CN104486043B - 一种区分业务的自适应协作网络编码方法 - Google Patents

Abstract

本发明公开了一种区分业务的自适应协作网络编码方法，根据不同的业务类型，对业务的QoS需求进行逐跳映射，通过每一跳的QoS保障从而获取端到端的QoS需求，所述每一跳的QoS保障是通过通信网络中不同业务的情况进行计算获得估计的均值，包括通信网络中逐跳的可靠性和时延，将逐跳的可靠性和时延估值代入模型进行冗余度也即网络编码包个数N的实时调整，同时采用牛顿搜索方法以确定满足不同业务的QoS需求。本发明可以在满足QoS需求的条件下，降低能耗延迟网络生命周期。

Description

一种区分业务的自适应协作网络编码方法

技术领域

本发明涉及无线传感器网络(Wireless SensorNetworks,WSNs)，具体地说，涉及到一种区分业务的自适应协作网络编码方法。

背景技术

作为一项新兴的网络技术，无线传感器网络将无线通信技术、嵌入式系统、计算机网络等高新技术集合在一起，对外部世界进行实时准地感知、测量及监控。该技术有着广阔的应用前景和巨大的发展潜力，其成果也将对未来人类生活的方方面面带来重要影响。它被认为是21世纪中能对信息科学、社会进步和经济发展发挥重要作用的关键技术。因此，它引起了学术界和工业界的广泛关注。目前无线传感器网络技术的应用十分广泛，包括国防军事、智能交通管理、智能家居、环境监测等多个领域。

无线传感器网络(Wireless sensor network)是由部署在监测区域内大量小型传感器节点，以自组织的方式构建的从源节点到Sink节点的多跳网络。无线传感器节点上通常装备有诸如温湿度传感器、光照传感器、甚至图像传感器等功能器件，以进行相应环境的标量和矢量数据采集。当传感器检测到事件发生或周期检测时间到达时，节点就对监控区的数据进行采集和初步处理，并通过多跳路由的方式进行数据传输。每个节点通过网络路由协议选择下一跳转发节点，从而形成一条优化的路径将数据从监控区域传输到汇聚节点(基站)。汇聚节点将监测区域的数据进行汇聚处理，继而通过诸如Internet、移动通信网络等公用网将数据发送到管理终端或终端用户。

由于无线信道的不稳定性，且监控区域一般位于环境恶劣的地方，单节点已失效，因此，要求所设计的协议具有较高可靠性和鲁棒性。同时，由于成本和体积的限制，节点的能量、存储空间以及计算资源受限，因此，复杂度和能耗也是需要考虑的重要因素。此外，随着物联网的不断发展，作为其核心组成部分的无线传感器网络也被赋予更多的功能，提供更多样化的业务。由传统的温湿度、光照、压力等标量数据采集向多元化信息采集处理转变。尤其是视频监控、高精度定位、友好交互查询等应用的引入，使得WSNs包含更加丰富的信息和业务处理，不仅包含传统的标量信息，同时也需要处理包含语音、图像、视频等多种数据的混合业务。不同的业务对数据传输的可靠性、时延等QoS参数的要求各不相同，因此，无线传感器网络需要具备多业务的区分能力，即需要满足不同业务的QoS需求。总的来说，针对无线传感器网络的协议需要具备高鲁棒性，低复杂度，同时能在满足业务QoS的前提下获取最优的能效。

如果要进行端到端的QoS保障需要网络的全局信息，可通过全局信息选择合适的路径或机制进行保障。然而，WSNs规模通常比较大而且通信环境频繁变化，全局信息获取和维护比较困难。

发明内容

为了解决上述技术问题，本发明公开了一种区分业务的自适应协作网络编码方法(Diff-serviceAdaptive Cooperative Network Coding,DCNC)。

