CN105873217A - 基于多因素的stdma自组织网络动态时隙分配方法 - Google Patents

Abstract

本发明提出了一种基于多因素的STDMA自组织网络动态时隙分配方法，用于解决现有技术中语音、视频等业务发送时延高的问题，包括如下步骤：1)确定各影响因素对数据发送的影响程度，获得各节点发送因子的表达式；2)随机确定一组时隙分配方案；3)寻找当前分配方案中的多组等价节点；4)记录各节点发送因子大小；5)判断网络拓扑是否变化，若是，调整等价节点的时隙顺序，否则重新确定时隙分配方案，并重复步骤3)～步骤5)。本发明采用基于多因素的动态时隙分配方法，综合考虑多种因素对节点发送数据的影响，更真实地反映实际场景，为语音、视频等多媒体业务提供保障，能够适应不同实际应用的开发或协议的设计需求。

Description

基于多因素的STDMA自组织网络动态时隙分配方法

技术领域

本发明属于通信技术领域，涉及一种网络动态时序分配方法，具体涉及一种基于多因素的STDMA自组织网络动态时隙分配方法，综合考虑各节点优先级、邻节点密度和链路质量等影响数据发送的因素，根据自组织网络拓扑结构的变化，通过对网络中节点的发送时隙进行动态分配，在保证自组织网络性能的前提下，降低了高优先级、高邻节点密度和链路质量好的节点的时延，可用于提高语音和视频等业务的传输效率。

背景技术

通信技术的广泛使用，使现代人类之间的交流变得越来越方便，并且给人们带来了非常多的便利。覆盖全球的各种通信网络，如电话网，移动通信网和Internet，使得人与人之间能“随时随地”地交流。众多通信方式中，根据是否依赖通信媒质，分为有线通信和无线通信。无线通信根据接口又分为两类:一类是一对一，或称分布式网络，节点呈对等形态；另一类是一对多，或称集中式网络，节点呈非对等形态。

分布式和集中式网络的最大的区别在于是否需要预先布置网络基础设备。在某些特殊场合，预先构架网络基础设施不现实。比如，地震或洪涝灾害的救援，野外科考，临时组织的大型会议等。这些场合不可能有预先布置的网络设备来支持通信，即使有预先布置的网络基础设施，但也有可能因灾害毁坏而失去作用。因此需要一种无需预先构架基础设施，自己可以临时组建起来的网络，即为自组织网络。总结起来，自组织网络有如下显著特点：

(1)独立性和自组织性：自组织网络不需要网络基础设施的支持，可以随时随地的快速组建起来，因此具有独立性。

(2)多跳路由：多跳路由指的是通过中间节点转发分组的路由。节点为了与其一跳之外的其它节点通信，需要经过中间节点的转发才可以完成。

(3)动态拓扑：自组织网络的拓扑由于节点的移动性随时可能发生变化，而且变化的速度和方式也是未知的。

(4)特殊的无线信道特性：自组织网络中，节点的发送功率受限，只能与其一跳之内的邻节点通信，收不到一跳之外节点发送的数据。

(5)有限的无线传输带宽：无线信道提供的带宽远低于有线信道能提供的。另外，信号衰减、噪声干扰和信道互扰等因素又导致实际带宽比理论最大带宽要小很多。

目前自组织网络MAC协议主要基于CSMA/CA的802.11x系列或802.15.4标准，但当网络中节点数较多或业务量较重时，作为竞争型多址接入协议，CSMA/CA协议不能很好的保证节点业务的QoS。为了实现具有QoS保证的大规模自组织网络，考虑采用TDMA机制来减少碰撞，提高网络吞吐量。基于TDMA的自组织网络多址接入方法有许多，不过这些方法大多引入时隙竞争协议来实现时隙占用，网络负担较大。另外还有一些协议采用非竞争方法，非竞争方法则需要得到全网的拓扑结构，会造成较大的网络开销。此外，基于TDMA机制的MAC协议无法充分复用信道，信道利用率较低。因此现有的一些协议通过引入空分复用时分多址(Space Time Division Multiple Access,STDMA)机制来充分利用自组织网络的信道。

