CN107040948B - 一种基于优先级的csma/ca优化方法 - Google Patents
一种基于优先级的csma/ca优化方法 Download PDFInfo
- Publication number
- CN107040948B CN107040948B CN201710445019.0A CN201710445019A CN107040948B CN 107040948 B CN107040948 B CN 107040948B CN 201710445019 A CN201710445019 A CN 201710445019A CN 107040948 B CN107040948 B CN 107040948B
- Authority
- CN
- China
- Prior art keywords
- network
- priority
- backoff
- data
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims description 30
- 230000009191 jumping Effects 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000004088 simulation Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
- H04W74/0816—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA] with collision avoidance
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于优先级的CSMA/CA优化方法,该发明提出了设置业务优先级的方法,使高优先级数据能够减小信道竞争,在调整数据传输时延的同时,更快接入信道,完成数据传输;同时采用结合网络负荷状况自适应调整退避指数的方式,对处在不同网络状况的不同优先级数据传输进行了优化,确保优先级有效性的同时,提高了吞吐量,降低了丢包率,使整个网络性能得到提升。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种基于IEEE802.15.4标准的区分优先级的CSMA/CA的优化方法。
背景技术
ZigBee作为一种无线通信技术,是物联网实现的重要技术,在智能电网、环境监测等许多领域有着广泛的应用,ZigBee的基础协议IEEE802.15.4是在低速率、大范围的应用需求之下产生的低速无线个域网标准通信协议。以其低成本、低功耗、低复杂度和具备自组织网络的优点成为了无线传感器网络通信的不二选择。对它进行深入地探究并根据实际需求对它进行改进和优化成为当下无线传感器网络研究领域的一个热点,具有重要的研究意义。
载波监听多路访问/冲突避免(CSMA/CA)算法是ZigBee的媒体访问控制(MAC)层的协议层核心算法。在无线传感器网络中,网络协调器会周期性地向感应节点发送信标帧。如果网络中存在数据包需要传送,而同一时间信道只允许一个设备使用其进行数据传输,于是有传输需求的设备需要通过CSMA/CA算法来竞争,以获取信道的使用权。有传输需求的设备会监测当前的无线信道的状态,当信道为空闲时,这些设备会产生一个随机的退避时间,从而避免所有设备同时发出数据而产生碰撞;如信道当前为忙,则设备会持续监测信道,直到监测到信道为空闲,再开始用CSMA/CA算法来竞争信道。
IEEE802.15.4中规定的CSMA/CA算法包涵三个关键变量,分别为:NB(Number ofBackoffs)、CW(Content Window Length)和BE(BackoffExponent)。其中NB表示的是当接入现有信道时,执行CSMA/CA算法时退避的次数。CW为竞争窗口长度,表示在传输数据前需要进行信道检测的次数。BE为退避指数,决定进行信道检测之前节点需要等待的退避周期的数量。
在实现本发明的过程中,发明人发现,随着无线传感网络的高速发展,由于CSMA/CA算法的三个主要参数变化规则较为简单,造成算法出现一些局限性,标准的CSMA/CA算法不能满足复杂多样的业务数据传输需求,其次,在组网、数据路由、数据融合、网络管理和网络实体协作等方面的技术难度随着网络规模而呈指数级上升,网络的建网耗时、通信延迟、丢包率等也会极速恶化。