本发明采用的技术方案如下：

一种区分业务的自适应协作网络编码方法，对不同业务的QoS需求进行逐跳映射，通过每一跳的QoS保障从而获取端到端的QoS需求；所述每一跳的QoS保障是通过底层包括物理层、链路层和媒体访问控制层的相应机制获取实时的链路质量，代入逐跳的可靠性和时延模型进行冗余度也即网络编码包个数N的实时调整，同时采用改进的牛顿搜索方法以确定满足不同业务的QoS需求。具体地，所述每一跳的QoS保障是通过通信网络中不同业务的情况进行计算获得估计的均值，包括通信网络中逐跳的可靠性和时延，将逐跳的可靠性和时延估值代入模型进行冗余度也即网络编码包个数N的实时调整。

上述方法具体说明如下：

对不同应用的QoS度量给定边界值作如下定义：

允许的最大端到端时延：D_max；

不同业务(应用)的最小可靠性需求：R_min；

无线传感器网络的QoS约束定义为：

时延约束：Delay(T(s,d))≤D_max；

可靠性约束：Reliability(T(s,d))≥R_min。

本发明的算法将端到端的QoS需求映射到每一跳中，通过联合保证逐跳的QoS使得端到端的需求得到满足，具体映射如下：

逐跳的平均时延约束：

逐跳的平均可靠性保证：

为了进行实时的调整需要知道每一跳簇间传输的可靠性和时延模型，通过模型参数的调整来在网络层上满足逐跳的QoS需求。

下面对簇间传输的可靠性模型进行设定：

设定原始数据包数目为M，在每一个中间簇中再编码成N个编码包，通过n个节点进行发送，定义单跳传输成功为下一跳的簇内收到的数据包中编码向量集合的秩不小于M。此外，令链路的失效概率为p，且链路间失效是相互独立的。当发送簇中发出一个数据包，只要接收簇中有一个节点正确接收就可认为该数据包已被接收簇正确接收。因此，发送簇每发送一个数据包不能被接收簇成功接收的概率为pⁿ。则每一簇发送N个数据包中k(0≤k≤N)个被成功接收，N-k个不被成功接收的概率为：

此外，由于数据包中的编码向量是在GF(q)上随机产生的，令接收到的k个编码数据包全局编码矩阵的秩大于M的概率为p_k,M，由现有文献可知该值为：

因此，成功接收到k个数据包且能被正确解码的概率为：

则由(1)、(2)、(3)可得基于我们给定的簇模型，单跳传输成功概率为：

接下来对时延性能进行设定：

将单跳簇间传输时延分为簇内节点状态广播时延D_b和簇间数据传输时延D_d。簇内状态广播时延为：

其中L_c为广播包的长度，L_g为保护间隔长度，R_b为传输速率，n为簇内节点数目。加入保护间隔，可以避免同步精度不高造成的影响。

簇间数据传输时延为：

其中L为原始数据段长度，分成M份，加上数据包头长度L_h，L_g同样为保护间隔，N为每一簇要发送的编码包个数。因此，簇间传输的整体时延为D＝D_b+D_d。

对每一簇要发送的编码包个数N的确定，传统方法是用牛顿搜索算法，即采用公式所示方式进行迭代搜索，最优值的搜索涉及两个重要变量搜索的初始值x₀，以及搜索步长l，而迭代的终止条件为|x_n+1-x_n|≤ξ，其中ξ是一个很小的值。显然，直接应用牛顿法搜索最优值存在以下缺陷：初始值确定困难，初始值的大小影响收敛速度；虽然搜索步长有自动调节作用，但对目标函数求导计算复杂；此外，终止条件也将影响收敛速度和精确度，ξ值确定困难。

