簡易檢索 / 詳目顯示

研究生: 羅玉榮
Law, Yuk-Wing
論文名稱: 以FPGA實現具Self-aware與Self-adaptive特性之QoS頻寬分配系統
Design of Self-aware and Self-adaptive QoS Bandwidth Allocation Systems by FPGA
指導教授: 黃文吉
Hwang, Wen-Jyi
口試委員: 尤信程 林群富
口試日期: 2021/07/29
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: 2021
畢業學年度: 109
語文別: 中文
論文頁數: 65
中文關鍵詞: 嵌入式系統頻寬預測區域網路類神經網路軟體定義網路
DOI URL: http://doi.org/10.6345/NTNU202101483
論文種類: 學術論文
相關次數: 點閱:122下載:9
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
  • 物聯網 (Internet of Things, IoT) 技術隨著科技的發展,逐漸普及到大眾的日常生活之中,很多新型的電子設備都會提供網路功能,使得設備彼此之間能夠互相連線、分享數據、上傳或下載資料等等,讓大眾的日常生活變得更加方便,也能讓開發者透過數據進行分析,改善產品的服務和使用者的體驗。然而,物聯網的興起會讓網路的負擔更大,頻寬需求量逐漸增加之餘,網路需求也變得更多樣化,使得有效的頻寬分配方式變得格外重要,頻寬分配系統也因此應運而生。
    本論文希望以服務品質 (Quality of Service, QoS) 為基礎,建立具有效的頻寬分配系統,讓頻寬能夠有效且合理地分配給不同的網路需求。建立有效的頻寬分配系統,首要考慮的是頻寬分配的方式,因此本論文以類神經網路建立頻寬分配系統,使系統能夠學習頻寬需求的變化,進而預測不同需求的頻寬需求量。此外,假如頻寬分配系統需要應用於一般家庭或辦公室之中,需要考慮到系統的建構成本和體積大小,因此本論文於FPGA開發板上實現頻寬分配系統,讓系統能夠具有快速運算、低成本和體積小之優點。並且以軟體定義網路之概念,建立出便利及彈性的管理方式,讓管理及部署變得簡單,使頻寬分配系統適合應用於需求多樣化的區域網路。

    致謝 ii 摘要 iii 目錄 iv 圖目錄 v 表目錄 vii 第壹章 緒論 1 第一節 研究背景 1 第二節 研究目的 4 第三節 研究貢獻 6 第貳章 基礎理論與技術背景 7 第一節 頻寬分配系統簡介 7 第二節 Self-aware與Self-adaptive 13 第三節 General Regression Neural Network 15 第四節 軟體定義網路 21 第參章 實作方法 23 第一節 區域網路架構和傳輸方式 24 第二節 頻寬分配系統架構和運作流程 26 第三節 Profile更新演算法 38 第肆章 實驗結果分析 43 第一節 實驗環境 43 第二節 實驗結果 45 第伍章 結論 63 參考文獻 64

    [1] Hwang, W. J., Tai, T. M., Pan, B. T., Lou, T. Y., & Jhang, Y. J., “An Intelligent QoS Algorithm for Home Networks,” IEEE Communications Letters, 23(4), 588-591, 2019.

    [2] Hwang, W. J., Tai, T. M., Jhang, Y. J., Tung, Y. C., Ho, C. H., & Kuo, S. Y., “Quality of Service Management for Home Networks Using Online Service Response Prediction,” IEEE Internet of Things Journal, 4(5), 1773-1786, 2017.

    [3] ETSI: Network Functions Virtualisation (NFV). Accessed on April 1, 2021. [Online]. Available: https://www.etsi.org/technologies/nfv/

    [4] Specht, D.F., “A General Regression Neural Network,” IEEE Transactions on Neural Networks, 2(6), 568-576, 1991.

    [5] 尚煒宸, “以FPGA實現基於廣義回歸類神經網路之快速預測頻寬分配系統設計”, 國立臺灣師範大學資訊工程研究所碩士論文, 2020.

    [6] Software-Defined Networks: A Systems Approach. Accessed on April 1, 2021. [Online]. Available: https://sdn.systemsapproach.org/

    [7] Hochreiter, S., & Schmidhuber, J., “Long Short-Term Memory,” Neural Computation, 9(8), 1735-1780, 1997.

    [8] ONF: OpenFlow Conformance Certification. Accessed on April 1, 2021. [Online]. Available: https://opennetworking.org/product-certification/

    [9] OVS: Open vSwitch. Accessed on April 1, 2021. [Online]. Available: http://www.openvswitch.org/

    [10] Salahuddin, M. A., Al-Fuqaha, A., & Guizani, M., “Software-Defined Networking for RSU Clouds in Support of the Internet of Vehicles,” IEEE Internet of Things Journal, 2(2), 133-144, 2015.

    [11] iPerf: The ultimate speed test tool for TCP, UDP and SCTP. Accessed on April 1, 2021. [Online]. Available: https://iperf.fr/

    [12] Jirsik, T., Trčka, Š., & Celeda, P., “Quality of Service Forecasting with LSTM Neural Network,” IFIP/IEEE Symposium on Integrated Network and Service Management, 251-260, 2019.

    [13] Amin, A., Colman, A., & Grunske, L., “An Approach to Forecasting QoS Attributes of Web Services Based on ARIMA and GARCH Models,” IEEE 19th International Conference on Web Services, 74-81, 2012.

    下載圖示
    QR CODE