CN101938770A - 基于网络信道状态的无线网络最大重传次数的优化方法 - Google Patents

Abstract

本发明提供一种基于网络信道状态的无线网络最大重传次数的优化方法，属于无线通信网络传输技术领域。首先，根据无线链路的期望传输效率参数ETE_ij(k)的统计值估计当前网络的整体状态；对于网络状态较差的情况，进一步测量分组成功传递概率P(x)和队列空闲率Queue_i，并构建分组丢失区分的判断函数Judge(·)，实现对分组丢失类型的区分；MAC层根据当前网络的主要丢包原因优化最大重传次数，使之适应信道环境的需求，缓解网络的拥塞水平；对于网络状态较好的情况，为了避免出现网络拥塞，仍然进行丢包区分，实现重传优化和速率控制，提高网络性能。

Description

基于网络信道状态的无线网络最大重传次数的优化方法

技术领域：

本发明涉及一种基于网络信道状态的无线网络最大重传次数的优化方法，具体涉及一种基于IEEE802.11协议的WMN(Wireless Multi-hop Network，无线多跳网络)中MAC(Media Access Control，媒体访问控制)层最大重传次数的优化调整方法，属于无线通信网络传输技术领域。

背景技术：

在无线多跳网络中，随着无线多媒体应用业务对QoS(Quality of Service，服务质量)要求的日益增加，分层的路由协议设计由于未考虑链路质量和信道干扰的影响导致链路层的过度重传或网络层的重路由，不仅消耗了宝贵的网络资源，同时导致网络性能急剧下降。为了满足不同的QoS要求，保证无线多媒体传输的质量，重传控制和跨层设计技术被越来越多的应用到无线网络中，通过利用物理层的差错模型、MAC(Media AccessControl)层的环境测量以及网路层的跨层路由实现网络性能的优化，提高无线资源的利用率和网络性能。

IEEE802.11是美国电机电子工程师协会(IEEE)为解决无线网路设备互连，于1997年6月制定发布的无线局域网标准。802.11是IEEE制订的第一个无线局域网标准，主要用于解决办公室局域网和校园网中用户与用户终端的无线接入，业务主要限于数据访问，速率最高只能达到2Mbit/s。在基于IEEE 802.11的无线多媒体网络中，由于信道的拥塞或冲突，发送的数据分组被重传以提高成功传输的概率。在只有少数节点移动的骨干网络中，信道的拥塞或分组的竞争更容易导致路由失败。基于IEEE 802.11的DCF(Distributed Coordination Function，分布式协调函数)由于未区分丢包原因导致资源利用率较低。因此，如何利用动态测量的方法估计丢包原因，进而实现重传优化是当前无线网络研究的热点之一。

当前，针对上述问题许多MAC层协议或改进方案被提出，实现对不同业务的QoS支持。这些方案主要通过利用聚类、端到端时延或可用带宽等特征限制MAC层重传或控制发送速率，然而这些方案主要依赖于集中控制，只适应于特定的网络环境。

在现有的技术方案中，IEEE 802.11MAC层协议采用分布式协调函数DCF接入信道，通过使用RTS(Request To Send，发送请求)/CTS(Clear To Send，消除请求)四次握手机制及竞争退避机制实现数据传送。当数据包产生丢失时，采用指数退避机制进行MAC重传，包重传次数被固定的设定为4(数据包)或7(RTS包)。若节点经过多次重传尝试(达到最大重传次数)仍无法成功将报文发送到下一跳，则认为该节点发生链路传输错误，即该链路失效或链路断裂(Link Loss)，从而调用数据流传送的错误处理机制，并判定该路由失效，启动路由维护过程。当数据包产生丢失时，使用BEB(BinaryExponential Backoff，二进制指数退避)机制控制退避窗口，窗口大小依赖于传输失败次数。在发送数据分组时，若分组发送失败可重复发送，同时调整竞争窗口尺寸，当分组重传次数达到设定的最大值仍然不能成功发送时，则丢弃该分组，同时发送下一个分组，数据分组的最大重传次数设定为4；同样，发送RTS/CTS分组时，若分组发送失败可尝试重传该分组，直至达到最大重传次数为止，RTS/CTS的最大重传次数设定为7。当达到最大重传次数，仍然不能将分组成功传送时，将发送下一个分组。而实际链路的最佳重传次数往往与信道状态密切相关，这种接入机制的不公平性，造成不必要的分组重传且过大的链路层重传使网络性能急剧下降。在无线网络中造成分组传送失败的原因主要包括：无线链路的随机差错和网络拥塞/碰撞丢包。现有的各种基于802.11的MAC层算法并未对造成数据传输失败的真正原因进行判断，导致网络误判严重，带宽利用率较低。