故本发明对传统牛顿搜索算法结合具体约束条件和变量值的特点进行了改进，下面对改进的牛顿搜索算法进行说明。

设置原始数据包数目M，簇内节点数n，发送接收每比特能耗分别为E_T，和E_R(其中d₁和d₂分别为簇内和簇间的传输距离)，映射到逐跳的可靠性和时延指标R₀、D₀，数据的传输速率R_b，以及本簇接收到从上一簇传来的编码包能耗E_R-lc，T为单跳时延。如公式(7)给出了单跳传输的能量模型，由公式可看出能量消耗与簇内编码包数目N呈正相关，发送编码包数目越多，也即网络编码码率M/N越小，消耗能量越大。但是编码包数量N并不是越小越好，当编码包N太小或太大时可能无法满足公式(8)和(9)所给出的QoS约束条件。因此，本文所提出的改进的N值搜索算法是寻找一个N值，在满足给定的约束条件下获取能耗的最优。

E_cluster＝n·(E_R+E_T(d₁))·L_c+N·E_T(d₂)·(L/M+L_h)+E_R-lc (7)

充分结合(7)、(8)、(9)三个公式的特性设计简单的算法进行最优N值的确定，此处改进并简化牛顿算法来进行满足约束的最小N值确定，详细步骤如下：

S1.初始值确定：如果不等式组有解，令解区间为[N_minN_max]，则其上下限值分别由公式(8)和(9)确定。而由于公式(9)是关于N的线性函数，因此很容易获得上限值N_max。故以N_max为搜索的初始值，沿负梯度方向对公式(8)进行搜索。

S2.步长确定：由于网络编码中编码包个数为整数，即自变量N值为整数，充分利用这个特点，将步长设置为1且固定不变。这样避免对公式求导等复杂计算，同时迭代次数可以预期。因为当N<M时，编码包不可解，即可靠性为0，N最小值为M。因此迭代次数小于N_max-M。

S3.迭代终止条件：由于公式(8)为单调递增函数，故当搜索到P_s(N_i)<R₀时，即可终止迭代，同时返回N_i+1作为作为N_min，也即得到最优值N，其中i为迭代次数。

进一步的，也可以把搜索初始值设置为不等式(9)的解的下限值，沿正梯度方对不等式(8)进行搜索，当搜索到D>D₀时终止迭代，返回N_i-1作为搜索到的最优值。

进一步的，本发明采用的改进的牛顿搜索算法中通常由公式(7)和(8)组成的不等式组如有解，其解通常不为整数值，即理论上的最优冗余度并非一个整数值，假设为N_o。若直接采用上述算法，则会使得到的结果具有一定的波动，不太稳定，故本发明还对上述步骤S3得到的最优值N进行平滑，具体如下：

假设当不等式组有解的时候，搜索到的最优值为N，其对应的单跳成功传输概率为P_N，而上一个值N-1对应P_N-1。则N_o落在区间[N-1,N]之间，然后分别依概率P₁和1-P₁选择N和N-1使得平均冗余度趋近于N_o，P₁值计算方法如下：

P_N·P₁+P_N-1·(1-P₁)＝R₀ (12)

因此算法依概率P₁和1-P₁选取N和N-1值，使得平均冗余趋近最优整数值。

具体算法如下表所示,由算法可知当不等式组无解时优先保证时延。

对源节点和目的节点的数据处理过程属于通信领域里面的常规处理方法。

另外，本发明对目的节点的处理流程如下：

当目的节点接收上一簇发来的所有数据包后，就开始对收到的数据包进行解码。设收到的数据包的个数为m，所有数据包中的编码向量的集合为V_R＝(v₁,v₂,…,v_m)，网络编码包集合为C_R＝(C₁,C₂,…,C_m)，则V_R、C_R和原始数据段P＝(P₁,P₂,…,P_M)的关系有：

P·V_R＝C_R (13)

