CN110213088A - 一种传输时限下aloha网络可靠性的优化方法 - Google Patents
一种传输时限下aloha网络可靠性的优化方法 Download PDFInfo
- Publication number
- CN110213088A CN110213088A CN201910406368.0A CN201910406368A CN110213088A CN 110213088 A CN110213088 A CN 110213088A CN 201910406368 A CN201910406368 A CN 201910406368A CN 110213088 A CN110213088 A CN 110213088A
- Authority
- CN
- China
- Prior art keywords
- network
- time slot
- follows
- aloha
- state
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Small-Scale Networks (AREA)
Abstract
本发明公开了一种传输时限下ALOHA网络可靠性的优化方法,包括确定马尔可夫决策过程的相关参数,确定传输时限下ALOHA网络的可靠性指标,进而确定传输时限下ALOHA网络的可靠性指标的最大值以及达到该最大值的最优发送概率矩阵。本发明可以对不同传输时限下等待通信的设备数量不断变化的ALOHA网络的可靠性指标进行优化,为传输时限下ALOHA网络的有效实施提供帮助。
Description
技术领域
本发明属于无线网络通信技术领域,具体为一种传输时限下ALOHA网络可靠性的优化方法。
背景技术
随着传输时限下ALOHA类型网络的发展,该技术被广泛应用于灾情监测与交通安全等领域。与此同时,所述网络中的可靠性性能逐渐成为了近年来的研究热点,以往大多数研究均假设网络中的设备采用固定的发送概率。显而易见,当网络中等待通信的设备数量与数据分组传输时限发生变化时,所述固定发送概率将难以灵活适应网络环境的变化需求,进而导致网络可靠性性能的恶化。针对上述问题,Bae与Zhang等人求解与证明了不同传输时限下基于单包接收机制与多包接收机制的ALOHA网络的最优发送概率。然而,上述最优发送概率仅适用于网络中等待通信的设备数量保持恒定的情形。
发明内容
本发明旨在提供一种传输时限下ALOHA网络可靠性的优化方法,以对不同传输时限下等待通信的设备数量不断变化的ALOHA网络的可靠性指标进行优化。
实现本发明目的的技术方案为:一种传输时限下ALOHA网络可靠性的优化方法,具体步骤为:
步骤1、确定马尔可夫决策过程的相关参数,所述相关参数包括:描述在时隙t的开始时刻,网络中已完成数据传输的设备数量的状态st、描述在时隙t的开始时刻,当网络处于状态st时,接入信道开始数据传输的设备数量的行为at、描述在时隙t的开始时刻,当网络处于状态st时,网络采取行为at的概率的参数化决策描述在时隙t的开始时刻,当网络处于状态st时,网络采取行为at,在时隙t+1的开始时刻,网络处于状态st+1的转移概率以及描述在时隙t的开始时刻,当网络处于状态st时,网络中已经成功完成数据传输的设备数量增量期望的奖励
步骤2、基于决策过程Xt,利用逆向归纳法,确定网络可靠性指标
步骤3、基于决策过程Xt,利用动态规划法,确定可靠性指标的最大值以及达到该最大值的最优发送概率矩阵
本发明与现有技术相比,其显著优点为:通过本发明能够对不同传输时限下等待通信的设备数量不断变化的ALOHA网络的可靠性指标进行优化,即可以使传输时限内成功完成数据传输的设备数量与设备总量的比值更高,因此能够为传输时限下ALOHA网络的有效实施提供帮助。
附图说明
图1为本发明的流程图。
图2为实施例1中三种接入策略随设备数量N变化的可靠性性能示意图。
图3为实施例1中三种接入策略随传输时限D变化的可靠性性能示意图。
具体实施方式
本发明中,信道接入机制具体为在传输时限D内,网络中的N台设备独立地进行数据分组的广播尝试,不使用应答与重传机制。当任一设备进行数据分组的广播后,无论传输的成功与否,该设备均会在当前超帧内保持静默,直至下一超帧的开始时刻恢复活跃。此时,网络中等待通信的设备(剩余设备)数量不断减少。每个设备均能掌握网络中已完成数据传输的设备数量的信息st,进而在任一超帧内的时隙t的开始时刻,以概率发送数据分组。一种传输时限下ALOHA网络可靠性的优化方法,具体步骤为:
步骤1、确定马尔可夫决策过程的相关参数,所述相关参数包括:描述在时隙t的开始时刻,网络中已完成数据传输的设备数量的状态st、描述在时隙t的开始时刻,当网络处于状态st时,接入信道开始数据传输的设备数量的行为at、描述在时隙t的开始时刻,当网络处于状态st时,网络采取行为at的概率的参数化决策描述在时隙t的开始时刻,当网络处于状态st时,网络采取行为at,在时隙t+1的开始时刻,网络处于状态st+1的转移概率以及描述在时隙t的开始时刻,当网络处于状态st时,网络中已经成功完成数据传输的设备数量增量期望的奖励
