CN105357158A - 水下认知网络中节点准确高效接入多信道的方法 - Google Patents

Abstract

本发明涉及一种水下认知网络中节点准确高效接入多信道的方法，包括：利用频谱感知的结果进行频谱预测，频谱感知后可以得到各信道的状态信息；频谱分配的优化目标为最大化信道收益，频谱分配着重考虑信道容量的最大化，根据各信道当前状态信息以及各信道带宽进行最优分配；为避免声信号的长传播延时和节省能量，划分若干个时隙，并且每个控制包和数据包只能在某一时隙开始时刻发送；数据传输采用报文串模式发送，且要求每个发送数据节点都是在信道分配结束后的一个时隙编号为四的整数倍的时隙开始时刻发送。本发明的多信道接入方法，提高水下网络系统有效吞吐量，实现通信数据的高效传输。

Description

水下认知网络中节点准确高效接入多信道的方法

技术领域

本发明涉及水下认知声学通信技术领域，具体的讲是一种水下认知节点准确高效接入多信道的方法。

背景技术

水下传感器网络节点间的通信大多采用适于远距离水下无线通信的水声通信方式。水下信道具有高时延、时延动态变化、高衰减、高误码率、多径效应、多普勒频散严重、高度动态变化、低带宽、信道利用率低、起伏效应以及海洋环境噪声等特点。被认为是迄今难度最大的无线通信信道。水下节点使用电池供电，更换电池更为困难，另外，节点发送信息能耗比接收信息往往大很多倍，这对系统的能耗提出了更高的要求，水下传感器网络的这些固有特点，使得陆地无线传感器网络的成熟机制、协议、算法等都不能直接应用于水下，所以建立一个高效友好水下传输环境显得十分迫切和必要。

认知无线电技术在陆地通信中的应用已经非常广泛，它可以感知周围环境，并根据检测结果实时调整工作参数。针对水下通信延时高，频谱利用率低的难题，希望水下节点也可以学习周围环境，动态地改变自身配置，以达到高效利用资源的目的，因此可以将认知技术引入水下传感器网络中。引入认知技术的传感器节点可以及时检测周围频谱的使用情况，充分利用频谱空洞，最大程度地利用频谱。但是在节点感知信道直到接入信道的过程中，信道的预测、分配、接入三个环节的技术问题都有待提高。水下通信环境复杂，频谱预测结果会受到水下延时的极大干扰，而且，水下认知节点众多，为提高频谱利用率，通常需要划分多个信道，因此信息通过节点在信道中的传输需要进行合理的分配，选择合适的多信道接入算法才能实现高效可靠的信息传输。否则，节点间会相互碰撞导致通信失败，影响整个水下通信系统性能并消耗大量的能量。因此，本发明提出了一种水下认知网络的多信道接入方法，旨在为传播延时大、频谱利用率低的水下通信环境提供一种高效可靠地接入方法。

发明内容

为了改善水下通信网络中传播延时长、频谱利用率低带来的数据通信问题，本发明提出了一种水下认知节点准确高效接入多信道的方法。本发明具体的实现步骤是：

一种水下认知网络中节点准确高效接入多信道的方法，包括下列步骤：

步骤一：利用频谱感知的结果进行频谱预测，频谱感知后可以得到各信道的的状态信息，分为空闲、占用两种状态，分别用“0”、“1”表示，每个数据在发送时会加入时间标签，通过频谱感知得到时间信息并估计传输时延；统计一段时间内各信道空闲与占用的变化情况，计算信道状态转移概率矩阵P；设初始时刻信道状态信息概率矩阵为S(n-d)，信道的传播延时为d,利用频谱预测公式S(n)＝S(n-d)P^d即可得到n时刻实际的信道状态信息概率矩阵即为预测结果S(n)，同时用所得信道状态信息结果更新状态转移概率矩阵，作为新学习到的信道状态信息；

步骤二：将步骤一得到的矩阵S(n)中第一个元素当前信道的空闲概率P_n(0)在此规定其为ω_n，各信道的统计特性由概率向量Ω(t)＝[ω₁(t),ω₂(t),…,ω_n(t)]表示，其中ω_i即为第i个信道在信道接入前时刻t的信道空闲概率，频谱分配的优化目标为最大化信道收益，信道分配的优化目标函数为：

