí)別的傳輸損失與信號(hào)接收模型融合，建立分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)男诺澜Y(jié)構(gòu)模型如圖1所示。

圖1　分布式網(wǎng)絡(luò)下數(shù)據(jù)包傳輸?shù)男诺纻鬏斀Y(jié)構(gòu)模型

1.2數(shù)據(jù)包傳輸信息流模型構(gòu)建和冗余數(shù)據(jù)濾波預(yù)處理

在1.1建立的信道傳輸結(jié)構(gòu)模型的基礎(chǔ)上，建立數(shù)據(jù)包傳輸信息流模型，首先利用公式（5）描述給定數(shù)據(jù)包傳輸?shù)挠邢迶?shù)據(jù)集：

通過有限數(shù)據(jù)集中的傳遞隨機(jī)碼簇頭節(jié)點(diǎn)獲取資源信息數(shù)據(jù)包的包絡(luò)特征：

其中，a（t）和θ（t）分別為資源信息數(shù)據(jù)包的包絡(luò)幅值和時(shí)頻信息，為了適應(yīng)數(shù)據(jù)包調(diào)度中優(yōu)先級(jí)傳輸系統(tǒng)的多客戶偏好，根據(jù)不同數(shù)據(jù)包的包絡(luò)特征，將資源數(shù)據(jù)集合劃分為n個(gè)子集樣本，其中高頻參量系數(shù)為xi，i=1，2，L，n，利用公式（7）獲取分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)任務(wù)回調(diào)的特征矢量：

其中，σjk表示資源信息數(shù)據(jù)包信息的IMF分量，wjk表示數(shù)據(jù)傳輸節(jié)點(diǎn)m發(fā)送優(yōu)先級(jí)傳輸任務(wù)的向量加權(quán)系數(shù)，Mh為資源信息流的特征矢量重組特加權(quán)系數(shù)，將上述參數(shù)進(jìn)行整合，利用公式（8）建立數(shù)據(jù)包傳輸信息流模型：

對(duì)數(shù)據(jù)包傳輸信息流模型進(jìn)行分析發(fā)現(xiàn)，在分布式網(wǎng)絡(luò)數(shù)據(jù)包自適應(yīng)優(yōu)先級(jí)傳輸和資源整合中，受到冗余數(shù)據(jù)的干擾，需要進(jìn)行冗余數(shù)據(jù)濾波，以保證數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)钠椒€(wěn)性，提高資源信息數(shù)據(jù)包信息特征融合處理能力和數(shù)據(jù)包優(yōu)先級(jí)傳輸過程中的抗干擾能力。

本文采用自適應(yīng)級(jí)聯(lián)濾波方法進(jìn)行冗余數(shù)據(jù)干擾抑制［16］，首先利用公式（10）獲取數(shù)據(jù)包信息流在不同的路徑中傳輸時(shí)輸入輸出的迭代公式：

其中：

在跨平臺(tái)分布式網(wǎng)絡(luò)環(huán)境下，通信協(xié)議存在很大的差別，導(dǎo)致數(shù)據(jù)傳輸具有多重分布屬性，在進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸檢測(cè)，利用路徑中傳輸時(shí)數(shù)據(jù)包之間的迭代關(guān)系，利用公式（11）建立分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)膯畏至啃盘?hào)模型：

其中，s為分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)膯畏至恐黝l特征，s=（c-v）/（c+v）。

利用單分量信號(hào)模型中的自適應(yīng)IIR濾波器進(jìn)行冗余數(shù)據(jù)濾波，對(duì)冗余數(shù)據(jù)分量與噪聲進(jìn)行過濾：

2　自適應(yīng)加權(quán)量化特征分解與優(yōu)先級(jí)傳輸方法改進(jìn)實(shí)現(xiàn)

2.1自適應(yīng)加權(quán)量化特征分解及問題描述

通過對(duì)冗余數(shù)據(jù)濾波提高了數(shù)據(jù)包傳輸中優(yōu)先級(jí)識(shí)別的抗干擾能力，在此基礎(chǔ)上進(jìn)行特征分解和優(yōu)先級(jí)傳輸模型改進(jìn)設(shè)計(jì)。本文建立了基于自適應(yīng)加權(quán)量化特征分解和冗余數(shù)據(jù)濾除的分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型，對(duì)數(shù)據(jù)庫中的信息傳輸流進(jìn)行自適應(yīng)加權(quán)量化特征分解，通過特征提取實(shí)現(xiàn)優(yōu)先級(jí)的自適應(yīng)識(shí)別，實(shí)現(xiàn)傳輸模型改進(jìn)，具體步驟如下：

