CN108924903B - 一种基于信号互相关的mac层选择接入方法 - Google Patents

一种基于信号互相关的mac层选择接入方法 Download PDF

Info

Publication number
CN108924903B
CN108924903B CN201810672154.3A CN201810672154A CN108924903B CN 108924903 B CN108924903 B CN 108924903B CN 201810672154 A CN201810672154 A CN 201810672154A CN 108924903 B CN108924903 B CN 108924903B
Authority
CN
China
Prior art keywords
node
cross
access
correlation
nodes
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.)
Active
Application number
CN201810672154.3A
Other languages
English (en)
Other versions
CN108924903A (zh
Inventor
辛以利
李云
姚钘
孙山林
谭智诚
黄文涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Aerospace Technology
Original Assignee
Guilin University of Aerospace Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Aerospace Technology filed Critical Guilin University of Aerospace Technology
Priority to CN201810672154.3A priority Critical patent/CN108924903B/zh
Publication of CN108924903A publication Critical patent/CN108924903A/zh
Application granted granted Critical
Publication of CN108924903B publication Critical patent/CN108924903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/02—Access restriction performed under specific conditions
    • H04W48/06—Access restriction performed under specific conditions based on traffic conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W74/00—Wireless channel access
    • H04W74/04—Scheduled access
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于信号互相关的MAC层选择接入方法，包括如下步骤：1)网络系统初始化；2)计算接收端每个时刻最大接入节点数门限M；3)节点向接收端发送接入请求；4)确定当前申请接入的节点队列长度s；5)判断当前申请接入的节点队列长度是否满足s≤M；6)接收端计算每个节点信号与其它节点信号的互相关集合
Figure DDA0002589060270000011
7)计算每个节点的互相关均值
Figure DDA0002589060270000013
8)按照由小到大的顺序排列所有节点的互相关均值；9)删除互相关均值矩阵
Figure DDA0002589060270000012
的尾节点Xl；10)判断互相关均值矩阵
Figure DDA0002589060270000014
的长度是否大于M；11)授权接入互相关均值矩阵
Figure DDA0002589060270000015
对应的M个节点；12)未接入的节点在下一时刻重新申请接入。这种方法能降低水下传感节点的误码率，提升整个水声传感器网络通信质量。

