CN102143551B - 基于网络负载预测的无线竞争接入控制退避方法 - Google Patents

Abstract

本发明公开了无线网络通信技术领域中的一种基于网络负载预测的无线竞争接入控制退避方法。该方法基于站点执行退避思想，首先基于模糊理论建立网络负载状况预测值与数据包发生碰撞可能性的隶属度函数；然后通过多次数据发送时计算退避计数器冻结次数与初始值之比得到反映网络负载状况的参数序列，并根据参数序列，利用数学预测方法得出下次数据发送时的网络负载状况预测值；最后将预测值代入隶属度函数，得出时隙选择方案的控制参数，确定竞争窗口范围。本发明以IEEE 802.11标准协议为基础，可根据预测的网络负载状况灵活调整竞争窗口范围，降低时隙选择不均匀性和减少碰撞发生，其吞吐率、时延性能优于其他退避算法。

Description

基于网络负载预测的无线竞争接入控制退避方法

技术领域

本发明属于无线网络通信技术领域，尤其涉及一种基于网络负载预测的无线竞争接入控制退避方法。

背景技术

近年来，个人数据通信业务发展迅猛，便携式数据终端及无线多媒体终端得到广泛应用。无线局域网凭借其无需布线、组网便捷等优势，得到了迅速的普及与推广。然而随着无线局域网用户数量和单用户传输数据量的迅猛增长，网络资源相对稀缺，如何利用有限的带宽资源来提高无线局域网的网络利用率，成为无线局域网发展的一个关键技术。

在IEEE802.11分布式协调功能DCF(distributed coordination function)接入机制下，所有的网络节点通过竞争的方式共享无线信道。在网络用户数量增加和网络负载增大的情况下，网络性能因碰撞增多而显著下降，具体表现为网络吞吐率下降、公平性下降、数据包传送时延增加。为提高网络性能，研究人员提出了较多的IEEE802.11DCF改进方法，其中典型方法包括：

1、考虑到节点在成功发送数据后因重置竞争窗口为最小值所引起的碰撞概率增加，IEEE802.11工作组成员强尼教授等人提出了竞争窗口减半的改进方法，称为SD(slow CW decrease)方法。为了避免SD方法中节点数据由于偶然碰撞造成的竞争窗口变化，王重钢等提出了GDCF(gentle DCF)方法，要求节点在连续成功完成若干次数据传输后将竞争窗口减半。上述方法在一定程度上改善了DCF的吞吐率性能，但这些改进仅仅是对竞争窗口更新规则的更改，忽略了时隙选择的不均匀性对网络性能带来的影响。

2、李云、陈羽中等人分析了时隙选择的不均匀性，通过改进时隙选择方案降低碰撞概率，获得了较好的网络性能提升。此类改进虽在一定程度上降低了碰撞概率，但网络性能提升有限，不能根据网络负载动态调整时隙选择方案。当通信节点频繁的接入或退出网络时，带宽资源的利用不够平稳和高效，网络性能仍有待提高。

