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：101 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。
[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.
