CN102523603B - 一种异构无线mesh网络的监测与估计方法 - Google Patents

Abstract

本发明提供一种异构无线mesh网络的监测与估计方法，通过各个测量节点获得的测量信息之间的强相关特性，分离出各个被测量节点的信息。并采用时空融合方法，解决了测量节点地理位置差异以及测量信息的到达时间不同步，实现测量信息的融合判决；同时，采用物理频谱感知技术测量处于双工状态的目标传输网络节点，监测出异构无线mesh网络中的通信工作对。通过相关性判定策略识，根据通信工作对之间的互相关特性，识别出隐藏/暴露终端，降低了测量信息的误检概率。

Description

一种异构无线mesh网络的监测与估计方法

技术领域

本发明涉及无线通信技术领域，特别是指一种异构无线mesh网络的监测与估计方法。

背景技术

无线mesh网络是一种自组织型的宽带网络，在提供多跳连接链路同时，也要适应复杂的网络环境，包括网络内部和网络之间的无线信道干扰。首先，网络内部无信息交换和接入控制中心，从而使之面临“隐藏终端”和“暴露终端”问题，物理信道“载波监听”无法解决逻辑信道冲突；其次，异构无线mesh网络使用“载波监听”难以监测其相互间的干扰。因此，作为自组织型的无线mesh网络需要寻求其他途径获得其网络内部工作状态和外部无线环境。

目前，作为传输平台的无线mesh网络具有网络信息的多点采集能力，在此基础上构建的测量网络架构和策略提升了无线mesh网络内部工作状态的感知能力。然而，却忽略了无线mesh网络中多跳时延对于测量信息融合准确度的影响；另一方面也未解决其网络外部无线环境的感知，即异构的无线mesh网络带来的隐藏/暴露终端问题。在同构点对多点的组网模式下，可通过链路层的RTS-CTS-ACK机制判定隐藏/暴露终端。在mesh组网模式下依靠DBTMA协议可解决隐藏/暴露终端问题。但是在异构无线mesh网络中，原有的RTS-CTS-ACK机制无法识别隐藏/暴露终端。

综上所述：现有的无线mesh网络采用的二层协议以及RTS-CTS-ACK机制主要解决了同构mesh网络内部的工作状态的监测和隐藏暴露终端的估计，而无法解决异构无线mesh网络之间工作状态和环境的监测以及其内部隐藏暴露终端的估计和判定。

发明内容

本发明所要解决的技术问题是：克服异构无线mesh网络二层协议的无法互通问题，解决异构无线mesh网络中网络信息的监测和融合以及隐藏/暴露终端的估计和判定。使得异构无线mesh网络获得更加准确的监测信息和更小的误检概率，达到对mesh网络更好的控制。

本发明为解决上述技术问题提供一种异构无线mesh网络的监测与估计方法，其特征在于：

A、异构无线mesh网络由测量网络和传输网络组成。测量网络包含测量节点和测量信息融合节点。测量信息融合节点利用各个测量节点获得的测量信息之间的强相关特性，分离出各个被测节点的信息时间序列，同时对多个测量节点测得的信息时间序列进行空间融合。采用时空融合方案解决测量节点地理位置的差异以及测量信息到达时间不同步的问题，实现被测节点的融合判决；

B、测量网络中的节点根据测量信息的物理频谱特性，监测出异构无线mesh网络中节点之间的通信工作对。采用基于相关性的判定策略，根据各个通信工作对之间信息的互相关特性，解决异构无线mesh网络中的隐藏/暴露终端问题。

所述步骤A中，异构无线mesh网络是指两个或两个以上无线mesh网络工作在有重叠的无线频谱段，不同网络之间即使采用相同的协议也无法实现数据链路层协议沟通。测量网络是在无线mesh传输网络中选取一部分节点构成的。

所述步骤A中，传输节点和测量节点在无线mesh网络中构成空间上的多点测量体系。每个测量节点直接获取被测节点的测量信息并以单跳或多跳的传输方式将测量信息发送至信息融合节点。

所述步骤A中，多点测量体系的单元是由多个测量节点和一个被测节点构成，处在不同地理位置的测量节点同时对某个被测节点进行监测并获得其信息，同时利用多组被测节点的信息实现被测节点的准确测量。

所述步骤A中，测量节点测量周围多个被测节点，不同测量节点测得的被测节点可能部分重合或完全不同，通过不同测量节点的测量信息之间的强相关特性，分离出各个被测节点的信息，使测量信息进行时空融合。