设v_i＝(v_i1,v_i2,…,v_iM)，上式可写成

转换成线性方程组形式，得：

当m<M时，方程组有多解，则不能解出原始信息P；当m≥M时，若

rank(V_R)≥M

则方程组有唯一解。此时，可通过高斯消元法解线性方程组(15)，解出原始信息P。

本发明具有的有益效果：本发明在NCCC(Network Coding Based CooperativeCommunication Scheme)的基础上，充分考虑无线链路质量频繁变化和WSNs面向应用的特点，能够区分不同应用的数据流，并在满足应用QoS需求保障的前提下，最小化能量消耗，从而提高网络的生命周期。此外，还具有高鲁棒性和低复杂度的特点。

附图说明

图1是本发明的系统模型。

图2是本发明的簇间传输模型。

图3是可靠性需求R_min＝0.99情况下不同算法的PER性能对比。

图4是不同可靠性需求下DCNC的PER性能。

图5是不同R_min下NCCC和DCNC的能耗。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。

实施例

本发明设计的区分业务的自适应协作网络编码方法，基于协作网络编码机制，对不同业务的QoS需求进行逐跳映射，通过每一跳的QoS保障从而获取端到端的QoS需求；所述每一跳的QoS保障是通过底层(包括物理层和数据链路层)的相应机制获取实时的链路质量，代入逐跳的可靠性和时延模型进行冗余度也即网络编码包个数N的实时调整，同时采用牛顿搜索方法以确定满足不同业务的QoS需求；具体地，所述每一跳的QoS保障是通过通信网络中不同业务的情况进行计算获得估计的均值，包括通信网络中逐跳的可靠性和时延，将逐跳的可靠性和时延估值代入模型进行冗余度也即网络编码包个数N的实时调整。

其中：所述牛顿搜索方法详细步骤如下：

S21.初始值确定：如果不等式组有解，令解区间为[N_min N_max]，则其上下限值分别由不等式组的上式和下式确定，以的解的上限N_max为搜索的初始值，沿负梯度方向对上式进行搜索；

其中不等式组上式中定义P_s为单跳传输成功概率，p为链路的失效概率，pⁿ为发送簇每发送一个数据包不能被接收簇成功接收的概率，p_k,M为接收到的k个编码数据包全局编码矩阵的秩大于M的概率，且N为每一簇要发送的编码包个数，n是每一簇发送N个数据包中被成功接收的个数，R₀是逐跳的平均可靠性保证，且R_min是不同业务(应用)的最小可靠性需求，Hop为已知跳数；下式中定义D为簇间传输的整体时延，L_c为广播包的长度，L_g为保护间隔长度，R_b为传输速率，n为簇内节点数目，L/M表示原始数据段长度L，分成M份，L_h为数据包头长度，D₀是逐跳的平均时延约束，且D_max是允许的最大端到端时延，Hop为已知跳数；

S22.步长确定：将步长设置为1且固定不变，迭代次数小于N_max-M；

S23.迭代终止条件：当搜索到Ps(Ni)<R₀时，即可终止迭代，同时返回N_i+1作为N_min，也即得到最优整数N，其中i为迭代次数。

在获得所述解区间[N_min N_max]的同时返回N_i+1作为能耗函数E_cluster＝n·(E_R+E_T(d₁))·L_c+N·E_T(d₂)·(L/M+L_h)+E_R-lc搜索到的最优整数解，即在满足业务的QoS前提下使得系统的能耗最低；其中E_T为发送每比特能耗、E_R为发送每比特能耗、d₁和d₂分别为簇内和簇间的传输距离，E_R-lc为本簇接收到从上一簇传来的编码包能耗。

对所述搜索到的最优整数解N进行平滑使其趋近于理论上的最优值N_o，进一步优化系统的能效，具体为：设搜索到的最优整数解N对应的单跳成功传输概率为P_N，而上一个值N-1对应P_N-1，则N_o落在区间[N-1,N]之间；依概率P₁和1-P₁分别选择N和N-1使得平均冗余度趋近于N_o，P₁值计算方法采用式：P_N·P₁+P_N-1·(1-P₁)＝R₀，这样，使得平均冗余趋近于最优值。