Description

一种基于信号互相关的MAC层选择接入方法
技术领域
本发明涉及水声传感器网络通信技术，具体是一种基于信号互相关的MAC层(介质访问控制层Media Access Control，简称MAC层)选择接入方法。
背景技术
水声传感器网络是由部署在监测区域内的水下无线网络传感节点组成，节点之间采用协作的方式进行感知、采集和处理网络覆盖区域中被感知对象的信息。近年来，水声传感器网络在水环境污染监控、水下油气资源勘探、海啸和台风预测预防、国家海洋防御与安全等方面的应用得到了广泛的推广与关注。
对于水声传感器网络，通信第一阶段要完成的任务就是接入，节点只有在接入到网络中来，才能顺利的进行后续的通信，所以MAC层的接入机制在无线通信网络中显得至关重要。然而，由于水声通信环境中的频谱带宽很窄，导致水声传感器网络MAC层的接入能力受限，即在一个时间点上MAC层能够授权接入的节点数很少，那么在多个节点同时申请接入的情况下，接收端只能授权接入其中部分节点。为了解决这个问题，传统的解决方案大都是采用随机接入的方法，这种随机接入的算法主要考虑的是节点接入的公平性，但是却没有考虑接入节点之间的相互干扰，如果在申请接入的节点中，两个节点发射信号的相关性很高(即，两个节点发射信号的bit数据相似性比较高)，那么接收端就很难区分出这两个接入节点的信号，这样很容易导致接收端的误判，从而升高接收端的误码率。
海洋的气象环境是复杂多变的，经常受台风、洋流、地震等因素的影响。而水声通信的通信链路本身就很不稳定，它的通信质量会随着海洋环境的变化而产生巨大的变化。根据气象统计，海面上的风速往往要大于陆地上的风速，这种高速的气流会在海面上掀起巨大的海浪并产生大量的水花，在这种大风大浪的气象条件下，水声传感器网络的通信质量是不可靠的，通信链路的中断概率攀高，甚至会导致通信链路的中断。因此，在通信环境比较恶劣的条件下，保证通信质量的可靠性才是网络MAC层接入机制应该考虑的首要问题，如果通信质量都无法保证，那么所谓的公平性也就无从谈起。
发明内容
本发明的目的是针对现有技术的不足，而提供一种基于信号互相关的MAC层选择接入方法。这种方法能降低水声传感网络内相邻簇之间的干扰，提升整个网络的无线通信质量。
实现本发明目的的技术方案是：
一种基于信号互相关的MAC层选择接入方法，与现有技术不同的是，所述方法包括多点接入的水声传感器网络，所述网络包括一组水下航行器、一组水面浮标、卫星和岸基基站，每个水面浮标为多个水下航行器服务，水下航行器即为节点通过水面浮标接入到水声传感器网络，水面浮标在网络中充当网络接收端的中继作用，它将水下航行器的数据汇聚在一起，再将收集的数据转发到卫星，卫星再把数据转发到地面站；
使用上述水声传感器网络的信号互相关的MAC层选择接入方法包括如下步骤：
1)网络系统初始化：确定当前水声传感器网络上行传输总带宽B，单个传输节点占用的上行带宽b；
2)计算当前接收端每个时刻最大接入节点数
Figure GDA0002589060250000021
3)当前申请接入的节点向接收端发送接入请求信号；
4)确定当前申请接入的节点队列长度s：接收端根据每个节点发送信号中的ID(Identity，身份)号区分不同的节点，统计当前时刻申请接入的节点队列长度为s，并标记当前申请接入的节点队列为
Figure GDA0002589060250000022
5)判断当前申请接入的节点队列长度是否满足s≤M：
(1)如果满足s≤M，则接入当前全部节点并结束所有流程；
(2)否则，进入步骤6)；
6)接收端计算每个节点信号与其它节点信号的互相关集合
Figure GDA0002589060250000023
节点Xi的互相关集合为
Figure GDA0002589060250000024
其中
Figure GDA0002589060250000025
xi(n)和xj(n)分别为节点Xi和Xj的发送信号序列，N为信号序列的长度；
7)计算每个节点的互相关均值
Figure GDA0002589060250000031
节点Xi的互相关均值为
Figure GDA0002589060250000032
其中L为节点队列长度，L的初始值为L＝s；
8)按照由小到大的顺序排列所有节点的互相关均值：记由小到大排列的互相关均值矩阵为
Figure GDA0002589060250000033
其中m1,m2,…,mM表示队列中的节点经排序后在矩阵
Figure GDA0002589060250000034
中的位置，如果矩阵
Figure GDA0002589060250000035
中存在互相关均值相等的情况，则按照节点的ID号由小到大规则排列；
9)删除互相关均值矩阵
Figure GDA0002589060250000036
的尾节点Xl；
10)判断互相关均值矩阵
Figure GDA0002589060250000037
的长度是否大于M：
(1)如果矩阵
Figure GDA0002589060250000038
的长度大于M，则删除互相关集合中节点Xl的互相关值，更新申请接入节点的队列长度L＝L-1，返回到步骤7)；
(2)否则，进入步骤11)；
11)授权接入互相关均值矩阵
Figure GDA0002589060250000039
对应的M个节点；
12)未接入的节点在下一时刻重新申请接入。
这种方法与传统随机接入算法相比，能够有效降低水下传感节点的误码率，提升整个水声传感器网络通信质量。
附图说明
图1为实施例中水声传感器网络结构示意图；
图2为实施例中水声传感器网络水下部分的数学模型示意图；
图3实施例的方法流程示意图；
图4为本实施例与传统随机接入方法的误码率比较示意图。
具体实施方式
下面结合附图和实施例对本发明内容作进一步的阐述，但不是对本发明的限定。
实施例：
参照图3，一种基于信号互相关的MAC层选择接入方法，所述方法包括，
如图1所示的多点接入的水声传感器网络，所述网络包括一组水下航行器、一组水面浮标、卫星和岸基基站，每个水面浮标为多个水下航行器服务，水下航行器即为节点通过水面浮标接入到水声传感器网络，水面浮标在网络中充当网络接收端的中继作用，它将水下航行器的数据汇聚在一起，再将收集的数据转发到卫星，卫星再把数据转发到地面站；
使用上述水声传感器网络的信号互相关的MAC层选择接入方法包括如下步骤：
1)网络系统初始化：确定当前水声传感器网络上行传输总带宽B，单个传输节点占用的上行带宽b；
2)计算当前接收端每个时刻最大接入节点数
Figure GDA0002589060250000041
3)当前申请接入的节点向接收端发送接入请求信号；
4)确定当前申请接入的节点队列长度s：接收端根据每个节点发送信号中的ID(Identity，身份)号区分不同的节点，统计当前时刻申请接入的节点队列长度为s，并标记当前申请接入的节点队列为
Figure GDA0002589060250000042
5)判断当前申请接入的节点队列长度是否满足s≤M：
(1)如果满足s≤M，则接入当前全部节点并结束所有流程；
(2)否则，进入步骤6)；
6)接收端计算每个节点信号与其它节点信号的互相关集合
Figure GDA0002589060250000043
节点Xi的互相关集合为
Figure GDA0002589060250000044
其中
Figure GDA0002589060250000045
xi(n)和xj(n)分别为节点Xi和Xj的发送信号序列，N为信号序列的长度；
7)计算每个节点的互相关均值
Figure GDA0002589060250000046
节点Xi的互相关均值为
Figure GDA0002589060250000047
其中L为节点队列长度，L的初始值为L＝s；
8)按照由小到大的顺序排列所有节点的互相关均值：记由小到大排列的互相关均值矩阵为
Figure GDA0002589060250000048
其中m1,m2,…,mM表示队列中的节点经排序后在矩阵
Figure GDA0002589060250000049
中的位置，如果矩阵
Figure GDA00025890602500000410
中存在互相关均值相等的情况，则按照节点的ID号由小到大规则排列；
9)删除互相关均值矩阵
Figure GDA0002589060250000051
的尾节点Xl；
10)判断互相关均值矩阵
Figure GDA0002589060250000052
的长度是否大于M：
(1)如果矩阵
Figure GDA0002589060250000053
的长度大于M，则删除互相关集合中节点Xl的互相关值，更新申请接入节点的队列长度L＝L-1，返回到步骤7)；
(2)否则，进入步骤11)；
11)授权接入互相关均值矩阵
Figure GDA0002589060250000054
对应的M个节点；
12)未接入的节点在下一时刻重新申请接入。
本例中水声传感器网络水下部分的数学模型如图2所示，网络接收端对应水面浮标，水下传感节点对应水下航行器，水下传感节点在网络接收端的覆盖范围内随机分布，每个节点的通信信号的质量不仅受水声环境噪声的影响，还会受到其他邻近节点通信信号的干扰。
参见图4，本例的误码率比较图是基于图2所示的数学模型进行的数值仿真，仿真用到的参数有：网络上行传输总带宽B＝10kHz，单个传输节点占用的上行带宽b＝1.5kHz，当前申请接入的节点队列长度s＝12，现有技术使用的随机接入方法没有考虑接入节点之间的相互干扰，在申请接入的节点信号相关性很高的情况下，接收端很难区分出接入节点的信号，导致接收端的误判，从而升高接收端的误码率，所以MAC层要根据接入节点的相关性来选择接入节点的优先级，从图中可以看出，采用本例方法的误码率要明显低于现有技术使用的随机接入方法的误码率，证明采用本例方法能够有效降低水下传感节点的误码率，提升整个水声传感器网络通信质量。

