CN105050151A - 基于能量感知和位置预测的olsr路由方法 - Google Patents

Abstract

本发明公开了一种基于能量感知和位置预测的OLSR路由方法，首先计算得到发送节点在三个历史位置到接收节点的距离，然后分别根据三个历史位置信息和两个历史位置信息计算发送节点在预测位置与接收节点的预测距离，将两种方法得到的预测距离与发送节点最近一次历史位置到接收节点的距离进行加权平均，得到最终的预测距离。在选择路由时，在跳数相同的情况下，选择预测距离最小的节点作为路由的下一跳。本发明通过对发送节点与接收节点的距离进行预测，将节点的运动因素引入路由选择，使得到的路由质量更好，从而提高系统的分组到达率。

Description

基于能量感知和位置预测的OLSR路由方法

技术领域

本发明属于移动自组织网络技术领域，更为具体地讲，涉及一种基于能量感知和位置预测的OLSR路由方法。

背景技术

移动自组织网络(MANET)是一种用于连接移动设备的无线网络，网络中的设备都可能独立的向任何方向自由移动，因此会频繁的改变与其他设备之间的连接。持续地为每个设备保持建立正确路由所需的信息是MANET的主要挑战。相较于现有的一些有中心结构网络来说，MANET具有更低的建设成本和更大的普及空间。

OLSR(OptimizedLinkStateRouting优化链路状态路由协议)是一种主要用于MANET网络的路由协议。它对经典链路状态算法进行优化，使其符合MANET的要求。优化链路状态路由协议(OLSR)的关键是使用了多点中继(MPR)技术，最小化洪范网络中的控制信息。OLSR共有3种消息用于网络维护，分别是你好(HELLO)消息，拓扑控制(TC)消息和多接口声明(MID)消息。

HELLO消息包含了发送节点所有邻居节点的地址和它们之间的链路状态，且不会被任何节点转发，用于邻居发现和MPR计算。每个节点周期性发送HELLO消息，节点接收到HELLO消息后，将HELLO发送者填充到链路集和1跳邻居集，将HELLO包含的节点地址和链路状态保存到2跳邻居集。接下来节点从它的1跳对称邻居节点中选出部分节点作为MPR，使该节点能通过这些MPR节点覆盖它的所有2跳邻居节点。节点通过HELLO消息获得1跳和2跳节点的链路状态。

TC(TopologyControl)消息包含了消息序列号ANSN，发送者自身和它所有MPR选择者的地址，只被转发者的MPR转发，用于洪范链路状态和计算路由。每个MPR节点周期性发送TC消息，节点接收到TC消息后，将TC包含的地址和TC发送者地址填充到拓扑集。节点可以获得它的所有两跳节点的链路状态。节点通过TC消息获得2跳以上节点的链路状态。

MID(MultipleInterfaceDeclaration)消息包含了主地址和其它参与OLSR的接口地址，只被转发者的MPR转发，用于计算路由表。当某个物理节点包含多个参与OLSR的接口时，它必须周期性发送MID消息。节点通过MID消息获得多接口信息。

当OLSR节点接收到以上3种消息之一，并按照流程填充完相应的数据库后，使用最短跳数优先的原则计算出整个网络的路由表。

标准的OLSR路由协议在计算路由时，只通过路径跳数来选择路由，但是在实际环境中，还存在其他的影响因素，例如节点距离、节点运动情况，需要对这些因素进行考虑，从而提高选择的路由质量。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于能量感知和位置预测的OLSR路由方法，接收节点根据接收信号的能量得到发送接收的相对距离，进行位置预测，作为路由选择的依据，从而提高分组到达率。

为实现上述发明目的，本发明基于能量感知和位置预测的OLSR路由方法，包括以下步骤：

S1：接收节点存储最近三次从发送节点接收的HELLO消息的功率P_r1、P_r2、P_r3，以及这三次HELLO消息的接收时刻t₁、t₂、t₃，t₁＞t₂＞t₃；存储发送节点在时刻t₁和t₂之间的距离D₁₂，设置D₁₂的初始值为0；每当接收节点接收到来自发送节点的新的HELLO消息，则采用步骤S2至S6的方法进行一次发送节点的位置预测；

