CN109861774A - 一种认知水声网络接入调度方法 - Google Patents

Abstract

本发明提出了一种认知水声网络接入调度方法，包括：传感器网络获取某个水声系统的授权，共享通信信道；各个传感器对信道的状态进行监控，获得观测序列；将监测到的状态优化分类计算频率，作为Beta函数的初始参数；计算Beta分布的期望得到下一时刻信道为空闲的先验概率；计算一个时段内发送消息的节点数量作为阈值θ，保留先验概率最大的θ个信道进行检测；节点需要发送数据时计算信道对于自己的回报率，选择回报率最高的信道提出信道申请。本发明有效的解决了水声网络的接入问题，综合考虑了水声网络复杂的环境，提高了信道检测的成功率，进而减少节点的能量消耗。

Description

一种认知水声网络接入调度方法

技术领域

本发明涉及无线通信领域，具体涉及一种认知水声网络接入调度方法。

背景技术

在网络高度发展的今天，人们已经不满足于陆地的探索，越来越多的科学家开始向更广袤的海洋进发。水声传感器网络(Underwater Wireless Sensor Networks，UWSN)就是无线传感器网络(Wireless Sensor Network,WSN)的在水下一种应用，它由各式各样的水下传感器节点、水下自主航行器以及基站组成，这些节点能在其覆盖范围内根据其功能采集所需要的数据，并将数据在本地进行初步的处理后传递给需要的用户。由于复杂的海洋环境，回收传感器补充能量是一件十分困难的事，所以一般水下传感器的能量只能依靠自身携带的单元提供能量，如何合理的分配资源，节省节点能量的消耗成为许多方法的首要考虑条件。

水声网络的传感器可以被固定在水底，悬浮于水中，甚至部分节点漂浮在水面。由于无线电波在水下的衰减速度十分的快，导致通信范围不足以支撑稍远距离的通信。目前主流的水声网络都是使用水下声波完成通信，而声波信号的衰减速度以及噪声的大小与频率是密切相关的。为了使信噪比控制在一定的范围内，通常选择在1kHz-100kHz的频率中通信，所以水声系统的通信频段十分有限，有些人就提出了一种共享机制，水声传感器网络可以借用其它系统的空闲信道进行通信，从而提高信道的利用率，这就是水声认知技术。

在某些水域有多个水声系统，其中部分系统被分配的频段经常处于空闲，那么就可以考虑共享这些频段给其它的水声系统，作为二级用户接入这些频段内的信道进行通信，当主要用户需要信道通信时，二级用户主动让出信道。这样可以极大的提高信道的利用率。但是主要用户使用信道的时间时不定的，所以需要传感器节点主动的去监控信道的状态。如果传感器节点完全随机的去检测信道的状态，这样碰到空闲的概率较低，且浪费能量。同时由于水声网络存在较大的传播延时，往往不能通过直接检测得到当前的信道状态。

为了解决上述问题，有人提出了一种利用“隐马尔可模型”预测信道从当前时刻到下一时刻信道状态变化的概率的方法，按照下一时刻空闲的概率将信道排序，选择概率最高的信道发送数据，从而将以较大的概率检测到空闲信道。但是该方法没有考虑到所有节点对信道的检测序列都是相同的，所以会频繁的出现多个节点同时检测到信道空闲，争抢信道的问题。

发明内容

针对现有水声信道接入策略的不足，本发明的目的在于提出了一种基于Beta分布的认知水声网络的接入调度方法，随着时间的变化更新函数的参数，预估下一时刻信道空闲的概率作为选择信道检测的依据，并给出了信道争抢问题解决方案。

为了达到上述目的，本发明通过以下技术方案实现：

S1、传感器网络向其外部的水声系统提出申请，作为二级用户共享空闲的信道，当主要用户需要该信道发送数据时，二级用户让出信道；

S2、获得授权之后，主要用户在系统空闲时刻，向二级用户广播开始监控包STM，通知二级用户的传感器节点开始监控信道的状态，保留信道一段时间内的状态序列；

S3、将监测到的状态序列做进一步的优化，按照下一时刻是否为空闲状态，分为A,B两类，分别计算其频率F_A，F_B，作为Beta函数的初始参数；

S4、计算Beta函数的期望E(x)，得到下一时刻为空闲的先验概率P；

S5、计算阈值θ，保留先验概率最大的θ个信道，接受传感器节点的信道检测；

每个传感器节点在需要发送数据时，计算每个保留信道相对于其本身的回报率W；

S7、选择回报率最高的信道提出信道申请，并且根据申请的结果，采取不同的策略。

进一步的，所述步骤S2的具体过程为：

信道的状态有空闲和繁忙两种状态，分别记为“0”与“1”，我们用O_k表示信道k的状态，O_k(T)表示信道k在时刻T的状态，O_k(T)∈{0，1}，则观测到的属于信道k的状态序列可表示为O_k(1) O_k(2) O_k(3) O_k(4) …… O_k(T)。进一步的，所述步骤S3的具体过程为：

