基于模糊逻辑提高移动自组网的跨层设计

工程科学与技术，国际期刊35（2022）101099基于模糊逻辑的跨层设计提高移动自组网下一代网络物理系统Nadine Hasan，Ayaskanta MishraRai，Arun Kumar Ray电子工程学院，Kalinga工业技术学院，被视为大学，Bhubaneswar 751024，印度阿提奇莱因福奥文章历史记录：2021年8月11日收到2021年12月23日修订2022年1月19日接受2022年2月2日在线提供保留字：Manet模糊逻辑跨层QoS网络性能下一代CPSA B S T R A C T3GGP的5G标准规定了通过无线移动自组织网络（MANET）框架的设备到设备（D2D）通信。最近在6 G网络及以后的研究和开发支持将MANET集成到移动通信基础设施中，以满足许多潜在的未来应用的服务，例如使用车联网（IoV）的智能车辆网络和用于无人机网络和军事Ad-hoc网络的飞行Ad-hoc网络（FANET）。移动自组网是一种无基础设施的自组织网络，它在资源分配和管理方面提出了重大的部署挑战，以促进未来基于物联网（IoT）的下一代网络物理系统（NG-CPS）的严格服务质量（QoS）要求。大多数移动自组网使用基于竞争的分布式协调功能（DCF）、随机接入、媒体访问控制（MAC）和通用的TCP/IP协议栈实现。为物联网应用的特定QoS要求建立网络参数的确定性模型是一项艰巨的任务，因此考虑到TCP/IP协议栈所有五层的网络参数，软计算方法将是最可行的解决方案，这是一种跨层设计方法，可以提高QoS。在本文中，我们提出了一种基于模糊逻辑系统的跨层（FLS- CL）设计的移动自组网，以改善网络的QoS参数，如吞吐量，分组投递率（PDR）和端到端（E2 E）的延迟。所提出的系统已经使用基于模糊逻辑的参数建模（使用MATLAB）和网络仿真研究（使用QualNet®仿真器）来实现结果是有希望的，对于无连接的基于UDP的CBR应用，PDR平均改善27.64%，E2E延迟减少76.04%，而对于面向连接的基于TCP的FTP应用，PDR平均改善3.28%，E2E延迟减少58.81%提出的FLS-CL作为COM的最先进的IEEE 802.11为基础的移动自组网没有任何FLS跨层优化的QoS的改善©2022 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍Ad-hoc 网 络是 专用 于特 定 功能 的无 线网 络 。移 动自 组织 网 络（MANET）架构对于任何关键通信场景都是必不可少的，特别是在基于物联网（IoT）的下一代网络物理系统（NG-CPS）的背景下。它支持无基础设施和高度可扩展的无线传感器网络。然而，移动自组织网络架构有许多部署的挑战，资源管理，以确保典型的应用程序特定的服务质量（QoS）的要求。3GPP给出的5G标准和6G等下一代移动通信支持MANET架构，*通讯作者：电子工程学院，校园-12，工业技术Kalinga学院，KIIT被认为是大学，帕提亚，布巴内斯-战争751024，奥里萨邦，印度.电子邮件地址：mishra. gmail.com，ayaskanta. kiit.ac.in（A.Mishra）。由Karabuk大学负责进行同行审查移动自组织网络（MANET）是一种具有设备到设备（D2D）框架的网络架构，适用于许多潜在的基于物联网的应用，如车联网（IoV）、飞行自组织网络（FANESTO）等。大多数MENET1) 无线物理层（第一层）2) 基于分布式协调功能（DCF）的Ad-hoc通信框架（第二层）媒体访问控制（MAC）3) 基于IPv4 / IPv6的网络层（第三层）逻辑地址和路由4) 传输层（第四层）支持TCP或UDP5) 适用于特定端到端服务要求的应用层（第五层）协议。移动自组网是一组自组织节点的组合。节点之间没有中央管理每个节点https://doi.org/10.1016/j.jestch.2022.1010992215-0986/©2022 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchN. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）1010992×配备有收发器，使其能够充当路由器以及主机。每个节点支持各种应用程序。