基于高斯信道模型和可变速率物理模型的探索

本书针对无线网络标度律问题的研究正是依据纵向加深和横向拓展两个方向来进行。主要的贡献和创新点如下：

第一，静态功率受限自组织网络的组播容量标度律的研究

Gupta和Kumar在其开创性工作[6]中提出了两种通信干扰模型：协议模型和物理模型。大部分的后续工作都采用这两种模型。另一方面，从密度（扩展）模式来看，随机网络有两种代表性的模型：随机密集网和随机扩展网。由此证明，协议模型和物理模型对于随机密集网而言，是合理的通信模型；而对于随机扩展网来讲，则是不现实的。本书采用更为接近实际的高斯信道模型研究无线自组织网络容量。结果更具一般性，体现在以下方面：①直接研究组播容量，在标度律形式上统一单播容量和广播容量；②放宽了对会话数量的假设条件。主要贡献如下：①提出了一个新的概念——网格视图（Lattice View），并依此得出高斯信道模型下的组播容量上界；②设计了二级组播路由机制，使得在大多数情况下，组播吞吐量能够达到容量上界。

第二，移动自组织网络性能的基本限制的研究

本书着力于大规模移动自组织网络的容量、延迟以及二者之间权衡的研究。不同于已有工作采用恒定速率通信模型，首次采用自适应速率模型设计传输转发机制。运用该机制，减小了最优容量下的网络延迟。特别地，由此证明，根据节点自由度的变化，网络延迟在特定情况会发生跃迁；并依此佐证了已有工作常用的I.I.D.模型的奇异性。这对于大规模移动网络的模型选择和协议设计具有一定的参考价值。

第三，无线混合网络可达渐近吞吐量研究

本书研究一类由基站和自组织用户组成的无线混合网络（Wireless Hybrid Network）。相对于一般的单纯的无线自组织网络，混合网络的组播机制设计更为复杂和多样化。针对经典的随机密集网和扩展网模型，综合考虑了多种组播机制，包括：单一自组织机制、单一基站转接机制以及混合机制。在混合机制下，进一步引入了连通路由机制和渗流路由机制；并设计了一种新的调度机制——并行传输调度机制。由此证明，针对大多数情况，并行调度机制皆能提高混合网络的容量；并指出，最优的组播机制选择依赖于基站的数量和组播目的节点的数量，并推导出具体的阈值和相应的最优网络容量。这对于混合网络的组播机制设计具有一定的指导意义。(www.xing528.com)

第四，大规模无线传感器网络的聚合容量研究

无线传感器网络中的一个关键应用就是数据汇集。在现实应用中，网络使用者往往并不需要所有的传感数据，而只想在汇聚（Sink）节点上取到这些数据的一个特定函数值。本研究针对大规模无线传感器网络的网络聚合容量，包括数据计算、聚合和传输能力。具体可分为两个部分：

1.相关已有工作多采用协议和物理模型，并且针对密集网研究。本书为首次采用可变速率的一般物理模型研究无线扩展传感器网络的聚合容量。主要贡献包括：①提出了密集传感网和扩展传感网的判别标准；②设计了适用于一般性聚合函数的聚合机制；③针对两类典型的聚合函数（Type-sensitive函数和Type-threshold函数），给出了紧的容量上界；④设计了新的多sink聚合机制，得以进一步提高无线传感器网络的聚合容量。

2.通过研究针对随机无线传感网的基于结构的聚合机制，本书指出，网络聚合能力主要受限于两个因素：异类点（Outliers）和密集分支（Dense Components）。以克服这两个限制为目标，设计了两类有效的协议，得以提高系统的聚合吞吐和聚合效率的权衡。特别是证明了一种协议的可扩展性。

第五，无线自组织认知网络容量标度律研究

当前，随着各种无线通信系统的大量建设，频谱资源变得越来越匮乏；而同时，有相当比例的频谱未能得到高效应用。认知网络（Cognitive Network）作为解决这一问题的重要技术被提出，并很快成为近年来的热点研究方向。针对一类由主次两个重叠于同一个区域和频谱上的自组织网络组成的认知网模型展开研究。基于边渗流模型和泊松布林渗流模型，我们设计了三种组播机制：基于渗流的绕行机制、基于连通路径的绕行机制和基于连通性的规避机制。结合应用这三者，得到最优的容量下界。继而定义了新的讨论方法，推导出系统的容量上界；并证明了下界在大多情况下是紧的。最后，给出主网和次网可以同时达到渐近组播容量上界的充分条件。