S31对某一信道k监测到的状态序列做进一步优化，所述信道下一时刻的状态有四种状态：将其中下一时刻变为空闲的两种状态记为第一类A，将其中下一时刻变为繁忙的两种状态记为第二类B。

S32令f_A1,f_A2,f_B1,f_B2表示四种状态的频率，f_A1的计算公式如下：

其中n为信道数量，f是一个布尔函数，若满足括号中的条件，函数值为1，否则函数值为0，f_A2,f_B1,f_B2可以通过类似公式计算得到。根据类中两种状态的权重不同，将A类，B类的总频率F_A，F_B表示为：

F_A＝λ₁f_A1+μ₁f_A2

F_B＝λ₂f_B1+μ₂f_B2

其中λ₁，λ₂，μ₁，μ₂是[0,1]范围内固定的小数，λ₁+μ₁＝1，λ₂+μ₂＝1。Beta分布的概率密度记为f(x；a,b)，其中x是一个随机变量，a,b是形状参数，则Beta函数表示为Beta(a+1，b+1)，将F_A，F_B作为Beta函数的初始参数，即Beta(F_A+1，F_B+1)。

进一步的，所述步骤S4的具体过程为：

计算Beta分布的期望E(x),得到信道k的下一时刻为空闲状态的先验概率P_k＝E(x)，P_k的计算公式如下：

进一步的，所述步骤S5的具体过程为：

S51、设定一个阈值θ，保留先验概率最大的θ个信道序号。

S52、假设网络中有N个节点，且每个节点发送消息服从泊松分布，包发送率为每秒λ个包。节点在一个时间段T内至少发送一个数据包的概率P＝1-e^-λT，则令阈值为时间段T内可能发送数据的节点个数，即θ＝NP。

进一步的，所述步骤S6的具体过程为：

在传感器节点发送数据时，计算步骤S5中保留的信道的回报率W，回报率为节点利用该信道成功通信的次数r与提出申请的次数R的比值，即随着交互次数的增加，更新r与R的值。

进一步的，所述步骤S7的具体过程为：

S71若被检测的信道空闲，且无其它节点提出申请，属于无需竞争型，则立即使用该信道发送数据。

S72若被检测的信道空闲，但有其它竞争者，属于竞争型，则根据回报率W的大小，决定拥有最大回报率的竞争节点获得信道的使用权，其它节点继续记录新时刻的状态序列，更新Beta函数的参数值

跳转到步骤S4，重新计算的期望。

其中 是更新后的参数。当检测到信道由空闲态到空闲态时 为0，同理可得所有四种状态的取值。

S73若信道繁忙。则连接不成功，同样更新Beta函数的参数，跳转到步骤S4。

本发明与现有技术相比，具有以下优点：

1、本发明所述的认知水声网络接入调度，能保障二级用户充分的使用主要用户所共享的空闲资源，提升信道的利用率。

2、本发明所述的认知水声网络接入调度，用Beta分布来描述信道变化的概率，通过不断监测信道的状态变化情况，得到下一时刻空闲的可能性，选择一个符合阈值要求的信道提出信道申请。