为了改善其性能,近年大批研究者开始改进该算法。文献“黄颖.IEEE802_15_4时隙CSMA_CA算法性能研究[D].西安电子科技大学,2010.”采用离散马尔科夫链模型研究时隙CSMA/CA算法,通过数学分析和仿真实验来确定算法不同参数对网络性能的影响。文献“刘剑飞,张富官,王蒙军,等.一种ZigBee网络自适应退避机制[J].电力信息与通信技术,2016,13(1):19-23.”提出了PNL_LS算法,计算出一种负载指数来反映当时的信道负荷状况,并且根据当时的信道负荷状况来预测下一次的BE初始值,虽然改善了网络性能,但没有对不能区分业务优先级的问题进行改进。文献“乔冠华,毛剑琳,郭宁,等.基于业务区分的IEEE802.15.4MAC协议分析及改进[J].计算机科学,2014,41(10):149-153.”提出的PJNL_ASDB算法,采用根据信道负荷动态改变退避窗口值来区分不同业务优先级的方法,来改进标准算法,但是只调节了一个参数竞争窗口(CW),仍有较大改进空间。为了满足业务多样性的要求和在大数据量下数据的可靠传输,提出一种新型基于优先级的CSMA/CA优化方法迫在眉睫。
发明内容
无线传感网络中,当有设备要进行数据传输时,需要通过IEEE802.15.4CSMA/CA算法来竞争信道。本发明的目的在于针对现有标准CSMA/CA算法的缺陷,提出一种基于优先级的CSMA/CA优化方法。在能满足不同业务数据服务的同时,调整了传输时延,增加了网络吞吐量,减小了丢包率,对整个数据传输网络进行了优化。
本发明采用的技术方案如下:首先,采用结合网络状况设定不同竞争窗口方法来区分业务优先级,此外,基于信道负荷状况来自适应初始化退避指数(BE),具体步骤如下:
步骤1,当携带不同优先级标记的数据到达后,结合网络状况,通过初始化竞争窗口(CW)区分业务优先级,若为高优先级数据,上一次数据传输成功时,CW设置为CWH1,上一次数据传输失败时,CW设置为CWH2,CWH1为1,CWH2为2;若为低优先级数据,CW设置为CWL,CWL为2;退避次数(NB)均设置为0;
步骤2,基于网络状况自适应调整退避指数(BE);
步骤3,扫描时隙边界,根据调整后的退避指数(BE),在[0,2BE-1]区间内随机取一个整数,随机退避对应整数个时隙;
步骤4,在时隙边界处进行信道检测,当信道检测为空时,跳转到步骤5,当信道检测不为空时,跳转到步骤6;
步骤5,退避窗口(CW)减1,判断CW是否为0,若为0,则竞争信道成功,允许设备接入信道,若不为0,跳转到步骤4;
步骤6,判断数据优先级,若为高优先级数据,CW设置为CWH1,退避次数(NB)加1,BE设为min(BE+1,macMaxBE);若为低优先级数据,CW设置为CWL为2,退避次数(NB)加1,BE设为min(BE+1,macMaxBE);判断NB是否大于最大退避次数限制(默认值为4),若大于上限,则竞争信道失败,向上层报错,若不大于上限,则跳转到步骤4。
所述高优先级数据的竞争窗口(CW)会根据网络负荷状况而自适应调整。
根据网络状况指数来反映网络负荷,当发生一次业务分组传输时,统计信道检测为忙碌的次数和信道检测的总次数,将所述忙碌次数与所述信道检测总次数的比值定义为网络状况指数,网络状况指数小于0.5定义为低负荷,大于等于0.5定义为高负荷。
所述基于网络状况自适应调整退避指数(BE),具体包括:
当PN<0.5时,网络状况较好;
当PN≥0.5时,网络状况较差,因此需要划分多种情况来准确确定网络状况;
若上一次传输成功:
若上一次传输失败:
其中,退避指数BE的初始值为3,PN表示网络状况指数,BE--表示退避指数减1,BE++表示退避指数加1,ceil[3*BE/2]表示取不小于3*BE/2的最小整数值。
BE值的动态调节范围为[macMinBE,macMaxBE],若调整后BE值小于macMinBE,则设为macMinBE,若BE值大于macMaxBE,则设为macMaxBE,macMinBE为1,macMaxBE为6。
通过本发明的策略,区分出不同业务优先级,使高优先级数据不仅能更快接入信道,而且拥有较高的吞吐量和较低的丢包率,此外,本发明提出方案针对不同网络状况进行了网络优化,调整了数据传输时延后,提高了整个网络的吞吐量,降低了丢包率。
附图说明
下面结合说明书附图对本发明做进一步说明。
图1是本发明的基于优先级CSMA/CA优化方法流程图
图2是本方案搭建的区分优先级节点的马尔科夫链模型图
图3是本方案搭建的区分优先级信道的马尔科夫链模型图
图4是通过建模得到的不同优先级信道接入概率比较图
图5是NS2仿真两种方案在丢包率上比较图
图6是通过建模得到的不同优先级吞吐量比较图
图7是NS2仿真两种方案在吞吐量上比较图
图8是通过建模得到的不同优先级时延比较图
图9是NS2仿真两种方案在时延上的比较图
图10是通过建模得到的不同BE值的吞吐量比较图
图11是通过建模得到的不同BE值的时延比较图
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明提出的一种基于优先级的CSMA/CA优化方法,流程图如图1。首先,当携带不同优先级标记的数据到达后,采取结合网络状况调整的竞争窗口(CW)的方式来区分业务优先级。若为高优先级数据,上一次数据传输成功时,CW设置为CWH1,上一次数据传输失败时,CW设置为CWH2,CWH1为1,CWH2为2;若为低优先级数据,CW设置为CWL,CWL为2;退避次数(NB)均设置为0。