传统的IEEE 802.11MAC层协议对发送失败的分组进行重传，在一定程度上提高了分组的成功传递率，但是由于MAC层的最大重传次数被固定的设定为4或7，不能适应各种复杂的网络环境，而实际链路的最佳重传次数往往与丢包原因密切相关，因此现有的DCF接入机制的不公平性，造成不必要的超时重传且过大的链路层重传次数使网络性能急剧下降，网络的丢包率增加，网络传输效率显著降低。

现有技术中，Sudhaakar R.S等提出了一种低功率、单跳无线网络的媒体接入控制方案，该方案基于数据分组到达分布近似服从泊松分布的假设，利用数值分析的方法，使成功传递概率最大化时获得最佳的重传次数来实现最大化传递概率或最小化网络负载，实现对无线网络的优化重传。由于该方案中每个节点只有发送模块无接收模块，且每个发送间隔只有一个节点发送较小的数据包，接收端不能接收来自其他节点的任何控制信息，如ACK(ACKnowledge Character，确认字符)或NAK(NAKnowledge Character，否定字符)，仅仅适应于无线传感器网络中负载率较小的情况。

发明内容

本发明的所要解决的技术问题是在负载率较高的无线多媒体网络中传输的数据包必然会产生冲突，从而导致数据包重传以及如何提高无线分组的传输效率，提出一种基于网络信道状态的无线网络最大重传次数的优化方法(MRCOS，MaximumRetransmission Count Optimization Scheme)，通过对信道状态的测量，利用多属性判决方法估计当前信道的状态，动态优化最佳重传，实现信道资源的有效利用。

本发明为实现上述发明目的采用如下技术方案：

一种基于网络信道状态的无线网络最大重传次数的优化方法，包括如下步骤：

步骤A，基于对无线链路的期望传输效率的计算值ETE_ij(k)估计当前网络的整体状态，具体步骤如下：

A-1步，构建期望传输效率函数ETE_ij(k)，

${\mathrm{ETE}}_{\mathrm{ij}}\left(k\right)=\frac{2}{{\mathrm{SSRC}}_{\mathrm{ij}}\left(k\right)+{\mathrm{SLRC}}_{\mathrm{ij}}\left(k\right)+2},$

其中SLRC代表MAC层的数据帧的有效重传次数，SSRC代表MAC层的RTS帧的有效重传次数，SSRC_ij(k)代表所述MAC层的数据帧从节点i成功发送第k个包到节点j的次数，SLRC_ij(k)代表所述MAC层的RTS帧从节点i成功发送第k个包到节点j的次数，k、i、j分别为自然数；

A-2步，对期望传输效率函数ETE_ij(k)采用指数加权移动平均算法进行平滑迭代处理：

${\stackrel{\‾}{\mathrm{ETE}}}_{\mathrm{ij}}\left(k\right)=w_1{\mathrm{ETE}}_{\mathrm{ij}}\left(k\right)+\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{w}_{l+1}{\stackrel{\‾}{\mathrm{ETE}}}_{\mathrm{ij}}(k-l),$

其中w_l为指数加权移动平均算法的加权因子，w_l∈[0，1]；l表示第l个指数加权数，l＝1，2，…M，M表示指数加权个数。

A-3步，当A-2步得到的期望传输效率函数值

小于阈值V₁时，则判定当前网络的传输性能差，进入步骤B；

当A-2步得到的期望传输效率函数值

大于阈值V₁时，采用降低最大重传次数或者增加应用层的发送速率实现对网络的优化，结束操作；

其中，V₁为期望传输效率的判断阈值，0＜V₁＜1；

步骤B，无线信道状态估计，实现对无线信道的丢包类型的区分，具体步骤为：

B-1步，构建判断函数Judge(·)：

$\mathrm{Judge}(P_i\left(x\right),\stackrel{\‾}{{\mathrm{Queue}}_i})=a_1{P}_i\left(x\right)+(1-a_1)\stackrel{\‾}{{\mathrm{Queue}}_i};$

其中，P_i(x)表示成功传递概率，x为数据包的重传次数，P_i(x)通过利用泊松分布的概率统计的方法获得；Queue_i表示队列空闲率，Queue_i通过队列缓存空间的定时动态测量和指数加权移动平均算法获得；a₁为判断函数Judge(·)的加权因子，a₁∈[0，1]；

B-2步，将B-1步求得的判决函数Judge(·)的函数值与丢包区分的判断阈值V₂进行比较：

①、当判决函数Judge(·)的函数值小于阈值V₂时，当前网络的主要丢包类型判为拥塞或碰撞；

②、当判决函数Judge(·)的函数值大于阈值V₂，当前网络的主要丢包类型判为随机差错；

其中，0＜V₂＜1；

步骤C，根据步骤B区分的无线信道的丢包类型，对MAC层的最大重传次数进行调整，具体步骤为：

C-1步，当网络的主要丢包类型为B-2步骤中所述第①种情况时，通过降低MAC层最大重传次数N_max缓解当前的拥塞或碰撞水平，N′_max＝N_max-1，同时对网络层进行路由维护；