在分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸中，對(duì)傳輸?shù)拇a間干擾進(jìn)行雙線性變換，利用公式（14）描述分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸量化特征提取的結(jié)果：

其中，Φk為接收端被擴(kuò)展瞬時(shí)頻率，ζ（n）為兩個(gè)時(shí)間點(diǎn)間進(jìn)行數(shù)據(jù)傳輸?shù)淖V寬度，pk為尺度參數(shù)。對(duì)提取的不同數(shù)據(jù)包優(yōu)先級(jí)傳輸量化特征，分別進(jìn)行自適應(yīng)均衡處理，利用公式（15）獲取分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸高維特征矢量：

其中，bk為數(shù)據(jù)傳輸?shù)陌j(luò)向量幅值，φ為線性相關(guān)特征矢量，m為期望的響應(yīng)，ck為量化特征系數(shù)。利用公式（16）對(duì)上述高維特征矢量進(jìn)行自適應(yīng)加權(quán)量化特征分解：

其中，rect=1。|t|≤1/2。進(jìn)一步分析輸入數(shù)據(jù)xn和期望響應(yīng)dn的二階統(tǒng)計(jì)特性，在自適應(yīng)加權(quán)量化特征分解下，利用公式（17）計(jì)算分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)調(diào)度的量化特征的統(tǒng)計(jì)平均值：

其中，K=Tfmaxfmin/B，t0=f0T/B，f0為修正后的權(quán)向量，fmin，fmax分別為最低和最高頻率。通過上述處理，實(shí)現(xiàn)優(yōu)先級(jí)傳輸數(shù)據(jù)信息流的自適應(yīng)加權(quán)量化特征分解，為進(jìn)行優(yōu)先級(jí)傳輸模型優(yōu)化設(shè)計(jì)提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。

2.2優(yōu)先級(jí)傳輸?shù)母倪M(jìn)實(shí)現(xiàn)

在優(yōu)先級(jí)傳輸數(shù)據(jù)信息流的自適應(yīng)加權(quán)量化特征分解后，將輸入的自適應(yīng)加權(quán)量化特征分解分布在信道沖激響應(yīng)RMDMMA_i（i=1，L，N）為的星座圖圓中，利用公式（18）（19）描述數(shù)據(jù)包優(yōu)先級(jí)傳輸?shù)男诺谰饪刂品匠?，?duì)多源分布式網(wǎng)絡(luò)數(shù)據(jù)包調(diào)度和空間傳輸增益進(jìn)行優(yōu)化，提高資源信息數(shù)據(jù)包調(diào)度過程的聚焦性能，實(shí)現(xiàn)傳輸信道均衡控制：

其中：

通過迭代系統(tǒng)函數(shù)，構(gòu)建滑動(dòng)時(shí)間窗口矢量，融合直接序列擴(kuò)頻算法，利用公式（22）構(gòu)造優(yōu)先級(jí)識(shí)別的判決誤差函數(shù)：

其中，sgn（·）表示符號(hào)函數(shù)。

將公式（22）判決誤差函數(shù)引入傳統(tǒng)的數(shù)據(jù)包傳輸模型：

對(duì)數(shù)據(jù)包傳輸模型中的誤差函數(shù)求極限，使得誤差收斂到零，即實(shí)現(xiàn)優(yōu)先級(jí)傳輸?shù)母倪M(jìn)。