STDMA协议是自组织网络的一种无线MAC机制，通过让远距离节点占用相同时隙传输来增加网络容量。STDMA是TDMA的一种扩展，在网络业务量较大的情况下能够有效地减少网络中数据包的冲突。但是当用户规模较大时，网络中因用户之间竞争加剧而造成通信延时甚至通信失败。而固定的时隙分配方式不适合高动态性、高强实时性的情况，因此，人们对于STDMA的时隙分配算法进行了深入的研究：杨恩等人提出了一种可变帧长的STDMA算法，算法具备良好的实时性和扩展性，但对不同用户时隙需求的相异性考虑不周，使高优先级数据不能够及时发送。王塬琨等人提出了基于优先级的动态时隙分配方法，算法的帧结构采用预约请求时隙和数据时隙相结合的方法，按优先级进行排队，考虑到了不同优先级用户时隙需求相异性，提高了高优先级用户服务质量。然而，这种方法却仅仅将用户的优先级考虑在内，并未对影响用户数据发送的邻节点密度、链路质量等其他因素加以分析，导致邻节点密度高、链路质量好的节点的数据不能及时发送，增加了网络的时延，使得目前对自组织网络中考虑多因素的动态时隙分配的研究仍存在空白。

发明内容

本发明的目的在于克服上述技术存在的缺陷，提出了一种基于多因素的STDMA自组织网络动态时隙分配方法，通过结合各节点优先级、邻节点密度和链路质量等影响数据发送的因素，解决了现有技术中语音、视频等业务发送时延高的问题，提高了网络性能，并且可以动态地对自组织网络中的所有节点进行时隙分配，从而适应不同实际场景中STDMA自组织网络的开发或协议设计需求。

为实现上述目的，本发明采取的技术方案，包括如下步骤：

步骤1，确定自组织网络中影响各节点数据发送的强相关影响因素，并确定该影响因素对数据发送的影响程度，获得各节点发送因子的表达式，实现步骤如下：

步骤1a，统计自组织网络中数据发送过程中的影响因素，利用相关系数分析方法，得到众多影响因素与节点数据发送的相关性，并利用该相关性得到多个与节点数据发送强相关的影响因素；

步骤1b，确定得到的多个强相关的影响因素中各影响因素对数据发送的影响程度，并利用该影响程度构建多个强相关影响因素间两两比较之后的正互反矩阵A；

步骤1c，计算构建的两两比较判断矩阵的最大特征值对应的特征向量；

步骤1d，对最大特征值对应的特征向量进行归一化；

步骤1e，提取归一化后的特征向量中的各个元素，作为强相关因素对数据发送的影响因子，并根据该影响因子确定发送因子的表达式Q＝dω_d+pω_p+lω_l，其中，d、p和l分别为邻节点密度、各节点优先级和链路质量，ω_d、ω_p和ω_l分别为邻节点密度、各节点优先级和链路质量的影响因子；

步骤2，随机确定一组满足空分复用的时隙分配方案；

步骤3，从确定的时隙分配方案中，寻找自组织网络中的多组等价节点；

步骤4，自组织网络中的所有节点各发送一组当前时隙内的数据，并根据获得的各节点发送因子的表达式，记录所有节点的发送因子大小；

步骤5，判断自组织网络拓扑结构是否变化，若是，执行步骤6，否则，根据记录的所有节点发送因子的大小，在每组等价节点内部由大到小依次排列等价节点的时隙顺序，并执行步骤4；

