CN113194491B - 一种基于多目标的多跳无线网络拓扑优化方法 - Google Patents
一种基于多目标的多跳无线网络拓扑优化方法 Download PDFInfo
- Publication number
- CN113194491B CN113194491B CN202110480173.8A CN202110480173A CN113194491B CN 113194491 B CN113194491 B CN 113194491B CN 202110480173 A CN202110480173 A CN 202110480173A CN 113194491 B CN113194491 B CN 113194491B
- Authority
- CN
- China
- Prior art keywords
- node
- wireless network
- hop wireless
- formula
- transmission
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于多目标的多跳无线网络拓扑优化方法,其中,多跳无线网络的节点通过多跳转发的方式实现与汇聚节点的远距离通信,该方法以各节点传输距离为优化变量,以多跳无线网络端到端延时需求为约束,以最小化多跳无线网络传输延时和多跳无线网络传输功耗为目标,采用多目标粒子群算法,获取各个节点最优的传输距离,进而得到最优的微网分布式多跳无线网络拓扑。
Description
技术领域
本发明涉及多跳无线网络通信领域,是一种基于多目标的多跳无线网络拓扑优化方法。
背景技术
多跳无线网络具有无需布线、安装维护成本低的优点,同时具有无中心性和自组织性,使得其可以在任意位置和任何时刻快速实现自组织通信,可以在一定程度上摆脱地理位置的约束,适用于分布式通信的极端环境。
由于多跳无线网络节点在地理上的分布性,当节点采集到数据信息后,往往需要经过多跳转发的方式,经过多个中间节点,将数据信息转发至汇聚节点。而不同的通信路径,对数据传输的实时性有较大的影响,因此,多跳无线网络的拓扑结构会对无线通信的实时性有较大影响。与此同时,由于节点的能耗严重影响多跳无线网络的使用寿命,不同的网络拓扑影响节点的数据传输距离,进而影响节点的发射功耗。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种基于多目标的多跳无线网络拓扑优化方法,以期能在保证多跳无线网络数据传输实时性的同时降低各个节点的发射功耗,从而提高多跳无线网络的稳定性和使用寿命。
为实现上述目的,本发明采取以下技术方案。
本发明一种基于多目标的多跳无线网络拓扑优化方法的特点在于,包括如下步骤:
步骤1,设多跳无线网络有N个节点,并利用式(1)建立图论模型G:
式(1)中,A表示多跳无线网络的节点集合;an表示第n个节点;E表示图论模型G的邻接矩阵,en,m表示第n个节点an与第m个节点am形成的邻接矩阵E的边,其中第n个节点an为发送节点,第m个节点am为接收节点,若en,m=1,则表示第n个节点an与第m个节点am间形成通信链路,若en,m=0,则表示第n个节点an与第m个节点am间无通信链路;表示第n个节点an与第m个节点am间的欧式距离;dn表示第n个节点an的传输距离;
步骤2,建立多跳无线网络的传输延时函数Tnet:
步骤2.1,利用式(2)建立节点信道竞争过程的马尔科夫链转移概率函数:
式(2)中,λ表示数据包的到达率;Tslot表示一个时隙间隔;Pg表示当前节点的缓存区为空时有数据包产生的概率;β表示当前节点信道检测为忙的概率;Ng表示当前节点的邻节点个数;Pf表示当前节点发送数据包失败的概率;
步骤2.2,利用式(3)建立节点信道竞争过程的马尔科夫链稳态概率分布方程:
式(3)中,πidle表示当前节点处于空闲状态的稳态概率;π(i,j)表示当前节点处在第i次退避阶段且退避计数器值为j状态的稳态概率;Wi表示第i次退避阶段的退避竞争窗口值;R表示退避阶段最大值;i∈[0,R];j∈[0,Wi+1];
步骤2.3,利用式(4)得到当前节点的第i次退避阶段平均退避时间Tbi和邻节点间的信道竞争访问延时Tmac:
式(4)中,ts表示节点在第i次退避阶段,退避计数器值由j减到j-1所用的时间;
步骤2.4,利用式(5)得到数据包的平均传输时间Ttr:
Ttr=Tmac+(1-Pf)Ttx (5)
式(5)中,Ttx=L/v,表示数据包在节点竞争信道成功后的传输时间,L表示数据包的大小;v表示网络带宽;
步骤2.5,假设当前节点服从数据包处理率为μ=1/Ttr,且数据包到达率为λ的泊松过程,依据M/M/1队列理论,利用式(6)得到数据包的平均队列延时Tq:
