CN109714803A

CN109714803A - 一种障碍物感知的机会数据传输方法

Info

Publication number: CN109714803A
Application number: CN201910002136.9A
Authority: CN
Inventors: 钟晓雄; 李丽; 喻越; 张盛
Original assignee: Shenzhen Graduate School Tsinghua University
Current assignee: Shenzhen Graduate School Tsinghua University
Priority date: 2019-01-02
Filing date: 2019-01-02
Publication date: 2019-05-03
Anticipated expiration: 2039-01-02
Also published as: CN109714803B

Abstract

本发明提供了一种障碍物感知的机会数据传输方法。所述方法主要包括以下步骤：1)从计算几何角度遍历候选集节点的所有可能参与通信节点，包括网络系统建模及基于多边形单边界搜索的障碍物发现算法；2)采用期望传输次数，能耗与基于单边界搜索获得节点数目的社会属性，并作为候选集选择标准；3)采用基于拍卖理论的多层候选集选择算法进行选择。本发明以计算几何与拍卖理论为基础，能够实现障碍物环境下最优的候选集选择，在无线数据传输方面有着极为广阔的应用前景。

Description

一种障碍物感知的机会数据传输方法

技术领域

本发明涉及一种障碍物感知的机会数据传输方法，属于数据传输领域。

背景技术

随着物联网设备的剧增，越来越多的数据传输采用无线网络传输。候选集的选择在无线网络的数据传输中扮演着重要的角色，而现实环境中，无线网络的数据传输会受到障碍物的影响，在此类环境下如何以最小成本候选集选择的策略更是受到研究人员的广泛关注。

对于机会数据传输问题，目前对该类问题相对成熟，但大多数是假设无障碍物的环境中进行建模及求解，而且没有考虑频谱资源的紧张程度，无法实现网络资源利用率最大化。因此，设计一种障碍物感知的机会数据传输方法，是无线网络数据传输领域的必然需求。

发明内容

本发明的目的是以计算几何和拍卖理论为基础，提出一种高效的障碍物感知的机会数据传输方法。

为达到上述目的，本发明的实施方式或系统架构如图1所示，文字描述如下：所述方法主要包括以下步骤：1)从计算几何角度遍历候选集节点的所有可能参与通信节点，包括网络系统建模及基于多边形单边界搜索的障碍物发现算法；2)采用期望传输次数，能耗与基于单边界搜索获得节点数目的社会属性，并作为候选集选择标准；3)采用基于拍卖理论的多层候选集选择算法进行选择。

附图说明

图1是本发明实施例的网络体系结构图。

图2是本发明实施例的流程图。

具体实施方式

如图2所示，本实施例包括如下步骤：S1、从计算几何角度遍历候选集节点的所有可能参与通信节点；S2、采用期望传输次数，能耗与基于单边界搜索获得节点数目的社会属性，并作为候选集选择标准；S3、采用基于拍卖理论的多层候选集选择算法进行选择。其中步骤S1又包括：，包括网络系统建模及基于多边形单边界搜索的障碍物发现算法。

1.网络系统建模

在发明中，我们考虑的网络拓扑结构如附图1所示，它由主用户系统和次用户系统组成。其中，在次用户系统中，次用户之间的通信受它们之间的社会关系和主用户(primaryuser,PU)的影响。次用户(secondary user,SU)使用当前PU未使用的信道。如果存在障碍物时，此时的通信必须考虑这一因素，为了减小障碍物对通信的影响，需采用避开障碍物去选择数据传输节点，在数据从次用户2，SU2传输至次用户8(用(SU2->SU8)表示)过程中，因为存在障碍物它会选择次用户7(SU7)为中继节点进行数据传输，而不考虑次用户6(SU6)。

在本实施例所提方法中，网络中的信道采用的是时分复用技术，固定的时隙长为T，包括数据传输时长T_t和感知时长T_s。网络中有C个信道，num_s个SU和num_p个PU。每个节点都配置相同的射频数R，并工作于半双工模式。信道的使用模型为独立ON/OFF模型，并满足指数分布，速率参数分别为λ_busy和λ_idle。