S2：计算发送节点在三个历史位置到接收节点的距离d_i，i＝1,2,3；

S3：根据三个历史位置信息进行位置预测，具体方法为：

当k＝(t₁-t₂)/(t₂-t₃)＝1，根据以下公式求解得到发送节点在时刻t₃和t₂之间的距离m：

2m²＝d₃ ²+d₁ ²-2d₂ ²

然后根据以下公式求解得到发送节点在预测位置与接收节点的距离d_P1：

$\left\{\begin{array}{c}{d_{P1}}^2=(j+j^2)n^2+(1+j){d_1}^2-j{d_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}\≤1\end{array}\right.$

其中，j＝(t_p-t₁)/(t₁-t₂)，t_p表示对发送节点的预测时刻，n表示发送节点在时刻t₂和t₁之间的距离，n＝m；

当k＝(t₁-t₂)/(t₂-t₃)≠1，根据以下公式求解得到m：

$\left\{\begin{array}{c}\mathrm{\Δ}={({d_3}^2-{d_1}^2)}^2+(k^2-1)({d_3}^2-{d_2}^2)({d_3}^2+{d_2}^2-{{2d}_1}^2+k^2)\\ m^2=\frac{-k({d_3}^2-{d_1}^2)\±\sqrt{\mathrm{\Δ}}}{k^3-k}>0\end{array}\right.$

如果m只有单一解，则m为此单一解，如果m有两个解，则令m等于更接近D₁₂的那一个解，然后根据以下公式求解得到d_P1：

$\left\{\begin{array}{c}{d_{P1}}^2=(j+j^2)n^2+(1+j){d_1}^2-j{d_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}\≤1\end{array}\right.$

其中，j＝(t_p-t₁)/(t₁-t₂)，n＝km；

S4：更新D₁₂＝km；

S5：根据两个历史位置信息进行位置预测，具体方法为根据以下公式求解得到发送节点在预测位置与接收节点的距离d_P2：

$\left\{\begin{array}{c}{d_{P2}}^2=(j+j^2)n^2+(1+j){d_1}^2-j{d_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}\≤1\end{array}\right.$

其中，j＝(t_p-t₁)/(t₁-t₂)，n＝km；

S6：计算预测位置到接收节点的预测距离d_P：

S7：在进行OLSR路由选择时，在跳数相同的情况下，选择预测距离d_P最小的节点作为路由的下一跳。

本发明基于能量感知和位置预测的OLSR路由方法，首先计算得到发送节点在三个历史位置到接收节点的距离，然后分别根据三个历史位置信息和两个历史位置信息计算发送节点在预测位置与接收节点的预测距离，将两种方法得到的预测距离与发送节点最近一次历史位置到接收节点的距离进行加权平均，得到最终的预测距离。在选择路由时，在跳数相同的情况下，选择预测距离最小的节点作为路由的下一跳。本发明通过对发送节点与接收节点的距离进行预测，将节点的运动因素引入路由选择，使得到的路由质量更好，从而提高系统的分组到达率。

附图说明

图1是基于两个发送节点历史位置信息进行位置预测的示意图；

图2是基于三个发送节点历史位置信息进行位置预测的示意图；

图3是本发明基于能量感知和位置预测的OLSR路由方法的流程图；

图4是本发明和传统OLSR路由方法的移动速度-分组到达率曲线图；

图5是本发明和传统OLSR路由方法的移动速度-传输时延曲线图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

为了更好地说明本发明的技术方案，首先对本发明的原理与公式推导进行说明。

移动预测首先需要知道节点若干个历史位置信息。在OLSR中节点之间会通过定期交换HELLO消息来获取链路状态信息，因此本发明选择通过HELLO消息获取节点的历史位置信息。在经典的双径传播模型中，发射功率与接收功率之间的关系如下：

$P_r={P_{t}G}_t{G}_r\frac{h_t^2{h}_r^2}{D^{4}L}---\left(1\right)$

其中，P_t表示发送端的发射功率，P_r表示接收端的接收功率，G_t表示发送天线增益，G_r表示接收天线增益，h_t表示发送天线高度，h_r表示接收天线高度，D表示发送天线与接收天线的距离，L表示系统损失。

根据公式(1)可以看出，接收功率与距离的4次方成反比。因此在知道接收节点接收阈值功率的条件下，可以算出节点之间的距离占发送节点传播距离的比例。设P_T是接收天线能够接收的最小信号能量，即最小信号功率，D_T是接收天线能够接收的最小信号能量时发送天线的距离，即发送天线的最大距离。可以得到节点之间的距离D占发送节点传播距离D_T的比例D^*，D^*被用来表示两个节点之间的相对距离。D^*的计算公式为：