发明内容

针对上述背景技术中提到的现有无线网络控制方法存在的不参考网络负载状况、不能动态调整竞争窗口等不足，本发明提出了一种基于网络负载预测的无线竞争接入控制退避方法。

本发明的技术方案是，基于网络负载预测的无线竞争接入控制退避方法，其特征是该方法包括下列步骤：

步骤1：基于模糊理论建立网络负载状况预测值与数据包发生碰撞可能性的隶属度函数；

步骤2：获得节点此刻发送数据时退避计数器的初始值；

步骤3：检测信道状况，执行退避过程，计算退避计数器冻结次数；

步骤4：根据步骤2、步骤3记录的数据，得出退避计数器冻结次数与退避计数器初始值的比值，并将该比值作为描述此次退避阶段网络负载状况的参数；

步骤5：连续记录步骤4中得到的参数，将其组成序列，用高阶滑动平均方法预测下一数据发送时刻网络负载状况预测值；

步骤6：将步骤5得到的网络负载状况预测值代入步骤1中的隶属度函数，得出节点发生碰撞可能性的隶属度，将该隶属度作为节点下次发送数据时的竞争窗口下限；

步骤7：根据步骤6得出的竞争窗口下限，得到用于下次数据发送的退避计数器初始值；

步骤8：根据步骤7确定的退避计数器初始值，通信节点按照协议要求完成数据发送相关动作，若遭遇碰撞或有数据更新，重复步骤2至步骤7。

所述隶属度函数的计算公式为：

$A\left(q_{n+1}^{*}\right)=\frac{\ln (1+{\mathrm{Bq}}_{n+1}^{*})}{\ln (1+B)}$

式中：

A为隶属度函数；

为网络负载状况预测值；

B为调节隶属度函数的参数。

所述B的取值为1000。

所述退避计数器冻结次数与退避计数器初始值的比值的计算公式为：

$q_n=\frac{\mathrm{Freeze}\_\mathrm{times}}{\mathrm{Init}\_\mathrm{backoff}}$

式中：

q_n为退避计数器冻结次数与退避计数器初始值的比值；

n为节点经历退避阶段的次数；

Freeze_times为冻结次数；

Init_backoff为退避计数器初始值。

所述预测值的计算公式为：

$q_{n+1}^{*}=M_n+a_1\mathrm{\Δ}{q}_n+a_2\mathrm{\Δ}{q}_{n-1}+...+a_{k-1}\mathrm{\Δ}{q}_{n-k+2}$

式中：

为下一数据发送时刻的网络负载状况的预测值；

$M_n=\frac{1}{k}\underset{i=n-k+1}{\overset{n}{\mathrm{\&Sigma;}}}{q}_i,k<n;$

Δq_i＝q_i-q_i-1；

a₁，a₂，…a_k-1为加权系数。

所述退避计数器初始值的计算公式为：

$\mathrm{CW}=\left(\mathrm{int}\right)\mathrm{Random}(\max \_\mathrm{backoff}\&times;A\left(q_{n+1}^{*}\right),\max \_\mathrm{backoff}]$

其中：

CW为退避计数器初始值；

Random()为伪随机数生成函数；

max_backoff为当前节点竞争窗口的最大值。

本发明具有如下优点：

(1)本发明提出的退避方法基于IEEE 802.11DCF，通过相关计算即可实现，不需要硬件和数据帧结构方面的改动，可以与IEEE 802.11DCF协议完全兼容。

(2)本发明提出的退避方法是针对时隙选择方案进行改进，可以与其它退避方法如SD、GDCF等联合使用；同时本发明提出的利用模糊理论建立隶属度函数、利用数学方法对无线局域网络负载状况进行预测的概念，可应用于其他无线网络接入协议中。

(3)本发明提出的退避方法在每次数据发送过程中都能得到一个反映网络负载状况的参数，利用这些参数组成的序列可以动态的预测网络的负载状况，进而对时隙选择方案进行改进，使通信节点可以实时调节发送动作，即使在网络繁忙或通信节点数目剧烈变化的情况下，本发明仍能保证网络性能的提升。

附图说明

图1为本发明的流程图。

图2为DCF、SD和GDCF方法引入本发明后归一化吞吐率的提高情况。

图3为SD和GDCF方法引入本发明后平均时延的改善情况；

图a.为SD算法时隙选择改进前后平均时延；图b.为GDCF算法时隙选择改进前后平均时延。

图4为DCF、SD和GDCF方法引入本发明后数据包平均重传次数的变化情况。

图5为DCF、SD和GDCF方法引入本发明后数据包丢包情况的比较。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

本发明的目的在于基于IEEE 802.11协议，克服上述已有技术方法不足，提出一种利用模糊理论来提高网络性能的无线局域网分布式竞争控制方法。该发明解决了标准退避算法中不参考网络负载状况、不能动态调整竞争窗口等技术问题，提高了网络吞吐率、时延等网络特性。

本发明的技术解决方案是：

基于通信节点执行退避思想，首先利用模糊理论建立网络负载状况预测值与数据包发生碰撞可能性的隶属度函数；然后通过多次数据发送时退避计数器冻结次数与其初始值之比得到的反映网络负载状况的参数序列，利用高阶滑动平均方法得出下一退避阶段网络负载状况的预测值；最后将预测值代入隶属度函数，得出竞争窗口的控制参数，确定竞争窗口范围，其具体步骤如下：

1.建立隶属度函数

利用模糊理论建立网络负载状况预测值与数据包发生碰撞的可能性的隶属度函数，该函数如下式所示：

$A\left(q_{n+1}^{*}\right)=\frac{\ln (1+{\mathrm{Bq}}_{n+1}^{*})}{\ln (1+B)}---\left(1\right)$