C-2步，当网络的主要丢包类型为B-2步骤中所述第②种情况时，通过增加MAC层最大重传次数N_max提高分组的成功传递率，N′_max＝N_max+1。

进一步的，本发明的基于网络信道状态的无线网络最大重传次数的优化方法，在步骤A的A-3步中，当期望传输效率函数值大于阈值V₁时，采用降低最大重传次数或者增加应用层的发送速率实现对网络的优化，具体步骤为：

i，采用步骤B中的B-1步的方法构建判断函数Judge(·)；

ii，将判决函数Judge(·)的函数值与第二丢包区分判断阈值V₃进行比较：

当判决函数Judge(·)的函数值小于阈值V₃，当前网络的主要丢包类型判为拥塞或碰撞，通过降低MAC层最大重传次数N_max缓解当前的拥塞或碰撞水平，N′_max＝N_max-1，同时对网络层进行路由维护；

当判决函数Judge(·)的函数值大于阈值V₃，通过增加MAC层的发送速率实现网络吞吐量的提高；

其中0＜V₃＜1，V₃＜V₂。

进一步的，本发明的基于网络信道状态的无线网络最大重传次数的优化方法，在步骤B-1步中利用泊松分布的概率统计的方法获得成功传递概率P_i(x)的计算方法为：

$P_i\left(x\right)=(1-P_e\left(x\right))=1-{[1-e^{-\frac{2(N-1)x}{T}{t}_f}(1-\frac{\mathrm{\γ}}{\mathrm{\σ}}{e}^{-\frac{{\mathrm{\γ}}^2}{2\mathrm{\σ}}})]}^x$

x为数据包的重传次数，P_e(x)表示x次重传都失败的概率，e表示分组传输失败指数，T表示信道占用的时间周期，N为节点个数，t_f表示时间间隔，γ为瑞利衰落信道的信噪比，σ为瑞利衰落噪声均值；

进一步的，本发明的基于网络信道状态的无线网络最大重传次数的优化方法，在步骤B-1步中Queue_i的获得方法为：

通过队列缓存空间动态测量Queue_i

${\mathrm{Queue}}_i=\frac{{\mathrm{Length}}_i-{\mathrm{Cache}}_i}{{\mathrm{Length}}_i},$ Queue_i∈[0，1]

其中，Length_i表示一个节点固定的数据队列缓存区容量的大小，Cache_i表示数据队列缓存区中已占用的数据大小；

采用指数加权平均算法对节点的队列空闲率进行平滑处理，

$\stackrel{\‾}{{\mathrm{Queue}}_i}\left(k\right)={\mathrm{\λ}}_1{\mathrm{Queue}}_i\left(k\right)+\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_{l+1}\stackrel{\‾}{{\mathrm{Queue}}_i}(k-l),$ λ_l∈[0，1]

λ_l为指数加权移动平均算法的加权因子，l表示第l个指数加权数，l＝1，2，…M，M表示指数加权个数。

进一步的，本发明的基于网络信道状态的无线网络最大重传次数的优化方法，期望传输效率的判断阈值V₁的选择是通过在4×4和5×5的网格网络拓扑中，在[0，1]范围内分别取不同值，利用NS2进行网络仿真实验，通过比较不同取值下的网络性能，最终确定一个普遍适用各种网络状态下的值作为判断阈值V₁；

所述丢包区分的判断阈值V₂的选择是通过在4×4的网格网络拓扑中，在[0，1]范围内分别取不同值，利用NS2进行网络仿真实验，通过比较不同取值下的网络性能，最终确定一个普遍适用各种网络状态下的值作为判断阈值V₂。

进一步的，本发明的基于网络信道状态的无线网络最大重传次数的优化方法，第二丢包区分判断阈值V₃的选择是通过在4×4的网格网络拓扑中，在[0，1]范围内分别取不同值，利用NS2进行网络仿真实验，通过比较不同取值下的网络性能，最终确定一个普遍适用各种网络状态下的值作为阈值V₃。

进一步的，本发明的基于网络信道状态的无线网络最大重传次数的优化方法，网络性能包括网络平均吞吐量、时延以及丢包率。

本发明采用以上技术方案具有以下有益效果：

本发明通过动态测量MAC层的期望传输效率、分组成功传递概率以及队列空闲率等状态参数，利用多属性判决算法进行统计分析，动态区分当前丢包的主要原因是否是由于无线链路随机差错所致，自适应优化MAC层的最大重传次数，合理控制无线网络的重传。