在某些实施例中,传输时限具体为:在长度为D的超帧的开始时刻,网络中的N台设备独立地进行数据分组的广播尝试,不使用应答与重传机制;当任一设备进行数据分组的广播后,无论传输的成功与否,该设备均会在当前超帧内保持静默,直至下一超帧的开始
在某些实施例中,信道接入规则具体为:每个设备均能掌握网络中已完成数据传输的设备数量的信息st,并在任一超帧内的时隙t的开始时刻,以概率发送数据分组。
步骤2、基于决策过程Xt,利用逆向归纳法,确定网络可靠性指标
步骤3、基于决策过程Xt,利用动态规划法,确定可靠性指标的最大值以及达到该最大值的最优发送概率矩阵
进一步的实施例中,所述马尔可夫决策过程的相关参数的确定方法具体为:
步骤1-1、确定马尔可夫决策过程{Xt,t=0,1,...,D},D为数据分组的传输时限,满足D<∞,即有限时域马尔可夫决策过程;在该有限时域马尔可夫决策过程中,网络在时隙t=0,1,...,D-1做出决策,在时隙t=D结束决策;
步骤1-2、确定状态st,st描述在时隙t的开始时刻,网络中已完成数据传输的设备数量,满足:为有限、离散的状态空间,N为网络中的设备数量;
步骤1-3、确定行为at,at描述在时隙t的开始时刻,当网络处于状态st时,at个剩余设备同时接入信道开始数据传输,满足:
步骤1-4、确定参数化决策描述在时隙t的开始时刻,当网络处于状态st时,网络中的剩余设备采取行为at的概率,满足:
式中,ΠΘ为时隙0至时隙D-1的所有参数化决策的集合;
步骤1-5、确定转移概率描述在t时隙的开始时刻,网络中已完成数据传输的设备数量为st,并且有at个剩余设备同时接入信道开始数据传输的条件下,在t+1时隙的开始时刻,网络中已完成数据传输的设备数量为st+1的概率,转移概率计算公式为:
步骤1-6、确定奖励描述在时隙t的开始时刻,当网络处于状态st时,网络中已经成功完成数据传输的设备数量增量的期望,奖励计算公式为:
式中,为在时隙t的开始时刻,当网络处于状态st时,网络采取行为at的条件下,网络中已经成功完成数据传输的设备数量的增量,满足:为在时隙t中,存在at个数据分组同时传输的条件下,上述所有数据分组被同时成功接收的概率,满足Pr(0)≡0且
进一步的实施例中,所述参数化决策的计算公式为:
式中,为在时隙t的开始时刻,当网络处于状态st时,剩余设备的数据分组发送概率,满足Θ为参数矩阵,Θ与满足:
进一步的实施例中,所述网络可靠性指标的确定方法具体为:
步骤2-1、确定在时隙t的开始时刻,当网络处于状态st时,时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望
步骤2-2、根据时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望确定网络可靠性指标计算公式为:
进一步的实施例中,所述时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望计算过程为:
步骤2-1-1、设置迭代参数t=D,对于期望
步骤2-1-2、设置t=t-1,对于计算期望如下:
步骤2-1-3、如果t=0,则停止迭代,否则继续执行步骤2-1-2。
优选地,所述网络可靠性指标最大值以及达到该最大值的最优发送概率矩阵的确定方法具体为:
步骤3-1、确定当网络处于状态st时,时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望的最大值
步骤3-2、根据时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望的最大值确定网络可靠性指标的最大值计算公式为:
步骤3-3、确定达到上述最大值的最优发送概率矩阵计算公式为:
式中,为在时隙t的开始时刻,当网络处于状态st时,剩余设备的最优数据分组发送概率。
进一步的实施例中,所述时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望的最大值计算过程为:
步骤3-1-1、设置迭代参数t=D,对于期望
步骤3-1-2、设置t=t-1,对于计算最优的数据分组发送概率如下:
为时隙t+1至时隙D-1的最优决策,满足
步骤3-1-3、对于计算最优的参数化决策如下:
步骤3-1-4、对于计算期望的最大值如下:
步骤3-1-5、如果t=0,则停止迭代,否则继续执行步骤3-1-2。
步
如图1所示,本发明确定马尔可夫决策过程的相关参数,确定传输时限下ALOHA网络的可靠性指标,进而确定传输时限下ALOHA网络的可靠性指标的最大值以及达到该最大值的最优发送概率矩阵。
实施例1
本发明采用MATLAB软件对所述方法进行实施,网络中的设备数量N=5,7,...,15,传输时限D=10,15,...,35,数据分组的长度L=1(ALOHA网络),信道的多分组接收能力满足当1≤at≤3时,Pr(at)=1;当3<at≤N时,Pr(at)=0。假设网络中的各台设备均在彼此干扰的范围以内,数据的到达处于饱和状态。考虑以下三种传输时限下ALOHA网络接入策略。方案一:每个待发送设备以最优接入概率发送数据分组。方案二:每个待发送设备以接入概率θ=1-[(N-st-1)/(N-st-1+D-t)]1/(D-t)发送数据分组。方案三:每个待发送设备以最优固定接入概率发送数据分组。