步骤2.6,定义节点单跳延时Tnode为数据包的平均传输时间Ttr和平均队列延时Tq之和;定义端到端延时Tete为通信路径各节点单跳延时之和;定义多跳无线网络传输延时Tnet为多跳无线网络中所有节点至汇聚节点的端到端延时之和,其中,第n个节点an至汇聚节点的端到端延时记为
步骤3,建立多跳无线网络传输功耗函数Enet:
步骤3.1,设每个节点的接收信号强度为常数且均相等,依据对数路径损耗模型,利用式(7)建立节点传输距离和节点发射功耗的函数:
Pt=10klog10(d)+Pr+PL(d0)-Xσ (7)
式(7)中,Pr为接收节点接收信号的强度;Pt为发送节点的发射功耗;PL(d0)为路径损耗参考值,参考距离为d0;d为发送节点与接收节点之间的欧式距离;k为路径损耗指数;Xσ为多径效应对接收信号的影响,且服从均值为0,方差为的高斯分布;
步骤4,建立多目标粒子群算法的目标函数min{Tnet,Enet},并设置约束条件;
步骤5、初始化多目标粒子群的参数,优化各节点的传输距离,从而得到最优的拓扑结构。
本发明所述的基于多目标的多跳无线网络拓扑优化方法的特点也在于:所述步骤4中的约束条件为多跳无线网络端到端延时需求约束和使多跳无线网络不存在孤点的传输距离约束,并分别利用式(9)和式(10)得到:
dmin<D<dmax,D={d1,d2,…,dn,…,dN-1} (10)
式(9)和式(10)中,Tst表示多跳无线网络端到端延时需求;dmin表示多跳无线网络不存在孤点时节点最短的传输距离;dmax表示节点最大发射功耗时的传输距离;D表示所有节点的传输距离的集合。
与现有技术相比,本发明的有益效果在于:
1.本发明通过对节点信道竞争过程建立马尔科夫链模型;对节点通信路径建立队列模型;对节点的数据传输建发射功耗模型,可以更加准确的分析多跳无线网络的数据传输延时和数据传输功耗,从而提高了多跳无线网络拓扑优化的可靠度。
2.本发明以多跳无线网络的延时和能耗为目标,建立了多目标优化函数,可以在提高多跳无线网络通信实时性的同时,使多跳无线网络以较低的能耗运行,延长了多跳无线网络的使用寿命。
附图说明
图1为本发明的基本方法流程图;
图2为节点信道竞争过程马尔科夫链模型图;
图3本发明方法拓扑优化后的各个节点传输路径图。
具体实施方式
本实施例中,一种基于多目标的多跳无线网络拓扑优化方法的主要目的是针对现有的多跳无线网络拓扑对通信实时性时和能耗影响,以各节点传输距离为优化变量,以多跳无线网络端到端延时需求为约束,以最小化多跳无线网络传输延时和多跳无线网络传输功耗为目标,对多跳无线网络的拓扑进行优化。以期能在保证多跳无线网络数据传输实时性的同时降低各个节点的发射功耗,从而提高多跳无线网络的稳定性和使用寿命。具体的说,如图1所示,该方法是按如下过程进行:
步骤1,设多跳无线网络有N=12个节点,并利用式(1)建立图论模型G:
式(1)中,A表示多跳无线网络的节点集合;an表示第n个节点;E表示图论模型G的邻接矩阵,en,m表示第n个节点an与节点am形成的邻接矩阵E的边,其中第n个节点an为发送节点,第m个节点am为接收节点,若en,m=1,则表示第n个节点an与第m个节点am间形成通信链路,且第n个节点am为第m个节点an的邻节点,若en,m=0,则表示第n个节点an与第m个节点am间无通信链路;表示第n个节点an与第m个节点am间的欧式距离;dn表示第n个节点an的传输距离;
步骤2,建立多跳无线网络的传输延时函数Tnet:
步骤2.1,如图2所示,利用式(2)建立节点信道竞争过程的马尔科夫链转移概率函数:
式(2)中,λ=10,表示数据包的到达率,且所有节点的到达率均为λ;Tslot=50ms,表示一个时隙间隔;Pg表示当前节点的缓存区为空时有数据包产生的概率;β表示当前节点信道检测为忙的概率;Ng表示当前节点的邻节点个数,由邻接矩阵确定;Pf表示当前节点发送数据包失败的概率;
步骤2.2,如图2所示,利用式(3)建立节点信道竞争过程的马尔科夫链稳态概率分布方程:
式(3)中,πidle表示当前节点处于空闲状态的稳态概率;π(i,j),i∈[0,R],j∈[0,Wi+1]表示当前节点处在第i次退避阶段且退避计数器值为j状态的稳态概率;Wi表示第i次退避阶段的退避竞争窗口值,Wi=min{2i+3,32};R=4,表示退避阶段最大值;
步骤2.3,利用式(4)得到当前节点的第i次退避阶段平均退避时间Tbi和邻节点间的信道竞争访问延时Tmac:
式(4)中,ts=320us表示节点在第i次退避阶段,退避计数器值由j减到j-1所用的时间;步骤2.4,利用式(5)得到数据包的平均传输时间Ttr:
Ttr=Tmac+(1-Pf)Ttx (5)
式(5)中,Ttx=L/v,表示数据包在节点竞争信道成功后的传输时间,L=8bits表示数据包的大小;v=250kbps表示网络带宽;
步骤2.5,假设当前节点服从数据包处理率为μ=1/Ttr,且数据包到达率为λ的泊松过程,依据M/M/1队列理论,利用式(6)得到数据包的平均队列延时Tq:
步骤2.6,定义节点单跳延时Tnode为数据包的平均传输时间Ttr和平均队列延时Tq之和,即Tnode=Ttr+Tq;定义端到端延时Tete为通信路径各节点单跳延时之和,即其中,表示通信路径上节点an的单跳延时;定义多跳无线网络传输延时Tnet为多跳无线网络中所有节点至汇聚节点的端到端延时之和其中,表示第n个节点an至汇聚节点的端到端延时;
步骤3,建立多跳无线网络传输功耗函数Enet:
步骤3.1,设每个节点的接收信号强度为常数且均相等,依据对数路径损耗模型,利用式(7)建立节点传输距离和节点发射功耗的函数:
Pt=10klog10(d)+Pr+PL(d0)-Xσ (7)
式(7)中,Pr=75dBm为接收节点接收信号的强度;Pt为发送节点的发射功耗;PL(d0)=25dBm为路径损耗参考值,参考距离为d0(一般为1米);d为发送节点与接收节点之间的欧式距离;k=2.32为路径损耗指数;Xσ=3dBm,为多径效应对接收信号的影响,且服从均值为0,方差为的高斯分布;
步骤4,步骤4,建立多目标粒子群算法的目标函数min{Tnet,Enet},设置约束条件:
dmin<D<dmax,D={d1,d2,…,dn,…,d12} (10)
其中,Tst=60ms表示多跳无线网络端到端延时需求;dmin=60m表示多跳无线网络不存在孤点时节点最短的传输距离;dmax=250m表示节点最大发射功耗时的传输距离;D表示所有节点的最优传输距离的集合;dn表示节点an的最优传输距离。
步骤5、初始化多目标粒子群参数:设置粒子群种群规模M=300;粒子搜索空间维度为网络节点个数,即dim=N=12;设置个体学习率c1=2,群体学习率c2=2;设置自适应权重因子其中wmax=0.8为最大惯性权重,wmin=0.2为最小惯性权重。
Claims (1)
1.一种基于多目标的多跳无线网络拓扑优化方法,其特征在于,包括如下步骤:
步骤1,设多跳无线网络有N个节点,并利用式(1)建立图论模型G:
式(1)中,A表示多跳无线网络的节点集合;an表示第n个节点;E表示图论模型G的邻接矩阵,en,m表示第n个节点an与第m个节点am形成的邻接矩阵E的边,其中第n个节点an为发送节点,第m个节点am为接收节点,若en,m=1,则表示第n个节点an与第m个节点am间形成通信链路,若en,m=0,则表示第n个节点an与第m个节点am间无通信链路;表示第n个节点an与第m个节点am间的欧式距离;dn表示第n个节点an的传输距离;
步骤2,建立多跳无线网络的传输延时函数Tnet:
步骤2.1,利用式(2)建立节点信道竞争过程的马尔科夫链转移概率函数:
式(2)中,λ表示数据包的到达率;Tslot表示一个时隙间隔;Pg表示当前节点的缓存区为空时有数据包产生的概率;β表示当前节点信道检测为忙的概率;Ng表示当前节点的邻节点个数;Pf表示当前节点发送数据包失败的概率;
步骤2.2,利用式(3)建立节点信道竞争过程的马尔科夫链稳态概率分布方程:
式(3)中,πidle表示当前节点处于空闲状态的稳态概率;π(i,j)表示当前节点处在第i次退避阶段且退避计数器值为j状态的稳态概率;Wi表示第i次退避阶段的退避竞争窗口值;R表示退避阶段最大值;i∈[0,R];j∈[0,Wi+1];
步骤2.3,利用式(4)得到当前节点的第i次退避阶段平均退避时间Tbi和邻节点间的信道竞争访问延时Tmac:
式(4)中,ts表示节点在第i次退避阶段,退避计数器值由j减到j-1所用的时间;
步骤2.4,利用式(5)得到数据包的平均传输时间Ttr:
Ttr=Tmac+(1-Pf)Ttx (5)
式(5)中,Ttx=L/v,表示数据包在节点竞争信道成功后的传输时间,L表示数据包的大小;v表示网络带宽;
步骤2.5,假设当前节点服从数据包处理率为μ=1/Ttr,且数据包到达率为λ的泊松过程,依据M/M/1队列理论,利用式(6)得到数据包的平均队列延时Tq:
步骤2.6,定义节点单跳延时Tnode为数据包的平均传输时间Ttr和平均队列延时Tq之和;定义端到端延时Tete为通信路径各节点单跳延时之和;定义多跳无线网络传输延时Tnet为多跳无线网络中所有节点至汇聚节点的端到端延时之和,其中,第n个节点an至汇聚节点的端到端延时记为
步骤3,建立多跳无线网络传输功耗函数Enet:
步骤3.1,设每个节点的接收信号强度为常数且均相等,依据对数路径损耗模型,利用式(7)建立节点传输距离和节点发射功耗的函数:
Pt=10k log10(d)+Pr+PL(d0)-Xσ (7)
式(7)中,Pr为接收节点接收信号的强度;Pt为发送节点的发射功耗;PL(d0)为路径损耗参考值,参考距离为d0;d为发送节点与接收节点之间的欧式距离;k为路径损耗指数;Xσ为多径效应对接收信号的影响,且服从均值为0,方差为的高斯分布;