此外,再通过划分多种数据传输时的网络负荷状况来调整退避指数(BE)。首先,将信道检测为忙碌次数和信道检测总次数的比值定义为网络状况指数,网络状况指数小于0.5定义为低负荷,大于等于0.5定义为高负荷。在调整BE值(初始为3)时,处于低负荷网络状况时,若上一次发送数据成功,则BE自减;上一次发送失败,则BE自加。处于高负荷状况时,若上一次发送成功,且成功次数大于3,则BE取不小于3*BE/2的最小整数值,否则BE自减;若上一次发送失败,失败次数小于3,BE值不变,失败次数大于3,网络负荷达到最大,采用曲线拟合方式预测BE值。曲线拟合预测策略如下:
首先假设预测BE的方程为
BE=a0+a1x+a2x2
x为预测第x次BE值,a0,a1,a2为三个参数,下面是计算参数公式。
其中,xi为数据包第i次发送成功,yi为第i个数据包发送成功BE值。
本发明采用的技术方案具体步骤如下:
步骤1,当携带不同优先级标记的数据到达后,结合网络状况,通过初始化竞争窗口(CW)区分业务优先级,若为高优先级数据,上一次数据传输成功时,CW设置为CWH1,上一次数据传输失败时,CW设置为CWH2,CWH1为1,CWH2为2;若为低优先级数据,CW设置为CWL,CWL为2;退避次数(NB)均设置为0;
步骤2,基于网络状况自适应调整退避指数(BE);
步骤3,扫描时隙边界,根据调整后的退避指数(BE),在[0,2BE-1]区间内随机取一个整数,随机退避对应整数个时隙;
步骤4,在时隙边界处进行信道检测,当信道检测为空时,跳转到步骤5,当信道检测不为空时,跳转到步骤6;
步骤5,退避窗口(CW)减1,判断CW是否为0,若为0,则竞争信道成功,允许设备接入信道,若不为0,跳转到步骤4;
步骤6,判断数据优先级,若为高优先级数据,CW设置为CWH1,退避次数(NB)加1,BE设为min(BE+1,macMaxBE);若为低优先级数据,CW设置为CWL为2,退避次数(NB)加1,BE设为min(BE+1,macMaxBE);判断NB是否大于最大退避次数限制(默认值为4),若大于上限,则竞争信道失败,向上层报错,若不大于上限,则跳转到步骤4。
所述高优先级数据的竞争窗口(CW)会根据网络负荷状况而自适应调整。
根据网络状况指数来反映网络负荷,当发生一次业务分组传输时,统计信道检测为忙碌的次数和信道检测的总次数,将所述忙碌次数与所述信道检测总次数的比值定义为网络状况指数,网络状况指数小于0.5定义为低负荷,大于等于0.5定义为高负荷。
所述基于网络状况自适应调整退避指数(BE),具体包括:
当PN<0.5时,网络状况较好。
当PN≥0.5时,网络状况较差,因此划分多种情况来准确确定网络状况。
若上一次传输成功:
若上一次传输失败:
其中,退避指数BE的初始值为3,PN表示网络状况指数,BE--表示退避指数减1,BE++表示退避指数加1,ceil[3*BE/2]表示取不小于3*BE/2的最小整数值。
BE值的动态调节范围为[macMinBE,macMaxBE],若调整后BE值小于macMinBE,则设为macMinBE,若BE值大于macMaxBE,则设为macMaxBE,macMinBE为1,macMaxBE为6。
根据本发明提出技术方案步骤,建立马尔科夫链模型并进行分析。
首先建立节点马尔科夫链模型,如图2,假设IEEE802.15.4的网络模型为只有1个协调节点单跳星型网络拓扑,且所有节点的侦听范围足够大,故不考虑隐藏节点问题。
在建模过程中,首先不加入信道负荷的情况,对于高优先级业务,进行一次信道检测,对于低优先级业务,进行两次信道检测。通过建模,在不同优先级信道接入概率、吞吐量等方面验证本发明区分业务优先级策略的有效性后,再在不同退避指数信道接入概率、吞吐量等方面验证本发明根据网络负荷来调整BE值优化方案的正确性。
模型{M(t),N(t)}表示t时刻的设备状态,其中随机过程M(t)表示t时刻的退避次数,随机过程N(t)表示t时刻的退避时隙。L是数据包长度,单位为时隙。设bi,k是节点在M(t)=i,N(t)=k的稳态概率。稳态概率指节点在经过多步的转移之后,到达某个状态的概率值是趋于一个固定的,并且它独立于系统初始状态的概率分布。
考虑高优先级情况时,根据马尔科夫链的规律,有如下公式成立:
由马尔科夫链归一性可得
联立以上公式可以得到高优先级节点第一次退避时隙结束后的概率b0,0为:
当信道检测为空闲状态时,高业务数据传输概率为γ1,信道检测为忙的概率为α,则有:
通过公式可以计算出γ1和α。由于计算过程涉及到非线性方程组,因此本发明采用不动点迭代法求解。
考虑低优先级情况时,根据马尔科夫链的规律,有如下公式成立:
联立以上公式可以得到低优先级节点第一次退避时隙结束后的概率b0,0为:
节点执行两次信道检测的结果都为空闲,高业务数据开始传输,其概率为γ2,节点执行一次信道检测后,信道为闲的概率为α,节点执行两次信道检测后,信道为忙的概率为β,则有:
联立公式,同样由不动点迭代法求解出α、β和γ2的值。