下面结合附图对本发明作详细的描述：

DCNC传输机制的处理流程，总体流程类似NCCC，如图1所示，系统模型中主要包括源节点的处理过程、中间簇的处理过程以及目的簇的处理过程。

本发明所提出算法的自适应机制主要是在中间簇中进行的，簇间传输模型如图2所示。

图3是在可靠性需求R_min＝0.99，即允许误包率上限为1％下，NCCC和DCNC在不同链路质量下的误包性能。其中，M和N分别为原始数据包数目和每一簇的编码包数目。由图中可以看出，在链路质量较好的情况下，如p<0.15时，不同码率下的NCCC的误包率都在1％以下，因此都能达到R_min＝0.99的可靠性需求，且由于冗余大，低网络编码码率的NCCC呈现远超可靠性需求的性能，甚至在p<0.1时，码率为M/N＝3/5的NCCC已经达到了其由随机网络编码所带来的下限值，当然高冗余通常也意味着高时延和高能耗。然而，随着链路质量降低，不同码率的NCCC的误包率都呈现明显的上升趋势。当链路质量p>0.15时，码率为M/N＝1的NCCC的可靠性将无法满足业务所需的可靠性需求。而对于码率为3/4和3/5的NCCC也分别在p>0.35和p>0.46以后达不到可靠性需求。而对于DCNC而言，其误包率性能稳定维持在1％左右波动。当p<0.15时，其性能趋近于码率为1的NCCC，不需要进行冗余编码包的发送即可获取业务所需的可靠性需求。而当p>0.15时，为了达到所需的可靠性要求，DCNC以一定的概率增加编码冗余，具体的冗余度由本发明所提及的N值确定算法，根据链路状况进行动态调整。因此，对于非实时数据，DCNC能在不同链路质量条件下满足其可靠性需求，而NCCC则只能根据其码率的大小在不同链路质量范围满足可靠性需求。

图4则给出了不同可靠性需求下的DCNC的误包率性能。从图中可以看出对非实时性数据而言，在R_min＝0.9，0.99和0.999时，即误包率分别在10％，1％和0.1％以下时，DCNC均能满足业务数据所需的可靠性要求。对于可靠性需求R_min＝0.9，p<0.35的时候，DCNC的误包性能与码率为1的NCCC基本一致，原因是对于DCNC而言，它能够根据业务需求和链路状况搜索出适合的N值，而当可靠性需求低，链路质量好的时候，仅需要码率M/N为1即可保证满足业务需求，无需冗余包。同理对于R_min＝0.99，p<0.15的情况也是类似的，因此他们在链路质量小于0.15的时候出现了重合的部分。而对于可靠性需求R_min＝0.999时，由于码率为1无法满足需求，因此DCNC通过动态调整，依概率的在N的最优值左右进行选取，从而使得可靠性始终能满足业务数据的需求。直观上来说即在链路较好的时候，以较低的冗余度保障可靠性，链路较差的时候，则通过提高冗余来保证达到可靠性需求的目的。而显然NCCC并不具备QoS区分的能力，且是固定的码率，如果要保证可靠性总是达到要求只能以链路最差的情况的冗余度作为码率选择的依据。

接下来对可靠性要求分别为R_min＝0.9,R_min＝0.99,R_min＝0.999情况下，DCNC的能耗表现进行仿真分析，仿真结果如图5所示。

由图5可以看出，三种可靠性要求下的DCNC能耗都随着链路质量变差而逐渐上升，且总体上看可靠性需求越高能耗也越大。原因在于，链路质量越差，要达到相同的可靠性需求需要通过更多的冗余编码包来保证。而同样的，在相同链路质量下，要达到更高的可靠性也需要更多的冗余。而对于链路质量小于0.15时，可靠性需求R_min＝0.99下的能耗与R_min＝0.9下的能耗几乎重合，并没有明显的增加，是因为对于好的链路质量下，M＝3，N＝3，即码率为1就可以使误包率低于1％，同时满足R_min＝0.99和R_min＝0.9的需求，因此都没有冗余编码包，故其能耗是一致。

