CN103338472A - 一种无线网络链路质量估计方法 - Google Patents

Abstract

本发明针对目前现有的链路质量估计的不完整性和低实用性提出一种无线网络链路质量估计方法，包括：探测数据包发送步骤；探测数据包到达时间统计步骤；即时反向链路参数估计步骤：根据各邻居节点对应的探测数据包时间间隔ΔT_i，通过探测数据包到达关系：ΔT_i=T₀G+U估计出活动节点与各邻居节点间即时反向链路的丢包率p与时延t；链路参数更新步骤：对即时反向链路的丢包率p与时延t进行平滑处理。本发明实现了无线自组织网络或无线传感器网络节点对链路丢包率与时间延迟的有效估计来全面反应网络的链路质量。

Description

一种无线网络链路质量估计方法

技术领域

本发明涉及无线传感器网络以及移动自组织网络的通信链路参数估计方法。

背景技术

在移动自组织网络领域中，通信双方为了能够进行高效而稳定的通信往往需要选取链路质量较高的链路，然而在实际应用中，由于无线链路具有不稳定和不对称的特征，每个通信节点往往需要实时获取与其相连的每一条链路的链路质量。目前已有的方法可以分为三种：基于地理位置的链路估计方法、基于信号强度的链路估计方法、基于周期数据包探测的链路估计方法。在这三种方法中，前两种方法需要特定的硬件支持，故其适用范围受到了很大的限制，而对于基于周期数据包探测的链路估计方法，现有的估计方案仅能够对丢包率进行估计，而且由于该种方法仅能对链路进行单向估计，所以该方法所得到的链路质量不能精确反应当前的真实链路质量。

发明内容

本发明所要解决的技术问题是，针对目前现有的链路质量估计的不完整性和低实用性提出同时对链路的丢包率和延迟两个参数进行估计的链路质量估计方法。

本发明为解决上述技术问题所采用的技术方案是，一种无线网络链路质量估计方法，包括以下步骤：

探测数据包发送步骤：每个活动节点以广播的形式周期性向其邻居节点发送探测数据包，同时接收来自于邻居节点的探测数据包；

探测数据包到达时间统计步骤：活动节点接收探测数据包，并顺序记录来自于各邻居节点的探测数据包对应的到达时间T_i,计算探测数据包到达时间间隔ΔT_i，ΔT_i=T_i+1-T_i，其中i表示接收到的来自于一个邻居节点发送的探测数据包的序号；

即时反向链路参数估计步骤：活动节点根据各邻居节点对应的探测数据包时间间隔ΔT_i，通过探测数据包到达关系：ΔT_i=T₀G+U，估计出活动节点与各邻居节点间即时反向链路的丢包率p与时延t；其中，T₀为周期性发送链路探测数据包的时间间隔；G为概率密度服从参数为1-p的几何分布的随机变量，U为概率密度f(U)服从区间为(0,2t)的均匀分布的随机变量，所述反向链路为方向从邻居节点到本节点的链路；

链路参数更新步骤：活动节点根据上一次保存的反向链路状态参数中对应于同一邻居节点的反向链路丢包率p_old与时延t_old来对即时反向链路的丢包率p与时延t进行平滑处理，将平滑处理得到的反向链路丢包率p_new与时延t_new作为最新反向链路状态参数更新保存。

本发明通过建立探测数据包的到达时间间隔模型，同时进行丢包率p与时延t的估计，并对估计出的参数序列进行平滑处理，精度高，估计参数全面。

进一步的，为了更加全面地反应链路质量，本发明还提供一种双向链路的估计方法，探测数据包发送步骤中还包括：活动节点每隔时间间隔T₀，将本地节点IP地址、保存的各邻居节点的IP地址及其对应的最新的链路状态参数放入探测数据包中发送出去；

还包括，反向链路参数估计步骤：活动节点接收到探测数据包后，当接收到的探测数据包的邻居节点的IP地址中有与本节点IP地址相同的一项，则将该探测数据包发送节点为一个邻居节点，该相同项对应的最新反向链路状态参数作为该邻居节点所对应的最新正向链路状态参数p_f、t_f进行更新保存；