2.基于多边形单边界搜索的障碍物发现算法

为了更可靠更快地传输数据，必须尽可能地发现一个节点在障碍物存在的情况下，其下一跳节点中，那些是可靠有效的节点。首先，采用多边形可视图，简称为V图即将多边形划分为可视部分和不可视部分，可视部分的节点都是互相可见的，而不可视部分的节点都是互不可见的。对多边形进行建模，并给出判断一个多边形是否可以单边界搜索的条件：1，多边形的每个边界点p都在一条同侧双切线的内侧，或者都存在一条双右(左)双切线，或者或者一些边界点在同侧双切线的内侧,其余的每个边界点都存在一条双右(左)双切线；基于此给出了搜索算法，主要核心思想为：每一个边界节点根据上述搜索条件按顺时针搜索其连接的可视节点并统计可视节点的个数，其算法的时间复杂度为O(n)(时间复杂度计算值),其中n为构成多边形的节点数目。因此，通过此方法可以确定某一节点在障碍物环境下基于多边形单边界搜索的可能参与数据传输的候选节点数目(即上述所求的可视节点个数)。

3.基于障碍物与能耗的候选集选择标准

在现实生活中，携带智能设备的人(即本文中的SU)通常拥有一定的社会关系，如拥有相同的兴趣，家庭关系等。因此，可以通过历史信息来刻画节点间的社会关系，比如相遇频繁率，社会相似度等。本方法采用以下社会关系(social ties，ST)来描述节点间的社会属性，进而用以加快数据传输进程。

ST_i,j(T)＝χSPM_i,j(T)+(1-χ)socsim_i,j(T) (1)

其中SPM_i,j(T)为节点i和j之间在时间段T内的社会关系度量标准，

其中f(t)为下一次节点i和节点j相遇停留时间。χ(∈[0,1])为权重因子。socsim_i,j(T)为节点i和j之间在时间段T内社会相似度，它可以通过以下公式计算：

socsim_i,j(T)＝com_i,j(T)/(n_i(T)+n_j(T)) (3)

其中com_i,j(T)为节点i和j之间在时间段T内相同的邻居节点数目,n_i(T)和n_j(T)分别为节点i和j在时间段T内的基于上述单边界搜索寻找的一跳邻居节点数目。

在数据传输过程中必须消耗一定的能量，故假设E_iC(T)为节点i在时间段T内成功传输一个数据包至其下游节点消耗的能量，主要包括三部分：转发数据包能耗E_iF(T),收到/监听一个数据包的能耗E_iR(T)发送一个ACK包的能耗E_iACK(T)(这三部分是假设设定的)。因此我们有：

E_iC(T)＝E_iF(T)+n_i(T)×E_iR(T)+E_iACK(T) (4)

其中n_i(T)为节点i在时间段T内的一跳邻居节点数目。同时，假设能量消耗满足(0,1)均匀分布。

因此，节点i的剩余能量可以表示为

其中E_iT(T)为节点i的初始能量，fn为节点i中总流数目，m为节点i中对应类型流的数目，为节点i中第j类业务流k处于等待的所有字节数，pktsize为包大小。

4.基于拍卖模型的候选集选择算法

在所提方法中，选择两类候选集CFS₁和CFS₂，CFS₁为主候选集,CFS₂备份候选集。CFS₂为同时归属于多个候选集的节点集合。设源节点为拍卖人，候选集为投标人。设第i个投标人费用为v_i,当i属于主候选集，i的价格为当i属于次候选集，i的价格为并且有所选的两个候选集合没有交集即

故节点i的效用函数可表示为

(拍卖模型中效用的计算公式)在候选集中CFS选择一组节点CFS′使得u₀(CFS′)为所有节点子集中最大化。

因此，候选集的选择的标准主要考虑社会属性，能耗及期望传输次数，可以通过以下公式计算候选集选择标准的值(obstacle aware opportunistic transmission，OODT)。

其中ETX_i,j(T)为节点i和j之间在时间段T内的期望传输次数ETX(ExpectedTransmission Count)，为权重参数，并且有

在选择候选集时，我们根据以下路由度量标准阈值来保证所选的候选集为可靠通信节点，即OODT_i,j(T)≥OODT_threshold(T)。在实际中，OODT_threshold(T)可表示为：