这些节点享有的优势，使移动自组网的多功能网络的适应性。MANET被强烈建议用于物联网应用，因为传统网络移动自组织网络的带宽不足、能量资源受限、传输范围有限、节点移动性和存储模拟是其主要的弱点。这些弱点是支持QoS的重要方面对网络进行群集提供了一种增强QoS的解决方案[3]。然而，网络的集群化增加了其工作机制的复杂性。跨层可以定义为TCP/IP协议栈的基础结构层，它可以优化五层之间的不同参数。它是移动自组织网络的发展需求，解决其缺点和应对资源的建议解决方案之一。TCP/IP协议栈的严格和固定的设计不能适应移动自组网的动态结构。它不仅仅是TCP/IP协议栈的任何一层，它足以解决严格按照场景特定应用程序的QoS要求来优化移动自组网性能的挑战。然而，跨层设计将在性能增强方面提供最佳结果，因为我们正在调整与TCP/IP堆栈的多个层相关联的相关网络参数。跨层技术通过最小化能量消耗来解决MANET设计中的困难，并提高QoS[2，4，5]。由于随机接入MAC和其他随机组件的移动自组网，它是不可行的，以确定性建模的帮助下，以确保网络性能的整体QoS要求建模研究的问题是：如何在设计交叉层时解决这种不确定性的挑战？在这种情况下，很明显，使用软计算技术建模的移动自组网作为一个跨层的设计问题。最近，由于最近的处理器（CPU/GPU）的更多计算资源，在人工智能（AI）和机器学习（ML）领域中已经有了然而，这些基于AI和ML的技术依赖于庞大的数据集，并且是处理器和存储饥饿的应用程序。在没有大量训练数据的情况下，这些技术会在准确性上进行权衡然而，与基于AI和ML的技术相比，模糊模糊逻辑是基于模糊集的公式化和基于规则的推理模型的语言变量和隶属函数（MF）的帮助下。FLS使用前因变量和后因变量，这些变量相对更容易建模，特别是对于像MANET节点这样的受限功率移动计算单元。 在本文中，我们已经考虑了FLS建模我们的跨层设计的移动自组网的QoS参数，如吞吐量，分组交付率（PDR）和端到端（E2E）延迟的改善。我们在TCP/IP协议栈中包含了许多参数从TCP/IP协议栈实现的所有五个层考虑不同的参数这些参数被用来模拟模糊逻辑系统，以提高整体网络性能。图1示出了用于下一代网络物理系统（NG-CPS）的QoS敏感的基于IoT的应用的MANET中基于模糊逻辑系统的跨层设计方法。本文介绍了一种基于交叉层的模糊逻辑系统（ FLS-CL ） 。 此 外 ， 我 们 已 经 实 现 了 我 们 提 出 的 系 统 使 用MATLAB 中的模糊逻辑工具箱的一部分FLS-CL 系统的结果在QualNet®网络模拟器环境中用于网络性能的测试、验证和评估我们提出的FLS-CL设计的MANET的结果表明，主要的QoS改进和结果是相当有前途的。跨层优化后的自组网性能较无跨层优化时有了显著提高。使用PDR、吞吐量和端到端延迟对性能进行了测试。本文的其余部分组织如下。第1节包括导言。第二节介绍了相关的工作。第三节讨论了所提出的FLS-CL系统模型。第4节介绍了仿真研究。第5节介绍了结果，并通过第6节中的讨论推断了所得结果的分析。最后，部分最后，对未来的研究方向进行了展望。2. 相关工作移动自组网由于其在许多应用中的适用性而引起了许多研究者的兴趣。许多研究人员讨论了不同的方法来提高移动自组网的QoS性能[6，7]。这些方法之一是跨层设计。Anish等人提出了一种跨层方案，将物理层与物理层连接起来，ical和MAC层通过控制分组（RTS/CTS）来优化功耗[8]。当发射机检测到RTS故障时，它改变最小发射功率。能量消耗的优化和QoS的增强是这项工作的目标。Asha等人提出了一种用于有效频率选择的跨层方案。渠道建模有助于估计无线电资源分配[11]。节点根据每个流的信道频率、路径损耗、信道增益和PDF来选择用于传输数据的信道。该方法提供了吞吐量的增强和最小化视频传输的端到端延迟。Dhakad等人提出了一种模糊逻辑系统（FLS）来增强MANET中的Ad-hoc按需距离向量（AODV）性能[9]。FLS的规则被设置为优化端到端延迟、吞吐量和与网络规模有关的分组投递率。他们使用Qual- Net® 6.1获得了令人鼓舞的结果。Sarao等人提出了一种用于优化数据包大小的ANFIS系统[10]。4 - 1接口的模糊逻辑系统考虑到稳定能量感知的Ad hoc路由协议（QSEAAR），提出了一种新的QoS计算模型[12]。