链路参数更新步骤中还包括：综合同一邻居节点的最新反向链路状态参数p_new、t_new与最新正向链路状态参数p_f、t_f得到最新双向链路状态参数。

本发明的有益效果是，实现了无线自组织网络或无线传感器网络节点对链路丢包率与时间延迟的有效估计来全面反应网络的链路质量。

附图说明

图1是网络节点所维护的邻居列表结构图。

图2是链路探测数据包结构图。

图3是探测数据包到达时间队列结构图。

图4是实施例流程图。

具体实施方式

当一个节点进行周期性的发送数据包，则接收节点可记录该周期性发送的数据包的到达时间，设到达时间分别为T_ii=1,2,3...N，其中T₁为节点加入网络时间，T_N为节点最近一次接收到数据包的时间。对T_i做差分运算，得到时间间隔序列：ΔT_i=T_i+1-T_i,i=1,2,3...N-1；

若将ΔT_i看作一随机变量，建立数据包到达模型：ΔT_i=T₀G+U，其中G服从参数为1-p的几何分布的随机变量，U服从参数为(0,2t)的几何分布的随机变量，G是离散型分布，使用概率分布表示，U为均匀分布，是属于连续型分布的一种，使用概率密度函数表示；

P(G=k)=(p)^k-1(1-p)=(p)^k-1(1-p)，

0≤x≤2t；

其中，p和t分别代表链路反向丢包率和时延，T₀为周期性发送链路探测数据包的时间间隔。

本发明通过建立数据包到达模型来对反向链路的丢包率和时延进行估计。

当使用矩估计的方法时，已知：

ΔT_i=T₀G+U    （1）

P(G=k)=(p)^k-1(1-p)    （2）

$f_U\left(x\right)=\frac{1}{2t},0\≤x\≤2t---\left(3\right)$

对式1两边求期望可得：

$E\left({\mathrm{\ΔT}}_i\right)=E\left(T_{0}G\right)+E\left(U\right)=\left[\underset{k=1}{\overset{\∞}{\mathrm{\Σ}}}{T}_0\mathrm{kP}(G=k)\right]+{\∫}_{-\∞}^{+\∞}\mathrm{xf}(U=x)\mathrm{dx}$

$=T_0\left[\underset{k=1}{\overset{\∞}{\mathrm{\Σ}}}k{\left(p\right)}^{k-1}(1-p)\right]+{\∫}_0^{2t}\frac{x}{2t}\mathrm{dx}$

$=\frac{T_0}{1-p}+t$

对式1两边求方差可得：

$D\left(\mathrm{\Δ}{T}_i\right)=D\left(T_{0}G\right)+D\left(U\right)$

$={T_0}^2\{\underset{k=1}{\overset{\∞}{\mathrm{\Σ}}}{k}^{2}P(G=k)-{\left[\underset{k=1}{\overset{\∞}{\mathrm{\Σ}}}\mathrm{kP}(G=k)\right]}^2\}+{\∫}_{-\∞}^{+\∞}{x}^{2}f(U=x)\mathrm{dx}-{\left[{\∫}_{-\∞}^{+\∞}\mathrm{xf}(U=x)\mathrm{dx}\right]}^2$

$=\frac{{T_0}^{2}p}{{(1-p)}^2}+\frac{{\left(2t\right)}^1}{12}=\frac{{T_0}^{2}p}{{(1-p)}^2}+\frac{t^2}{3}$

若通过对探测包的检测得到ΔT_i的样本的均值和方差分别为u,v则有以下方程组：

$u=\frac{T_0}{1-p}+t---\left(4\right)$

$v=\frac{{T_0}^{2}p}{{(1-p)}^2}+\frac{t^2}{3}---\left(5\right)$

由（4）得：

$t=u-\frac{T_0}{1-p}---\left(6\right)$

将（6）带入（5）

$v=\frac{{T_0}^{2}p}{{(1-p)}^2}+\frac{{(u-\frac{T_0}{1-p})}^2}{3}---\left(7\right)$

化简得到：

$p=1-\frac{{8T}_0}{{3T}_0+2u\±3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{1}{3}{u}^2-v)}}$