为了计算网络吞吐量、时延等参数,本发明建立了基于优先级的信道的马尔科链模型,假设有N1个高优先级节点,N2个低优先级节点。如图3,其中,clear表示初始状态,cca表示进行即将进行信道检测的状态,success_H表示高优先级传输成功的状态,success_L表示低优先级传输成功的状态,failure表示传输失败的状态。f1表示高优先级数据传输成功的概率,f2表示低优先级数据传输成功的概率,f3表示传输失败的概率,f4表示无数据或正在监听是否有数据需要传输的状态。
只考虑高优先级情况时,由于通过CSMA/CA进行信道竞争,同一时间只能有一个节点成功传输数据,所以高优先级数据成功传输的概率α1为:
一个节点都不传输时,高优先级数据保持自身状态的概率α2为:
其余的的情况为高优先级数据传输失败的概率α3为:
经过数学分析,符合马尔科夫链各状态和为一的规律。
α1+α2+α3=1
只分析低优先级数据时,可以得到低优先成功传输数据的概率β1为:
一个节点都不传输时,低优先级数据保持自身状态的概率β2为:
其余的的情况为低优先级数据传输失败的概率β3为:
经过数学分析,同样符合马尔科夫链各状态和为一的规律。
β1+β2+β3=1
以上是分别考虑的情况,当信道中高优先级数据和低优先级数据同时存在时(假设高优先级和低优先级数据互不影响)。考虑高优先级数据成功传输的情况,高优先级数据成功传输的同时,低优先级数据保持自身状态或传输失败。其概率f1为:
f1=α2β1+α2β3
考虑低优先级数据成功传输的情况,低优先级数据成功传输的同时,高优先级数据保持自身状态或传输失败。其概率f2为:
f2=α1β2+α3β2
考虑整个信道维持自身状态的情况,即两种数据均维持自身状态,其概率f4为:
f4=α1β1
其余情况均为数据传输失败,其概率f3为:
f3=α1β3+α2β2+α3β1+α3β3
通过数学分析,符合马尔科夫链的归一性。
f1+f2+f3+f4=1
根据图3的马尔科夫信道模型,把πa、πs1,πs2,πf分别定义即将进行信道检测(CCA)状态、高优先级数据发送成功状态、低优先级数据发送成功状态、发送失败状态的稳态概率。稳态概率转换公式如下:
在传输过程中,不同优先级的业务数据应该具有不同的信道接入概率,高优先级业务数据信道接入的概率为γ1,低优先级数据信道接入的概率为γ2。信道接入概率对比图如图4。
在这里,我们把网络吞吐量定义为发送成功的时间与消耗的总时间之比,可以得到吞吐量Sq为:
其中Nq表示不同优先级数据的节点数,Tk为在信道状态为k时逗留的时间,Ω为状态的集合。
高优先级业务数据的吞吐量S1为:
低优先级业务数据的吞吐量S2为:
吞吐量比较图如图6。
在无线传感网络的性能中,传输时延也是衡量网络性能的一个重要指标,定义不同优先级业务数据在信道中的时延公式如下:
高优先级业务数据时延T1:
低优先级业务数据时延T2:
其中slot_time表示的是一个时隙的时延,为0.32s/slot。不同优先级数据的时延比较图如图8。
根据本发明提出技术方案步骤,使用NS2进行仿真。仿真场景如下。
本发明采用星型网络拓扑进行仿真,包含1个静止的协调器节点(标号为0)和6个静止的终端节点(标号为1~6),网络协调器在中心,6个终端节点分散在周围。为了增加碰撞概率,本文设定6个终端节点在组网后以相同时间间隔和相同速率同时向协调器发送数据,数据包到达方式采用均匀分布,网络范围为50*50,假设侦听范围足够的大,故不考虑隐藏节点问题。仿真参数表如表1。
表1
图4为通过建模得到的信道接入概率比较图,数据包信道接入概率会随着节点数的增加而降低,这是由于节点越多,网络负荷越大,所以信道接入概率会降低。高优先级数据信道接入概率明显高于低优先级数据信道接入概率,证明了本发明所采用区分优先级方案的有效性。
图6为通过建模得到的不同优先级数据吞吐量比较图,图7为NS2仿真两种方案在吞吐量上比较图,吞吐量仿真的变化趋势与建模的变化趋势相同,仿真与理论相符,由于采用了有效的区分优先级方案,高优先级数据吞吐量大于低优先级数据的吞吐量,由于本发明的根据网络状况调整BE值的优化方案,使得本方案的吞吐量高于标准CSMA/CA算法,对整个网络起到了优化作用。
图8为通过建模得到的不同优先级数据时延比较图,图9为NS2仿真两种方案在时延上的比较图,两张图中的不同优先级时延变化趋势相同,理论与仿真相符,当节点数目增加时,信道负荷变大,数据传输的时延也会增大,区分业务优先级后,高优先级业务数据的传输时延比低优先级业务数据的传输时延小,保证了高优先级业务数据能够快速传输。本发明时延略高于初始算法,以微小的时延代价换取了高吞吐量和低丢包率,保证了网络的公平性。由于发明的方案进行了网络优化,使得优化后的网络综合性能优于标准算法,
图10和图11分别为通过建模得到的不同BE值的吞吐量和时延对比图,当节点个数少时,信道负荷较小,低的BE值能使网络吞吐量较高,信道时延较低,网络性能较好,但是随着节点数增加,网络负荷变大,高的BE值的网络又表现出吞吐量较高,信道时延较低,网络性能较好,因此,当网络负载较小时,可采用较小BE值,当网络负载较大时,可以采用较大BE值,证明了本发明设计的基于网络负荷来调整BE值的方案的正确性。