他们已经使用模糊逻辑系统工具箱，MATLAB和NS-2为他们的工作。在MANET研究中的最新技术水平是Singal等人提出的QoS感知路由协议。[45]。一些QoS增强研究提出了像深度/机器学习方案这样的技术。基于跨层设计的深度强化学习由Nguyen等人提出2021年[44] 。 认 知 无 线 电 MANNETWORK Deep Q-Network 设 计 用 于Tran等人在2021年提出的QoS改进[43]。Hasan等人在2022年提出了用于QoS敏感物联网应用的MANNETWORK的跨层优化方面[46]。表1提供了一些跨层模型之间的比较。3. 提出的基于模糊逻辑的跨层设计（FLS-CL）：系统模型MANET是由移动节点组成的无线自组织网络。移动自组网是一种无基础设施的、分散的网络结构。每个节点都有能力控制和调整数据传输，以作为路由器或中继节点或作为结束节点。当一个节点加入到ad-hoc网络中时，该节点需要与其他相邻节点动态地建立路由。在传输过程中的贡献是受的程度接近的目的地，并取决于使用的路由算法。移动自组网中的动态网络环境带来了许多技术挑战，特别是由于ad-hoc和无基础设施的操作，传统的TCP/IP协议栈实现变得非常困难，并且可能无法提供优化的QoS。对于随需应变的应用类型，提供良好的QoS是移动自组网的N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）1010993图1.一、基于模糊逻辑系统的下一代网络物理系统跨层设计表1移动自组网中跨层方案的比较用方法优势限制网络性能和变化率%应用类型自下而上跨层改性灵活且易于实施充分利用限制网络大小连续无缝连接E2 E延迟减少71.85%吞吐量提高吞吐量和PDR，实时和尽最大努力Denko等人[13]多媒体AODV可用带宽需要一个基站，减少E2E延迟（视频）MAODV部署为助手节点应用Patil等人[14个]公司简介DEL-CMACLemo适合大型网络有效利用时间，不满足QoS要求，因为它会降低吞吐量并增加E2E延迟增加远端的延迟吞吐量降低8.02%，E2E延迟增加7%，网络寿命PDR增加2%，Priya et al. [第十五条]恒定比特率服务优先于那些更接近其目的地的分组。降低成本，提高目的地相比之下，E2E延迟增加的吞吐量（CBR）Walia等人[16]恒定比特率选择其它技术（CBR）Varshavsky和服务发现等人[17个]应用[18]。节点的移动性使链路随时间不稳定，这需要更多地跟踪相邻节点并定期更新可用路由[19]。由于ad-hoc网络采用基于竞争的介质访问控制机制，节点之间共享的无线介质通过竞争和拥塞问题增加了挑战。有限的网络资源会导致网络寿命的缩短和网络性能的下降。所有这些因素共同影响QoS参数、端到端（E2E）延迟、分组递送比率（PDR）和吞吐量。跨层技术为移动自组网提供了一个重要的解决方案，以保证其稳定的性能。跨层设计的动机是考虑跨TCP/ IP参考模型的许多层的参数。3.1. 移动自组网中的跨层设计方法TCP/IP协议栈的分层结构每一层都有一个双向的，N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）1010994与相邻层的层间通信。非相邻层需要适应的每一层，以应付变化的MANET性质的基础上的时间尺度是一个很大的必要性，建议跨层。如何使TCP/IP协议栈支持移动自组网的设计成为一个迫切的解决方案。跨层使较低层能够控制较高层的参数，并使其适应网络中的变化（移动性，信号强度，信道特性等）。[21].跨层设计是为了满足QoS要求，提高网络性能。 它使非相邻层能够使用自适应方法来调整它们的参数。本文提出的跨层设计是根据TCP/IP协议栈的层与层之间的自适应性，根据移动性、数据速率和节点数等网络参数，提供一个最优值，以适应移动自组网的动态部署场景。通常，交叉层结合两个或两个以上的层。本文提出的跨层设计涉及TCP/IP协议栈的五个层。表2提供了我们的跨层模型所使用的参数。3.2. 基于模糊逻辑系统的跨层设计移动自组织网络是一种自动化的网络，旨在支持各种应用。由于移动自组网是一个电池受限的依赖节点，因此跳数影响端到端延迟，因为MANET没有固定的基础设施[31]。随着网络规模的增加，MANET的性能高度依赖于所使用的路由协议[32]。应用速率对路由协议的性能和QoS参数有影响[33]。