CN113645061B

CN113645061B - 一种基于染色理论信道分配的方法

Info

Publication number: CN113645061B
Application number: CN202110781753.0A
Authority: CN
Inventors: 汪明; 卫正; 杜晓彬; 谢浩田; 张宜阳; 孙启凯
Original assignee: Shandong Jianzhu University
Current assignee: Shandong Jianzhu University
Priority date: 2021-07-12
Filing date: 2021-07-12
Publication date: 2023-07-21
Anticipated expiration: 2041-07-12
Also published as: CN113645061A

Abstract

本公开公开了种基于染色理论信道分配的MAC协议，包括：引入无向图表示水声通信网络中的节点和链路，同时引入双向图，表示节点间的双向链路，解决了双向链路的表示问题。通过改进染色算法，提高染色算法的稳定性。通过使用染色算法，提出一种为水声通信网络中的各节点分配独立信道的水声通信MAC协议解决水声信道资源有限以及信道竞争问题。

Description

一种基于染色理论信道分配的方法

技术领域

本公开涉及通信技术领域，特别是涉及一种一种基于染色理论信道分配的MAC协议。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

为了更加全面的认识、开发、保护海洋，人们不断研制出许多先进的海洋设备，不断挑战探索海洋的极限。由于海洋环境的特殊性和复杂性，这些设备通常需要组成范围较大的网络。传统的有线式链路在移动性、铺设成本和难度上的种种限制以及水下环境对信息传播载体的影响，促成了水声通信网络的崛起。水声通信网络作为收集海洋数据、研究海洋科学的重要工具，具有重要的研究价值和应用前景。

随着海洋探索的加深和传感器技术的提高，传感器采集数据的传输性能对水声通信网络实时性和高效性的要求也在不断提高。水声信道的传播特性以及恶劣的水下环境对水声通信系统的效率和可靠性等都造成了严重的影响，从而影响了水声无线传感器网络的通信性能。而且水声通信网络由于海水对声波能量的吸收损耗，导致其可用于通信的信道带宽相较于普通空中无线信道带宽窄很多。

水声MAC并不存在一种单一的协议适用全部的场景和网络规模。为了最大限度的利用水声信道资源，尝试设计一种水声通信MAC协议，通过为水声网络中的每个仿生机器鱼节点分配不同的信道，优化水声信道可用频带窄、信道竞争激烈的问题。

发明内容

为了解决上述问题，本公开提出了一种基于染色理论信道分配的MAC协议，通过建立水声环境的水声信道模型，设计一种为水声通信网络中的各节点分配独立信道的水声通信MAC协议解决水声信道资源有限以及信道竞争问题。利用图染色理论一方面，将水声信道中的可用部分分成若干个子信道，将其中一些子信道分配给同一通信节点，使其可以在不收其他信道干扰的情况下完成信息的发送与接收。另一方面，使得信息可以在这两节点的通信链路上进行全双工数据传输。

本公开提出了一种基于染色理论信道分配的MAC协议，包括：

水声通信网络无向图模型：对无中心、多跳式的水声通信网络拓扑结构进行无向图的建模，将水声网络中的节点和通信链路对应无向图的顶点和边；使得水声通信网络W=G(V,E)，其中V= {v ₁ ,v ₂ ,…,v _p }为无向图顶点集合，E={e ₁ ,e ₂ ,…,e _q }为无向图边集合。

改进了一种无向图染色算法：引入了无向图的邻接矩阵、关联矩阵、顶点矩阵、控制矩阵，并通过建立新的初始颜色集合和颜色可变集合，使初始颜色集合完全不同于算法中的关联矩阵，达到初始颜色集合与关联矩阵中的元素不出现重合，避免了在算法运行时出现死循环的情况。

一种基于图染色理论信道分配的MAC协议模型：通过算法进行节点信道分配，根据该协议模型，实现对水声通信节点发送机和接收机的控制，实现数据包的高效传输。

与现有技术相比，本公开的有益效果为：

本公开MAC协议通过引入一种图染色算法，为通过为水声网络中的每个通信节点分配不同的信道，解决了水声信道可用频段窄的限制，优化水声通信网络的通信环境，提升了水声通信网络的网络性能。