$a\left(t\right)=\arg \underset{a=1,...n}{max}({\mathrm{\ω}}_a*B_a)$

其中，a为认知用户选择接入的信道，ω_a为信道a的空闲概率，B_a为接入信道的带宽；

频谱分配着重考虑信道容量的最大化，根据各信道当前状态信息以及各信道带宽进行最优分配；

步骤三：根据步骤二得到的分配结果，为避免声信号的长传播延时和节省能量，划分了若干个时隙，并且每个控制包和数据包只能在某一时隙开始时刻发送，时隙的长度t为：

t＝τ+γ+β

其中，τ表示最大的传播延时，由传播距离所决定；γ表示控制包的传输时间；β表示保护时间，允许网络同步有一定的误差；

数据传输采用报文串模式发送，在此模式下，一次成功预约可以允许多个数据包以“先进先出(FIFO)”模式发送，控制报文RTS、CTS、数据报文DATA、确认信息ACK的发送顺序不变，且要求每个发送数据节点都是在信道分配结束后的一个时隙编号为四的整数倍的时隙开始时刻发送。

该方法中，从频谱预测、频谱分配以及多信道接入三个环节入手，在各个环节中充分考虑水下通信网络传播延时长、频谱利用率低的问题，旨在实现通信数据准确高效的水下传输。频谱预测中加入了延时预测，对各信道状态信息的预测结果更加的准确，为频谱的合理分配打下了坚实的基础，频谱分配着重考虑信道容量最大化，根据各信道当前状态信息进行分配，在信道总容量和避免冲突之间进行折中，以使整个系统的性能达到最优。最后根据信道分配结果，运用预约机制的多信道接入方法，提高水下网络系统有效吞吐量，实现通信数据的高效传输。

附图说明

图1是本发明信道使用状态转换模型示意图

图2是本发明认知水下声通信认知节点接入多信道过程流程图

图3是本发明多信道接入环节时序图

具体实施方式

本发明给出的技术方案如下：

步骤一：利用频谱感知的结果进行频谱预测，频谱感知后可以得到各信道的的状态信息，分为空闲、占用两种状态，分别用“0”、“1”表示。对于该预测方法中最重要的延时值d，可从信道中传输的数据中获得，每个数据在发送时会加入时间标签，通过频谱感知得到时间信息并估计传输时延。统计一段时间内各信道空闲与占用的变化情况，计算信道状态转移概率矩阵P。设初始时刻信道状态信息概率矩阵为S(n-d)，信道的传播延时为d,且由频谱感知已经得到，利用频谱预测公式S(n)＝S(n-d)P^d即可得到n时刻实际的信道状态信息概率矩阵即为预测结果S(n)。同时用所得信道状态信息结果更新状态转移概率矩阵，作为新学习到的信道状态信息。

步骤二：将步骤一得到的矩阵S(n)中第一个元素当前信道的空闲概率P_n(0)在此规定其为ω_n。因此，各信道的统计特性可以由概率向量Ω(t)＝[ω₁(t),ω₂(t),…,ω_n(t)]表示，其中ω_i即为第i个信道在信道接入前时刻t的信道空闲概率，由频谱预测得到。频谱分配的优化目标为最大化信道收益，因此，信道分配的优化目标函数为：

$a\left(t\right)=\arg \underset{a=1,...n}{max}({\mathrm{\ω}}_a*B_a)$

其中，a为认知用户选择接入的信道，ω_a为信道a的空闲概率，B_a为接入信道的带宽。

频谱分配着重考虑信道容量的最大化，根据各信道当前状态信息以及各信道带宽进行最优分配，但在分配过程中势必会有信道容量和发送数据信道选择的冲突，所以要在这两个方面进行合理的折中，以使整个系统的性能达到最优。