$D^{*}=\frac{D}{D_T}=\sqrt[4]{\frac{P_T}{P_r}}---\left(2\right)$

当接收节点多次接收到发送节点的消息后，通过记录历史接收消息的功率就可以计算出发送节点与接收节点的历史位置信息，从而对发送节点的位置进行预测。本发明提供两种预测方式，分别是基于两个发送节点历史位置信息和基于三个发送节点历史位置信息。

图1是基于两个发送节点历史位置信息进行位置预测的示意图。如图1所示，实心节点表示接收节点，空心节点表示发送节点，A₁表示发送节点在时刻t₁的位置，A₂表示发送节点在时刻t₂的位置，其中t₁＞t₂，d₁表示发送节点在位置A₁时与接收节点的相对距离，d₂表示发送节点在位置A₂时与接收节点的相对距离，n表示位置A₁和位置A₂之间的相对距离，A₀表示发送节点在预测时刻t_p的预测位置，d_P表示发送节点的预测位置与接收节点的相对距离，p表示预测位置与位置A₁的相对距离。

本发明中假定发送节点是匀速直线运动。由于接收节点可以通过HELLO消息的能量信号(即功率)得到相对距离d₁和d₂，令j＝p/n＝(t_p-t₁)/(t₁-t₂)，因此问题转化为根据d₁、d₂和j求解d_P。因为在仅知道d₁、d₂和j的情况下，d_P有多种可能(如图1中的d_P和d′_P)，所以无法计算出d_P的长度。但当知道n的长度后就可以计算出d_P的长度。在由d₂、d_P、n+p围成的三角形和由d₂、d₁、n围成的三角形中分别使用余弦定理，可以得到式(3)：

$\frac{{d_2}^2+{(n+p)}^2-{d_P}^2}{2d_2(n+p)}=cos\mathrm{\α}=\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}---\left(3\right)$

代入j＝p/n＝(t_p-t₁)/(t₁-t₂)到式(3)可以得到式(4)，通过式(4)可以在知道d₂、d₁、n、j的条件下，可以计算出d_P。

$\left\{\begin{array}{c}{d_P}^2=(j+j^2)n^2+(1+j){d_1}^2-{{\mathrm{jd}}_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}\≤1\end{array}\right.---\left(4\right)$

图2是基于三个发送节点历史位置信息进行位置预测的示意图。如图2所示，A₁表示发送节点在时刻t₁的位置，A₂表示发送节点在时刻t₂的位置，A₃表示发送节点在时刻t₃的位置，其中t₁＞t₂＞t₃，d₁表示发送节点在位置A₁时与接收节点的相对距离，d₂表示发送节点在位置A₂时与接收节点的相对距离，d₃表示发送节点在位置A₃时与接收节点的相对距离，m表示位置A₂和位置A₃之间的相对距离，n表示位置A₁和位置A₂之间的相对距离，A₀表示发送节点在预测时刻t_p的预测位置，d_P表示发送节点的预测位置与接收节点的相对距离，p表示预测位置与位置A₁的相对距离。同样地，假定发送节点是匀速直线运动，可以计算出下一次发送HELLO消息时发送节点与接收节点的相对距离。如图2所示，已知d₁、d₂、d₃，令k＝n/m，j＝p/n，求解d_P。

根据海伦公式，图2中由d₁、d₂、n三条边围成的三角形和由d₂、d₃、m三条边围成的三角形等高，所以他们的面积比等于底边的比，得到它们的关系见式(5)。

[(d₃+d₂)²-m²][(m²-(d₃-d₂)²]n²＝[(d₂+d₁)²-n²][(n²-(d₂-d₁)²]m²(5)

同样地，由于发送节点是匀速直线运动，因此k＝n/m＝(t₁-t₂)/(t₂-t₃)。

k＝1时，带入k＝n/m到式(5)可以得到式(6)。

2m²＝d₃ ²+d₁ ²-2d₂ ²(6)

k≠1时，带入k＝n/m到式(5)可以得到式(7)。

$\left\{\begin{array}{c}\mathrm{\Δ}={({d_3}^2-{d_1}^2)}^2+(k^2-1)({d_3}^2-{d_2}^2)({d_3}^2+{d_2}^2-2{d_1}^2+k^2)\\ m^2=\frac{-k({d_3}^2-{d_1}^2)\±\sqrt{\mathrm{\Δ}}}{k^3-k}>0\end{array}\right.---\left(7\right)$