所述步骤A中，测量信息到达时间不同步是由于无线mesh网络节点的空间分布特性和多跳传输特性。

所述步骤A中，时空融合方案具体包括：测量信息融合节点收集不同测量节点的测量信息，构成测量信息的时空矩阵；采用时空融合算法，对到达时间不同步的测量信息进行预测，实现时空矩阵中测量信息的准同步；对测量信息进行融合判决。

所述步骤A中，时空融合算法是针对测量信息在地理位置的差异以及测量信息到达时间不同步设计的。主要包括：信息融合节点获得测量节点的信息，并将测量信息离散化为信息时间序列；选择合适的信息预测方程，根据测量信息传输经历的跳数h与预测步数N的关系，对各个测量信号时间序列实行提前N步的预测；利用测量信息对测量预测信息进行修正，使预测信息误差在允许的范围内。

所述步骤B中，针对异构无线mesh网络终端之间无法实现数据链路层协议的互通，无法在二层协议上解析通信工作对。利用测量信息以及测量节点自身的信息在物理层表现出的物理频谱特性，监测处于双工状态的通信工作对。

所述步骤B中，基于相关性的判定策略是根据测量信息与测量节点自身信息的自相关和互相关特性的分析，来识别隐藏/暴露终端。采用如下互相关函数：

$r_{ij}=\frac{\Σ(S_i\left(n\right)-\stackrel{\‾}{S_i\left(n\right)})(F_j\left(n\right)-\stackrel{\‾}{F_j\left(n\right)})}{\sqrt{\Σ{(S_i\left(n\right)-\stackrel{\‾}{S_i\left(n\right)})}^2\Σ{(F_j\left(n\right)-\stackrel{\‾}{F_j\left(n\right)})}^2}}$

r_ij表示节点i与节点j之间的信息的互相关系数。其中，ij定义为通信方向是从节点i到节点j，即i为源节点，j为目的节点。在通信工作对节点i与节点j为同类型节点的情况下：若i与j在同一覆盖区域，则令r_ij＝1；否则令r_ij＝0。S_i(n)表示测量节点的信息时间序列，F_j(n)表示测量节点i感知到传输节点j的归一化的信号时间序列，而和是其各自的均值。信息融合判决中心收集来自测量节点的测量信息，对通信工作对之间的信息进行互相关运算，构成如下相关系数矩阵： $R_{\left(M+N\right)\×\left(M+N\right)}=\left[\begin{array}{ccccc}{r}_{11}& \mathrm{...}& r_{1k}& \mathrm{...}& r_{1\left(M+N\right)}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ r_{i1}& \mathrm{...}& r_{ij}& \mathrm{...}& r_{i\left(M+N\right)}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ r_{\left(M+N\right)\×1}& \mathrm{...}& r_{\left(M+N\right)\×j}& \mathrm{...}& r_{\left(M+N\right)\×\left(M+N\right)}\end{array}\right]$

其中M是测量节点数，N是传输节点数。对相关系数矩阵进行分析，可判定异构无线mesh网络中的隐藏/暴露终端。

本发明的有益效果为：提供一种异构无线mesh网络的监测与估计方法，通过各个测量节点获得的测量信息之间的强相关特性，分离出各个被测量节点的信息。并采用时空融合方法，解决了测量节点地理位置差异以及测量信息的到达时间不同步，实现测量信息的融合判决；同时，通过相关性判定策略识别出隐藏暴露终端，降低了测量信息的误检概率。

附图说明

图1为无线mesh网络在线测量架构；

图2为节点空间分布示意图；

图3为时空融合算法图；

图4为隐藏终端示意图；

图5为暴露终端示意图；

具体实施方式

本发明提供一种异构无线网络的监测与估计方法，对各个测量节点的信息进行自相关运算，获得的测量信息之间的强相关特性，分离出各个被测量节点的信息。并采用卡尔曼滤波时空融合方法，解决测量节点地理位置差异以及测量信息的不同步，实现被测节点更准确的融合判决；同时，通过相关性判定策略识别出隐藏暴露终端，降低了测量信息的误检概率。

为达到上述目的，下面根据附图和实施例对本发明作进一步详细说明：

1测量数据的时空融合方案

参见图1所示，异构无线mesh网络是由测量网络和传输网络组成，其测量网络是在传输网络中选取一部分节点而构成的。异构无线mesh网络构成空间上的多点测量体系，协同多个无线mesh网络测量节点对被测节点的无线信号进行测量，参见图2所示。