如图2所示,三种策略下的理论结果与仿真结果均一致。同时,图中结果表明方案一在所有设备数量N与传输时限D的取值下,可靠性性能均为最优。此现象说明,本发明所提供的传输时限下ALOHA网络可靠性的优化方法能够获得最优发送概率。
如图3所示,三种策略下的理论结果与仿真结果均一致。与图1结果相符,在所有参数组合情况下,方案一的可靠性性能均为最优。此外,随着传输时限D的增加,相较于方案二与方案三,方案一能够更加有效地改善网络的可靠性性能。
Claims (8)
1.一种传输时限下ALOHA网络可靠性的优化方法,其特征在于,具体步骤为:
步骤1、确定马尔可夫决策过程的相关参数,所述相关参数包括:描述在时隙t的开始时刻,网络中已完成数据传输的设备数量的状态st、描述在时隙t的开始时刻,当网络处于状态st时,接入信道开始数据传输的设备数量的行为at、描述在时隙t的开始时刻,当网络处于状态st时,网络采取行为at的概率的参数化决策描述在时隙t的开始时刻,当网络处于状态st时,网络采取行为at,在时隙t+1的开始时刻,网络处于状态st+1的转移概率以及描述在时隙t的开始时刻,当网络处于状态st时,网络中已经成功完成数据传输的设备数量增量期望的奖励
步骤2、基于决策过程Xt,利用逆向归纳法,确定网络可靠性指标
步骤3、基于决策过程Xt,利用动态规划法,确定可靠性指标的最大值以及达到该最大值的最优发送概率矩阵
2.根据权利要求1所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,步骤1中的马尔可夫决策过程的相关参数的确定方法具体为:
步骤1-1、确定马尔可夫决策过程{Xt,t=0,1,...,D},D为数据分组的传输时限,满足D<∞,即有限时域马尔可夫决策过程;在该有限时域马尔可夫决策过程中,网络在时隙t=0,1,...,D-1做出决策,在时隙t=D结束决策;
步骤1-2、确定状态st,st满足: 为有限、离散的状态空间,N为网络中的设备数量;
步骤1-3、确定行为at,at满足:
步骤1-4、确定参数化决策满足:
式中,ΠΘ为时隙0至时隙D-1的所有参数化决策的集合;
步骤1-5、确定转移概率转移概率计算公式为:
步骤1-6、确定奖励奖励的计算公式为:
式中,为在时隙t的开始时刻,当网络处于状态st时,网络采取行为at的条件下,网络中已经成功完成数据传输的设备数量的增量,满足:Pr(at)为在时隙t中,存在at个数据分组同时传输的条件下,上述所有数据分组被同时成功接收的概率,满足Pr(0)≡0且
3.根据权利要求2所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,参数化决策的计算公式为:
式中,为在时隙t的开始时刻,当网络处于状态st时,剩余设备的数据分组发送概率,满足Θ为参数矩阵,Θ与满足:
4.根据权利要求1所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,步骤1中的信道接入规则具体为:每个设备均能掌握网络中已完成数据传输的设备数量的信息st,并在任一超帧内的时隙t的开始时刻,以概率发送数据分组。
5.根据权利要求1所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,步骤2中的网络可靠性指标的确定方法具体为:
步骤2-1、确定当网络处于状态st时,时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望
步骤2-2、根据时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望确定网络可靠性指标计算公式为:
6.根据权利要求5所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望计算过程为:
步骤2-1-1、设置迭代参数t=D,对于期望
步骤2-1-2、设置t=t-1,对于计算期望如下:
步骤2-1-3、如果t=0,则停止迭代,否则继续执行步骤2-1-2。
7.根据权利要求1所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,步骤3中的网络可靠性指标最大值以及达到该最大值的最优发送概率矩阵的确定方法具体为:
步骤3-1、确定当网络处于状态st时,时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望的最大值
步骤3-2、根据时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望的最大值确定网络可靠性指标的最大值计算公式为:
步骤3-3、确定达到上述最大值的最优发送概率矩阵计算公式为:
8.根据权利要求7所述的传输时限下ALOHA网络可靠性的优化方法,其特征在于,时隙t至时隙D之间已经成功完成数据传输的设备数量增量之和的期望的最大值计算过程为:
步骤3-1-1、设置迭代参数t=D,对于期望
步骤3-1-2、设置t=t-1,对于计算最优的数据分组发送概率如下:
为时隙t+1至时隙D-1的最优决策,满足
步骤3-1-3、对于计算最优的参数化决策如下:
步骤3-1-4、对于计算期望的最大值如下:
步骤3-1-5、如果t=0,则停止迭代,否则继续执行步骤3-1-2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910406368.0A CN110213088B (zh) | 2019-05-16 | 2019-05-16 | 一种传输时限下aloha网络可靠性的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910406368.0A CN110213088B (zh) | 2019-05-16 | 2019-05-16 | 一种传输时限下aloha网络可靠性的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110213088A true CN110213088A (zh) | 2019-09-06 |
CN110213088B CN110213088B (zh) | 2022-03-22 |
Family
ID=67787410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910406368.0A Active CN110213088B (zh) | 2019-05-16 | 2019-05-16 | 一种传输时限下aloha网络可靠性的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110213088B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112165716A (zh) * | 2020-09-29 | 2021-01-01 | 重庆邮电大学 | 支持重传的无线网络信息年龄优化调度方法 |
CN113365311A (zh) * | 2021-06-03 | 2021-09-07 | 南京理工大学 | 一种时限及能量约束下的分布式无线传输方法 |
CN113613341A (zh) * | 2020-06-12 | 2021-11-05 | 南京理工大学 | 一种认知无线电网络的动态信道接入方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656998A (zh) * | 2009-09-29 | 2010-02-24 | 北京科技大学 | 基于马尔可夫过程的认知无线电网络路由方法 |
WO2013089782A2 (en) * | 2011-12-16 | 2013-06-20 | Schneider Electric USA, Inc. | Co-location electrical architecture |
CN105119741A (zh) * | 2015-07-21 | 2015-12-02 | 重庆邮电大学 | 一种云网络可靠性度量方法 |
CN105491674A (zh) * | 2014-09-18 | 2016-04-13 | 电信科学技术研究院 | 一种时隙选择的优化方法及装置 |
CN106850253A (zh) * | 2016-12-15 | 2017-06-13 | 李敏 | 一种基于多状态网络的传输时间可靠性测量的方法 |
CN108174355A (zh) * | 2017-08-18 | 2018-06-15 | 南京理工大学 | 一种确定传输时限下无线网络重传广播机制可靠性的方法 |
-
2019
- 2019-05-16 CN CN201910406368.0A patent/CN110213088B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656998A (zh) * | 2009-09-29 | 2010-02-24 | 北京科技大学 | 基于马尔可夫过程的认知无线电网络路由方法 |
WO2013089782A2 (en) * | 2011-12-16 | 2013-06-20 | Schneider Electric USA, Inc. | Co-location electrical architecture |
CN105491674A (zh) * | 2014-09-18 | 2016-04-13 | 电信科学技术研究院 | 一种时隙选择的优化方法及装置 |
CN105119741A (zh) * | 2015-07-21 | 2015-12-02 | 重庆邮电大学 | 一种云网络可靠性度量方法 |
CN106850253A (zh) * | 2016-12-15 | 2017-06-13 | 李敏 | 一种基于多状态网络的传输时间可靠性测量的方法 |
CN108174355A (zh) * | 2017-08-18 | 2018-06-15 | 南京理工大学 | 一种确定传输时限下无线网络重传广播机制可靠性的方法 |