本发明首先通过测量无线网络的重传次数获得无线链路的期望传输效率参数，其次通过估计无线信道的成功传递概率和队列利用率实现分组丢失类型的区分，即信道状态的判断，最后通过获得的传输效率参数和信道状态的判断实现802.11MAC层的最大重传次数的优化调整，合理控制发送速率，提高路由维护效率。

本发明通过对无线信道环境的不断感知和测量，自适应优化MAC层的最大重传次数，提高分组的成功传递概率。

附图说明：

图1是本发明的优化方法的整体流程图；

图2是本发明的最大重传次数优化调整方法的具体流程图；

图3是使用本发明方法和现有的IEEE 802.11重传控制的仿真结果的性能比较。

其中：(a)为平均吞吐量随节点发送速率的变化曲线，(b)为平均端到端时延随节点发送速率的变化曲线，(c)为平均拥塞丢包率随节点发送速率的变化曲线，(d)为平均随机丢包率随节点发送速率的变化曲线。

具体实施方案：

下面结合附图对技术方案的实施作进一步的详细描述：

如图1所示，本发明包括两个进程，首先采用基于对链路期望传输效率的计算值估计当前网络的整体状态，然后在不同的网络状态下，通过测量分组的成功传递概率和队列空闲率区分网络丢包类型，进而优化最大的重传次数，合理控制发送机制。

1.无线链路的期望传输效率的获取

首先定义MAC层的最大期望重传次数为N_max。由于时延是有限的，当重传次数达到N_max时数据包仍不能正确接收，则丢弃。网络中每个节点使用802.11 MAC_MIB中的变量SLRC和SSRC分别表示Data帧和RTS帧的实际重传次数，则节点i到节点j的链路成功发送第k个包的重传次数为：N_ij(k)＝SSRC_ij(k)+SLRC_ij(k)。在理想情况下，成功传送一个数据包，只需要发送一次RTS和Data，因此，可以得出计算从节点i成功发送第k个包到节点j的期望传输效率ETE_ij(k)，如公式(1)所示。

${\mathrm{ETE}}_{\mathrm{ij}}\left(k\right)=1-\frac{N_{\mathrm{ij}}\left(k\right)}{N_{\mathrm{ij}}\left(k\right)+2}=\frac{2}{{\mathrm{SSRC}}_{\mathrm{ij}}\left(k\right)+{\mathrm{SLRC}}_{\mathrm{ij}}\left(k\right)+2}---\left(1\right)$

其中SLRC代表MAC层的数据帧的有效重传次数，SSRC代表MAC层的RTS帧的有效重传次数，SSRC_ij(k)代表所述MAC层的数据帧从节点i成功发送第k个包到节点j的次数，SLRC_ij(k)代表所述MAC层的RTS帧从节点i成功发送第k个包到节点j的次数，k、i、j分别为自然数；

为了避免状态突发抖动变化带来较大误差的影响，使测量的信息能更加准确地反映网络的信道信息，我们对链路的期望传输效率ETE采用加权平均算法进行平滑处理。利用节点i在发送第k-1个包到节点j时的信息和当前发送第k个包到节点j时测量的信息进行联合预测估计，减小因统计精度不高带来参数估计的误差影响。期望传输效率的统计值如公式(2)所示。

${\stackrel{\‾}{\mathrm{ETE}}}_{\mathrm{ij}}\left(k\right)=w_1{\mathrm{ETE}}_{\mathrm{ij}}\left(k\right)+\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{w}_{l+1}{\stackrel{\‾}{\mathrm{ETE}}}_{\mathrm{ij}}(k-l),w_l\∈\left[\mathrm{0,1}\right]---\left(2\right)$

其中w_l为指数加权移动平均算法的加权因子，w_l∈[0，1]；l表示第l个指数加权数，l＝1，2，…M，M表示指数加权个数。

2.无线信道状态的估计

在基于IEEE802.11的协议中，分布式协调函数DCF是最基本的媒体接入信道方法，即节点发送数据前先利用探测包RTS侦听信道的忙闲状态，如果信道空闲，说明当前信道不冲突，分组被传输；如果信道忙，说明当前信道冲突，被发送的分组等待一个DIFS的间隔。对于无线信道状态的估计本发明采用分组成功传递概率和队列空闲率来估计当前网络的主要状态，对于不同的信道状态，我们采用不同的控制策略。

1).在无线多跳网络中，虽然每条链路都能侦听彼此的邻居链路，但是每条链路为了接入信道获得服务过程必然会与它的邻居链路进行竞争，竞争必然导致冲突和数据包的重传，因此在实际信道容量的计算中应该考虑数据包的冲突概率和重传次数的影响。在单类的QoS指标中由于分组到达数目服从泊松分布，因此我们利用泊松分布的概率预测模型预测包成功传输的统计概率及冲突失败概率，以此反映无线链路的随机丢包特征。