步骤6，根据记录的所有节点发送因子的大小，计算所有满足空分复用的时隙分配方案的时隙参数，选取其中时隙参数最小的时隙分配方案；

步骤7，重复步骤3～步骤5。

本发明与现有技术相比，具有以下优点：

本发明由于在为自组织网络中所有节点确定时隙分配方案时，采用基于多因素的动态时隙分配方法，综合考虑多种因素对各节点发送数据的影响，能够更真实的反映实际场景，使发送因子较大的节点发送数据时的时延更小，与现有技术采用的基于优先级的动态时隙分配方法相比，在保证自组织网络性能的前提下，降低了高优先级、高邻节点密度和链路质量好的节点的时延，有效地保证了语音、视频等多媒体业务的传输质量。

附图说明：

图1为本发明的实现流程框图；

图2为本发明获得各节点发送因子表达式的流程框图；

图3为本发明自组织网络的拓扑结构图；

图4为本发明时隙数和时隙参数的仿真图。

具体实施方式

以下结合附图和实施例，对本发明作进一步详细描述：

参照图1，本发明包括如下步骤：

步骤1，在影响自组织网络各节点数据发送的因素中，例如节点优先级、邻节点密度、链路质量、周边环境状况和产品质量等，确定其中与各节点数据发送的强相关影响因素，并确定该影响因素对数据发送的影响程度，获得各节点发送因子的表达式，实现步骤如下：

步骤1a，统计自组织网络中数据发送过程中的影响因素，利用相关系数分析方法得到众多影响因素与节点数据发送的相关系数r，选取其中|r|>6.5的影响因素作为与节点数据发送强相关的影响因素。

步骤1b，确定多个影响因素的影响程度，通常采用层分析法或模糊逻辑等方法，其中模糊逻辑能够通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料做出比较科学、合理、贴近实际的量化评价，而且结果是一个矢量，而不是一个点值，包含的信息比较丰富，既可以比较准确的刻画被评价对象，又可以进一步加工，得到参考信息，因此本实施例采用模糊逻辑方法分别将邻节点密度、各节点优先级和链路质量量化为七个等级，确定得到的多个强相关的影响因素中各影响因素对数据发送的影响程度，并利用该影响程度构建多个强相关影响因素间两两比较之后的正互反矩阵。

步骤1c，确定矩阵的最大特征值及特征向量，通常采用和法或幂法，由于正互反矩阵的最大特征值λ_max是单重特征值，且对于其他特征值λ有λ_max>|λ|，而幂法是处理这类矩阵求最大特征值及特征向量的一个简单而有效的方法，因此本实施例采用幂法计算构建的两两比较判断矩阵的最大特征值对应的特征向量，其步骤如图2所示。

步骤1d，利用公式对最大特征值对应的特征向量x(k)进行归一化。

步骤1e，提取归一化后的特征向量x(k)中的各个元素ω_i，作为强相关因素对数据发送的影响因子，并根据该影响因子确定发送因子的表达式Q＝dω_d+pω_p+lω_l。

步骤2，随机确定一组满足空分复用的时隙分配方案。

步骤3，从确定的时隙分配方案中，根据公式确定自组织网络中的多组等价节点，其中δ_ij表示节点i和节点j是否能够直接通信，δ_ij＝1表示节点i和节点j能够直接通信，δ_ij＝0表示节点i和节点j不能直接通信。

步骤4，自组织网络中的所有节点各发送一组当前时隙内的数据，并根据获得的各节点发送因子的表达式Q＝dω_d+pω_p+lω_l，记录所有节点的发送因子Q大小。

步骤5，判断自组织网络拓扑结构是否变化，若是，执行步骤6，否则，根据记录的所有节点发送因子的大小，在每组等价节点内部由大到小依次排列等价节点的时隙顺序，并执行步骤4；。