3、考虑到多个传感器节点同时对空闲信道提出申请的问题，使用回报率的大小，确定节点的优先级，优先级高的节点，获得信道的使用权。

附图说明

图1为本发明所述的一种认知水声网络接入调度方法的流程图

图2为本发明所述的一种认知水声网络接入调度方法的信道状态转化图

具体实施方式

以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。

如图1、2所示，一种认知水声网络接入调度方法，包含以下步骤：

S1、传感器网络向其它水声系统提出申请，作为二级用户共享空闲的信道，当主要用户需要该信道发送数据时，二级用户让出信道。

S2、获得授权之后，主要用户在系统空闲时刻，向二级用户广播开始监控包STM，通知二级用户的传感器节点开始监控信道的状态，保留信道一段时间内的状态序列。

S3、将监测到的状态序列做进一步的优化，按照下一时刻是否为空闲状态，分为A,B两类，分别计算其频率F_A，F_B，作为Beta函数的初始参数。

S4、计算Beta分布的期望E(x)，得到下一时刻为空闲的先验概率P。

S5、计算阈值θ，保留先验概率最大的θ个信道，接受传感器节点的信道检测。

S6、每个传感器节点在需要发送数据时，计算信道相对于自己的回报率W。

S7、选择回报率最高的信道提出信道申请，并且根据申请的结果，采取不同的策略。

其中所述的步骤S1具体包含：

传感器网络向其它水声系统提出申请，作为二级用户共享空闲的信道，当主要用户需要该信道发送数据时，二级用户让出信道。

其中所述的步骤S2具体包含：

如图2所示，信道的状态有空闲和繁忙两种状态，分别记为“0”与“1”，我们用O_k表示信道k的状态，O_k(T)表示信道k在时刻T的状态，O_k(T)∈{0，1}，则观测到的信道k的状态序列可表示为O_k(1) O_k(2) O_k(3) O_k(4) …… O_k(T)。

其中所述的步骤S3具体包含：

S31对某一信道k监测到的状态序列做进一步优化，某一时刻跟它下一时刻的状态有四种可能：0→0、0→1、1→0、1→1，把0→0与1→0记为第一类A，把0→1与1→1记为第二类B。

S32令f_A1,f_A2,f_B1,f_B2表示四种情况的频率，f_A1的计算公式如下：

其中n为信道数量，f是一个布尔函数，若满足括号中的条件，函数值为1，否则函数值为0，f_A2,f_B1,f_B2可以通过类似公式计算得到。根据类中两种情况的权重不同，将A类，B类的总频率F_A，F_B表示为：

F_A＝λ₁f_A1+μ₁f_A2

F_B＝λ₂f_B1+μ₂f_B2

其中λ₁，λ₂，μ₁，μ₂是[0,1]范围内固定的小数，λ₁+μ₁＝1，λ₂+μ₂＝1。Beta分布的概率密度记为f(x；a,b)，其中x是一个随机变量，a，b是形状参数，则Beta函数表示为Beta(a+1，b+1),将F_A，F_B作为Beta函数的初始参数，即Beta(F_A+1，F_B+1)。

其中Γ是伽马函数。

其中所述的步骤S4具体包含：

计算Beta分布的期望E(x),得到信道k的下一时刻为空闲状态的先验概率P_k＝E(x)。

P_k的计算公式如下：

其中所述的步骤S5具体包含：

S51、如果只考虑先验概率的话，可能会导致每个时刻需要发送消息的多个节点同时检测先验概率最高的信道，但是最后只有一个节点获得通信的权利，这会导致资源的浪费，所以设定一个阈值θ，保留先验概率最大的θ个信道序号。

S52、假设网络中有N个节点，且每个节点发送消息服从泊松分布，包发送率为每秒λ个包。节点在一个时间段T内至少发送一个数据包的概率P＝1-e^-λT，则令阈值为时间段T内可能发送数据的节点个数，即θ＝NP。

其中所述的步骤S6具体包含：

在传感器节点发送数据时，计算步骤S5中保留的信道的回报率W，回报率为节点利用该信道成功通信的次数r与提出申请的次数R的比值，即随着交互次数的增加，更新r与R的值。

其中所述的步骤S7具体包含：

S71若被检测的信道空闲，且无其它节点提出申请，属于无需竞争型，则立即使用该信道发送数据。

S72若被检测的信道空闲，但有其它竞争者，属于竞争型，则根据回报率W的大小，决定拥有最大回报率的竞争节点获得信道的使用权，其它节点继续记录新时刻的状态序列，更新Beta函数的参数值

跳转到步骤S4，重新计算的期望。

其中当检测到信道由空闲态到空闲态时 为0，同理可得其它四种情况的取值。

S73若信道繁忙。则连接不成功，同样更新Beta函数的参数，跳转到步骤S4。

综上所述，本发明提出了一种认知水声网络接入调度方法，能有效的提高信道的利用率很空闲信道的检测率，并对于信道争抢问题给出了解决方案。本发明相比于其它接入调度方法，例如基于握手的按序调度，基于隐马尔可夫的信道接入调度策略，具有较大优势，如表1所示：

表1本发明与其它各种方法的比较结果：

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (7)