根据以上分析，得到本发明基于能量感知和位置预测的OLSR路由方法的具体步骤。图3是本发明基于能量感知和位置预测的OLSR路由方法的流程图。如图3所示，本发明基于能量感知和位置预测的OLSR路由方法包括以下步骤：

S301：计算参数获取：

接收节点存储最近三次从发送节点接收的HELLO消息的功率P_r1、P_r2、P_r3，以及这三次HELLO消息的接收时刻t₁、t₂、t₃，t₁＞t₂＞t₃，即下标越大，越接近当前时刻。接收节点还要存储发送节点在时刻t₁和t₂之间的距离M，设置M的初始值为0。

在实际应用中，由于链路集包含了HELLO消息中最多的内容，以上计算参数可以存储在链路集，即在链路集对应发送节点的元素后增加以上计算参数。每当接收节点接收到来自发送节点的新的HELLO消息，则根据步骤S302至步骤S306进行一次发送节点的位置预测。显然，首次位置预测是在接收到三次HELLO消息后才能执行。

S302：计算得到历史位置的距离：

计算发送节点在三个历史位置到接收节点的距离d_i，i＝1,2,3。距离d_i的计算方式可以根据实际情况进行选择，本实施例中采用公式(2)进行计算，即计算公式为：

$d_i=\sqrt[4]{\frac{P_T}{P_{ri}}}---\left(8\right)$

S303：根据三个历史位置信息进行位置预测：

当接收节点首次记录了3个有效的HELLO消息后，因为此时没有计算出M的值，所以只能使用三个历史位置信息来对发送节点进行位置预测。分为两种情况：

当k＝n/m＝(t₁-t₂)/(t₂-t₃)＝1，将d₁、d₂、d₃代入公式(6)计算得到m的值，然后将d₁、d₂、j＝p/n＝(t_p-t₁)/(t₁-t₂)、n＝m代入公式(4)，计算出发送节点预测位置到接收节点的距离，记为d_P1。t_p表示对发送节点的预测时刻。

当k＝n/m＝(t₁-t₂)/(t₂-t₃)≠1，将d₁、d₂、d₃、k代入公式(7)计算得到m的值，如果m只有单一解，则m为此单一解，如果m有两个解，则令m等于更接近M的那一个解，然后将d₁、d₂、j＝p/n、n＝m代入公式(4)，计算出发送节点预测位置到接收节点的距离，记为d_P1。

由于本发明中m和d_P1都表示的是距离，显然不会是负数，因此在以上过程中所指的m的解的数量是排除了负数解之后的数量。

S304：更新参数D₁₂：

由于D₁₂是发送节点在时刻t₁和t₂之间的距离，因此更新D₁₂＝km。对于本发明而言，本次预测得到的D₁₂对应的是下一次预测时的m值，因此在步骤S3中可以根据D₁₂来对两个m解进行排除判断。

S305：根据两个历史位置信息进行位置预测：

在经过步骤S304后，因为n值已经被计算出来，所以可以直接将d₁、d₂、j＝p/n＝(t_p-t₁)/(t₁-t₂)和n＝km代公式(4)来计算发送节点预测位置到接收节点的距离，记为d_P2。

S306：加权平均得到最终预测距离：

为了减少计算误差，将距离d_P1、d_P2和d₁进行加权平均，得到最终的发送节点预测位置到接收节点的预测距离d_P，其计算公式如下：

S307：基于预测距离的路由选择：

通过以上步骤进行发送节点的位置预测后，在路由选择时会利用各个发送节点预测位置到接收节点的预测距离来选择路由。一般情况下，发送节点距离接收节点越近，那么两个节点之间的链路相较于距离较远的节点也越稳定。因此，当选择路由时，在跳数相同的情况下，优先选择预测距离d_P较小的链路集元素作为路由的下一跳，即选择预测距离d_P最小的节点作为路由的下一跳。

实施例

为了说明本发明的技术效果，采用一个具体实例对本发明进行仿真验证。本次仿真验证中节点的总数为32个：在300*300的长方形区域中，添加22个静止节点，编号10到31，添加10个初始位置随机的移动节点，编号0到9。所有节点的信号强度是100m，静止节点水平距离为42m，竖直距离为52m。移动节点从0s开始随机移动，移动速度满足[V-2.5,V+2.5]上的正态分布，V是仿真结果图的横轴。移动节点到达目的地后会停留一段时间，停留时间满足[0,5s]的均匀分布。仿真时间为40s，移动节点0-9从20s开始产生流量，一共5对恒定数据流。