步骤6，根据记录的所有节点发送因子的大小，计算所有满足空分复用的时隙分配方案的时隙参数，选取其中时隙参数最小的时隙分配方案。

步骤7，重复步骤3～步骤5。

参照图2，步骤1c中，计算构建的两两比较判断矩阵的最大特征值对应的特征向量，按如下步骤实现：

步骤1c1，由于正互反矩阵的最大特征值λ_max是单重特征值，且对于其他特征值λ有λ_max>|λ|。设N阶正互反矩阵A有N个不同的特征值，分别为λ₁,λ₂,…,λ_n，有如下性质：|λ₁|>|λ₂|>…>|λ_n|，对应的N个线性无关的特征向量为u₁,u₂,…,u_n。

步骤1c2，对于其N维线性空间中任意一个向量x，均可以用上述N个特征向量进行表示，则可表示为其中u_i为其中一个特征向量，α_i为其所对应的系数。

步骤1c3，利用公式x(k+1)＝Ax(k)对向量x进行迭代，得到：

$x\left(1\right)=Ax\left(0\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\λ}}_i{u}_i$

$x\left(2\right)=Ax\left(1\right)=A^{2}x\left(0\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\λ}}_i^2{u}_i$

$x\left(k\right)=A^{k}x\left(0\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\λ}}_i^2{u}_i\≈{\mathrm{\λ}}_1^k{\mathrm{\α}}_1{u}_1$

当k充分大时可得

$\begin{array}{c}x\left(k\right)\≈{\mathrm{\λ}}_1^k{\mathrm{\α}}_1{u}_1\\ x(k+1)\≈{\mathrm{\λ}}_1^{k+1}{\mathrm{\α}}_1{u}_1\\ x(k+1)=Ax\left(k\right)\≈{\mathrm{\λ}}_{1}x\left(k\right)\end{array}.$

步骤1c4，若|λ₁|>1，当k充分大时，|λ₁|^k会变得很大，给计算带来困难；若|λ₁|<1，则当k充分大时，|λ₁|^k会很接近于零，这对于计算来说亦是问题。为了计算方便，采用对每次迭代产生的向量处理为最大分量为1的向量的方法，即利用下列公式，并且令α＝max{x(k)_i|i＝1,2,…n}：

其中y为归一化的向量x(k)。

步骤1c5，设ε＝0.005，判断α和β的差值是否小于ε，若是，β即为最大特征值的近似值，x(k)即为相应的特征向量，否则执行步骤1c6。

步骤1c6，将β的值赋给α，重复步骤1c4～步骤1c5。

以下结合仿真实验，对本发明的技术效果作进一步说明：

1、仿真条件和内容：

仿真软件：采用MATLAB；

仿真场景：自组织网络的网络拓扑其结构如图3所示；

仿真内容：利用以上仿真场景和仿真条件，对本发明在图3所示的网络拓扑结构下的时隙数和时隙参数进行仿真，其结果如图4所示。

2、仿真结果分析：

参考图3，根据其中节点1，节点2和节点3的通信范围可以确定A，B，C三个簇，因此，根据空分复用的概念，可将除节点1，节点2和节点3以外的16个节点分在6个时隙之中，其中4个时隙中有3个节点，2个时隙中有2个节点。首先，为了避免同一簇中各节点在发送过程中相互干扰，需要将同一簇中的节点分在不同的时隙中。当所有节点发送完一组数据后，根据发送因子的表达式，记录所有节点的发送因子。若网络拓扑不变时，则根据记录的所有节点发送因子的大小，在每组等价节点内部由大到小依次排列等价节点的时隙顺序；否则，依据当前的网络拓扑以及时隙分配，将所有符合空分复用的时隙分配方案中各节点的发送因子乘以节点所对应的时隙号，得到时隙参数，选取其中时隙参数最小的时隙分配方案为当前所有节点分配时隙，并重复以上过程。