图5为NS2仿真两种方案在丢包率上比较图,随着信道负荷的增加,丢包率均逐渐增大,本发明提出方案的高优先级数据丢包率始终低于低优先级数据丢包率,保证了高优先级数据的可靠传输,同时本发明提出方案的丢包率明显低于标准算法的丢包率,对网络进行了优化。
本发明在区分业务优先级后,采用基于信道负荷自适应调整BE值的方式对整个网络进行优化,通过马尔科夫链模型和NS2仿真证明,方案在调整了传输时延后,增加了网络吞吐量,降低了丢包率,保证整个网络可靠传输,优化了网络的性能。
Claims (4)
1.一种基于优先级的CSMA/CA优化方法,其特征在于,包括以下步骤:
Step1,当携带不同优先级标记的数据到达后,结合网络状况,通过初始化竞争窗口CW区分业务优先级,若为高优先级数据,上一次数据传输成功时,CW设置为CWH1,上一次数据传输失败时,CW设置为CWH2,CWH1为1,CWH2为2;若为低优先级数据,CW设置为CWL,CWL为2;退避次数NB均设置为0;
Step2,基于网络状况自适应调整退避指数BE,具体包括:
当PN<0.5时,网络状况较好;
当PN≥0.5时,网络状况较差,需要划分多种情况来准确确定网络状况;
若上一次传输成功:
若上一次传输失败:
其中,退避指数BE的初始值为3,PN表示网络状况指数,BE--表示退避指数减1,BE++表示退避指数加1,ceil[3*BE/2]表示取不小于3*BE/2的最小整数值;
Step3,扫描时隙边界,根据调整后的退避指数BE,在[0,2BE-1]区间内随机取一个整数,随机退避对应整数个时隙;
Step4,在时隙边界处进行信道检测,当信道检测为空时,跳转到Step5,当信道检测不为空时,跳转到Step6;
Step5,退避窗口CW减1,判断CW是否为0,若为0,则竞争信道成功,允许设备接入信道,若不为0,跳转到Step4;
Step6,判断数据优先级,若为高优先级数据,CW设置为CWH1,退避次数NB加1,BE设为min(BE+1,macMaxBE);若为低优先级数据,CW设置为CWL为2,退避次数NB加1,BE设为min(BE+1,macMaxBE);判断NB是否大于最大退避次数限制,所述最大退避次数的默认值为4,若大于上限,则竞争信道失败,向上层报错,若不大于上限,则跳转到Step4。
2.根据权利要求1所述的优化方法,其特征在于,所述高优先级数据的竞争窗口会根据网络负荷状况而自适应调整,在高负载网络状况下,进行多次的信道检测,能保证数据的可靠传输,减小丢包率。
3.根据权利要求1所述的优化方法,其特征在于,根据网络状况指数来反映网络负荷,当发生一次业务分组传输时,统计信道检测为忙碌的次数和信道检测的总次数,将所述忙碌次数与所述信道检测总次数的比值定义为网络状况指数,网络状况指数小于0.5定义为低负荷,大于等于0.5定义为高负荷。
4.根据权利要求1所述的优化方法,其特征在于,BE值的动态调节范围为[macMinBE,macMaxBE],若调整后BE值小于macMinBE,则设为macMinBE,若BE值大于macMaxBE,则设为macMaxBE,macMinBE为1,macMaxBE为6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710445019.0A CN107040948B (zh) | 2017-06-13 | 2017-06-13 | 一种基于优先级的csma/ca优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710445019.0A CN107040948B (zh) | 2017-06-13 | 2017-06-13 | 一种基于优先级的csma/ca优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107040948A CN107040948A (zh) | 2017-08-11 |
CN107040948B true CN107040948B (zh) | 2020-07-31 |
Family
ID=59542321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710445019.0A Expired - Fee Related CN107040948B (zh) | 2017-06-13 | 2017-06-13 | 一种基于优先级的csma/ca优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107040948B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107835517B (zh) * | 2017-10-10 | 2021-04-23 | 中国航空无线电电子研究所 | 具有QoS保障的长距离CSMA/CA方法 |