本公开MAC协议通过改进一种染色算法，避免了算法中可能出现的问题，提高了算法的可靠性。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开设计的水声通信MAC协议流程图。

图2为本公开在网络仿真中设计的水声通信模块节点层模型示意图。

图3为本公开在网络仿真中设置的网络场景示意图。

图4为本公开在网络仿真中接收机和发送机配置图。

图5为本公开在网络仿真中数据包格式配置图。

图6为本公开在网络仿真中网络链路分配示意图。

具体实施方式

下面结合附图与实施例对本公开做进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施实例1。

该实施实例公开了一种基于染色理论信道分配的MAC协议，引入无向图，将水声通信网络转化为无向图，使用一种改进后的染色算法，为无向图中的每个边进行颜色分配，使其达到使用最少的颜色数为每个顶点分配颜色不同的不同集合。

步骤一：构建水声通信网络无向图模型。将水声通信网络W的通信节点和节点间链路作为无向图的顶点和边，完成顶点集与边集的构建，V={v ₁,v ₂,…，v _p}为无向图顶点集合，E={e ₁,e ₂,…,e _q}为无向图边集合。此时G=(V,E)。

步骤二：引入无向图G对应的双向图G _d =(V _d,E _d)是有向图，其中V _d =V，将水声通信网络链路模型化为双向图中的双向边，此时对于每一条无向边(u,v)∈E(u,v∈V)，相应的在E _d中有两条定向边和分别对应发送链路和接收链路。

步骤三：引入G的p×p阶邻接矩阵A(G)，如果v _i v _j∈E(G)，则元素a _ij= 1，否则a _ij=0。G的p×q关联矩阵M(G)，如果顶点v _i与边e _j关联，则元素m _ij= 1，否则m _ij=0。度相同D的顶点p×p矩阵D(G)，如果d(v _i)=d(v _j)，元素d _ij= 1，否则d _ij=0。G的p×p控制矩阵K(G)，如果d _ij= 1且A _ij=1，元素k _ij=1，否则k _ij=0。为了得到初始解并且防止与M(G)中的元素出现混乱，初始颜色数集合被定义为H={-h,-h+1,…,-1}，其中h为图G的最大度，记作△(G)。

步骤四：获得适宜解将元素m _ij( m _ij= 1₎关联矩阵M(G)替换为颜色集合中的元素，即可得到适宜解。随机选取一个d _i=△(G)的v _i，将集合H中的元素以随机顺序替换与v _i有关联的m _ij和另一个与边e _j相关联的m _i’j，然后将集合H中的元素以随机顺序替换与v _i’关联的m _i’j’。当所有值为1的m _ij都被替换，则停止，否则一直进行这种替换。

在出现以下两种情况时引入一个初始状态为空集的颜色可变集合H’作为修正算子。

一是当一个顶点的其中两条边被赋予了集合H中同样的元素时，即m _ij1= m _ij2时。

首先将集合H中未替换到M(G)中的元素放入集合H’中。然后选取H’中的一个元素替换m _ij2，接着将另一个与边e _j2相关联点的v _i’对应的m _i’j2也替换为H’中的该元素。若满足约束条件（i），则停止。否则将该元素从集合H’中删除，并重复上述步骤，直至H’=φ，当H’=φ后则在集合H中添加一个-(h+1)替换m _ij2以及m _i’j2。此时若不满足m _ij1= m _ij2，则停止，否则重新执行上述所有步骤。

二是当两个存在公共边并且具有相同度的顶被分配给相同的元素时，即当v _i1, v _i2(i ₁,i ₂=1,2,…,p)颜色，且k _i1i2=1时。

首先随机选取一个与v _i1或v _i2相关的e _j且v _i1 v _i2≠e _j。然后将集合H中未替换到M(G)中的元素放入集合H’中。随后然后选取H’中的一个元素替换m _ij，接着将另一个与边e _j相关联点的v _i’对应的m _i’j也替换为H’中的该元素。若满足约束条件（i），且不存在v _i1, v _i2被分配成相同颜色，则停止。否则将该元素从集合H’中删除，并重复上述步骤，直至H’=φ，当H’=φ后则在集合H中添加一个-(h+1)元素，并用-(h+1)替换m _ij以及m _i’j。此时若不满足存在v _i1, v _i2被分配成相同颜色，则停止，否则重新执行上述替换步骤。