重传时间补偿了由无线链路或节点的移动性引起的MAC层的巨大接收帧[34]。选择物理层标准（IEEE802.11b，IEEE802.11a）对传输过程有其作用，如优化能耗，纠错，减少干扰和干扰[35]。模糊逻辑方法是软计算的一部分，与不精确和近似推理相互作用。它复杂性意味着关于环境和决策后果的知识不是恒定的和模态的。不确定性是一种非精确值的概念，它可以对一种类型的数据进行分类，以满足某些控制系统的人类需求。模糊逻辑和模糊决策是帮助在不确定性和复杂性概念下做出决策的工具[37]。不确定规则库，我们的模型使用，形成控制器的交叉层，以调整来自每个层的参数，得到有助于提高QoS的最优值，从而提高MANET的性能。我们的结论是，模糊逻辑系统的灵活性，使提供跨层的设计，以适应移动自组网的性质。模糊逻辑系统在MANET中有其效率，涉及QoS增强，提高路由协议的性能，并控制协议栈的不同参数[38，39]。图 2给出了跨层设计的系统模型（FLS-CL）。通过文献研究和仿真研究各个参数对网络性能的影响是本文工作的第一步。在第一阶段，我们设置网络特性，每层的参数和要研究的环境。此阶段有助于推断模糊逻辑系统的规则，并使用QualNet®模拟器完成。第二阶段包括跨层模糊逻辑系统（FLS-CL）测试和实现的设计（隶属函数，规则集，参数范围）。最后一个阶段是基于模糊逻辑的跨层实现，通过使用Qual-Net®模拟MANET的不同场景，并应用前因的值来获得后因的最佳值并将其应用于这些场景。最后，在第一阶段和应用我们提出的基于FLS的跨层设计之后，在有和没有提出的FLS-CL之间进行了比较研究，以评估MANET的性能。图3提供了所提出的模糊逻辑系统的框图。基于TEM的跨层（FLS-CL）设计。模糊逻辑系统根据前件的精确输入，提供调整因子，使后件达到最优值。 模糊化过程将清晰的输入转换为相应的模糊集。我们的跨层设计是基于模糊逻辑系统。模糊化、规则设计、聚集和反模糊化是模糊逻辑过程。在我们提出的模型中，我们考虑三个参数作为我们的先行模糊变量1。节点速度（m/s），2.端到端延迟（ms），3.数据包传输率（PDR），单位为%。类似地，我们考虑五个结果变量：1。发射功率（mW）和2.自适应调制编码（AMC）是TCP/IP层体系结构的物理层。3.第三章。TCP/IP层体系结构的数据链路层的重传次数4.来自TCP/IP栈的网络层的跳数（跳数：因为它是自组织网络）和5.应用率（包/秒）作为TCP/IP应用层的参数堆栈在FLS-CL系统建模中，我们考虑了TCP/IP协议栈的物理层、传输层和应用层的三个模糊前件变量和TCP/IP协议栈的物理层、数据链路层、网络层和应用层的五个模糊后件变量由于在对模糊逻辑系统进行建模时涉及到多层TCP/IP协议栈，从而提高了MANET的整体QoS性能，表2模糊逻辑系统实现层参数讨论主要工作跨层应用应用率（包/应用率影响有关排队、存储的传输过程Sadagopan等人层运输（第二节）TCP/UDP和功耗。确定无连接UDP与面向连接TCP[23日]V. Sharma等人网络层数据链路跳数（跳数）跳数性能协议跳数决定了数据包需要经过的路径链路这会影响网络中的整体延迟重传时间影响接收分组的概率[24日]Sahu等人[25]Jabbar等人[26日]物理层重传发射功率（mW）自适应调制和由于MANET是一个功率资源受限的网络，在有限的重传次数后，分组将被丢弃，因此提高能量消耗是跨层的目标之一IEEE 802.11a的使用提供了更高的传输速率Li等人[27]DaisukeTakedal编码（AMC）移动性-节点速度利用OFDM根据节点的移动性调整整个连接会话等人[28日]B. Divecha等人[29]N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）1010995× ×图二、基于模糊逻辑系统的跨层QoS改进设计系统模型。图三. 提出了基于模糊逻辑系统的跨层设计。可以称之为基于模糊逻辑系统的跨层设计，以提高移动自组网中的QoS 图 4示出了用于跨层的模糊逻辑设计的框图。建议FLS-CL模型调整的结果的基础上节点的速度，端到端延迟（延迟）和数据包传输率（PDR），因为它们影响整体网络性能的QoS评估这些参数是跨层模型的输入，我们将其作为前提。FLS-CL调整传输功率，AMC，重传次数，跳数和应用率的移动自组网，这是在我们的模糊逻辑系统考虑的后果变量。