由于

可能小于0这可会导致估计出的p>1,显然不合理，故只取正负号中的正号的情况，所以有：

$p=1-\frac{{8T}_0}{{3T}_0+2u+3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}---\left(8\right)$

将（8）代入（6）则有

$t=u-\frac{{3T}_0+2u+3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}{8}---\left(9\right)$

根据式（8）、（9），得到反向链路的丢包率和时延：

$\left\{\begin{array}{c}p=1-\frac{{8T}_0}{{3T}_0+2u+3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}\\ t=u-\frac{{3T}_0+2u+3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}{8}\end{array}\right.$

实际上，本领域技术人员根据数据包到达模型，还可以使用其它估计方法得到反向链路的丢包率和时延，比如最大似然估计：

由于随机变量G服从参数为1-p的几何分布即：P(G=k)=(p)^k-1(1-p)

则G的分布函数F_G(g)为：

$F_G\left(g\right)=P(g\&le;G)=\left\{\begin{array}{cc}0& g<1\\ \underset{i=1}{\overset{\mathrm{floor}\left(g\right)}{\mathrm{\&Sigma;}}}{p}^{i-1}(1-p)& g\&GreaterEqual;\end{array}\right.---\left(10\right)$

其中，floor(g)是指对g进行向下求整运算，所以G的概率密度函数为g_G(x)：

$g_G\left(x\right)=\frac{{\mathrm{dF}}_G\left(x\right)}{\mathrm{dx}}=p^{i-1}(1-p)\mathrm{\&delta;}(x-i)$   i=1,2,3,...    （11）

则有G'=T₀G的分布函数g_G'(x)为：

g_G'(x)=p^i-1(1-p)δ(x-T₀i)  i=1,2,3,...    （12）

又因为： $(U=x)=f_U\left(x\right)=\frac{1}{2t},$ 0≤x≤2t则

ΔT_i=T₀G+U的条件概率密度函数为g_G'(x)与f_U(x)的卷积，若有t<<T₀，则有：

${f_{\mathrm{\&Delta;T}}}_i\left(x\right|p,t)=\left\{\begin{array}{cc}\frac{1-p}{2t}& T_0\&le;{\mathrm{\&Delta;T}}_i\&le;T_0+2t\\ \frac{(1-p)p}{2t}& {2T}_0\&le;{\mathrm{\&Delta;T}}_i\&le;{2T}_0+2t\\ \frac{(1-p)p^2}{2t}& {3T}_0\&le;{\mathrm{\&Delta;T}}_i\&le;{3T}_0+2t\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ \frac{(1-p)p^{j-1}}{2t}& {\mathrm{jT}}_0\&le;{\mathrm{\&Delta;T}}_i\&le;{3T}_0+2t\\ \&CenterDot;\&CenterDot;\&CenterDot;& \end{array}\right.---\left(13\right)$

$\stackrel{\mathrm{\&Delta;}}{=}\frac{(1-p)p^{k_i-1}}{2t}---\left(14\right)$

其中，j代表取值区间序号，k_i是指ΔT_i位于第j个区间中，

floor表示向上取整。假设t<<T₀，即链路平均延迟要远小于探测包发送周期，在现实情况中T₀考虑为1s，而t的典型值一般为10^-6～10^-3，故该假设成立。根据最大似然估计理论，对p和t的估计即是求解以下方程组，估计结果即是反向链路的丢包率和时延为：

$\left\{\begin{array}{c}p=1-\frac{N}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i}\\ t=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(\mathrm{\&Delta;}{T}_i-k_i{T}_0)}{N}\end{array}\right.$

其中，ΔT_i为第i个数据包的总延迟；当节点收到N+1个数据包之后得到ΔT₁,ΔT₂,...,ΔT_N，

k_iT₀是指第i个数据包由于丢包带来的延迟，N为数据包总个数。

在本实施例中，链路状态信息包括正向链路状态和反向链路状态，其中正向链路状态是指从当前节点到其邻居节点的链路状态，反向链路状态是指从其邻居节点到当前节点的链路状态，正向链路状态和反向链路状态均由链路丢包率和链路时延两个参数所确定,使用p_f和t_f分别代表链路前向丢包率和前向时延，使用p和t分别代表链路反向丢包率和反向时延。