3　仿真實(shí)驗(yàn)與結(jié)果分析

為了測(cè)試本文算法在實(shí)現(xiàn)分布式網(wǎng)絡(luò)下資源信息數(shù)據(jù)包傳輸和優(yōu)先調(diào)度中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)。驗(yàn)的計(jì)算機(jī)硬件配置參數(shù)為：仿真實(shí)驗(yàn)的硬件環(huán)境為Intel Core2 Duo1. 80GHz，1 G內(nèi)存，主頻為DDR2 667，仿真實(shí)驗(yàn)采用NS-2.27和NS軟件進(jìn)行分布式網(wǎng)絡(luò)環(huán)境模擬。分布式網(wǎng)絡(luò)資源信息數(shù)據(jù)包調(diào)度信息流采樣采用BPSK調(diào)制，模擬100個(gè)實(shí)時(shí)資源信息數(shù)據(jù)包調(diào)度任務(wù)，數(shù)據(jù)包的最大容量為1 024 TB，數(shù)據(jù)包優(yōu)先級(jí)傳輸調(diào)度的時(shí)隙分配的幅值取為A1=A2=A3=1，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)計(jì)，進(jìn)行分布式網(wǎng)絡(luò)信息數(shù)據(jù)包調(diào)度仿真，進(jìn)行分布式網(wǎng)絡(luò)信息數(shù)據(jù)包優(yōu)先級(jí)傳輸調(diào)度仿真，首先進(jìn)行數(shù)據(jù)信息采樣，采用對(duì)分布式網(wǎng)絡(luò)中實(shí)時(shí)資源信息數(shù)據(jù)包采集方法，得到數(shù)據(jù)采集的時(shí)域波形如圖2所示。

圖2　分布式網(wǎng)絡(luò)數(shù)據(jù)包傳輸?shù)男畔⒘鞑蓸訒r(shí)域波形

以上述分布式網(wǎng)絡(luò)數(shù)據(jù)包信息采樣結(jié)果為研究對(duì)象，進(jìn)行優(yōu)先級(jí)識(shí)別和傳輸，構(gòu)建分布式網(wǎng)絡(luò)數(shù)據(jù)包傳輸?shù)男诺滥Ｐ停瑢?duì)數(shù)據(jù)包中的數(shù)據(jù)進(jìn)行冗余信息濾波，得到冗余數(shù)據(jù)濾波前后的分布式網(wǎng)絡(luò)數(shù)據(jù)包傳輸?shù)膬?yōu)先級(jí)排列星座圖如圖3所示。

分析圖3可知，采用本文算法，對(duì)數(shù)據(jù)庫中的信息傳輸流進(jìn)行自適應(yīng)加權(quán)量化特征分解，通過特征提取實(shí)現(xiàn)優(yōu)先級(jí)的自適應(yīng)識(shí)別，實(shí)現(xiàn)分布式網(wǎng)絡(luò)數(shù)據(jù)包傳輸?shù)膬?yōu)先級(jí)排列優(yōu)化，以此提高數(shù)據(jù)傳輸?shù)耐掏滦阅?。為了定量分析算法性能，采用本文算法和傳統(tǒng)算法，以數(shù)據(jù)傳輸?shù)耐掏滦阅芎蛨?zhí)行時(shí)間為測(cè)試指標(biāo)，采用10000次蒙特卡洛實(shí)驗(yàn)，得到吞吐性能對(duì)比仿真結(jié)果如圖4。

分析圖4可知，采用本文模型進(jìn)行分布式網(wǎng)絡(luò)的數(shù)據(jù)包優(yōu)先級(jí)傳輸，提高了數(shù)據(jù)傳輸?shù)耐掏滦阅?。通過執(zhí)行時(shí)間統(tǒng)計(jì)，采用本文算法，執(zhí)行時(shí)間比傳統(tǒng)方法降低了29.67%，展示了本文模型通過對(duì)數(shù)據(jù)包優(yōu)先級(jí)識(shí)別和排序，提高了數(shù)據(jù)傳輸?shù)男阅堋?/p>

圖3　冗余數(shù)據(jù)濾波前后的分布式網(wǎng)絡(luò)數(shù)據(jù)包傳輸?shù)膬?yōu)先級(jí)排列星座圖

圖4　吞吐性能對(duì)比

4　結(jié)束語

建立一種基于自適應(yīng)加權(quán)量化特征分解和冗余數(shù)據(jù)濾除的分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸模型。并通過仿真實(shí)驗(yàn)結(jié)果表明，采用改進(jìn)模型進(jìn)行分布式網(wǎng)絡(luò)數(shù)據(jù)包優(yōu)先級(jí)傳輸，數(shù)據(jù)傳輸?shù)耐掏滦阅茌^好，執(zhí)行時(shí)間較短，展示了較好的應(yīng)用性能。

［1］邸珩燁.基于多徑碼間干擾濾波的短波通信優(yōu)化［J］.物聯(lián)網(wǎng)技術(shù)，2015，5（10）:47-48，52.

［2］劉艷峰，魏兵，任新成.近場(chǎng)通信天線場(chǎng)分布特性仿真［J］.電子測(cè)量技術(shù)，2015，38（8）:132-134.