在我们的模型中，干扰引擎是基于三个前因模糊变量和五个后果变量的QoS模糊化过程将清晰输入转换为相应的模糊集，如表3所示。我们用三角形和梯形隶属函数来表示前因变量的模糊集。在前因变量中，我们有三个模糊水平（低，中，高）。表4.我们用三角形和梯形隶属函数来表示后件变量的模糊集。这里我们有九个模糊级别：1。高增长（HI），2。中等增长（MI），3。低增长（LI），4。非常低的增长（VLI），5。无变化（NC），6.非常低的下降（VLD），7。低下降（LD），8。中等下降（MD）和9。降低（HD）。这些被认为是我们的语言变量。聚合是基于最大-最小组成完成的[40]。去模糊化是基于面积质心（COA）方法。每个前件具有3个模糊集，其组合了3 3 3 = 27条规则。表5中给出了规则基础。例如，在模糊推理系统中使用以下规则用于模糊变量“重传”。同样，所有的规则都可以写得一样。N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）1010996× ×AIRRw¼BiCI×见图4。 跨层模糊逻辑系统。表3前因模糊变量及其各自的隶属函数（MF）。模糊层次的变量描述清晰隶属度（语言变量）范围函数类型节点速度（m/s）低0三角VLD，LD，MD，HD。对于AMC的数据速率，我们使用基于调制和编码方案的顺序的语言变量。语言变量被命名为：不变，BPSK 0.5，BPSK 0.75，QPSK 0.5，QPSK 0.75，16QAM 0.5，16QAM 0.75，64QAM 0.5，64QAM 0.75我们使用三角形和梯形隶属度函数来表示模糊集。模糊化基于AND高50-100梯形操作 聚合是基于最大进程完成的。 基于端到端延迟（ms）数据包传输率（PDR），单位：低0中等0高1低0中度10-90三角规则的度与输入的隶属函数，输出分别对应于规则i，x是清晰输入，'i'是规则的阶，y是清晰输出，则可以获得k个可以获得%高50-100梯形从模糊集合的所有规则我们实施了一个规则度10岁。 不同的权重会导致在触发规则时忽略权重较小的规则。在该模型中，所有规则具有相同的重要程度，即统一性。表5提供了规则1：如果节点速度低，则端到端延迟低，并且PDR是低，则重传是低增加。规则2：如果节点速度低，端到端（E2E）延迟低并且PDR中等，则重传是非常低的增加。推理系统和去模糊化过程描述如下。对于第i个模糊规则，结果模糊变量，即重传使用等式确定。（1）和（2）。最小值lAix;lBiy;lCizi1;2;：;271lRwm a xflRiwg2其中，l<$x <$;l<$y <$;l<$z<$是节点对应的模糊集基于模糊逻辑的跨层模型规则库。图5示出了两个样本规则的模糊逻辑系统实现的图示。示出了具有隶属函数（MF）的三个先行模糊变量，并且基于一个样本规则-1实现来获得用于找到重传的后继变量数量的第一清晰输出的激发x1、y1、z1。类似地，第二规则被实施用于找到另一个结果变量施用率。需要注意的是，共有27条规则（3 33基于三个前向变量）和五个后向变量，因此有多达（275 = 135个基于激发的可能组合或迭代）。通过反模糊化得到一个清晰的值，速度、E2E延迟和PDR。Ri是对应于重传次数的模糊集推理后的输出模糊集表示为lRw。使用如下所示的等式（3）获得去模糊化，以获得去模糊化值作为w.设计基于Mamdani系统。本文提出的FLS-CL是基于If-then规则库集（27条规则）实现的。因此，当提供清晰的输入时，系统将生成清晰的输出。解模糊是基于质心法。该方法lw wdwRlRwdwð3Þ基于计算从聚集过程获得的形状的中心点（将结果组合在一个图形表示中）。表6提供了模糊逻辑系统对剩余的输出模糊重复上述过程诸如AMC、传输功率、应用速率和跳数的变量（结果）分别表示为lM_w_n;lT_w_n;lP_w_n;lH_w_n。输出变量的解模糊值用于MANET的QualNet®仿真。这项工作使用三角形和梯形隶属函数。表4中给出了MFs（模糊集）及其清晰范围。每个参数的范围和语言变量在同一个表中提供。用于跨层输入的模糊集的语言变量是低、中等和高（表3）。结果句的语言变量有HI、MI、LI、VLI、NC，基于跨层实现。这些结果代表了下一阶段QualNet®在节点速度为10m/s，仿真时间为50 s，发射功率774 mw，包速率11 packet/s，数据速率18 MHz，发射功率100 mW。