网络中每一个活动节点均通过以下步骤来估计其与邻居节点之间的链路质量，如图4所示：

步骤1活动节点初始化一个动态的空邻居节点表，该线性表包含邻居节点IP地址以及本节点与邻居节点之间的链路状态信息（包括反向丢包率和反向时延、前向丢包率和前向时延），如图1所示。

步骤2在无线传感器网络或移动自组织网络中的每个活动节点中构造如图2所示的链路探测数据包，链路探测数据包中包括本节点作为发送节点的IP地址、所有邻居的IP地址以及对应的估计出的反向链路状态信息。若一个节点刚加入网络时，链路探测数据包仅包含本节点IP地址，反向链路状态信息不存在；

步骤3在构造完成链路探测数据包之后将其承载于UDP协议中，并在系统中注册本链路质量估计程序所使用的端口，记端口号为Port，并将IP数据包包头中的TTL值设为1，并以广播的形式以T₀为周期发送该链路探测数据包。

步骤4对端口号为Port的端口进行侦听，若收到其他节点发出的链路探测数据包则进行步骤5，否则继续周期性发送链路探测数据包；

步骤5在一个节点接收到一个链路探测数据包后，首先记录探测包到达时间T，然后提取链路探测数据包中的发送节点IP地址并记为SA，最后在节点邻居列表中查找SA。若查找到则转步骤6，否则，在本节点的邻居列表中加入新的一行，用以记录IP地址为SA的邻居节点所发送的各探测数据包的到达时间。使用SA填充该行中的第一列（队头指针），并初始化一个对应于SA的长度为N的队列，如图3所示。

步骤6将探测包中SA所对应的链路信息提取出来，并分别记为p_f和t_f。然后更新邻居列表中地址为SA的一行的正向链路状态。其中，正向链路状态中丢包率参数更新为p_f，链路时延参数更新为t_f。同时判断队列是否已满，若队列已满，先将最旧的数据删除后把探测包到达时间T存入SA所对应的队列中并执行步骤7，否则，将探测包到达时间T存入SA所对应的队列中并跳转步骤4；

步骤7对SA所对应的队列中的数据做差分，得到时间间隔序列：ΔT_i=T_i+1-T_i，

,i=1,2,3...N-1；

其中，T_i是指队列中第i个探测包的到达时间，计算节点SA与本节点的即时反向链路状态p和t,其中p代表地址为SA的节点与本节点的即时反向链路丢包率，t代表地址为SA的节点与本节点的即时反向链路时延。

$\left\{\begin{array}{c}p=1-\frac{8}{3+2u+3\sqrt{{(1+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}\\ t=u-\frac{3+2u+3\sqrt{{(1+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}{8}\end{array}\right.$

步骤8对邻居列表中的反向链路状态进行平滑处理得到反向链路状态的丢包率p_new与时间延迟t_new并用其分别更新邻居列表中SA所对应的反向链路状态的丢包率与时间延迟；

$\left\{\begin{array}{c}{t}_{\mathrm{new}}=\mathrm{\&alpha;}{p}_{\mathrm{old}}+(1-\mathrm{\&alpha;})p\\ t_{\mathrm{new}}={\mathrm{\&alpha;t}}_{\mathrm{old}}+(1-\mathrm{\&alpha;})t\end{array}\right.$

其中p_old和t_old分别为更新前的地址为SA的节点与本节点的反向链路丢包率和时延，p_new和t_new分别为更新后的地址为SA的节点与本节点的反向链路丢包率和时延，α为衰减因子，一般取0.1到0.5之间。实际实施时，本领域技术人员也可以采样其它方式对即时反向链路丢包率与时延进行平滑处理。

步骤9计算本节点与节点SA之间的双向链路状态并跳转步骤4：

$\left\{\begin{array}{c}P=\sqrt{p_{\mathrm{new}}\&times;p_f}\\ T=\frac{t_{\mathrm{new}}+t_f}{2}\end{array}\right.$