本发明采用卡尔曼滤波的N步测量信息预测融合方法，解决了不同空间位置所产生的测量序列时间到达不同步问题，并对测量信息进行融合判决，参见图3所示。

每个测量节点M_x直接获取被测节点的测量信息并以单跳或多跳的传输方式将测量信息发送至信息融合节点。信息融合节点根据测量节点发来的测量信息，在物理层进行归一化处理，采用如下自相关公式运算，分离出各个被测节点的信息。

$R\left(n\right)=\underset{i=n}{\overset{m}{\Σ}}{F}_x\left(i\right)F_y(i-n);$

F_x(i)＝{S₁，S₂，…，S_i，…，S_n}，i∈(1，2，…，n)；

F_y(i)＝{T₁，T₂，…，T_k，…，T_m}，k∈(1，2，…，m).

其中m＞n，F_x(i)和F_y(i-n)分别为测量节点x和y的测量信息时间序列集合，S_i和T_k为被测节点i和k的测量信息时间序列。信息融合节点接受来自各个不同测量节点发来的被测节点i信息构成的时空矩阵向量为：表示在T_k时刻信息融合节点获得测量节点k对被测节点i的测量信息。将连续的测量信息形成一段离散的信息时间序列，其系统状态方程可表示为：x_j(k)＝Φ(k)x_j(k-1)+W(k)，系统测量方程表示为：z_j(k)＝H(k)x_j(k)+V(k)，其中x_j(k)表示在T_k时刻对应测量节点j的预测信息，Φ(k)表示状态转移模型，W(k)表示测量周期内的噪声，服从零均方多元正态分布，其方差为Q(k)，z_j(k)表示在T_k时刻对应测量节点j的实际测量信息，H(k)表示观测模型，V(k)表示满足零均方的高斯白噪声。其状态一步预测方程表示为：标准卡尔曼滤波只具备一步状态预测能力，通过引入时间序列模型，改进一步状态预测的转移方程，可以实现提前N步的状态和误差协方差预测，即提前N步状态预测方程表示为：其中，表示在T_k时刻对应测量节点j的更新滤波估计值，表示根据T_k时刻以前的测量信息计算得到在T_k+N时刻对应测量节点j的预测估计值，Φ(k+N，k)表示从T_k到T_k+N的转移矩阵。假定测量信息经历的跳数和初始发送者可知，测量信息被提前预测的步数N_j与其经历的跳数h_j有关，则预测步数与传输跳数的关系表示为：N_j＝2h_j+1。根据预测步数N_j，测量信息采用上述提前N步预测公式，对其进行预测，实现测量信息的同步。

信息融合节点存储各个测量节点的预测信息，对其进行融合判决。融合的具体步骤如下：

步骤1在接收节点处设置n条测量信息队列(MDQ_Sink)和n条预测信息队列(PDQ_Sink)。接收并且存储来自相对应编号测量节点的测量信息，预测信息队列存储并计算相对应编号测量节点的预测测量信息，其中j表示测量节点编号，且j∈{1，2，...，n}，i表示测量时刻T_i。

步骤2为保证测量信息的误差在可接受范围内，将预测初始化的测量信息序列长度定为L，那么在初始化阶段，

步骤3各条不同的预测信息队列以初始化测量信息为输入，计算需要预测的步数，并且采用提前N步卡尔曼滤波预测算法计算并且存储相对应测量节点的预测信息。

步骤4信息融合节点采用信息融合算法对预测后的测量信息融合并做出全局判决，然后将判决结果分别发送到相应的测量节点。

步骤5由于多步预测会产生较大的累计预测误差，接收节点利用各个测量节点M_j传输过来的实际测量信息修正预测队列输入的方式来控制误差的进一步扩大，当MDQ_Sink和PDQ_Sink中出现相同编号和测量时刻的信息时，用其替换预测信息。

2基于相关性规则的异构无线mesh网络判决策略

采用物理频谱感知技术测量处于双工状态的目标传输网络节点，监测出异构无线mesh网络中的通信工作对。同时，对异构无线mesh网络中的通信工作对的信号进行归一化处理，分别获得测量节点的信息时间序列S_i(n)，(n＝1，2，…，L，i＝1，2，…，M)，和被测节点的信息时间序列F_j(n)，(n＝1，2，…，L，j＝1，2，…，N)，通过两组信息时间序列的相关性获得其相关系数。由于S_i(n)和F_j(n)功率的不对等，把其中一个适当放大(或缩小)a倍，然后取它们的误差平方和ε²＝∑[S_i(n)-aF_j(n)]²来衡量其相关程度。本发明采用的互相关函数为：