仿真时，采用移动节点在不同速度下的分组到达率和传输时延对比传统OLSR路由方法和本发明OLSR路由方法的性能。每个点仿真时采用100个不同的初始场景，每个场景仿真次数为20次。横轴都是移动节点的移动速度(m/s)，步长是5m/s。

图4是本发明和传统OLSR路由方法的移动速度-分组到达率曲线图。如图4所示，在低速度运动情况下本发明相对于传统OLSR路由方法的分组到达率差别不大。随着速度的增加本发明的分组到达率逐渐提高，但是速度增加到一定程度后，本发明与传统OLSR路由方法之间分组到达率差距开始变小。这是因为速度太快，节点还没有收集到足够的HELLO消息，本发明退化成以信号能量小为优先计算路由。但是整体而言，本发明相对比传统OLSR路由方法，提高了分组到达率。

图5是本发明和传统OLSR路由方法的移动速度-传输时延曲线图。如图5所示，本发明比传统OLSR路由方法虽然具有更大的传输时延，但是考虑到本发明对节点快速运动时分组到达率的显著提升，这样的延时仍在可接受范围内。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (2)

1.一种基于能量感知和位置预测的OLSR路由方法，其特征在于，包括以下步骤：

S1：接收节点存储最近三次从发送节点接收的HELLO消息的功率P_r1、P_r2、P_r3，以及这三次HELLO消息的接收时刻t₁、t₂、t₃，t₁＞t₂＞t₃；存储发送节点在时刻t₁和t₂之间的距离D₁₂，设置D₁₂的初始值为0；每当接收节点接收到来自发送节点的新的HELLO消息，则采用步骤S2至S6的方法进行一次发送节点的位置预测；

S2：计算发送节点在三个历史位置到接收节点的距离d_i，i＝1,2,3；

S3：根据三个历史位置信息进行位置预测，具体方法为：

当k＝(t₁-t₂)/(t₂-t₃)＝1，根据以下公式求解得到发送节点在时刻t₃和t₂之间的距离m：

2m²＝d₃ ²+d₁ ²-2d₂ ²

然后根据以下公式求解得到发送节点在预测位置与接收节点的距离d_P1：

$\left\{\begin{array}{c}{d_{P1}}^2=(j+j^2)n^2+(1+j){d_1}^2-j{d_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_2}^2}{2d_{2}n}\≤1\end{array}\right.$

其中，j＝(t_p-t₁)/(t₁-t₂)，t_p表示对发送节点的预测时刻，n表示发送节点在时刻t₂和t₁之间的距离，n＝m。

当k＝(t₁-t₂)/(t₂-t₃)≠1，根据以下公式求解得到m：

$\left\{\begin{array}{c}\mathrm{\Δ}={(}^{d_3}+(k^2-1)({d_3}^2-{d_2}^2)({d_3}^2+{d_2}^2-2{d_1}^2+k^2)\\ m^2=\frac{-k({d_3}^2-{d_1}^2)\±\sqrt{\mathrm{\Δ}}}{k^3-k}>0\end{array}\right.$

如果m只有单一解，则m为此单一解，如果m有两个解，则令m等于更接近D₁₂的那一个解，然后根据以下公式求解得到d_P1：

$\left\{\begin{array}{c}{d_{P1}}^2=(j+j^2)n^2+(1+j){d_1}^2-j{d_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}\≤1\end{array}\right.$

其中，j＝(t_p-t₁)/(t₁-t₂)，n＝km；

S4：更新D₁₂＝km；

S5：根据两个历史位置信息进行位置预测，具体方法为根据以下公式求解得到发送节点在预测位置与接收节点的距离d_P2：

$\left\{\begin{array}{c}{d_{P2}}^2=(j+j^2)n^2+(1+j){d_1}^2-j{d_2}^2\\ -1\≤\frac{{d_2}^2+n^2-{d_1}^2}{2d_{2}n}\≤1\end{array}\right.$

其中，j＝(t_p-t₁)/(t₁-t₂)，n＝km；

S6：计算预测位置到接收节点的预测距离d_P：

S7：在进行OLSR路由选择时，在跳数相同的情况下，选择预测距离d_P最小的节点作为路由的下一跳。

2.根据权利要求1所述的OLSR路由方法，其特征在于，所述步骤S2中的距离d_i的计算公式为：

$d_i=\sqrt[4]{\frac{P_T}{P_{ri}}}$

其中，P_T是接收天线能够接收的最小信号能量。