Internet环境下遥操作机器人系统的关键技术研究

摘要

遥操作机器人系统被广泛的运用在各行各业，而基于Internet的遥操作机器人系统由于方便操作、控制等优点被大量采用。文章从Internet的特性出发，认为时延是由网络产生的。不同的网络状态会产生不同的时延，时延是可观测的，而背后产生时延的网络状态是隐含的。首先通过将真实的网络状态作为隐状态，把预处理后的时延区间作为可观测状态，提出网络的隐马尔科夫模型;在计算该隐马尔科夫模型时，由于计算复杂度的问题，首先使用K-Means算法得到合适k后进行迭代，然后文中使用BIC值作为衡量模型优劣的依据，最终根据BIC取值得到最优的隐马尔科夫模型。使用隐马尔科夫模型进行预测的时候，通过计算未来时刻t的最优概率进行迭代从而提出预测算法。网络的隐马尔科夫模型需要首先计算时延的统计特性计算伪周期，由此可以降低计算当前隐状的计算量。 在网络的隐马尔科夫模型基础之上，文中将隐状态看作为产生时延的主题，提出时延的生成模型。时延生成模型是对潜在狄利克雷分布的扩展。生成模型的核心是通过吉布斯采样求解时延生成模型中条件概率，进行参数的求解。网络的隐马尔科夫模型以及时延生成模型的实验结果能够较好地反映时延数据的规律，而且时延的预测结果具有较好的准确度。最后，在NS2环境下修改TCP协议，验证在Internet环境下新算法对时延抖动、链路利用率等关键技术都有所提升。

目录

声明

摘要

第1章 绪论

1．1 问题的提出与研究意义

1．2 国内外研究现状及发展动态分析

1．3 课题研究内容

1．4 论文组织结构

第2章 网络HMM模型

2．1 马尔科夫模型

2．2 隐马尔科夫模型

2．3 伪周期T

2．3．1 求解最佳伪周期是NP完全问题

2．3．2 伪周期T的近似求解算法

2．4 HMM对未来状态的预测

2．4．1 未来状态的1步预测

2．4．2 未来状态的k步预测

2．5 HMM状态数确定

2．5．1 GMM与BIC

2．5．2 GMM成分确定

2．6 网络HMM实验及其结果分析

2．6．1 伪周期T的求解

2．6．2 HMM状态个数的求解

2．6．3 HMM状态预测

2．7 本章小结

第3章 时延生成模型

3．1 引言

3．2 时延生成模型

3．2．1 相关术语

3．2．2 DGM符号解释

3．3 DGM图模型

3．3．1 生成过程

3．3．2 Gibbs Sampling

3．3．3 DGM概率公式的推导

3．4 DGM训练算法

3．5 DGM模型估计

3．5．1 文档-主题之间的概率分布

3．5．2 主题-前字-当前字之间的概率分布

3．5．3 主题-字分布

3．5．4 主题时间标签的Beta分布

3．6 生成随机长度的时延序列

3．7 本章小结

第四章 关键技术及实验验证

4．1 引言

4．2 时延抖动

4．3 链路利用率

4．4 吞吐率

4．5 丢包率

4．6 网络仿真实验

4．6．1 仿真软件NS2

4．6．2 仿真实验的设计

4．6．3 基于HMM-DGM的时延数据预测

4．6．4 发送窗口

4．6．5 链路利用率

4．6．6 吞吐率

4．6．7 时延抖动

4．5．8 时延以及丢包率

4．7 本章小结

第5章 结论与展望

参考文献

攻读硕士学位期间发表的学术论文及其它成果

致谢