重传的次数是5，并且所使用的跳数是18。结果被用于四个移动自组网方案小，中，大网络规模不同的模拟和节点速度。同样的结果也被用来比较MANET性能与/出跨层有关的研究参数。在网络模拟器QualNet®上实现QoS改进。这N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）101099表77结果变量及其各自的隶属函数（MF）。可变语言变量（Linguistic Variables）脆度范围隶属函数类型传输功率（mw）高增量（HI）中增量（MI）低增量（LI）极低增加（VLI）无变化（NC）极低降低（VLD）低降低（LD）中度降低（MD）1200–15001050–1350900–1200750–1050600–900450–750300–600150–450梯形三角形三角形自适应调制编码（AMC）高降低（HD）高增加（HI）中增加（MI）低增加（LI）极低增加（VLI）无变化（NC）极低下降（VLD）0–30087650–24梯形梯形三角形三角重传次数低降低（LD）中降低（MD）高降低（HD）高增加（HI）中增加（MI）低增加（LI）极低增幅（VLI）无变化（NC）3218–107–96–85–74–6三角形三角形梯形梯形三角形三角跳数极低降低（VLD）低降低（LD）中降低（MD）高降低（HD）高增量（HI）中增量（MI）低增量（LI）极低增幅（VLI）3–52–41–30–228–3524.5-31.521–2817.5-24.5三角形三角形梯形梯形三角形三角形三角应用速率（每秒数据包）无变化（NC）极低降低（VLD）低降低（LD）中降低（MD）高降低（HD）高增长（HI）中度增加（MI）14–2110.5-17.57–143.5-10.50–716–2014–18三角形三角形三角形梯形梯形三角低增长（LI）极低增加（VLI）无变化（NC）极低降低（VLD）低降低（LD）中降低（MD）高降低（HD）12–1610–148–126–104–82–60–4三角形梯形PDR和端到端延迟的值被应用在基于模糊逻辑的交叉层中，用于特定的速度和时间。模糊逻辑，然后提供最佳值的后果。结果讨论4. 仿真研究为了验证我们提出的FLS-CL，我们使用QualNet®网络仿真器创建了一个基于仿真的测试平台，并使用MATLAB进行模糊逻辑系统实现。利用仿真的系统实现可以分为三个不同的阶段。我们按顺序运行它们，通过显示QualNet®的QoS性能改进来验证我们的设计。图6显示了模拟研究的流程图，显示了三个阶段及其工作步骤。4.1. 第一级第一阶段包括移动自组网仿真时的节点数为50个节点。我们使用参数的可变值，研究它们对端到端延迟、PDR、吞吐量和传输功率的影响。吞吐量、PDR和端到端延迟计算如下：a) 吞吐量=接收的总数据大小（以比特为单位）/传输和接收b) 数据包传输率（PDR）=接收的数据包数量/发送c) 端到端延迟（延迟）表示的时间，数据suf- fers在其旅行从源到目的地E2 E。我们开始我们的工作，通过研究所选择的参数对QoS参数的影响。在这个阶段中，我们研究了节点速度，AMC，应用率，跳数和重传次数对给定传输功率，端到端延迟和PDR的影响。 图 7显示了使用QualNet ®的仿真环境。该图提供了用于评估MANET性能的场景之一。其他场景在节点数量、节点速度以及所考虑的参数值方面根据本研究获得的结果，我们设置了表3中提供的规则库。本研究有助于选择前因和后因的范围。此外，它还提供了N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）101099表88基于If-Then（3 × 3 × 3 = 27）规则的MANET跨层设计规则编号节点速度E2E延迟PDR重传次数AMC传输功率施用率跳数1低低低李QPSK-0.5李LDLD2低低中度VLINCVLIVLDVLD3低低高LD16QAM-0.75LD李MI4低中度低李BPSK-0.75李VLIVLD5低中度中度NCQPSK-0.75VLD李VLD6低中度高LDBPSK-0.75LDVLILD7低高低VLIQPSK-0.75VLIVLD李8低高中度VLD16QAM-0.5VLD李VLI9低高高LDBPSK-0.5NCVLDVLD10中度低低李BPSK-0.75NC嗨MI11中度低中度VLIBPSK-0.75