在一个给定的时间段内，信道的分组到达分布近似服从泊松分布，在时间间隔[s，t]内，有k个分组到达的概率为：

$P(N\left(t\right)-N\left(s\right)=k)=\frac{e^{-\mathrm{\λ}(t-s)}{\left[\mathrm{\λ}(t-s)\right]}^k}{k!},k=\mathrm{1,2},\·\·\·---\left(3\right),$

其中λ为强度函数，在单类QoS指标下，N为节点个数，x为数据包的重传次数，e表示分组传输失败指数。在[t₀-t_f，t₀+t_f]间隔内，节点的每次数据包的传输可看做为独立事件，则节点每次成功传输的概率，t_f表示时间间隔，即在2t_f间隔内有零个分组到达的概率由上述公式(3)可得：

$P_s=e^{-2{\mathrm{\λt}}_f}=e^{-\frac{2(N-1)x}{T}{t}_f}---\left(4\right)$

考虑无线信道受瑞利衰落的影响，分组成功传输的概率可进一步表达为：

其中T表示信道占用的时间周期，γ为瑞利衰落信道的信噪比，σ为瑞利衰落噪声均值。则重传次数x中至少有一次被成功传输的概率可转化为求他的对立事件，即x次重传都失败的概率P_e(x)为：

$P_e\left(x\right)=\underset{k=1}{\overset{x}{\mathrm{\Π}}}(1-P_s^k)={[1-e^{-\frac{2(N-1)x}{T}{t}_f}(1-\frac{\mathrm{\γ}}{\mathrm{\σ}}{e}^{-\frac{{\mathrm{\γ}}^2}{2\mathrm{\σ}}})]}^x---\left(5\right)$

则x次重传中至少有一次成功传输的概率为如公式(6)所示。这样，我们可以利用公式(6)获得的成功传递概率近似估计当前无线链路的随机丢包特征。

$P\left(x\right)=(1-P_e\left(x\right))=1-{[1-e^{-\frac{2(N-1)x}{T}{t}_f}(1-\frac{\mathrm{\γ}}{\mathrm{\σ}}{e}^{-\frac{{\mathrm{\γ}}^2}{2\mathrm{\σ}}})]}^x---\left(6\right)$

2).我们利用节点队列的空闲率参数做为判断信道状态的另一判据。用Queue_i来表示节点i的队列空闲率，以此反映当前网络的拥塞状况，定义为，

$\begin{array}{cc}{\mathrm{Queue}}_i=\frac{{\mathrm{Length}}_i-{\mathrm{Cache}}_i}{{\mathrm{Length}}_i},& {\mathrm{Queue}}_i\∈\left[\mathrm{0,1}\right]---\left(7\right)\end{array}$

其中Length_i表示的是一个节点固定的数据队列缓存区容量的大小，Cache_i表示数据队列缓存区中已占用的数据大小。Queue_i可以看作是某一个时刻，节点队列缓存区中尚未被使用的数据缓存的比例。从上式可以看出，Queue_i越大，说明节点可利用的数据队列缓存区就越大，节点当前可接受的负载能力越强，相对来说，就认为这些节点较“空闲”，从公平使用网络资源角度讲，应该让这些节点尽可能参与网络业务的路由，避免不必要的重传。为了减小测量误差影响，我们同样采用加权平均算法对节点的队列空闲率进行平滑处理，处理后的节点空闲率如公式(8)所示，进一步减小参数估计的误差。

$\begin{array}{cc}\stackrel{\‾}{{\mathrm{Queue}}_i}\left(k\right)={\mathrm{\λ}}_1{\mathrm{Queue}}_i\left(k\right)+\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_{l+1}\stackrel{\‾}{{\mathrm{Queue}}_i}(k-1),& {\mathrm{\λ}}_l\∈\left[\mathrm{0,1}\right]---\left(8\right)\end{array}$

其中λ_l为指数加权移动平均算法的加权因子，l表示第l个指数加权数，l＝1，2，…M，M表示指数加权个数，基于对上述两个参数的测量分析，我们定义估计信道状态的判断函数如式(9)所示，其中a₁为加权因子。当Judge的统计值小于阈值V₂时，(V₂∈(0，1))，表明分组发送成功传递率较小，且队列空闲率较低，则当前信道状态处于繁忙状态，信道冲突概率较大，应尽量避免不必要的重传，加大抗误码保护；反之，分组发送成功概率较高，无线链路有更多的空闲带宽用于发送数据，则判定当前信道为空闲状态，可进行数据包的发送或重传。

