CN110213088A - 一种传输时限下aloha网络可靠性的优化方法 - Google Patents

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

一种传输时限下ALOHA网络可靠性的优化方法

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s_t、描述在时隙t的开始时刻，当网络处于状态s_t时，接入信道开始数据传输的设备数量的行为a_t、描述在时隙t的开始时刻，当网络处于状态s_t时，网络采取行为a_t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s_t时，网络采取行为a_t，在时隙t+1的开始时刻，网络处于状态s_t+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s_t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X_t，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X_t，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s_t，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s_t、描述在时隙t的开始时刻，当网络处于状态s_t时，接入信道开始数据传输的设备数量的行为a_t、描述在时隙t的开始时刻，当网络处于状态s_t时，网络采取行为a_t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s_t时，网络采取行为a_t，在时隙t+1的开始时刻，网络处于状态s_t+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s_t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s_t，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X_t，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X_t，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{X_t,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s_t，s_t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a_t，a_t描述在时隙t的开始时刻，当网络处于状态s_t时，a_t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s_t时，网络中的剩余设备采取行为a_t的概率，满足：

式中，Π_Θ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s_t，并且有a_t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s_t+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s_t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s_t时，网络采取行为a_t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a_t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s_t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s_t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s_t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s_t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≤a_t≤3时，Pr(a_t)＝1；当3＜a_t≤N时，Pr(a_t)＝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-s_t-1)/(N-s_t-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s_t、描述在时隙t的开始时刻，当网络处于状态s_t时，接入信道开始数据传输的设备数量的行为a_t、描述在时隙t的开始时刻，当网络处于状态s_t时，网络采取行为a_t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s_t时，网络采取行为a_t，在时隙t+1的开始时刻，网络处于状态s_t+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s_t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X_t，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X_t，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{X_t,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s_t，s_t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a_t，a_t满足：

步骤1-4、确定参数化决策满足：

式中，Π_Θ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s_t时，网络采取行为a_t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(a_t)为在时隙t中，存在a_t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s_t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s_t，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s_t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s_t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。