其中N(i)为节点i一跳候选集。

因此，根据上述建立的拍卖模型，节点i的平均转发代价可表示为

其中ETX_i为节点i至目的节点D的ETX。

根据上述假设E_iC为(0,1)均匀分布，我们可得

其中ETX_s为源节点s至目的节点D的ETX，E_initial为初始能量。同时易知v_i为(0,1)均匀分布。

根据贝叶斯纳什均衡可得节点i的期望利润：

其中P(b_i＜(b(v_j))节点i出最低价格的概率，b(v)为策略函数，且为关于v的严格单调递增函数。

根据v_i的特性，我们可得：

P(b_i＜(b(v_j))＝P(Φ(b_i)＜v_j)＝1-Φ(b_i) (12)

和

其中Φ(b)为b(v)的反函数。

因此，我们有

故可以求得最优出价

同时，可以依据这个价格来确定转发优先级：拥有低价格的节点具有较高转发优先级。

因此，通过公式6-7，可以求得每一个节点的候选集，从而可以确定整个网络节点传输的候选集。选完候选集之后，根据公式8-14，可以确定候选集中节点中基于拍卖模型的最优出价函数，进而确定转发数据的优先级，实现数据高效地传输。

Claims

1.一种障碍物感知的机会数据传输方法，其特征在于，包括如下步骤：S1、从计算几何角度遍历候选集节点的所有可能参与通信节点，包括网络系统建模及基于多边形单边界搜索的障碍物发现算法；S2、采用期望传输次数，能耗与基于单边界搜索获得节点数目的社会属性，并作为候选集选择标准；S3、采用基于拍卖理论的多层候选集选择算法进行选择。

2.如权利要求1所述的障碍物感知的机会数据传输方法，其特征在于，步骤S1中，网络系统由主用户系统和次用户系统组成；其中，在次用户系统中，次用户之间的通信受它们之间的社会关系和主用户的影响；次用户使用当前PU未使用的信道。

3.如权利要求2所述的障碍物感知的机会数据传输方法，其特征在于，网络中的信道采用时分复用技术，固定的时隙长为T，包括数据传输时长Tt和感知时长Ts；每个节点都配置相同的射频数R，并工作于半双工模式；信道的使用模型为独立ON/OFF模型，并满足指数分布。

4.如权利要求3所述的障碍物感知的机会数据传输方法，其特征在于，所述基于多边形单边界搜索的障碍物发现算法包括：首先，采用多边形可视图，将多边形划分为可视部分和不可视部分，可视部分的节点都是互相可见的，而不可视部分的节点都是互不可见的；对多边形进行建模，并给出判断一个多边形是否可以单边界搜索的条件，以确定某一节点在障碍物环境下基于多边形单边界搜索的可能参与数据传输的候选节点数目，即所求的可视节点个数。

5.如权利要求4所述的障碍物感知的机会数据传输方法，其特征在于，步骤S2中，采用以下社会关系来描述节点间的社会属性，进而用以加快数据传输进程；

ST_i,j(T)＝χSPM_i,j(T)+(1-χ)socsim_i,j(T)

其中f(t)为下一次节点i和节点j相遇停留时间；χ(∈[0,1])为权重因子；socsim_i,j(T)为节点i和j之间在时间段T内社会相似度，它通过以下公式计算：

socsim_i,j(T)＝com_i,j(T)/(n_i(T)+n_j(T))；

6.如权利要求5所述的障碍物感知的机会数据传输方法，其特征在于，节点i在时间段T内成功传输一个数据包至其下游节点消耗的能量E_iC(T)包括三部分：转发数据包能耗E_iF(T)、收到/监听一个数据包的能耗E_iR(T)发送一个ACK包的能耗E_iACK(T)，有：

E_iC(T)＝E_iF(T)+n_i(T)×E_iR(T)+E_iACK(T)

其中n_i(T)为节点i在时间段T内的一跳邻居节点数目；同时，假设能量消耗满足(0,1)均匀分布；

7.如权利要求6所述的障碍物感知的机会数据传输方法，其特征在于，节点i的剩余能量表示为：

8.如权利要求7所述的障碍物感知的机会数据传输方法，其特征在于，步骤S3中，候选集的选择的标准主要考虑社会属性，能耗及期望传输次数，通过以下公式计算候选集选择标准的值:

9.如权利要求8所述的障碍物感知的机会数据传输方法，其特征在于，求得每一个节点的候选集，从而确定整个网络节点传输的候选集。

10.如权利要求9所述的障碍物感知的机会数据传输方法，其特征在于，选完候选集之后，确定候选集中节点中基于拍卖模型的最优出价函数，进而确定转发数据的优先级，实现数据高效地传输。