步骤三：根据步骤二得到的分配结果，各个认知节点选择相应的信道接入。多信道接入环节运用基于预约机制的多信道接入方法，达到有效提高数据通信有效吞吐量，实现通信数据的高效传输。为避免声信号的长传播延时和节省能量，划分了若干个时隙，并且每个控制包和数据包只能在某一时隙开始时刻发送，为避免由于水下传播的时空不确定性造成的数据碰撞问题，时隙的长度应该满足在一个时隙内控制包可以到达通信范围所限制的最远距离。同时，时隙的长度设计还应考虑由于网络未精确同步造成的问题，因此，时隙的长度t最终确定为：

t＝τ+γ+β

其中，τ表示最大的传播延时，由传播距离所决定；γ表示控制包的传输时间；β表示保护时间，允许网络同步有一定的误差。

源节点与目的节点需要等待特定的时刻，并且在一个预设的控制信道上发送预约请求和完成信道协商，此处的信道协商即为上文所讲的频谱分配。接下来收、发双方就由信道分配的结果进行数据传输。为了提高预约效率，降低预约开销，数据传输采用报文串模式发送。在此模式下，一次成功预约可以允许多个数据包以“先进先出(FIFO)”模式发送。同其他预约机制的信道接入方法相同，控制报文RTS、CTS、数据报文DATA、确认信息ACK的发送顺序不变，且要求每个发送数据节点都是在信道分配结束后的一个时隙编号为四的整数倍的时隙开始时刻发送。

现在对本发明的实施提供详细参考。为解释本发明将参考附图描述下述实施例。

图1中，信道只有空闲、占用两种状态，分别用“0”、“1”表示，其中，P(0/0)表示状态“0”一步转移到状态“0”的转移概率，P(0/1)表示状态“0”一步转移到状态“1”的转移概率，P(1/0)表示状态“1”一步转移到状态“0”的转移概率，P(1/1)表示状态“1”一步转移到状态“1”的转移概率。同时，在频谱感知过程中可以统计得到空闲状态一步转移到空闲状态的次数P₀₀，空闲状态一步转移到占用状态的次数P₀₁，占用状态一步转移到空闲状态的次数P₁₀，占用状态一步转移到占用状态的次数P₁₁。即可得到频谱预测公式中的信道转移概率矩阵P：

$P=\left(\begin{array}{cc}P(0/0)& P(0/1)\\ P(1/0)& P(1/1)\end{array}\right)=\left(\begin{array}{cc}\frac{P_{00}}{P_{00}+P_{01}}& \frac{P_{01}}{P_{00}+P_{01}}\\ \frac{P_{10}}{P_{10}+P_{11}}& \frac{P_{11}}{P_{10}+P_{11}}\end{array}\right)$

图2中，展示了认知节点接入多信道的整个流程图，认知节点首先对各信道进行频谱感知，得到各信道的状态信息以及时延信息。学习统计到的一段时间内各信道空闲与占用的变化情况，即可计算信道状态转移概率矩阵P，通过频谱预测模型计算得到预测结果S(n)，该矩阵中当前信道的空闲概率P_n(0)会作为频谱分配的已知条件ω_n，即可得到各信道的统计特性概率向量Ω(t)＝[ω₁(t),ω₂(t),…,ω_n(t)]，根据信道分配优化目标函数得到信道分配的结果。最后根据信道分配结果运用基于预约机制的多信道接入方法进行多信道数据传输，需要注意的是，信道的信息需要时刻更新，提高整个过程的实时性和准确性。

图3中，这里将通过一个例子来说明多信道接入环节运用基于预约机制的多信道接入方法的工作过程，假设信道分配工作已经完成。如图3所示，水下网络中有四个节点。其中A,C为两个发送节点，B,D为A,C的目的节点，这四个节点位于同一个冲突域，即所有的节点都在其他节点的最大传输距离内。这里采用(type)_{sender-receiver}表示一个包。因为该方法是一个基于时隙的多信道接入算法，所以当一个节点数据需要发送时，它先要根据频谱预测的结果选择信道，并且确定与预约包的发送时隙编号。当发送节点等到下一个预约包发送时隙时(假设为slot0，如图3)，A，C节点将分别发送RTS_A->B和RTS_C->D。由于所有四个节点位于同一冲突域内，B，D节点可以同时接收到两个RTS包，完成RTS包接收后，B，D节点在第二个时隙开始时刻将回送CTS包。每一个CTS包中携带相关信息，此后，如图3所示，A，B将切换至信道1，C，D将切换至信道2进行数据传输和ACK传输。该方法的状态转移图如图3所示，从图中可以看出，若某一控制包没有被正确接收，发送端会随机退回若干时隙后重新发起预约。