VLINC李12中度低高VLDQPSK-0.5VLDMDVLI13中度中度低VLI64QAM-0.5VLILDVLI14中度中度中度NCQPSK-0.5NCVLD李15中度中度高VLDBPSK-0.75VLDMIVLI16中度高低李16QAM-0.5NCNC李17中度高中度VLD16QAM-0.75VLD李李18中度高高LDBPSK-0.5NCLDVLD19高低低嗨64QAM-0.75嗨嗨VLI20高低中度MIQPSK-0.75MIHD嗨21高低高VLDNCNC嗨MI22高中度低嗨64QAM-0.5嗨李NC23高中度中度VLIQPSK-0.5VLIVLD嗨24高中度高VLI64QAM-0.75VLI李MI25高高低李16QAM-0.75李VLD嗨26高高中度NC64QAM-0.75李李嗨27高高高VLDNCVLILD李图五、基于规则的模糊逻辑系统在移动自组网跨层设计中的实现关于QoS参数和所需传输功率如何关于节点速度、AMC、重传次数、跳数和应用速率而改变的信息。根据获得的数据和分析研究，我们设计了我们的基于模糊逻辑系统的跨层设计（FLS-CL）。4.2. 二阶段该阶段包括模糊逻辑设计的MATLAB实现。包括前件和后件隶属度函数的选择、规则集库的设计、聚集和解模糊过程的设定。将If-Then规则应用于模糊逻辑系统中，以获得后件变量的精确值相关变量相对于前因变量的3-D图见图。8.第八条。4.3. 三阶段此阶段包括使用所获得的结果值在QualNet®中进行MANET模拟在此基础上，我们比较了PDR，端到端延迟和吞吐量的结果与他们的结果没有跨层实现。这种比较证明了我们的跨层模型的能力，以提高服务质量在一个非常N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）1010999表6用于调整输出参数的去模糊化值S.No节点速度（m/s）移动性传输功率（mw）应用速率（包/秒）AMC重传跳数情况1110774115518225747113519350831106624475105010.27.826.2832.35100105010.88.096.0732.1情况211058845112022559412.23.994.117.235072910.13.424.6822.5475848115.585.6526.7510093411.74.95.7729.7案例三1101050128.615.6732.122568812.16.194.9622.535067411.35.323.692147585011.66.74.3275100101011.46.954.730.3案例四11083814.24.56.7421.822580815.73.996.8423.4350750106724.54759218.836.58729.85100105087732.4有趣的结果。结果讨论见下一节。5. 结果和分析本节描述了从跨层和无跨层系统的实现中获得的结果，以提供性能比较。该实施通过四种不同的场景进行每个场景涉及不同的模拟集，如下所述：1. 场景1：具有不同数量节点的MANET（网络大小）2. 场景2：节点速度变化的MANET（移动性）3. 场景3：具有不同AMC（调制和数据速率）的MANET4. 场景4：具有不同重传次数的MANET（重传）FLS-CL调整参数以进行某种补偿。该过程利用其它参数调整传输模式中的能量消耗。FLS-CL提供了所用参数之间的折衷。与没有跨层的QoS相比，这使得QoS得到了非常显著的提高。以下部分提供了基于模糊逻辑系统的MANET跨层优化的仿真结果，涉及不同的场景。对于上述四种情况，无连接的用户数据报协议（UDP）的CBR流量以及面向连接的传输控制协议（TCP）的FTP应用程序流量已被考虑用于模拟研究。模拟环境：模拟环境已使用QualNet®模拟器设置。表7提供了所有四种情景的模拟环境参数。5.1. 场景1：具有不同数量节点的MANET（网络大小）仿真结果：PDR，吞吐量和端到端延迟所获得的结果进行了比较时，推断跨层设计的模糊集的模拟得到的值。表8提供了模拟的数值结果。我们注意到跨层实现后的QoS的增强下图提供了关于PDR、吞吐量和端到端延迟的MANET性能，其中/出跨层（FLS- CL）优化涉及节点数量。图9显示了我们新的基于模糊逻辑的跨层（FLS-CL）设计优化对CBR和FTP应用的PDR随着网络规模的增加，FTP的PDR增加。