CN116489813A - 一种适用于Lora-Mesh网络的自适应冲突退避方法及系统 - Google Patents
一种适用于Lora-Mesh网络的自适应冲突退避方法及系统 Download PDFInfo
- Publication number
- CN116489813A CN116489813A CN202310356988.4A CN202310356988A CN116489813A CN 116489813 A CN116489813 A CN 116489813A CN 202310356988 A CN202310356988 A CN 202310356988A CN 116489813 A CN116489813 A CN 116489813A
- Authority
- CN
- China
- Prior art keywords
- node
- window
- value
- lora
- time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 56
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 230000008014 freezing Effects 0.000 claims description 4
- 238000007710 freezing Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
- H04W74/0816—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA] with collision avoidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/021—Traffic management, e.g. flow control or congestion control in wireless networks with changing topologies, e.g. ad-hoc networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
-
- 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)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种适用于Lora‑Mesh网络的自适应冲突退避方法及系统,该方法包括下述步骤:构建Q‑Learning算法初始化各节点的最大退避数和最大重传数;划分报文业务等级,检测到节点冲突时更新节点竞争窗口的窗口值;根据网络中的RTS/CTS变化值监听网络空闲帧数,根据当前网络拥塞程度进行信道状态估计并更新各节点的竞争窗口的门限值;根据业务等级分配竞争窗口初始窗口值,根据信道状态估计结果更新节点竞争窗口;Lora‑Mesh网络中互相冲突的节点根据各自的竞争窗口值随机选择延迟发送时间,结合CSMA/CA协议进行退避等待与报文重传。本发明在Mesh多跳网络环境下提高了吞吐量并降低了发生冲突的可能性。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种适用于Lora-Mesh网络的自适应冲突退避方法及系统。
背景技术
随着信息化时代的推进,无线通信技术发展越来越快,研究领域的多样化对低功耗通信的需求,以具有低功耗特点的Lora技术为核心的Mesh组网已经广泛应用于智慧城市、工业、智慧家居等场景。
自无线通信技术高速发展后,无线节点的快速增加使数据传输中的冲突急剧增加,无线Mesh网络中各根节点共享信道,对于分布式Mesh网络而言,其分布式运行方式不可避免地会出现因多个节点同时发送数据而发生数据报文碰撞的情况,而在Lora技术背景下,其数据传输时延大进一步增加了冲突概率,当发生数据碰撞时,整个信道的资源将被浪费,虽然碰撞不可消除,但是可以通过有效的冲突避免机制来降低冲突发生概率。发生碰撞时,要求限制节点对信道的访问频率,降低碰撞概率,目前通常使用退避机制来达到该目的,在退避算法中,退避时间代表着节点的信道竞争能力,退避时间较短的节点具有更多的接入机会。在CSMA/CA协议提出的BEB退避算法基础下,学术界开始对退避算法进行优化研究,目的是在降低节点冲突概率与提高信道利用率之间进行权衡,同时要充分利用信道的状态信息、保证节点之间的接入公平性,因此,在分布式环境下,优化设计冲突避免算法变得至关重要。
IEEE 802.11定义的分布式协调功能DCF(Distributed Coordination Function)提供了节点共享无线信道进行数据传输的基本接入方式,采用二进制指数回退策略(Binary Exponential Backoff,BEB)来避免冲撞,该策略存在不能正确反映信道争用情况及节点不公平现象。因此,需要改进退避算法,设计具有自适应能力的竞争窗口,使节点获得最优退避时间,使网络获得最佳性能。
发明内容
为了克服现有技术存在的缺陷与不足,本发明提供一种适用于Lora-Mesh网络的自适应冲突退避方法及系统,本发明根据通信环境初始化节点参数,对信道进行状态估计及建立不同业务等级,根据当前网络状况自适应调整竞争窗口参数,合理解决了接入公平性问题,采用带RTS/CTS的接入方式可以适应数据传输速率低的Lora技术,在Mesh多跳网络环境下提高了吞吐量并降低了发生冲突的可能性。