$r_{ij}=\frac{\Σ(S_i\left(n\right)-\stackrel{\‾}{S_i\left(n\right)})(F_j\left(n\right)-\stackrel{\‾}{F_j\left(n\right)})}{\sqrt{\Σ{(S_i\left(n\right)-\stackrel{\‾}{S_i\left(n\right)})}^2\Σ{(F_j\left(n\right)-\stackrel{\‾}{F_j\left(n\right)})}^2}}$

r_ij表示节点i与节点j之间的信息的互相关系数。其中，ij定义为通信方向是从节点i到节点j，即i为源节点，j为目的节点。在通信工作对节点i与节点j为同类型节点的情况下：若i与j在同一覆盖区域，则令r_ij＝1；否则令r_ij＝0。和分别是S_i(n)和F_j(n)的均值。信息融合节点收集来自测量节点的测量信息，并通过互相关函数运算，构成如下相关系数矩阵：

$R_{\left(M+N\right)\×\left(M+N\right)}=\left[\begin{array}{ccccc}{r}_{11}& \mathrm{...}& r_{1k}& \mathrm{...}& r_{1\left(M+N\right)}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ r_{i1}& \mathrm{...}& r_{ij}& \mathrm{...}& r_{i\left(M+N\right)}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ r_{\left(M+N\right)\×1}& \mathrm{...}& r_{\left(M+N\right)\×j}& \mathrm{...}& r_{\left(M+N\right)\×\left(M+N\right)}\end{array}\right]$

其中M是测量节点数，N是传输节点数，相关程度判定：ar_max＜|r_ij|≤1，称强相关(h^r)；br_min≤|r_ij|≤r_max，称中度相关(m^r)；c0≤|r_ij|＜r_min称低度相关(l^r)。其中r_max为传输节点与测量节点之间最大相关度，r_min为它们之间最小相关度。隐藏/暴露终端的识别分析策略为：

参见图4所示的异构网络，根据通信方向，测量节点A通过能量检测传输节点C的物理频谱时间序列，获得A与C之间的相关系数。节点B不仅获得A的物理频谱时间序列还可以获得C的物理频谱时间序列，从而得到r_AB，r_CB。根据相关程度判定，当r_CA∈l^r，r_AB∈h^r且r_CB∈m^r，则判别A为C的隐藏终端；

参见图5所示的异构网络，根据通信方向，测量节点A通过检测获得节点B和C的物理频谱时间序列，即获得B与A以及C与A之间的相关系数分别为r_BA和r_CA。测量节点B可获得C的物理频谱时间序列，得到C与B的相关系数r_CB。同时若节点B测得C与某节点X通信，则令否则，令当r_BA∈h^r，r_CA∈l^r且r_CB∈m^r，则可判别A为C的暴露终端。

根据上述判定策略，可推广到整个网络中隐藏/暴露节点的判断。为了便于计算和分析，对相关系数矩阵进行分块变化可得：

对上述矩阵进行简化得：

$R_{\left(M+N\right)\×\left(M+X_N\right)}=\left[\begin{array}{cc}{A}_{MM}& B_{{\mathrm{MX}}_N}\\ C_{NM}& {D^Y}_{{\mathrm{NX}}_N}\end{array}\right]$

其中A_ij∈R^M×M，表示测量节点之间的相关系数；B_ji＝C_ij，C_ij∈R^N×M，表示测量节点与传输节点之间的相关系数；表示测量节点Y_k测得i与某节点j是否通信的相关关系。

根据上述隐藏暴露终端判定策略，对上面简化矩阵分析可得：联立分块矩阵A与C，当满足：

C_ji∈l^r，C_jk∈m^r，A_ik∈h^r，且i，k∈R^M，j∈R^N，则i为j的隐藏终端；联立分块矩阵D^Y、A以及C，当满足：

C_mj∈l^randY_i，j∈R^M，m，x∈R^N，则j为m的暴露终端。

Claims (5)