式中：

A为隶属度函数；

为网络负载状况预测值；

B为调节隶属度函数的参数，通过设置参数B可实现数据包优先级的改进，本发明中B取1000。

2.退避计数器的初始化

节点根据竞争窗口范围，产生用于发送当前数据的退避计数器初始值，记为Init_backoff，用于后续步骤对网络负载状况的描述。

3.监测无线信道，计算退避计数器冻结次数

获得退避计数器初始值后，节点执行退避过程。当信道空闲一个时隙，发送节点将退避计数器的数值减1；当信道变忙时，退避计数器被冻结，冻结次数计数器Freeze_times加1，直至退避过程结束。

4.确定当前退避阶段网络负载状况

在节点退避过程结束后，根据步骤2、步骤3记录的数据，得出退避计数器冻结次数与其初始值之比，作为描述此次退避阶段对应的网络负载状况参数，即

$q_n=\frac{\mathrm{Freeze}\_\mathrm{times}}{\mathrm{Init}\_\mathrm{backoff}}---\left(2\right)$

式中：

q_n为退避计数器冻结次数与退避计数器初始值的比值；

n为节点经历退避阶段的次数；

Freeze_times为冻结次数；

Init_backoff为退避计数器初始值。

5.预测下一退避阶段网络负载状况

利用加权高阶滑动平均预测方法，对{q_i}进行处理，得出下一退避阶段网络负载状况的预测值，即

$q_{n+1}^{*}=M_n+a_1\mathrm{\&Delta;}{q}_n+a_2\mathrm{\&Delta;}{q}_{n-1}+...+a_{k-1}\mathrm{\&Delta;}{q}_{n-k+2}---\left(3\right)$

式中：

为下一数据发送时刻的网络负载状况的预测值；

k＜n；

Δq_i＝q_i-q_i-1；a₁，a₂，…a_k-1为加权系数。

本发明采用5阶滑动平均方法对参数序列进行处理，加权系数a₁，a₂，…a_k-1依次取值0.4、0.3、0.2和0.1。

6.确定竞争窗口下限

将网络负载预测值带入步骤1确定的隶属度函数，得出节点发生碰撞可能性的隶属度，作为节点下次发送数据时的竞争窗口下限。

7.产生下次数据发送的退避计数器初始值

根据步骤6得出的竞争窗口下限，按如下方式产生用于下次数据发送的退避计数器初始值：

$\mathrm{CW}=\left(\mathrm{int}\right)\mathrm{Random}(\max \_\mathrm{backoff}\&times;A\left(q_{n+1}^{*}\right),\max \_\mathrm{backoff}]---\left(4\right)$

式中：

CW为退避计数器初始值；

max_backoff为当前节点竞争窗口的最大值；

Random()为产生伪随机数的函数。

8.根据步骤7确定的退避计数器初始值，通信节点按照协议要求完成数据发送相关动作。若遭遇碰撞或有数据更新，重复步骤2至步骤7。

本发明以IEEE 802.11DCF为基础，提出了一种基于网络负载预测的无线局域网分布式竞争控制退避方法。该方法根据预测的网络负载状况灵活调整竞争窗口范围，实现对待发送数据帧接入信道的控制，降低了时隙选择不均匀性，减少了碰撞发生。以下结合附图和具体实例对本发明的实施作进一步详细描述。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1所示为本发明的具体实现过程。

节点在没有数据帧发送时，一直检测自己的数据帧缓冲区是否有数据到达，基于载波侦听冲突避免CSMA/CA方式来监听共享的无线信道。若节点发现数据缓冲区内有数据帧等待发送，则进入发送前的退避阶段。

节点发送数据时，首先侦听无线信道，若当前时隙信道空闲，则直接发送数据；若信道繁忙，则节点在当前竞争窗口范围内随机选取一个退避时隙数Init_backoff，对退避计数器进行初始化。

若节点检测到信道空闲时间等于一个时隙，节点退避寄存器的数值减1；若信道变忙，节点冻结其退避计数器，并将冻结次数计数器Freeze_times加1。

当退避计数器减小到0，节点将发送数据帧到共享信道中。引入本发明后，节点在此时进行网络负载预测及相关模糊处理。节点会根据已记录的退避计数器初始值和冻结次数，按下式得出表达网络负载的参数q_i：