步骤五：执行交叉算子和变异算子。

执行交叉运算时，在每个父代适宜解中随机选取一个v _i，求出所有使得k _ij=0的v _j,(j=1,2,…,i-1,i+1,…,p)，且满足d _ij=1 。每一条与顶点v _j相关联的边都被赋予了v _i颜色合集中没有的颜色。然后执行修正算子。但是当图G没有顶点满足k _ij=0且d _ij=1时，或者运算后没有产生新的相同时，交叉算子无效。

执行变异算子时。

一是当交叉算子出现故障父代时，随机选取一个边e _j,e _j与在交叉算子中选择的v _i相关联。即m _ij=1，将m _ij和m _i’j替换为集合H中的一个元素，其中v _i v _i’=e _j。然后执行修正算子。

二是父代通过交叉算子以P=1/N的概率出现变异产生后代时（N为初始群体数）。目标函数

其中是解得M(G)的色集合，显然在一图G中，由此。舒适度函数

在解中随机选择n条边，其中

选择集合H中的n个不同元素各自分配给这n条边。然后执行修正算子。

步骤六：执行选择算子。

步骤七：算法终止。当舒适度函数f(x)=1时，算法收敛到最优解，此时终止。

本公开MAC协议的流程图如图1所示

实施实例2。

本公开采用OPNET网络仿真软件仿真，设定水声通信网络节点模型为应用层，网络层，数据链路层和物理层四层。设定水声通信网络场景大小为1000m*1000m，随机布放20个仿生机器鱼节点，仿生机器鱼的最大传输距离为170m，并且设置一个结果收集节点（init）来收集性能参数数据。水声通信网络声速模型采用MacKenzie提出的水声速度模型：

式中，T为温度，单位为K；S为盐度；D为水深，单位为m。

水声信道的传播损耗模型为：

式中第一项式中第一项为扩展损失，γ为声波传播距离，单位m；n为传播因子，n的取值与声波的传播方式有关，声波在深海中，以球面扩散传播时n=2，而以在前海柱面扩散传播时n=1。式中第二项为吸收损失，α为吸收因子，单位dB/km，它是信号频率f的函数，其取值可由 Thorp 经验公式给出：

。

使用Wenz模型描述水声信道背景噪声模型：

式中，NL _Turbulence、NL _Shipping、NL _Wind、NL _Thermal分别为湍流噪声、航运噪声、海面噪声、热噪声，f为频率，单位kHz；w为海洋表面风速，单位m，D为水域航运密度，表示航运较轻至繁重的情况，取值为0-1之间。

以上各类环境噪声合成的总噪声为：

。

从水声信道特点和模拟真实环境的情况出发，对物理层的发送机和接收机做如下配置：接收机和发送机的带宽都设置为10KHz以满足水声信道对于声波频率的要求。收机和发送机的数据传输率为3200bps。仿真使用的数据包大小为312bits。数据包内信息包括源节点信息、目标节点信息、队列信息、数据包个数、下一跳节点信息、上一跳节点信息、跳数以及数据包要发送的信息。

Claims

1.一种基于染色理论信道分配的方法，其特征在于，包括：

步骤一：构建水声通信网络无向图模型

将水声通信网络W的通信节点和节点间链路作为无向图的顶点和边，完成顶点集与边集的构建，V＝{v₁，v₂，..，v_p}为无向图顶点集合，E＝{e₁，e₂，…，e_q}为无向图边集合，此时G＝(V,E)，