CN109890085B (zh) * | 2019-03-04 | 2023-07-07 | 南京邮电大学 | 一种分优先级机器类通信随机接入退避参数确定方法 |
CN113453269B (zh) * | 2020-03-27 | 2022-07-15 | 哈尔滨工业大学 | 一种基于优先级的信道负载统计以及退避窗口设置方法 |
CN112423404B (zh) * | 2020-11-10 | 2022-09-06 | 中国人民解放军海军航空大学航空作战勤务学院 | 一种无人机随机接入组网协议方法 |
CN112911723B (zh) * | 2021-01-29 | 2022-04-19 | 中国人民解放军国防科技大学 | 一种基于干扰优先级的无人机集群自组网信道接入方法 |
CN112954818B (zh) * | 2021-04-23 | 2023-05-12 | 西南科技大学 | 一种面向复杂环境应用的多优先级自适应信道接入方法 |
CN113630810A (zh) * | 2021-07-18 | 2021-11-09 | 西北工业大学 | 一种高动态网络mac层通信方法 |
CN113630901B (zh) * | 2021-08-10 | 2023-08-11 | 南京工程学院 | 一种异构无线网络中动态多优先级自适应退避算法 |
CN113613345B (zh) * | 2021-08-11 | 2023-07-14 | 福建工程学院 | 基于zigbee星型组网的安全状况信息化监测方法及系统 |
CN114245318B (zh) * | 2021-08-27 | 2023-05-09 | 南京金盾公共安全技术研究院有限公司 | 一种基于智能眼镜的区域人员管控方法 |
CN114641085A (zh) * | 2022-03-23 | 2022-06-17 | 重庆邮电大学 | 基于ieee802.15.4的csma/ca机制的自适应退避优化方法 |
CN115038192B (zh) * | 2022-08-10 | 2022-11-08 | 中南民族大学 | 一种改进的非时隙csma/ca优化方法及评估方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101795498B (zh) * | 2010-01-15 | 2012-05-23 | 东南大学 | 无线传感器网络基于数据优先级的信道竞争接入方法 |
CN104219776A (zh) * | 2014-08-26 | 2014-12-17 | 中山大学 | 一种基于时隙csma-ca退避算法的优化方法 |
CN104185298B (zh) * | 2014-08-29 | 2017-11-28 | 华侨大学 | 基于优先级的网络负载动态自适应参数调整方法 |
-
2017
- 2017-06-13 CN CN201710445019.0A patent/CN107040948B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN107040948A (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107040948B (zh) | 一种基于优先级的csma/ca优化方法 | |
Chang et al. | Traffic-aware sensor grouping for IEEE 802.11 ah networks: Regression based analysis and design | |
Ali et al. | Performance evaluation of heterogeneous IoT nodes with differentiated QoS in IEEE 802.11 ah RAW mechanism | |
Buratti et al. | Performance analysis of IEEE 802.15. 4 non beacon-enabled mode | |
CN114641085A (zh) | 基于ieee802.15.4的csma/ca机制的自适应退避优化方法 | |
Shokri-Ghadikolaei et al. | Distributed multiuser sequential channel sensing schemes in multichannel cognitive radio networks | |
Brienza et al. | Strategies for optimal MAC parameter setting in IEEE 802.15. 4 wireless sensor networks: A performance comparison | |