TCP协议的重传为FTP提供了高PDR。对于CBR，PDR随着网络大小的增加而减小对于CBR，我们提出的FLS-CL相对于没有跨层的情况平均提高了17.76%的PDR，而对于FTP跨层优化平均提高了3.09%的PDR图10示出了相对于节点数量的吞吐量。对于CBR应用，我们的新的模糊逻辑为基础的跨层（FLS-CL）的设计，提高了网络的吞吐量相比，没有FLS-CL。对于FTP应用，跨层优化在增加网络规模的同时提供了良好的吞吐量提高。在应用FLS-CL后，已注意到FTP的平均增加54.4%，其中CBR应用的拟议FLS-CL投入增加。在CBR的情况下，平均已经注意到使用所提出的FLS-CL的吞吐量提高了34.45%。图11示出了相对于网络大小的端到端（E2E）延迟。端到端延迟随节点数的增加而增加。结果表明，CBR的情况下，一个惊人的改善。在应用我们提出的FLS-CL设计后，E2 E延迟相对于没有FLS-CL的默认值平均降低了99.32%。然而，在FTP的情况下，改进是应用FLS-CL后，E2 E延迟总体减少49.27%。5.2. 场景2：节点速度变化的MANET（移动性）仿真结果：PDR和端到端延迟所获得的结果进行了比较后，推断模糊集和应用跨层输出所获得的表9提供了模拟的数值结果跨层实现改进了FTP和CBR的PDR。可以明显地观察到，当考虑节点速度时，跨层优化后的端到端延迟要小得多此增强功能包括减少FTP和CBR的延迟。N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）10109910见图6。 模拟过程流程图。表9中的数值数据的呈现在图1和图2中给出。 12和13这些图显示了我们提出的FLS-CL优化对有关PDR和端到端（E2 E）延迟的MANET性能的影响。图12提供了关于节点速度的PDR。FLS-CL部署在提高节点速度时增强了FTP和CBR的PDR。这是跨层提供TCP/IP栈参数的值之间的平衡程度的结果，目标是将PDR保持在高水平。对于FTP流量，FLS-CL的实施使PDR平均提高了4.37%。对于CBR，FLS-CL优化使PDR平均增加6.8%。在我们提出的FLS-CL之后，网络的整体性能都有所提高。图13示出了相对于变化的节点速度的端到端延迟的跨层优化。FLS-CL优化降低了这两种类型的应用程序的端到端延迟对于FTP流量，图7.第一次会议。使用QualNet®的MANET模拟环境示例。跨层实施后，端到端延迟减少，91.89%。而对于CBR，跨层实现使整体端到端延迟降低了80.69%。5.3. 场景3：具有不同AMC数据速率的仿真结果：将PDR和端到端延迟的结果与推断模糊集和应用跨层输出时获得的值进行比较。表10提供了模拟的数值结果。跨层实现改进了FTP和CBR的PDR。可以显著地观察到，在跨层优化之后，端到端延迟相对于数据速率减小。此增强功能包括减少FTP和CBR的延迟。这两种应用的PDR和延迟值的增强将在本讨论的最后进行总结。表10中提供的数据表示见图11和12。 14和15。从图14可以明显看出，当增加数据速率时，基于FLS-CL的跨层优化增强了FTP和CBR的PDR。对于FTP流量，FLS-CL的实施将平均PDR提高了2.05%。然而，在CBR流量的情况下，改善更多，FLS-CL的实施使PDR总体增加了73.04%图15示出了相对于数据速率对端到端延迟的跨层优化效果。基于FLS-CL的跨层优化降低了FTP和CBR业务的端到端延迟对于FTP流量，跨层实现后平均端到端延迟降低了35.67%。对于CBR，跨层实现使平均端到端延迟降低了34.59%。5.4. 场景4：具有不同重传仿真结果：PDR和端到端延迟的结果与没有跨层实现的值进行了比较。表11提供了模拟的数值结果。跨层实现改进了FTP和CBR的PDR。跨层实现后，端到端延迟降低图16示出了PDR随着重传次数的增加而增加。提出的FLS-CL的跨层实现增强了PDR的FTP和CBR时，增加了重传的数量。对于FTP流量，FLS-CL的实施将PDR平均提高了3.6%。对于CBR流量，FLS-CL的实施使PDR平均增加了12.98%。N. 哈桑A.Mishra和Arun Kumar Ray工程科学与技术，国际期刊35（2022）10109911见图8。 （a）重传次数（b）AMC（c）传输功率（d）应用率（e）跳数的三维图。表