1.一种认知水声网络接入调度方法，其特征在于，该方法包含以下步骤：

S1、传感器网络向其外部的水声系统提出申请，作为二级用户共享空闲的信道，当主要用户需要该信道发送数据时，二级用户让出信道；

S2、获得授权之后，主要用户在系统空闲时刻，向二级用户广播开始监控包STM，通知二级用户的传感器节点开始监控信道的状态，保留信道一段时间内的状态序列；

S3、将监测到的状态序列做进一步的优化，按照下一时刻是否为空闲状态，分为A，B两类，分别计算其频率F_A，F_B，作为Beta函数的初始参数；

S4、计算Beta函数的期望E(x)，得到下一时刻为空闲的先验概率P；

S5、计算阈值θ，保留先验概率最大的θ个信道，接受传感器节点的信道检测；

S6、每个传感器节点在需要发送数据时，计算每个保留信道相对于其本身的回报率W；

S7、选择回报率最高的信道提出信道申请，并且根据申请的结果，采取不同的策略。

2.如权利要求1所述的认知水声网络接入调度方法，其特征在于，所述的步骤S2具体包含：

信道k在某一时刻T的状态有空闲和繁忙两种，分别记为“0”与“1”，表示为O_k(T)＝{0,1}，一段时间内的状态序列即为一串0、1序列，即O_k()＝(O_k(1)O_k(2)O_k(3)O_k(4)……O_k(T))。

3.如权利要求2所述的认知水声网络接入调度方法，其特征在于，所述的步骤S3具体包含：

S31、对某一信道k监测到的状态序列做进一步优化，所述信道下一时刻的状态有四种状态：将其中下一时刻变为空闲的两种状态记为第一类A，将其中下一时刻变为繁忙的两种状态记为第二类B；

S32、令f_A1,f_A2,f_B1,f_B2表示四种状态的频率，f_A1的计算公式如下：

其中n为信道数量，f是一个布尔函数，若满足括号中的条件，函数值为1，否则函数值为0，f_A2,f_B1,f_B2可以通过类似公式计算得到，根据类中两种状态的权重不同，将A类，B类的总频率F_A，F_B表示为：

F_A＝λ₁f_A1+μ₁f_A2

F_B＝λ₂f_B1+μ₂f_B2

其中λ₁，λ₂，μ₁，μ₂是[0,1]范围内固定的小数，λ₁+μ₁＝1，λ₂+μ₂＝1，Beta分布的概率密度记为f(x；a,b)，则Beta函数表示为Beta(a+1，b+1)，将F_A，F_B作为Beta函数的初始参数，即Beta(F_A+1，F_B+1)。

4.如权利要求1所述的认知水声网络接入调度方法，其特征在于，所述的步骤S4具体包含：

计算Beta分布的期望E(x),得到信道k的下一时刻为空闲状态的先验概率P_k＝E(x)，P_k的计算公式如下：

5.如权利要求1所述的认知水声网络接入调度方法，其特征在于，所述的步骤S5中具体包含：

S51、设定一个阈值θ，保留先验概率最大的θ个信道序号；

S52、假设网络中有N个节点，且每个节点发送消息服从泊松分布，包发送率为每秒λ个包，节点在一个时间段T内至少发送一个数据包的概率P＝1-e^-λT，则令阈值为时间段T内可能发送数据的节点个数，即θ＝NP。

6.如权利要求1所述的认知水声网络接入调度方法，其特征在于，所述的步骤S6中具体包含：

在传感器节点发送数据时，计算步骤S5中保留的信道的回报率W，回报率为节点利用该信道成功通信的次数r与提出申请的次数R的比值，即随着交互次数的增加，更新r与R的值。

7.如权利要求1所述的认知水声网络接入调度方法，其特征在于，所述的步骤S7中具体包含：

S71若被检测的信道空闲，且无其它节点提出申请，属于无需竞争型，则立即使用该信道发送数据；

S72若被检测的信道空闲，但有其它竞争者，属于竞争型，则根据回报率W的大小，决定拥有最大回报率的竞争节点获得信道的使用权，其它节点继续记录新时刻的状态序列，更新Beta函数的参数值：

跳转到步骤S4，重新计算的期望；

其中 是更新后的参数，当检测到信道由空闲态到空闲态时 为0，同理可得所有四种状态的取值；

S73若信道繁忙，则连接不成功，同样更新Beta函数的参数，跳转到步骤S4。