$\mathrm{Judge}(P_i\left(x\right),\stackrel{\‾}{{\mathrm{Queue}}_i})=a_1{P}_i\left(x\right)+(1-a_1)\stackrel{\‾}{{\mathrm{Queue}}_i},a_1\∈\left[\mathrm{0,1}\right]---\left(9\right)$

3.最大重传次数的优化调整方案

MAC层的最大重传次数的优化方案能够根据当前底层的网络特性，动态区分当前无线信道的特性，自适应调整最佳重传次数。基于链路传输效率的估计和信道状态的判断，当丢包类型判为拥塞丢包时，则当前无线链路随机差错较小，MAC层重传会导致网络的过度拥塞。因此，通过适当降低最大重传次数，避免占用不必要的信道资源；反之，若当前丢包类型中差错丢包占主要，无线环境误码率较高导致重传。因此，我们可适当增加最大重传次数，提高数据的成功传递率。

重传次数的优化调整方案如图2所示。

在重传次数的优化调整方案的实现中，首先根据链路的期望传输效率ETE判定当前链路的状态：

1)当ETE_ij≤V₁(V₁为期望传输效率的判断阈值，0＜V₁＜1)，则当前链路整体环境较差。阈值V₁的选择是通过我们在4×4和5×5的网格网络拓扑中，对V₁可能的取值(V₁∈[0，1])利用NS2进行网络仿真实验，通过比较不同V₁取值下的网络性能(吞吐量、时延以及丢包率等参数)，最终综合考虑获得一个可以普适各种网络状态下的最佳阈值V₁。

为了分析出当前的主要丢包原因是网络拥塞还是无线链路随机差错导致，我们利用公式(9)计算Judge(·)的函数值，若Judge(·)≤V₂(V₂为丢包区分的判断阈值，0＜V₂＜1)，则当前信道处于繁忙状态，网络拥塞/碰撞丢包占主要部分，队列可能溢出。阈值V₂的选择是通过在4×4的网格网络拓扑中，对V₂可能的取值(V₂∈[0，1])利用NS2进行网络仿真实验，通过比较不同V₂取值下的网络平均吞吐量、时延以及丢包率等性能参数，最终综合考虑获得一个可以普适的最佳阈值V₂。此时，MAC层通过降低最大重传次数N_max(N_max＝N_max-1)，缓解当前的网络拥塞，路由层相应地调用路由维护策略。反之，若当前信道处于空闲状态(Judge(·)≥V₂)，则无线链路随机差错率较高，无线信道误码较严重，这时应增加MAC层最大重传次数N_max(N_max＝N_max+1)，提高成功传递率，路由层可以避免路由维护。

2)如果ETE_ij≥V₁，则说明当前链路状态较好，传输效率较高，无线信道状态较好。为了避免增加速率导致拥塞的产生，我们仍然通过计算Judge(·)的函数值判断当前网络是否处于拥塞状态？若Judge(·)≤V₃(V₃为丢包区分的另一判断阈值，且0＜V₃＜1，V₃＜V₂))，则当前信道处于繁忙状态，网络拥塞占主要，此时MAC层通过降低最大重传次数N_max(N_max＝N_max-1)，缓解网络拥塞，路由层相应地调用路由维护策略。反之，则判定当前信道为空闲状态，则网络应用层的视频编码器可以适当提高发送速率，增加网络吞吐量，提高信道利用率。阈值V₃的选择同样是通过在4×4的网格网络拓扑中，对V₃可能的取值(V₃∈[0，1])利用NS2进行网络仿真实验，由于此时网络的整体状态较好，适当提高发送速率有助于增加网络性能，因此阈值V₃的选取应小于阈值V₂。通过比较不同V₃取值下的网络平均吞吐量、时延以及丢包率等性能参数，最终综合考虑获得一个可以普适的最佳阈值V₃。

根据我们的大量仿真实验(如表I所示)可知，最大重传次数N_max的极限值对于数据分组取值为8，对于RTS分组为10时，网络的吞吐量最大且分组丢失率最小。因此，我们给出N_max的取值范围如下：

表I最大重传次数的极限值与网络性能之间的关系

Nmax(DATA)	2	2	2	4	4	4	6	6	8	8	8	10	10
														Nmax(RTS)	2	4	6	4	7	10	7	10	7	10	15	10	15
Goodput(kb/s)	82	111	120	164	177	178	190	190	179	192	191	179	122
														PER(％)	40	31	39	16	9	8	2	2	7	1	2	7	16

本发明的NS2仿真结果

我们对本发明提出的算法利用NS2进行仿真验证，将MRCOS方法与原始的802.11MAC层传输控制算法进行比较。在无线多跳骨干网中无线路由器可抽象为源和目的节点，由于路由器相对较小的移动特性，我们主要考虑静态场景的仿真，因此我们采用4×4的网格网络拓扑。在仿真参数选择时，我们通过各种环境的物理仿真实验确定本文算法中的期望传输效率的判断阈值V₁为0.6，丢包区分的判断阈值为V₂＝0.65，V₃＝0.35，其他参数采用与现有文献相类似的参数设置，仿真时间为800s。

