基于NS-2的网络半实物仿真平台实现

计算机应用 ›› 2010, Vol. 30 ›› Issue (12): 3284-3287.

基于NS-2的网络半实物仿真平台实现

许文强¹,张国霞²,王新红²,刘富强²

1. 同济大学
2.

收稿日期:2010-06-09 修回日期:2010-07-22 发布日期:2010-12-22 出版日期:2010-12-01
通讯作者: 许文强
基金资助:
国家重大科技专项项目

Implementation of hardware-in-loop network simulation platform based on NS-2

Received:2010-06-09 Revised:2010-07-22 Online:2010-12-22 Published:2010-12-01

摘要/Abstract

摘要： NS-2是一款广泛使用的网络仿真软件，但针对它的半实物仿真方法研究较少。针对这一问题，通过实际实时业务流与虚拟仿真网络的映射，提出并实现一种新的基于NS-2的网络半实物仿真HIL-NS平台。在详细描述HIL-NS平台构成基础上，讨论并解决了其实现的关键技术。在车载通信网络（VANET）实例下对802.11b无线MAC协议性能进行仿真，结果表明HIL-NS平台不但能与NS-2纯仿真的结果趋势保持高度一致性，并且在支持传统数据分析的同时，能有更直观的仿真性能实时输出。

关键词: 半实物仿真, NS-2, 网络仿真, 实时, 性能评估

Abstract: NS-2 is one of the most widely used network simulation softwares. But there are few researches on hardware-in-loop simulation based on NS-2. A new Hardware-In-Loop simulation platform based on NS-2 (HIL-NS) was proposed, by mapping real data flows to the simulation networks. Based on the description of HIL-NS platforms architecture in detail, key technologies to implement this platform were discussed. The simulation results of wireless MAC protocol 802.11b in Vehicle Ad-hoc NETwork (VANET) show that the results of HIL-NS platform highly coincide with those of NS-2. And the proposed platform can get more direct real-time output of the performance while supporting traditional data analysis.

Key words: hardware-in-loop simulation, NS-2, network simulation, real-time, performance evaluation

许文强张国霞王新红刘富强. 基于NS-2的网络半实物仿真平台实现[J]. 计算机应用, 2010, 30(12): 3284-3287.

[1]	刘晓光, 靳少康, 韦子辉, 梁铁, 王洪瑞, 刘秀玲. 基于阈值和极端随机树的实时跌倒检测方法[J]. 计算机应用, 2021, 41(9): 2761-2766.
[2]	高世伟, 张长柱, 王祝萍. 基于可分离金字塔的轻量级实时语义分割算法[J]. 计算机应用, 2021, 41(10): 2937-2944.
[3]	张皓然, 王学渊, 李小霞. 基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法[J]. 计算机应用, 2020, 40(6): 1763-1768.
[4]	陈放, 刘晓瑞, 杨明业. 基于活体检测和身份认证的人脸识别安防系统[J]. 计算机应用, 2020, 40(12): 3666-3672.
[5]	孙天齐, 胡建鹏, 黄娟, 樊莹. 云环境下Web应用带宽资源预测与管理[J]. 计算机应用, 2020, 40(1): 181-187.
[6]	王守华, 李云柯, 孙希延, 纪元法. 基于低成本接收机的双天线测姿算法[J]. 计算机应用, 2019, 39(8): 2381-2385.
[7]	王妍, 马秀荣, 单云龙. 长期演进系统基于加权平均时延的下行资源调度[J]. 计算机应用, 2019, 39(5): 1429-1433.
[8]	陈凯, 孙希延, 纪元法, 王守华, 陈紫强. 基于载波相位差分的形变监测高精度定位算法[J]. 计算机应用, 2019, 39(4): 1234-1239.
[9]	辛营营, 刘晓娟, 方春林, 罗欢. 信息中心网络内数据重传算法的优化[J]. 计算机应用, 2019, 39(3): 829-833.
[10]	谢金衡, 张炎生. 基于深度残差和特征金字塔网络的实时多人脸关键点定位算法[J]. 计算机应用, 2019, 39(12): 3659-3664.
[11]	邓杨, 谢宁, 杨阳. 基于孪生检测网络的实时视频追踪算法[J]. 计算机应用, 2019, 39(12): 3440-3444.
[12]	陈光喜, 王佳鑫, 黄勇, 詹益俊, 詹宝莹. 基于级联网络的行人检测方法[J]. 计算机应用, 2019, 39(1): 186-191.
[13]	赵宏, 常兆斌, 王乐. 基于词法特征的恶意域名快速检测算法[J]. 计算机应用, 2019, 39(1): 227-231.
[14]	陈珂. 用于视频中车速自动检测的摄像机自动标定方法[J]. 计算机应用, 2017, 37(8): 2307-2312.
[15]	席廷宇, 邱选兵, 孙冬远, 李宁, 李传亮, 王高, 鄢玉. 多特征量对数回归的火焰快速识别算法[J]. 计算机应用, 2017, 37(7): 1989-1993.