Huamei et al. | An energy‐efficient MAC protocol based on receiver initiation and multi‐priority backoff for wireless sensor networks | |
Selvaprabhu et al. | Priority‐Based Resource Allocation and Energy Harvesting for WBAN Smart Health | |
CN105007586A (zh) | 无线传感网smac协议的双因子自适应竞争窗口调整方法 | |
Vázquez-Gallego et al. | Energy analysis of a contention tree-based access protocol for machine-to-machine networks with idle-to-saturation traffic transitions | |
Tuysuz et al. | Exploiting the channel using uninterrupted collision‐free MAC adaptation over IEEE 802.11 WLANs | |
CN115315020A (zh) | 基于区分服务的ieee 802.15.4协议的智能csma/ca退避方法 | |
Xu et al. | A self-adaptive minimum contention window adjusting backoff algorithm in IEEE 802.11 DCF | |
Liu et al. | RO‐RAW: Run‐Time Restricted Access Window Optimization in IEEE 802.11 ah Network with Extended Kalman Filter | |
Constante et al. | Enhanced association mechanism for IEEE 802.15. 4 networks | |
CN114980155A (zh) | 一种面向6TiSCH网络的周期性数据流调度聚合方法 | |
Zhou et al. | Optimisation method of MAC protocol based on SVM neural network in VANET | |
Kosek-Szott et al. | A new busy signal-based MAC protocol supporting QoS for ad-hoc networks with hidden nodes | |
Júnior et al. | Sm3-mac: a multichannel collision-free mac protocol for wireless sensor networks | |
Kim et al. | Dynamic Transmission and Delay Optimization Random Access for Reduced Power Consumption | |
Asuti et al. | An optimal clear channel assessment in IEEE 802.15. 4 medium access control protocol for recurrent data transmission and long acknowledgement wait period | |
Zazhigina et al. | Analytical study of Restricted Access Window with short slots for fast and reliable data delivery from energy-harvesting sensors | |
Liu et al. | A Priority-Based Adaptive Service-Differentiation Scheme for IEEE 802.15. 4 Sensor Networks | |
Kedžo et al. | High priority space protection (HPP): countdown space-based MAC protocol with enhanced lockdown effect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200731 Termination date: 20210613 |
|
CF01 | Termination of patent right due to non-payment of annual fee |