MRCOS算法主要的设计目标在于通过MAC层重传次数的动态调整提高网络吞吐量，降低端到端时延和分组丢失率，因此，仿真结果给出了网络吞吐量(只统计数据分组)、端到端时延以及拥塞/随机分组丢失率随负载流变化的各种性能曲线。为了减小随机误差对网络性能的影响，所有的性能指标都是运行10次实验的平均值。

图3为4×4网格网络拓扑的仿真结果，图3(a)为网络平均吞吐量随节点发送速率的变化曲线，图3(b)为网络端到端时延的变化曲线，图3(c)和图3(d)分别是网络的拥塞丢包率和无线丢包率的变化曲线。从图3(a)我们可以看到，随着节点的发送速率不断增加，本发明提出的MRCOS的平均吞吐量明显好于原始的802.11MAC层传输控制算法。随着发送速率的增加，网络拥塞越来越严重，传统的基于IEEE802.11的MAC层协议由于未对信道状态进行合理估计，导致过度重传，资源利用率降低。MRCOS方案通过合理估计信道状态，有效控制MAC层的最大重传次数从而提高带宽利用率。由于重传次数得到有效控制，MRCOS算法的平均端到端时延(图3(b))在绝大多数情况下均低于传统的802.11算法，因而可以被应用到无线多媒体网络中。图3(c)和图3(d)分别给出了网络的拥塞丢包率和无线丢包率的变化曲线，从这两组曲线我们可以看到，MRCOS方案对网络的拥塞丢包和随机丢包都有较好的控制，也说明了本方案对优化重传的控制和网络性能的提高。通过上述仿真表明，在无线多跳的网络环境下，本发明提出的方案在网络吞吐量、时延、丢包率等端到端性能指标方面都有明显改善。

Claims (7)

1.一种基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，包括如下步骤：

步骤A，基于对无线链路的期望传输效率的计算值ETE_ij(k)估计当前网络的整体状态，具体步骤如下：

A-1步，构建期望传输效率函数ETE_ij(k)，

${\mathrm{ETE}}_{\mathrm{ij}}\left(k\right)=\frac{2}{{\mathrm{SSRC}}_{\mathrm{ij}}\left(k\right)+{\mathrm{SLRC}}_{\mathrm{ij}}\left(k\right)+2},$

其中SLRC代表MAC层的数据帧的有效重传次数，SSRC代表MAC层的RTS帧的有效重传次数，SSRC_ij(k)代表所述MAC层的数据帧从节点i成功发送第k个包到节点j的次数，SLRC_ij(k)代表所述MAC层的RTS帧从节点i成功发送第k个包到节点j的次数，k、i、j分别为自然数；

A-2步，对期望传输效率函数ETE_ij(k)采用指数加权移动平均算法进行平滑迭代处理：

${\stackrel{\‾}{\mathrm{ETE}}}_{\mathrm{ij}}\left(k\right)=w_1{\mathrm{ETE}}_{\mathrm{ij}}\left(k\right)+\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{w}_{l+1}{\stackrel{\‾}{\mathrm{ETE}}}_{\mathrm{ij}}(k-l),$

其中w_l为指数加权移动平均算法的加权因子，w_l∈[0，1]；l表示第l个指数加权数，l＝1，2，…M，M表示指数加权个数。

A-3步，当A-2步得到的期望传输效率函数值

小于阈值V₁时，则判定当前网络的传输性能差，进入步骤B；

当A-2步得到的期望传输效率函数值

大于阈值V₁时，采用降低最大重传次数或者增加应用层的发送速率实现对网络的优化，结束操作；

其中，V₁为期望传输效率的判断阈值，0＜V₁＜1；

步骤B，无线信道状态估计，实现对无线信道的丢包类型的区分，具体步骤为：

B-1步，构建判断函数Judge(·)：

$\mathrm{Judge}(P_i\left(x\right),\stackrel{\‾}{{\mathrm{Queue}}_i})=a_1{P}_i\left(x\right)+(1-a_1)\stackrel{\‾}{{\mathrm{Queue}}_i};$

其中，P_i(x)表示成功传递概率，x为数据包的重传次数，P_i(x)通过利用泊松分布的概率统计的方法获得；Queue_i表示队列空闲率，Queue_i通过队列缓存空间的定时动态测量和指数加权移动平均算法获得；a₁为判断函数Judge(·)的加权因子，a₁∈[0，1]；