步骤4,建立多目标粒子群算法的目标函数min{Tnet,Enet},并设置约束条件;
所述约束条件为多跳无线网络端到端延时需求约束和使多跳无线网络不存在孤点的传输距离约束,并分别利用式(9)和式(10)得到:
dmin<D<dmax,D={d1,d2,…,dn,…,dN-1} (10)
式(9)和式(10)中,Tst表示多跳无线网络端到端延时需求;dmin表示多跳无线网络不存在孤点时节点最短的传输距离;dmax表示节点最大发射功耗时的传输距离;D表示所有节点的传输距离的集合;
步骤5、初始化多目标粒子群的参数,优化各节点的传输距离,从而得到最优的拓扑结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110480173.8A CN113194491B (zh) | 2021-04-30 | 2021-04-30 | 一种基于多目标的多跳无线网络拓扑优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110480173.8A CN113194491B (zh) | 2021-04-30 | 2021-04-30 | 一种基于多目标的多跳无线网络拓扑优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113194491A CN113194491A (zh) | 2021-07-30 |
CN113194491B true CN113194491B (zh) | 2022-06-07 |
Family
ID=76983012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110480173.8A Active CN113194491B (zh) | 2021-04-30 | 2021-04-30 | 一种基于多目标的多跳无线网络拓扑优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113194491B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109842889A (zh) * | 2018-12-25 | 2019-06-04 | 广东外语外贸大学 | 一种无线多跳网络中测量节点可用带宽的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060039286A1 (en) * | 2004-08-18 | 2006-02-23 | Anindya Basu | Method and apparatus for dynamically reducing end-to-end delay in multi-hop wireless networks in response to changing traffic conditions |
US8542579B2 (en) * | 2009-11-17 | 2013-09-24 | University Of Maryland | Method and system for cooperative transmission in wireless multi-hop networks |
CN103338471A (zh) * | 2013-06-27 | 2013-10-02 | 南京邮电大学 | 基于模型的无线多跳网络服务质量指标评价方法 |
CN106993320B (zh) * | 2017-03-22 | 2020-02-07 | 江苏科技大学 | 基于多中继多跳的无线传感器网络协作传输路由方法 |
CN109982357B (zh) * | 2019-04-09 | 2021-08-20 | 合肥工业大学 | 一种基于多跳无线传感器网络的采样周期优化方法 |
CN111064665B (zh) * | 2019-12-24 | 2021-09-28 | 杭州电子科技大学 | 一种基于马尔科夫链的无线体域网低时延传输调度方法 |
-
2021
- 2021-04-30 CN CN202110480173.8A patent/CN113194491B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109842889A (zh) * | 2018-12-25 | 2019-06-04 | 广东外语外贸大学 | 一种无线多跳网络中测量节点可用带宽的方法 |
Non-Patent Citations (2)
Title |
---|