1.一种异构无线mesh网络的监测与估计方法，其特征在于：

A、异构无线mesh网络由测量网络和传输网络组成，以多点测量体系为基础，其中异构无线mesh网络是指两个或两个以上无线mesh网络工作在有重叠的无线频谱段，不同网络之间即使采用相同的协议也无法实现数据链路层协议沟通；测量网络是在传输网络中选取一部分节点构成的；测量网络包含测量节点和信息融合节点；信息融合节点利用各个测量节点获得的测量信息之间的强相关特性，分离出各个被测节点的信息时间序列，同时对多个测量节点测得的信息时间序列进行时空融合；采用时空融合方案解决测量节点地理位置的差异以及测量信息到达时间不同步问题，实现被测节点的融合判决；时空融合算法主要包括：信息融合节点获得测量节点的测量信息，并将测量信息离散化为信息时间序列；选择合适的信息预测方程，根据测量信息传输经历的跳数h与预测步数N的关系，对各个信息时间序列实行提前N步的预测；利用测量信息对测量预测信息进行修正，使预测信息误差在允许的范围内；

B、测量网络中的节点根据测量信息的物理频谱特性，监测出异构无线mesh网络中节点之间的通信工作对；采用基于相关性的判定策略，根据各个通信工作对之间信息的互相关特性，解决异构无线mesh网络中的隐藏/暴露终端问题；基于相关性的判定策略是根据测量信息与测量节点自身信息的自相关性和互相关特性分析，来识别隐藏/暴露终端，采用如下互相关函数：

$r_{ij}=\frac{\mathrm{\Σ}\left(S_i\left(n\right)-\stackrel{\‾}{S_i\left(n\right)}\right)\left(F_j\left(n\right)-\stackrel{\‾}{F_j\left(n\right)}\right)}{\sqrt{\mathrm{\Σ}{\left(S_i\left(n\right)-\stackrel{\‾}{S_i\left(n\right)}\right)}^2\mathrm{\Σ}{\left(F_j\left(n\right)-\stackrel{\‾}{F_j\left(n\right)}\right)}^2}}$

r_ij表示节点i与节点j之间的信息的互相关系数；其中，ij定义为通信方向是从节点i到节点j，即i为源节点，j为目的节点，在通信工作对节点i与节点j为同类型节点的情况下：若i与j在同一覆盖区域，则令r_ij＝1；否则令r_ij＝0；S_i(n)表示测量节点的信息时间序列，F_j(n)表示测量节点i感知到传输节点j的归一化的信号时间序列，而和是其各自的均值；信息融合判决中心收集来自测量节点的测量信息，对通信工作对之间的信息进行互相关运算，构成如下相关系数矩阵： $R_{\left(M+N\right)\×\left(M+N\right)}=\left[\begin{array}{ccccc}{r}_{11}& \mathrm{...}& r_{1j}& \mathrm{...}& r_{1\left(M+N\right)}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ r_{i1}& \mathrm{...}& r_{ij}& \mathrm{...}& r_{i\left(M+N\right)}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ r_{\left(M+N\right)\×1}& \mathrm{...}& r_{\left(M+N\right)\×j}& \mathrm{...}& r_{\left(M+N\right)\×\left(M+N\right)}\end{array}\right],$ 其中M是测量节点数，N是传输节点数；对相关系数矩阵进行分析，可判定异构无线mesh网络中的隐藏/暴露终端。

2.根据权利要求1所述的异构无线mesh网络的监测与估计方法，其特征在于：所述步骤A中，多点测量体系的单元是由多个测量节点和一个被测节点构成，处在不同地理位置的测量节点同时对某个被测节点进行监测并获得其信息，同时利用多组被测节点的信息实现被测节点的准确测量。

3.根据权利要求1所述的异构无线mesh网络的监测与估计方法，其特征在于：所述步骤A中，测量节点测量周围多个被测节点，不同测量节点测得的被测节点可能部分重合或完全不同，通过不同测量节点的测量信息之间的强相关特性，分离出各个被测节点的信息，使测量信息进行时空融合。

4.根据权利要求1所述的异构无线mesh网络的监测与估计方法，其特征在于：所述步骤A中，时空融合方案具体包括：信息融合节点收集不同测量节点的测量信息，构成测量信息的时空矩阵；采用时空融合算法，对到达时间不同步的测量信息进行预测，实现时空矩阵中测量信息的准同步；对测量信息进行融合判决。

5.根据权利要求1所述的异构无线mesh网络的监测与估计方法，其特征在于：所述步骤B中，针对异构无线mesh网络终端之间无法实现数据链路层协议的互通，无法在二层协议上解析通信工作对；利用测量信息以及测量节点自身的信息在物理层表现出的物理频谱特性，监测处于双工状态的通信工作对。