B-2步，将B-1步求得的判决函数Judge(·)的函数值与丢包区分的判断阈值V₂进行比较：

①、当判决函数Judge(·)的函数值小于阈值V₂时，当前网络的主要丢包类型判为拥塞或碰撞；

②、当判决函数Judge(·)的函数值大于阈值V₂，当前网络的主要丢包类型判为随机差错；

其中，0＜V₂＜1；

步骤C，根据步骤B区分的无线信道的丢包类型，对MAC层的最大重传次数进行调整，具体步骤为：

C-1步，当网络的主要丢包类型为B-2步骤中所述第①种情况时，通过降低MAC层最大重传次数N_max缓解当前的拥塞或碰撞水平，N′_max＝N_max-1，同时对网络层进行路由维护；

C-2步，当网络的主要丢包类型为B-2步骤中所述第②种情况时，通过增加MAC层最大重传次数N_max提高分组的成功传递率，N′_max＝N_max+1。

2.根据权利要求1所述的基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，所述步骤A的A-3步中，当期望传输效率函数值大于阈值V₁时，采用降低最大重传次数或者增加应用层的发送速率实现对网络的优化，具体步骤为：

i，采用步骤B中的B-1步的方法构建判断函数Judge(·)；

ii，将判决函数Judge(·)的函数值与第二丢包区分判断阈值V₃进行比较：

当判决函数Judge(·)的函数值小于阈值V₃，当前网络的主要丢包类型判为拥塞或碰撞，通过降低MAC层最大重传次数N_max缓解当前的拥塞或碰撞水平，N′_max＝N_max-1，同时对网络层进行路由维护；

当判决函数Judge(·)的函数值大于阈值V₃，通过增加MAC层的发送速率实现网络吞吐量的提高；

其中0＜V₃＜1，V₃＜V₂。

3.根据权利要求1所述的基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，所述步骤B-1步中利用泊松分布的概率统计的方法获得成功传递概率P_i(x)的计算方法为：

$P_i\left(x\right)=(1-P_e\left(x\right))=1-{[1-e^{-\frac{2(N-1)x}{T}{t}_f}(1-\frac{\mathrm{\γ}}{\mathrm{\σ}}{e}^{-\frac{{\mathrm{\γ}}^2}{2\mathrm{\σ}}})]}^x$

x为数据包的重传次数，P_e(x)表示x次重传都失败的概率，e表示分组传输失败指数，T表示信道占用的时间周期，N为节点个数，t_f表示时间间隔，γ为瑞利衰落信道的信噪比，σ为瑞利衰落噪声均值；

4.根据权利要求1所述的基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，所述步骤B-1步中Queue_i的获得方法为：

通过队列缓存空间动态测量Queue_i

$\begin{array}{cc}{\mathrm{Queue}}_i=\frac{{\mathrm{Length}}_i-{\mathrm{Cache}}_i}{{\mathrm{Length}}_i},& {\mathrm{Queue}}_i\∈\left[\mathrm{0,1}\right]\end{array}$

其中，Length_i表示一个节点固定的数据队列缓存区容量的大小，Cache_i表示数据队列缓存区中已占用的数据大小；

采用指数加权平均算法对节点的队列空闲率进行平滑处理，

$\stackrel{\‾}{{\mathrm{Queue}}_i}\left(k\right)={\mathrm{\λ}}_1{\mathrm{Queue}}_i\left(k\right)+\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_{l+1}\stackrel{\‾}{{\mathrm{Queue}}_i}(k-l),{\mathrm{\λ}}_l\∈\left[\mathrm{0,1}\right]$

λ_l为指数加权移动平均算法的加权因子，l表示第l个指数加权数，l＝1，2，…M，M表示指数加权个数。

5.根据权利要求1所述的基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，所述期望传输效率的判断阈值V₁的选择是通过在4×4和5×5的网格网络拓扑中，在[0，1]范围内分别取不同值，利用NS2进行网络仿真实验，通过比较不同取值下的网络性能，最终确定一个普遍适用各种网络状态下的值作为判断阈值V₁；

所述丢包区分的判断阈值V₂的选择是通过在4×4的网格网络拓扑中，在[0，1]范围内分别取不同值，利用NS2进行网络仿真实验，通过比较不同取值下的网络性能，最终确定一个普遍适用各种网络状态下的值作为判断阈值V₂。

6.根据权利要求2所述的基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，所述第二丢包区分判断阈值V₃的选择是通过在4×4的网格网络拓扑中，在[0，1]范围内分别取不同值，利用NS2进行网络仿真实验，通过比较不同取值下的网络性能，最终确定一个普遍适用各种网络状态下的值作为阈值V₃。

7.根据权利要求5或6所述的基于网络信道状态的无线网络最大重传次数的优化方法，其特征在于，所述网络性能包括网络平均吞吐量、时延以及丢包率。

Images