Chen Zhang等.A Markov Model for Batch-Based Opportunistic Routing in Multi-Hop Wireless Mesh Networks.《IEEE Transactions on Vehicular Technology》.2018,第67卷(第12期), * |
黎洁等.基于拓展迭代条件模式的认知无线频谱分配研究.《合肥工业大学学报(自然科学版)》.2015,第38卷(第12期), * |
Also Published As
Publication number | Publication date |
---|---|
CN113194491A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108990129B (zh) | 一种无线传感网络分簇方法及系统 | |
CN110708736A (zh) | 一种基于能效中继选择的动态路由方法与系统 | |
CN110167097B (zh) | 基于加权度量转发和路径规划的移动机器人中继路由方法 | |
CN112821940A (zh) | 一种基于星间链路属性的卫星网络动态路由方法 | |
CN113141592B (zh) | 一种长生命周期的水声传感器网络自适应多路径路由方法 | |
Chen et al. | A millimeter wave-based sensor data broadcasting scheme for vehicular communications | |
CN108462983B (zh) | 基于改进蚁群aodv协议的多机器人通信组网方法 | |
CN110932969B (zh) | 一种智能电网高级量测系统ami网络抗干扰攻击路由算法 | |
CN111343608A (zh) | 一种基于位置信息的车联网强化学习路由方法 | |
CN111132236B (zh) | 基于改进olsr协议的多无人机自组织网络mpr节点选择方法 | |
Pramono et al. | Comparative analysis of star topology and multihop topology outdoor propagation based on quality of service (QoS) of wireless sensor network (WSN) | |
CN113194491B (zh) | 一种基于多目标的多跳无线网络拓扑优化方法 | |
CN116528313A (zh) | 一种面向任务协同的无人机低能耗快速路由方法 | |
CN110177351B (zh) | 一种用于低占空比无线传感器网络的高效数据传输方法 | |
Kavitha et al. | Efficient and optimal routing using ant colony optimization mechanism for wireless sensor networks | |
CN114785728A (zh) | 基于路径及节点热度的电力通信网络路由方法 | |
CN110086671B (zh) | 一种Ad Hoc网络的拓扑发现方法 | |
Thenral et al. | AMRA: Angle based multicast routing algorithm for wireless mesh networks | |
CN114039654A (zh) | 面向大规模leo卫星网络的基于负载均衡的路由方法 | |
CN102932869B (zh) | 移动中继系统中基于距离和时延的能量有效转发方法 | |
Chenthil et al. | Energy-Aware QoS Based Cluster Routing With Aggregation Management Algorithm in Underwater Wireless Sensor Network | |
Li et al. | Global weighted fairness guaranteed congestion avoidance protocol for wireless sensor networks | |
CN112423400A (zh) | 基于改进烟花算法的以太网通信链路调度方法 | |
Prema et al. | Effective Routing Using Multi-Objective Levy flight-Artificial Rabbit Optimization Algorithm for Wireless Mesh Networks. | |
CN113766561B (zh) | 基于跨层优化的无人集群网络拥塞控制方法 |
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 |