Non-Patent Citations (1)
Title |
---|
彭炳光等: "ALOHA脉冲超宽带网络的性能分析", 《电子与信息学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113613341A (zh) * | 2020-06-12 | 2021-11-05 | 南京理工大学 | 一种认知无线电网络的动态信道接入方法 |
CN113613341B (zh) * | 2020-06-12 | 2023-07-21 | 南京理工大学 | 一种认知无线电网络的动态信道接入方法 |
CN112165716A (zh) * | 2020-09-29 | 2021-01-01 | 重庆邮电大学 | 支持重传的无线网络信息年龄优化调度方法 |
CN112165716B (zh) * | 2020-09-29 | 2022-07-08 | 重庆邮电大学 | 支持重传的无线网络信息年龄优化调度方法 |
CN113365311A (zh) * | 2021-06-03 | 2021-09-07 | 南京理工大学 | 一种时限及能量约束下的分布式无线传输方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110213088B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101127661B (zh) | 一种基于拥塞程度概率p的无线竞争接入控制方法 | |
Singh et al. | Performance evaluation of an IEEE 802.15. 4 sensor network with a star topology | |
CN110213088A (zh) | 一种传输时限下aloha网络可靠性的优化方法 | |
CN101938770B (zh) | 基于网络信道状态的无线网络最大重传次数的优化方法 | |
RU2006130374A (ru) | Способ и устройство для зависимого от канала планирования в системе связи | |
CN107347201A (zh) | 一种基于优先级的无线传感器网络轮询系统控制方法 | |
CN104796959B (zh) | 一种簇结构多载波水声传感器网络的混合型mac协议方法 | |
CN104936303B (zh) | 一种载波监听门限与竞争窗口联合控制的方法 | |
CN102355670A (zh) | 一种多信道无线mesh网络信道分配方法 | |
CN104254137B (zh) | 一种竞争窗口调整的方法及设备 | |
CN108810971A (zh) | 物联网数据传输方法、物联网终端及计算机可读存储介质 | |
CN111278161B (zh) | 基于能量采集与深度强化学习的wlan协议设计与优化方法 | |
CN1842979B (zh) | Wlan中自适应轮询的方法及系统 | |
CN101207570A (zh) | 数据传输方法、数据发送速率控制方法及基站 | |
Zhang et al. | A blind adaptive tuning algorithm for reliable and energy-efficient communication in IEEE 802.15. 4 networks | |
CN114126021A (zh) | 一种基于深度强化学习的绿色认知无线电的功率分配方法 | |
CN101662419B (zh) | 一种实现资源预留的方法、装置及系统 | |
CN105474736A (zh) | 传输数据的方法及装置 | |
CN109951239B (zh) | 基于贝叶斯分类器的能量采集中继系统自适应调制方法 | |
CN107484255A (zh) | 一种基于频率分组的多信道csma协议中最优信道数确定方法 | |
CN109274528B (zh) | 一种异步多包接收机制下p坚持CSMA吞吐率的确定方法 | |
Khattab et al. | Analysis of wireless CSMA/CA network using single station superposition (SSS) | |
CN112689268B (zh) | 编队无人机组网提高多路由数据传输效率的方法及系统 | |
Song et al. | Adaptive Generalized Proportional Fair Scheduling with Deep Reinforcement Learning | |
KR101853085B1 (ko) | 사물인터넷을 위한 센서의 비활성 구간과 게이트웨이의 데이터 집적량 결정 방법 및 게이트웨이 |
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 |