$q_n=\frac{\mathrm{Freeze}\_\mathrm{times}}{\mathrm{Init}\_\mathrm{backoff}}$

将连续多次得到的参数组成描述网络负载动态变化的序列q₁，q₂，…q_i，…q_n，并采用数学预测方法得出下次数据发送时的网络负载状况。

本发明采用高阶滑动平均方法对参数序列进行处理。在节点开始发送数据的初期，若序列个数不足，可用0补齐，以满足对网络负载预测的需要。利用下式预测网络负载状况：

$q_{n+1}^{*}=M_n+a_1\mathrm{\&Delta;}{q}_n+a_2\mathrm{\&Delta;}{q}_{n-1}+...+a_{k-1}\mathrm{\&Delta;}{q}_{n-k+2}$

式中：

k＜n；Δq_i＝q_i-q_i-1；a₁，a₂，…a_k-1为加权系数。采用5阶滑动平均处理，加权系数a₁，a₂，…a_k取值分别为：0.4、0.3、0.2和0.1。

因网络负载预测值q^*不能线性地反映出节点发送数据时发生碰撞的概率，本发明引入模糊数学理论，建立基于网络负载状况预测值与节点数据发生碰撞可能性关系的隶属度函数，使节点可以根据数据发生碰撞的可能性来改进时隙选择方案，降低碰撞概率，提升网络性能。

将

的值域[0，1]作为论域U，将下式作为隶属度函数，

$A\left(q_{n+1}^{*}\right)=\frac{\ln (1+{\mathrm{Bq}}_{n+1}^{*})}{\ln (1+B)}$

式中：B为调节隶属度函数的参数，可取1000；

同模糊子集A是一一映射。

这样便确定了U上的一个模糊子集A，它表示节点在发送数据时是否发生碰撞这一模糊概念。

通过隶属度函数的映射，来表达不同网络负载对于模糊子集A的隶属度，即在不同的网络负载状况下节点发送数据时遭遇碰撞的可能性。

节点将利用

在其下次数据发送时设置竞争窗口范围，影响计数器初始值的选择，实现对节点发送数据的调节。当节点本次数据包发送发生碰撞需进行重传或传输新数据包时，会根据及当前竞争窗口最大值按下式设定竞争窗口的范围：

$\mathrm{CW}=\left(\mathrm{int}\right)\mathrm{Random}(\max \_\mathrm{backoff}\&times;A\left(q_{n+1}^{*}\right),\max \_\mathrm{backoff}]$

新的时隙选择方案改善了原协议时隙选择的不均匀性，引入根据网络负载调节数据发送的概念。

以上便是本发明的流程。

为了检验本发明提出的时隙选择方案性能，将本发明应用于IEEE802.11DCF、SD及GDCF等方法，对应用本发明后的各项网络性能进行比较。该仿真主要研究了高负荷网络环境下，网络中活跃节点数目对各项网络性能的影响。

采用OPNET14.5作为仿真工具，系统仿真参数设置遵循IEEE 802.11标准规范，详见表1。仿真场景是网络中的节点将随机分布在200×200平方米的区域内，各节点的通信半径为300米。实验结果中每个数据的获取都将根据seed值的不同而进行十次实验，最后获取平均值。通信节点均工作于饱和状况之下，通信信道为理想信道。考虑到基本接入方式较RTS/CTS接入方式更能体现网络吞吐率等相关性能的提升，采用基本的接入方式进行仿真。

表1系统仿真参数

由图2可以看出DCF、SD等方法的归一化吞吐率情况。随着网络中活跃节点数目的增多，各种方法的归一化吞吐率都呈下降趋势，这是因为随着节点的增多网络负载增大，节点发送数据的碰撞概率的上升，碰撞愈加严重。DCF、SD和GDCF在引入了时隙选择改进方案后，网络吞吐量得到了提升，这是因为原时隙选择方案造成时隙选择不均匀性普遍存在。在改进时隙选择方案后，时隙选择的不均匀性得到了改善，数据包避免了因为时隙选择不均匀性带来的碰撞。该仿真曲线表明，本发明提出的时隙选择改进方案改善了时隙选择的不均匀性，降低了碰撞概率，提高了网络吞吐率。

由图3可以看出应用本发明后网络平均时延的改善。DCF算法的平均时延最小，是由其CW更改规则决定的。SD和GDCF对CW更改规则进行了改进，当节点成功的传输完数据包后，CW并不会降为最小值，从而造成了SD算法及GDCF算法平均时延的增加。但是应用本发明后，改进方案的平均时延在DCF及SD或GDCF间进行了折衷，图3(a)和图3(b)分别清楚地显示了SD算法和GDCF算法在进行时隙选择改进之后平均时延的改善。尽管平均时延水平没有比DCF更优，但是本发明提出的时隙选择方案的确对SD及GDCF的平均时延特性进行了改善。