因此综合图3、图4和图5可知，虽然高码率的NCCC能获取更好能耗，但并不能总是满足业务的可靠性需求，例如M＝3，N＝3，即码率为1时NCCC能获取最低的能耗，但它只能在链路失效概率小于0.15下满足0.99的可靠性需求。而低码率的NCCC能在更大范围上保证业务的可靠性需求，但是是以更大的能耗为代价的。而DCNC的优势在于可以根据不同链路质量和不同业务可靠性需求，自适应的调整冗余度以在满足可靠性需求的情况下获取更优的能耗。

Claims (3)

1.一种区分业务的自适应协作网络编码方法，基于协作网络编码机制，其特征在于，对不同业务的QoS需求进行逐跳映射，通过每一跳的QoS保障从而获取端到端的QoS需求；所述每一跳的QoS保障是通过通信网络中不同业务的情况进行计算获得估计的均值，包括通信网络中逐跳的可靠性和时延，将逐跳的可靠性和时延估值代入模型进行冗余度也即网络编码包个数N的实时调整，同时采用牛顿搜索方法以确定满足不同业务的QoS需求；

所述牛顿搜索方法步骤如下：

S21.初始值确定：如果不等式组

有解，令解区间为[N_minN_max]，则其上下限值分别由不等式组的上式和下式确定，以的解的上限N_max为搜索的初始值，沿负梯度方向对上式进行搜索；

其中不等式组上式中定义P_s为单跳传输成功概率，p为链路的失效概率，pⁿ为发送簇每发送一个数据包不能被接收簇成功接收的概率，p_k,M为接收到的k个编码数据包全局编码矩阵的秩大于M的概率，且N为每一簇要发送的编码包个数，n是每一簇发送N个数据包中被成功接收的个数，R₀是逐跳的平均可靠性，且R_min是不同业务的最小可靠性需求，Hop为已知跳数；下式中定义D为簇间传输的整体时延，L_c为广播包的长度，L_g为保护间隔长度，R_b为传输速率，n为簇内节点数目，L/M表示原始数据段长度L，分成M份，L_h为数据包头长度，D₀是逐跳的平均时延约束，且D_max是允许的最大端到端时延，Hop为已知跳数；

S22.步长确定：将步长设置为1且固定不变，迭代次数小于N_max-M；

S23.迭代终止条件：当搜索到P_s(N_i)<R₀时，即可终止迭代，同时返回N_i+1作为N_min，也即得到最优值N，其中i为迭代次数。

2.根据权利要求1所述的区分业务的自适应协作网络编码方法，其特征在于，在获得所述解区间[N_min N_max]的同时返回N_i+1作为N值求解能耗函数E_cluster＝n·(E_R+E_T(d₁))·L_c+N·E_T(d₂)·(L/M+L_h)+E_R-lc，即在满足特定业务的QoS前提下使得系统的能耗最低；其中E_T为发送每比特能耗、E_R为发送每比特能耗、d₁和d₂分别为簇内和簇间的传输距离，E_R-lc为本簇接收到从上一簇传来的编码包能耗。

3.根据权利要求1或2所述的区分业务的自适应协作网络编码方法，其特征在于，对搜索到的最优值N若不是最优值整数N_o，则对N解进行平滑，使其趋近于理论上的最优值整数N_o，具体为：

设搜索到的最优值N对应的单跳成功传输概率为P_N，而上一个值N-1对应概率P_N-1，则N_o落在区间[N-1,N]之间；依概率P₁和1-P₁分别选择N和N-1使得平均冗余度趋近于N_o，P₁值计算方法如下：

P_N·P₁+P_N-1·(1-P₁)＝R₀。