步骤二：引入无向图G对应的双向图G_d＝(V_d,E_d)是有向图，其中V_d＝V，将水声通信网络链路模型化为双向图中的双向边，此时对于每一条无向边(u,v)∈E(u,v∈V)，相应的在E_d中有两条定向边和/>分别对应发送链路和接收链路，

步骤三：引入G的p×p阶邻接矩阵A(G)，如果v_iv_j∈E(G)，则元素a_ij＝1，否则a_ij＝0，G的p×q关联矩阵M(G)，如果顶点v_i与边e_j关联，则元素m_ij＝1，否则m_ij＝0，度相同D的顶点p×p矩阵D(G)，如果d(v_i)＝d(v_j)，元素d_ij＝1，否则d_ij＝0，G的p×p控制矩阵K(G)，如果d_ij＝1且A_ij＝1，元素k_ij＝1，否则k_ij＝0，为了得到初始解并且防止与M(G)中的元素出现混乱，初始颜色数集合被定义为H＝{-h,-h+1,...,-1}，其中h为图G的最大度，记作Δ(G)

步骤四：获得适宜解将元素m_ij关联矩阵M(G)替换为颜色集合中的元素，即可得到适宜解，随机选取一个d_i＝Δ(G)的v_i，将集合H中的元素以随机顺序替换与v_i有关联的m_ij和另一个与边ej相关联的m_i'j，然后将集合H中的元素以随机顺序替换与v_i'关联的m_i'j'，当所有值为1的m_ij都被替换，则停止，否则一直进行这种替换，

在出现以下两种情况时引入一个初始状态为空集的颜色可变集合H'作为修正算子：

(1)当一个顶点的其中两条边被赋予了集合H中同样的元素时，即时，

首先将集合H中未替换到M(G)中的元素放入集合H'中，然后选取H'中的一个元素替换接着将另一个与边/>相关联点的v_i'对应的/>也替换为H'中的该元素，若满足约束条件，则停止，否则将该元素从集合H'中删除，并重复上述步骤，直至/>当/>后则在集合H中添加一个-(h+1)元素，并用该元素替换/>以及/>此时若不满足/>则停止，否则重新执行上述所有步骤，

(2)当两个存在公共边并且具有相同度的顶被分配给相同的元素时，即当被分配成相同的颜色，且/>时，

首先随机选取一个与或/>相关的e_j且/>然后将集合H中未替换到M(G)中的元素放入集合H'中，随后然后选取H'中的一个元素替换m_ij，接着将另一个与边e_j相关联点的v_i'对应的m_i'j也替换为H'中的该元素，若满足约束条件，且不存在/>被分配成相同颜色，则停止，否则将该元素从集合H'中删除，并重复上述步骤，直至/>当/>后则在集合H中添加一个-(h+1)元素，并用-(h+1)替换m_ij以及m_i'j，此时若不满足存在/>被分配成相同颜色，则停止，否则重新执行上述替换步骤，

步骤五：执行交叉算子和变异算子，

执行交叉运算时，在每个父代适宜解中随机选取一个v_i，求出所有使得k_ij＝0的v_j,(j＝1,2···,i-1,i+1,···p)，且满足d_ij＝1，每一条与顶点v_j相关联的边都被赋予了v_i颜色合集中没有的颜色，然后执行修正算子，但是当图G中没有顶点满足k_ij＝0且d_ij＝1时，或者运算后没有产生新的相同时，交叉算子无效，

执行变异算子时：

(1)当交叉算子出现故障父代时，随机选取一个边e_j,e_j与在交叉算子中选择的v_i相关联，即m_ij＝1，将m_ij和m_i'j替换为集合H中的一个元素，其中v_iv_i'＝e_j，然后执行修正算子，

(2)父代通过交叉算子以

P＝1/N的概率出现变异产生后代时N为初始群体数，目标函数

其中是解得M(G)得颜色集合，显然在一图G中/>由此g(x)≥ΔG，舒适度函数

在解中随机选择n条边，其中

选择集合H中的n个不同元素各自分配给这n条边，然后执行修正算子

步骤六：执行选择算子；

步骤七：算法终止，当舒适度函数f(x)＝1时，算法收敛到最优解，此时终止。