［3］陳震華，許肖梅，陳友淦，等.淺海水聲信道中原模圖LDPC碼的設(shè)計(jì)及性能分析［J］.電子與信息學(xué)報(bào)，2016，38（1）:153-159.

［4］GENG Zhe，DENG Hai，HIMED B.Adaptive radar beamforming for interference mitigation in radar-wireless spectrum sharing［J］.IEEE Signal Processing Letters，2015，22（4）: 484-488.

［5］YANG Yunchuan，SUN Cong，ZHAO Hui，et al.Algorithms for secrecy guarantee with null space beamforming in twoway relay networks［J］.IEEE Transactions on Signal Processing，2014，62（8）:2111-2126.

［6］梁國龍，韓博，范展.近場(chǎng)自適應(yīng)波束形成的零陷展寬方法［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2013，41（8）:34-39.

［7］陳友淦，許肖梅，張?zhí)m，等.淺海水聲信道模型差異對(duì)糾錯(cuò)碼性能分析的影響［J］.兵工學(xué)報(bào)，2013，34（11）:1404-1411.

［8］崔永君，張永花.基于特征尺度均衡的Linux系統(tǒng)雙閾值任務(wù)調(diào)度算法［J］.計(jì)算機(jī)科學(xué)，2015，42（6）:181-184.

［9］魏利峰，紀(jì)建偉，王曉斌.云環(huán)境中web信息抓取技術(shù)的研究及應(yīng)用［J］.電子設(shè)計(jì)工程，2016，（4）:29-31.

［10］何后裕，何華琴，李小雙.分布式光伏接入對(duì)配電網(wǎng)網(wǎng)絡(luò)損耗的影響分析［J］.現(xiàn)代電子技術(shù)，2014，37（6）:158-162.

［11］孫欣堯，王雪，吳江偉，等.分布式協(xié)同網(wǎng)絡(luò)用電負(fù)荷分層加權(quán)概率預(yù)測(cè)方法［J］.儀器儀表學(xué)報(bào)，2014，35（2）:241-246.

［12］王晶，孫宏斌，陳潤澤，等.變電站—調(diào)度中心兩級(jí)分布式網(wǎng)絡(luò)建模［J］.電力系統(tǒng)自動(dòng)化，2014，38（9）:107-113，151.

［13］師超，仇洪冰，陳東華，等.一種簡(jiǎn)單的分布式無線傳感器網(wǎng)絡(luò)時(shí)間同步方案［J］.西安電子科技大學(xué)學(xué)報(bào)，2013，40（1）:93-99+147.

［14］安金鑫，王軍，孫章，等.基于分布式網(wǎng)絡(luò)的并行多通道數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)［J］.電測(cè)與儀表，2013，50（6）:109-114.

［15］鄭毅，李少遠(yuǎn).網(wǎng)絡(luò)信息模式下分布式系統(tǒng)協(xié)調(diào)預(yù)測(cè)控制［J］.自動(dòng)化學(xué)報(bào)，2013，39（11）:1778-1786.

［16］黃震華，張波.一種分布式網(wǎng)絡(luò)中輪廓推薦的有效方法［J］.電子與信息學(xué)報(bào)，2015，37（5）:1214-1219.

Simulation of distributed network packet priority transport model

CHEN Ming
（Department of Information Engineering Sichuan Technology and Business College Sichuan Province，Dujiangyan 611837，China）

Optimize the transmission model of distributed network packet priority，can improve the resource scheduling in distributed network and information transmission performance.The traditional method using time and frequency coupling scale decomposition algorithm，under a lot of redundant data interference，reduce the priority identification precision of the data and the transmission performance.Establish a based on adaptive weighted quantitative feature decomposition and redundant data transmission model of distributed network packet filtering priority.First build distributed network packets priority transmission channel structure model，using cascade filtering algorithm for redundant data in the packet filtering pre-processing，transmit information to the database after the flow characteristics of adaptive weighted quantitative decomposition，through feature extraction to realize adaptive priority recognition，realization of transmission model is improved.The simulation results show that the improved model for distributed network packet transmission priority，data transmission throughput performance is good，the execution time is shorter，shows a good application performance.

distributed network；data packet；priority transfer；channel

TP393

A

1674－6236（2016）12-0005-04

2016-03-18稿件編號(hào)：201603233

國家自然科學(xué)基金（65485695）

陳明（1981—），男，四川成都人，碩士研究生，講師。研究方向：計(jì)算機(jī)網(wǎng)絡(luò)。