Claims (1)

1.一种基于信号互相关的MAC层选择接入方法，其特征是，所述方法包括多点接入的水声传感器网络，所述网络包括一组水下航行器、一组水面浮标、卫星和岸基基站，每个水面浮标为多个水下航行器服务，水下航行器即为节点通过水面浮标接入到水声传感器网络，水面浮标在网络中充当网络接收端的中继作用，它将水下航行器的数据汇聚在一起，再将收集的数据转发到卫星，卫星再把数据转发到地面站；
使用上述水声传感器网络的信号互相关的MAC层选择接入方法包括如下步骤：
1)网络系统初始化：确定当前水声传感器网络上行传输总带宽B，单个传输节点占用的上行带宽b；
2)计算当前接收端每个时刻最大接入节点数
Figure FDA0002589060240000011
3)当前申请接入的节点向接收端发送接入请求信号；
4)确定当前申请接入的节点队列长度s：接收端根据每个节点发送信号中的ID（Identity，身份）号区分不同的节点，统计当前时刻申请接入的节点队列长度为s，并标记当前申请接入的节点队列为
Figure FDA0002589060240000012
5)判断当前申请接入的节点队列长度是否满足s≤M：
(1)如果满足s≤M，则接入当前全部节点并结束所有流程；
(2)否则，进入步骤6)；
6)接收端计算每个节点信号与其它节点信号的互相关集合
Figure FDA0002589060240000013
节点Xi的互相关集合为
Figure FDA0002589060240000014
其中
Figure FDA0002589060240000015
xi(n)和xj(n)分别为节点Xi和Xj的发送信号序列，N为信号序列的长度；
7)计算每个节点的互相关均值
Figure FDA0002589060240000016
节点Xi的互相关均值为
Figure FDA0002589060240000017
其中L为节点队列长度，L的初始值为L＝s；
8)按照由小到大的顺序排列所有节点的互相关均值：记由小到大排列的互相关均值矩阵为
Figure FDA0002589060240000018
其中m1,m2,…,mM表示队列中的节点经排序后在矩阵
Figure FDA0002589060240000019
中的位置，如果矩阵
Figure FDA00025890602400000110
中存在互相关均值相等的情况，则按照节点的ID号由小到大规则排列；
9)删除互相关均值矩阵
Figure FDA0002589060240000021
的尾节点Xl；
10)判断互相关均值矩阵
Figure FDA0002589060240000022
的长度是否大于M：
(1)如果矩阵
Figure FDA0002589060240000023
的长度大于M，则删除互相关集合中节点Xl的互相关值，更新申请接入节点的队列长度L＝L-1，返回到步骤7)；
(2)否则，进入步骤11)；
11)授权接入互相关均值矩阵
Figure FDA0002589060240000024
对应的M个节点；
12)未接入的节点在下一时刻重新申请接入。
CN201810672154.3A 2018-06-26 2018-06-26 一种基于信号互相关的mac层选择接入方法 Active CN108924903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810672154.3A CN108924903B (zh) 2018-06-26 2018-06-26 一种基于信号互相关的mac层选择接入方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810672154.3A CN108924903B (zh) 2018-06-26 2018-06-26 一种基于信号互相关的mac层选择接入方法