参照图4，图中的横坐标表示当前各节点所处的6个时隙，纵坐标表示处于各时隙中节点的时隙参数，图中每个时隙均对应4个参数，分别为发送因子Q，节点优先级，邻节点密度以及链路质量。从图中可以看出，随着发送时号的增加，节点的优先级呈现下降的趋势，但是邻节点密度和链路质量的下降趋势并不明确，这是因为，节点的优先级相对于邻节点密度和链路质量来说，对节点数据发送的影响程度更大，若发送数据时对不同影响因素的具体要求，可以对各因素对数据发送的影响加以调整，使本发明能够适应不同实际应用的开发或协议的设计需求。另外，随着发送时隙号的增加，发送因子逐渐减小，这就表明本发明所提出的动态时隙分配方案，减小了发送因子较小的节点的发送时延，能够保证语音、视频等多媒体业务的传输质量。

以上描述仅是本发明的一个具体实例，不构成对本发明的任何限制，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (3)

1.一种基于多因素的STDMA自组织网络动态时隙分配方法，包括如下步骤：

(1)确定自组织网络中影响各节点数据发送的强相关影响因素，并确定该影响因素对数据发送的影响程度，获得各节点发送因子的表达式，实现步骤如下：

(1a)统计自组织网络中数据发送过程中的影响因素，利用相关系数分析方法，得到众多影响因素与节点数据发送的相关性，并利用该相关性得到多个与节点数据发送强相关的影响因素；

(1b)确定得到的多个强相关的影响因素中各影响因素对数据发送的影响程度，并利用该影响程度构建多个强相关影响因素间两两比较之后的正互反矩阵A；

(1c)计算构建的两两比较判断矩阵的最大特征值对应的特征向量；

(1d)对最大特征值对应的特征向量进行归一化；

(1e)提取归一化后的特征向量中的各个元素，作为强相关因素对数据发送的影响因子，并根据该影响因子确定发送因子的表达式Q＝dω_d+pω_p+lω_l，其中，d、p和l分别为邻节点密度、各节点优先级和链路质量，ω_d、ω_p和ω_l分别为邻节点密度、各节点优先级和链路质量的影响因子；

(2)随机确定一组满足空分复用的时隙分配方案；

(3)从确定的时隙分配方案中，寻找自组织网络中的多组等价节点；

(4)自组织网络中的所有节点各发送一组当前时隙内的数据，并根据获得的各节点发送因子的表达式，记录所有节点的发送因子大小；

(5)判断自组织网络拓扑结构是否变化，若是，执行步骤(6)，否则，根据记录的所有节点发送因子的大小，在每组等价节点内部由大到小依次排列等价节点的时隙顺序，并执行步骤(4)；

(6)根据记录的所有节点发送因子的大小，计算所有满足空分复用的时隙分配方案的时隙参数，选取其中时隙参数最小的时隙分配方案；

(7)重复步骤(3)～步骤(5)。

2.根据权利要求1所述的基于多因素的STDMA自组织网络动态时隙分配方法，其特征在于，步骤(1b)中所述的确定强相关影响因素对数据发送的影响程度，采用模糊逻辑方法。

3.根据权利要求1所述的基于多因素的STDMA自组织网络动态时隙分配方法，其特征在于，步骤(1c)中所述的特征向量，采用幂法计算，按照如下步骤实现：

(1c1)设正互反矩阵A有N个的特征值，该N个特征值对应有N个线性无关的特征向量；

(1c2)利用对应的N个线性无关的特征向量，表示线性空间中任意一个向量x，表达式为其中u_i为其中一个特征向量，α_i为其所对应的系数；

(1c3)利用公式x(k+1)＝Ax(k)，对表示的线性空间中任意一个向量x进行迭代，获得

(1c4)令α＝max{x(k)_i|i＝1,2,…n}，利用下列公式计算β：

其中y为归一化的向量x(k)；

(1c5)设ε＝0.005，判断α和β的差值是否小于ε，若是，β即为最大特征值的近似值，x(k)即为相应的特征向量，否则执行步骤(1c6)；

(1c6)将β的值赋给α，重复步骤(1c4)～步骤(1c5)。