由图4可以看出时隙选择方案改进前后网络中数据包平均重传次数的改变。数据包的重传次数直接反映了数据包在网络中发送时的碰撞概率情况。在进行了时隙选择改进之后，无论是标准DCF，还是SD和GDCF，数据包的平均重传次数明显减少。该仿真曲线表明应用本发明后网络频谱资源的利用更充分，节点的不必要能量消耗更少。

由图5可以看出时隙选择方案改进前后各种方法的丢包率情况。数据包的重传次由传输协议限制。超过重传次数限制的数据包将丢弃，丢弃的数据包造成频谱资源和能量资源的浪费。DCF的丢包率水平最高，而且随着活跃节点数目的增多，丢包率呈指数增长的趋势。SD和GDCF的丢包率在DCF基础上都依次下降。在引入时隙选择改进之后，在原有算法基础上，丢包率均有了一定程度的下降，由图5可以清晰的看出，即使SD和GDCF算法的丢包率已处于较低水平，在引入时隙选择改进方案后，网络的丢包率特性仍然得到了改善。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1.基于网络负载预测的无线竞争接入控制退避方法，其特征是该方法包括下列步骤：

步骤1：基于模糊理论建立网络负载状况预测值与数据包发生碰撞可能性的隶属度函数；所述隶属度函数的计算公式为：

$A\left(q_{n+1}^{*}\right)=\frac{\ln (1+{\mathrm{Bq}}_{n+1}^{*})}{\ln (1+B)}$

式中：

A为隶属度函数；

为网络负载状况预测值；

B为调节隶属度函数的参数；

步骤2：获得节点此刻发送数据时退避计数器的初始值；

步骤3：检测信道状况，执行退避过程，计算退避计数器冻结次数；

步骤4：根据步骤2、步骤3记录的数据，得出退避计数器冻结次数与退避计数器初始值的比值，并将该比值作为描述此次退避阶段网络负载状况的参数；所述退避计数器冻结次数与退避计数器初始值的比值的计算公式为：

$q_n=\frac{\mathrm{Freeze}\_\mathrm{times}}{\mathrm{Init}\_\mathrm{backoff}}$

式中：

q_n为退避计数器冻结次数与退避计数器初始值的比值；

n为节点经历退避阶段的次数；

Freeze_times为冻结次数；

Init_backoff为退避计数器初始值；

步骤5：连续记录步骤4中得到的参数，将其组成序列，用高阶滑动平均方法预测下一数据发送时刻网络负载状况预测值；所述预测值的计算公式为：

$q_{n+1}^{*}=M_n+a_1\mathrm{\&Delta;}{q}_n+a_2\mathrm{\&Delta;}{q}_{n-1}+...+a_{k-1}\mathrm{\&Delta;}{q}_{n-k+2}$

式中：

为下一数据发送时刻的网络负载状况的预测值；

$M_n=\frac{1}{k}\underset{i=n-k+1}{\overset{n}{\mathrm{\&Sigma;}}}{q}_i,k<n;$

Δq_i=q_i-q_i-1；

a₁,a₂,…a_k-1为加权系数；

步骤6：将步骤5得到的网络负载状况预测值代入步骤1中的隶属度函数，得出节点发生碰撞可能性的隶属度，将该隶属度作为节点下次发送数据时的竞争窗口下限；

步骤7：根据步骤6得出的竞争窗口下限，得到用于下次数据发送的退避计数器初始值；所述用于下次数据发送的退避计数器初始值的计算公式为：

$\mathrm{CW}=\left(\mathrm{int}\right)\mathrm{Random}(\max \_\mathrm{backoff}\&times;A\left(q_{n+1}^{*}\right),\max \_\mathrm{backoff}]$

其中：

CW为用于下次数据发送的退避计数器初始值；

Random()为伪随机数生成函数；

max_backoff为当前节点竞争窗口的最大值；

步骤8：根据步骤7确定的退避计数器初始值，通信节点按照协议要求完成数据发送相关动作，若遭遇碰撞或有数据更新，重复步骤2至步骤7。

2.根据权利要求1所述基于网络负载预测的无线竞争接入控制退避方法，其特征是所述B的取值为1000。

Images