Claims (2)

1.一种水下认知网络中节点准确高效接入多信道的方法，包括下列步骤：

步骤一：利用频谱感知的结果进行频谱预测，频谱感知后可以得到各信道的的状态信息，分为空闲、占用两种状态，分别用“0”、“1”表示，每个数据在发送时会加入时间标签，通过频谱感知得到时间信息并估计传输时延；统计一段时间内各信道空闲与占用的变化情况，计算信道状态转移概率矩阵P；设初始时刻信道状态信息概率矩阵为S(n-d)，信道的传播延时为d,利用频谱预测公式S(n)＝S(n-d)P^d即可得到n时刻实际的信道状态信息概率矩阵即为预测结果S(n)，同时用所得信道状态信息结果更新状态转移概率矩阵，作为新学习到的信道状态信息；

步骤二：将步骤一得到的矩阵S(n)中第一个元素当前信道的空闲概率P_n(0)在此规定其为ω_n，各信道的统计特性由概率向量Ω(t)＝[ω₁(t),ω₂(t),…,ω_n(t)]表示，其中ω_i即为第i个信道在信道接入前时刻t的信道空闲概率，频谱分配的优化目标为最大化信道收益，信道分配的优化目标函数为：

$a\left(t\right)=\arg \underset{a=1,...n}{max}({\mathrm{\ω}}_a*B_a)$

其中，a为认知用户选择接入的信道，ω_a为信道a的空闲概率，B_a为接入信道的带宽；

频谱分配着重考虑信道容量的最大化，根据各信道当前状态信息以及各信道带宽进行最优分配；

步骤三：根据步骤二得到的分配结果，为避免声信号的长传播延时和节省能量，划分了若干个时隙，并且每个控制包和数据包只能在某一时隙开始时刻发送，时隙的长度t为：

t＝τ+γ+β

其中，τ表示最大的传播延时，由传播距离所决定；γ表示控制包的传输时间；β表示保护时间，允许网络同步有一定的误差；

数据传输采用报文串模式发送，在此模式下，一次成功预约可以允许多个数据包以“先进先出(FIFO)”模式发送，控制报文RTS、CTS、数据报文DATA、确认信息ACK的发送顺序不变，且要求每个发送数据节点都是在信道分配结束后的一个时隙编号为四的整数倍的时隙开始时刻发送。

2.根据权利要求1所述的水下认知网络中节点准确高效接入多信道的方法，其特征在于，用P₀₀表示空闲状态一步转移到空闲状态的次数，P₀₁表示空闲状态一步转移到占用状态的次数，P₁₀表示占用状态一步转移到空闲状态的次数，P₁₁表示占用状态一步转移到占用状态的次数，得到信道状态统计结果后即可计算得到各个信道的状态转移概率，P(0/0)表示状态“0”一步转移到状态“0”的转移概率，P(0/1)表示状态“0”一步转移到状态“1”的转移概率，P(1/0)表示状态“1”一步转移到状态“0”的转移概率，P(1/1)表示状态“1”一步转移到状态“1”的转移概率，各个转移概率得到后，即可下式得到信道的一步状态转移概率矩阵P：

$P=\left(\begin{array}{cc}P(0/0)& P(0/1)\\ P(1/0)& P(1/1)\end{array}\right)=\left(\begin{array}{cc}\frac{P_{00}}{P_{00}+P_{01}}& \frac{P_{01}}{P_{00}+P_{01}}\\ \frac{P_{10}}{P_{10}+P_{11}}& \frac{P_{11}}{P_{10}+P_{11}}\end{array}\right).$