1.一种带有节点状态估计的拥塞控制方法，其特征在于包括以下步骤：

101、节点A统计与其相遇的节点中饱和节点的数量Ns(t)和非饱和节点的数量Nv(t)，并得出节点A传输数据数量的上限Mmax，然后根据马尔科夫模型估计与节点A相遇的节点的状态转移概率，包括非饱和节点转变成饱和的概率Pr(n,q)以及饱和节点转变成非饱和节点的概率P(tmin<△t)，即 其中q表示相遇节点携带数据的数量，n表示相遇节点此次转发的数据中本地缓存中未保留的数据数量；处于饱和的节点状态转移的概率为 其中△t表示给定的时间段，TTL表示数据生存时间，k表示饱和节点在丢包前携带数据数量；则相遇节点中非饱和节点状态转移的数量为Nact(t)=Pr(n,q)·Nmax(t)，其中Nmax(t)为非饱和节点状态转移数量上限，Nmax(t)=Nv(t)；

102、然后估计下一时刻相遇节点中饱和节点数量，下一时刻处于饱和状态的节点主要包含两个部分：非饱和节点接收数据之后转变成饱和节点;删除TTL到期数据后而变成非饱和节点的饱和节点数量,根据公式Ns(t+△t)=Nact(t)+{Ns(t)-Ns(t)·P(tmin<△t)}估计下一时刻相遇节点中饱和节点数量，其中Ns(t)初始值Ns(0)为节点首次相遇节点中的饱和节点数量，采用时间序列指数平滑方法估计出下一时刻相遇节点中非饱和节点数量，即表示当前时刻的指数平滑值；

103、根据步骤102中得到的Ns(t+△t)和Nv(t+△t)，采用D-S聚合法对相遇节点状态的转移概率进行权重量化，并得出节点A聚合直接感知和间接感知状态后非饱和节点影响节点A判定下一时刻拥塞状态的影响权重值 饱和节点对节点A判定下一时刻拥塞状态的影响权重值 相遇节点中，未能与节点A建立连接并未能确定其状态的这类节点对本次预测拥塞状态的影响权重值

104、根据步骤103中得到的 计算本次连接数据转发数量的上限值

其中，Ri_al为节点A携带数据总量，相遇节点若接收数据数量

少于Ri_se时达到饱和状态，则中断本次连接；若节点A中数据在网络中存在时间达到自身数据生存时间TTL的75%时，则节点A不再转发数据存在时间高于75%TTL的数据，直到携带该数据的节点A与其目的节点相遇时才会被转发；然后节点A获取其缓存中数据的扩散率并按照扩散率的升序进行转发排序，若节点A预测出下一时刻其相遇节点均处于饱和状态，则节点A只转发本地缓存中最新产生的数据。

2.根据权利要求1所述的带有节点状态估计的拥塞控制方法，其特征在于：步骤102中时间序列指数平滑方法中，采用α,1-α(0<α<1)为权重对下一刻相遇节点数量进行加权平均，即 其中 St-1分别表示当前时刻及前一时刻的指数平滑值，Nt(t)表示当前时刻相遇节点数量，α为节点相遇概率。

3.根据权利要求1所述的带有节点状态估计的拥塞控制方法，其特征在于：步骤104中的数据扩散率值 其中Tu为节点统计时间，Cd本地缓存和其相遇节点中拥有该数据副本的数量。