Publications (2)

Publication Number Publication Date
CN108924903A CN108924903A (zh) 2018-11-30
CN108924903B true CN108924903B (zh) 2020-10-16

Family

ID=64422675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810672154.3A Active CN108924903B (zh) 2018-06-26 2018-06-26 一种基于信号互相关的mac层选择接入方法

Country Status (1)

Country Link
CN (1) CN108924903B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109587652B (zh) * 2018-12-31 2022-03-08 宁波工程学院 一种农业物联网故障诊断方法
CN111132064B (zh) * 2019-12-27 2021-11-23 华南理工大学 一种基于水下航行器的水下传感器数据采集方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102404726B (zh) * 2011-11-18 2014-06-04 重庆邮电大学 一种对用户访问物联网信息的分布式控制方法
CN107105454A (zh) * 2017-04-12 2017-08-29 浙江工业大学 一种无线传感器网络中节点的接入基站选取方法
CN107192982A (zh) * 2017-05-19 2017-09-22 江苏中海达海洋信息技术有限公司 一种多用户水声超短基线定位系统及其信号形式设计方法
CN107911843B (zh) * 2017-09-30 2021-02-26 浙江工业大学 一种能量捕获传感网负载均衡的节点接入方法

Also Published As

Publication number Publication date
CN108924903A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
Parrish et al. System design considerations for undersea networks: Link and multiple access protocols
CN108924903B (zh) 一种基于信号互相关的mac层选择接入方法
CN109347579B (zh) 一种在无线信道衰落不确定条件下的弱信号检测方法
CN102546059A (zh) 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法
CN110943944A (zh) 一种基于深度学习的ofdm系统的信道估计方法
CN112215335B (zh) 一种基于深度学习的系统检测方法
CN110932807A (zh) 一种非高斯噪声下mimo系统的频谱感知方法
CN102438334B (zh) 一种多传感器节点分布式协作进行调制识别的方法
CN107770778B (zh) 一种基于软融合策略的盲协作频谱感知方法
CN114050855A (zh) 一种面向信道信息自适应的低轨卫星间智能协作传输方法
CN114884775A (zh) 一种基于深度学习的大规模mimo系统信道估计方法
CN111465023A (zh) 一种基于历史能量信息的自适应双门限频谱感知方法
CN112350790B (zh) 一种基于深度学习的频谱感知检测方法、装置及设备
CN110441761B (zh) 基于分布式浮标探测的多源信息融合方法
CN116582910B (zh) 一种数字信息传输方法及系统
CN105375997A (zh) 基于次用户数目优化的多用户协作频谱感知方法
CN106093909B (zh) 适用于分簇结构的rsn的多跳恒虚警信息融合判决方法
CN106301627B (zh) 一种认知自组织网络中分布式协作频谱感知方法
CN112087275B (zh) 基于生灭过程和粘性隐马尔可夫模型的合作频谱感知方法
CN109633696A (zh) 一种卫星导航接收机统计空时零陷加宽方法
CN116015536A (zh) 一种非相干反射调制的方法
CN101867543A (zh) 一种基于信噪比估计的帧到达检测方法
CN105337676B (zh) 移动场景中软判决协作频谱感知数据融合方法
CN107623553B (zh) 一种基于可靠评估标准的稳健协同频谱感知方法
CN107342797B (zh) 信号检测方法及装置

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