其中，P和T分别是整体的链路状态的链路丢包率与链路时间延迟。

步骤10判断用户是否要求停止，若要求则停止链路状态估计，否则跳转到步骤2，继续进行链路状态估计。

以上所述仅为本发明的较优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。因此凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种无线网络链路质量估计方法，其特征在于，包括以下步骤：

探测数据包发送步骤：每个活动节点以广播的形式周期性向其邻居节点发送探测数据包，同时接收到来自于邻居节点的探测数据包；

探测数据包到达时间统计步骤：活动节点接收探测数据包，并顺序记录来自于各邻居节点的探测数据包对应的到达时间T_i,计算探测数据包到达时间间隔ΔT_i，ΔT_i=T_i+1-T_i，其中i表示接收到的来自于一个邻居节点发送的探测数据包的序号；

即时反向链路参数估计步骤：活动节点根据各邻居节点对应的探测数据包时间间隔ΔT_i，通过探测数据包到达关系：ΔT_i=T₀G+U，估计出活动节点与各邻居节点间即时反向链路的丢包率p与时延t；其中，T₀为周期性发送链路探测数据包的时间间隔；G为概率密度服从参数为1-p的几何分布的随机变量，U为概率密度服从区间为(0,2t)的均匀分布的随机变量，所述反向链路为方向从邻居节点到本节点的链路；

链路参数更新步骤：活动节点根据上一次保存的反向链路状态参数中对应于同一邻居节点的反向链路丢包率p_old与时延t_old来对即时反向链路的丢包率p与时延t进行平滑处理，将平滑处理得到的反向链路丢包率p_new与时延t_new作为最新反向链路状态参数更新保存。

2.如权利要求1所述一种无线网络链路质量估计方法，其特征在于，探测数据包发送步骤中还包括：活动节点每隔时间间隔T₀，将本地节点IP地址、保存的各邻居节点的IP地址及其对应的最新的链路状态参数放入探测数据包中发送出去；

还包括，反向链路参数估计步骤：活动节点接收到探测数据包后，当接收到的探测数据包的邻居节点的IP地址中有与本节点IP地址相同的一项，则将该探测数据包发送节点为一个邻居节点，该相同项对应的最新反向链路状态参数作为该邻居节点所对应的最新正向链路状态参数p_f、t_f进行更新保存；

链路参数更新步骤中还包括：综合同一邻居节点的最新反向链路状态参数p_new、t_new与最新正向链路状态参数p_f、t_f得到最新双向链路状态参数。

3.如权利要求2所述一种无线网络链路质量估计方法，其特征在于，综合同一邻居节点的最新反向链路状态参数p_new、t_new与最新正向链路状态参数p_f、t_f得到最新双向链路状态参数的具体方法为：

$\left\{\begin{array}{c}P=\sqrt{p_{\mathrm{new}}\&times;p_f}\\ T=\frac{t_{\mathrm{new}}+t_f}{2}\end{array}\right.$

其中，P和T分别是综合双向链路状态的链路丢包率与时延。

4.如权利要求1所述一种无线网络链路质量估计方法，其特征在于，即时反向链路参数估计步骤中，具体使用矩估计法，通过探测数据包到达关系估计出活动节点与各邻居节点间即时反向链路的丢包率p与时延t：

$\left\{\begin{array}{c}p=1-\frac{{8T}_0}{{3T}_0+2u+3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}\\ t=u-\frac{{3T}_0+2u+3\sqrt{{(T_0+\frac{2}{3}u)}^2-\frac{16}{3}(\frac{u^2}{3}-v)}}{8}\end{array}\right.;$

其中，u、v为中间参数，

N表示当前接收的来自于一个邻居节点发送的探测数据包的最大序号。

5.如权利要求1所述一种无线网络链路质量估计方法，其特征在于，即时反向链路参数估计步骤中，具体使用最大似然估计法，通过探测数据包到达关系估计出活动节点与各邻居节点间即时反向链路的丢包率p与时延t：

$\left\{\begin{array}{c}p=1-\frac{N}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i}\\ t=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}({\mathrm{\&Delta;T}}_i-k_i{T}_0)}{N}\end{array}\right.$

其中，

floor表示向上取整，表示取值区间序号，N表示当前接收的来自于一个邻居节点发送的探测数据包的最大序号。

Images