为了达到上述目的,本发明采用以下技术方案:
本发明提供一种适用于Lora-Mesh网络的自适应冲突退避方法,包括下述步骤:
构建Q-Learning算法初始化各节点的最大退避数和最大重传数;
划分报文业务等级,当检测到节点出现冲突时更新节点竞争窗口的窗口值;
各个节点在预设的周期内,根据网络中的RTS/CTS变化值监听网络空闲帧数,根据当前网络拥塞程度进行信道状态估计并更新各节点的竞争窗口的门限值;
根据业务等级分配竞争窗口初始窗口值,根据信道状态估计结果在初始窗口值的基础上更新节点竞争窗口;
当检测到Lora-Mesh网络中存在k个根节点冲突时,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,争用信道使用权,结合CSMA/CA协议进行退避等待与报文重传。
作为优选的技术方案,Q-Learning算法对不同环境下不同终端节点的最大退避次数和最大重传次数进行最优化寻值,通过强化算法的在线训练,以节点发送的成功与否及时延进行算法奖惩,最终获得该环境下的最大退避数和最大重传数。
作为优选的技术方案,不同报文业务等级下设置不同的最小竞争窗口值和最大竞争窗口值,当节点出现冲突时,根据节点发送的报文等级,获取对应报文业务等级下的最小竞争窗口值和最大竞争窗口值,报文业务等级越高,最小竞争窗口值和最大竞争窗口值越小,使得高优先级的信息实时传输能力优于低优先级。
作为优选的技术方案,根据网络中的RTS/CTS变化值监听网络空闲帧数,具体包括:
在对网络中的RTS/CTS变化值进行监听时,通过网络监控器监听数据包传输情况,并分别过滤出RTS和CTS数据包,同时分别记录两种数据包的时间戳;
计算两次RTS的时间差获得空闲帧数,通过计数器累计方法获得总空闲帧数。
作为优选的技术方案,采用时隙冲突的概率对当前网络拥塞程度进行描述,具体表示为:
其中,p为时隙冲突的概率,Sbusy为周期内累计的时隙忙的个数,Sall为周期内累计的总时隙个数,τs为节点在时隙开始的发送概率,n为网络中的节点数。
作为优选的技术方案,根据当前网络拥塞程度进行信道状态估计,具体包括:
给定最优时隙利用率p0以及允许时隙利用率浮动的容错值pε,当达到周期更新时间时,将周期内计算得到的时隙利用率估计值p与给定最优时隙利用率p0进行比较,做出信道状态估计,表示为:
根据信道状态做出决策,对原先的窗口值赋以系数β,用于调整窗口大小:CWmin=βCWmin_old,当信道拥堵时最小竞争窗口值增大,表现为系数β>1;当信道良好时最小竞争窗口CWmin值保持不变,表现为β=1;当信道拥堵时最小竞争窗口CWmin值缩小,表现为系数β<1。
作为优选的技术方案,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,争用信道使用权,结合CSMA/CA协议进行退避等待与报文重传,具体包括:
令竞争窗口的中间值表示为CWmid=(CWmax+CWmin)/2,令wi表示第i次退避重传阶段中竞争窗口的大小,当第m次重传时,窗口将保持最大窗口,直到传送成功或重传次数达到该节点的最大重传次数N时抛弃该数据,抛弃数据后将信息反馈给高层协议;
在数据重传次数增加时,提高退避等待时间;当发送成功时,节点退出竞争,重置降低节点的退避计数值。
作为优选的技术方案,在重传时的退避计数值表示为:
在竞争成功,即节点本次发送数据包成功后,更新退避计数值,表示为:
其中,CWmin表示最小竞争窗口值,CWmax表示最大竞争窗口值,w′i表示更新后的退避计数值,b表示常数。
作为优选的技术方案,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,站点采用分布协调功能帧间间隔DIFS作为帧间间隔;
当其中一个节点正处于发送信息状态,其它准备发送数据的节点监测到信道忙,根据竞争窗口在当前的第wi个时隙中随机选一个进行退避,在退避时进行倒计时,等到选定的时隙时再经过分布协调功能帧间间隔时隙后尝试发送,若一次退避倒计时中监听到信道为忙,则冻结计时器,等信道再次转为空闲时继续进行倒计时。
本发明还提供一种适用于Lora-Mesh网络的自适应冲突退避系统,包括:参数构建模块、报文业务等级划分模块、窗口值更新模块、信道状态估计模块、门限值更新模块、节点竞争窗口更新模块、退避重传模块;
所述参数构建模块用于构建Q-Learning算法初始化各节点的最大退避数和最大重传数;
所述报文业务等级划分模块用于划分报文业务等级;
所述窗口值更新模块用于检测到节点出现冲突时更新节点竞争窗口的窗口值;
所述信道状态估计模块用于在预设的周期内根据网络中的RTS/CTS变化值监听网络空闲帧数,根据当前网络拥塞程度进行信道状态估计;
所述门限值更新模块用于更新各节点的竞争窗口的门限值;
所述节点竞争窗口更新模块用于根据业务等级分配竞争窗口初始窗口值,根据信道状态估计结果在初始窗口值的基础上更新节点竞争窗口;
所述退避重传模块用于在检测到Lora-Mesh网络中存在k个根节点冲突时,根据各自的竞争窗口值随机选择互相冲突的k个节点的延迟发送时间,结合CSMA/CA协议进行退避等待与报文重传。
本发明与现有技术相比,具有如下优点和有益效果:
(1)本发明基于Q-Learning算法根据通信环境初始化节点参数,对信道进行状态估计及建立不同业务等级,根据当前网络状况自适应调整竞争窗口参数,合理解决了接入公平性问题,采用带RTS/CTS的接入方式可以适应数据传输速率低的Lora技术,在Mesh多跳网络环境下提高了吞吐量并降低了发生冲突的可能性。
(2)本发明基于Q-Learning算法实现在不同环境下的终端节点具有不同的最大退避次数m和最大重传次数值n,从而改善通信的时延情况,通信过程中使节点能根据信道的竞争激烈程度调整竞争窗口,以减少信道冲突的发生概率,当信道竞争激烈时,节点应退避较长时间,错开竞争高峰期;降低发送高级业务节点的退避计数值,增强其信道争抢能力;根据信道的状态及报文的优先级调整该节点的最优退避时间。
(3)本发明采用Markov模型对LoRa-Mesh网络的冲突避免算法进行性能分析,通过建立Markov链计算所提方法的吞吐量和传输时延,结果更具有普遍性,解决了性能解释性的问题。
附图说明
图1为本发明适用于Lora-Mesh网络的自适应冲突退避方法的整体流程示意图;
图2为本发明Q-Learning算法的迭代流程示意图;
图3为本发明信道状态估计流程示意图;
图4为本发明退避算法执行流程示意图;
图5为本发明应用到CSMA/CA协议中进行数据传输及冲突避免的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所示,本实施例提供一种适用于Lora-Mesh网络的自适应冲突退避方法,可适用于物联网的各种终端设备,如进行光伏监测的终端设备,具体包括下述步骤:
步骤一:设计Q-Learning算法使节点适应当前的通信环境,Q-Learning算法用于初始化各节点的最大退避数m和最大重传数n;
在本实施例中,为节点初始化一个适合当前环境的较优m、n值,同时在通信过程中,每个根节点需要动态维护一个自己的CW竞争窗口,根据竞争窗口在发生冲突时结合CSMA/CA协议进行退避延迟与报文重传操作。
在本实施例中,对相对固定的终端节点,在终端节点初始化时利用Q-Learning算法获得适合当前环境下节点的最大退避次数m和最大重传次数n以提高网络性能用于之后的通信中,降低终端节点的通信时延,在提高网络性能时,减少因通信过程中更新参数需要查表而降低网络性能。
在本实施例中,Q-Learning算法对不同环境下不同终端节点的最大退避次数和最大重传次数进行最优化寻值,通过强化算法的在线训练,以节点发送的成功与否及时延进行算法奖惩,最终获得该环境下的最优m、n参数值。由于通信过程数据收发时间非常短,因此频繁通过算法更改窗口参数并不现实。对于固定的终端,其网络环境相对固定,因此可以在放置终端时,利用增强学习算法初始化计算该终端的最优参数,用于之后的通信中,避免在通信过程中更新参数,因为查表时间过长而影响网络性能。对于实时根据网络状况更新窗口,将在步骤三中通过信道状态估计来实现。
如图2所示,Q-Learning算法的设计内容如下:
(1)状态S为各个终端节点的参数变量集合,S=(m,n)。
(2)行为at
行为at∈A为有限值(m,n)的所有集合,A={(m1,n1),(m2,n2),...,(ml,nl)},其中m∈[0,3],n∈[0,5],最大退避次数m和最大重传次数n的取值范围是由CSMA/CA机制中MAC参数的有效范围决定的。
(3)奖惩值rt
奖惩值rt是根据节点采用不同的动作at时,单位时间内产生的不同时延结果所做出的不同奖励或惩罚,设置不同的奖惩值可以获得不同的优化算法结果。
取算法所允许的最大时延结果为τmax,其中设置的奖惩内容为:
(4)贪婪策略
策略π(s,a)用于在行为合集中选择动作at,用于下一状态通信中的参数设置。在选择动作时,除了选择Q值最优的动作外,为了避免每次都做出同样选择,还设定一个小概率ε进行随机选取动作ai。具体贪婪策略为:
(5)状态价值函数
状态价值函数可以用于评价当前状态的好坏,是一种累积期望,包含占比较大的当前价值和占比较小的未来价值。
采用Q值作为价值函数,每次执行完通信任务后需要更新Q值,Q值的更新需要设置学习率α。更新公式为:
Qt(st,ai)=Qt-1(st-1,ai-1)+θ[rt-Qt-1(st-1,ai-1)]
当迭代到Qt(st,ai)≥ω时,认为收敛达到了最大Q值,结束优化,获得该终端节点的较优参数值。
在具体实施时,首先初始化将与行为集合A一一对应的Q值设为0,并设置学习率α=0.01;接着根据所有动作的Q值求解贪婪算法的策略π(s,a),根据策略选择动作at,也就是选择当前状态下节点的参数值;然后节点按动作at的值进行数据发送,根据发送的成功与否及时延确定奖惩值rt;更新at动作下的Qt值,重复除初始化以外的操作,直到达到收敛值Qt(st,ai)≥ω,结束Q学习并确定该端点在此通信环境下的参数值(m,n)。
步骤二:划分报文业务等级,发生冲突时更新节点竞争窗口的窗口值;
在本实施例中,当处理特定业务时,发送的报文会包含等级信息,不同等级下设置不同的最小竞争窗口值CWmin和最大竞争窗口值CWmax,根节点根据所要发送的报文业务等级更新窗口值,当节点出现冲突时,根据节点发送的报文等级,获取对应等级下的最小竞争窗口值CWmin和最大竞争窗口值CWmax,若等级高则赋予较小窗口值,使每次重传时增加的窗口值小,减少高等级报文的退避时间、提高冲突时高等级报文的信道抢占能力,在信道竞争中更具优势;
BEB算法假定所有节点等级相同,在此前提下,若实际上低等级的信息获得信道使用权,在多次重复发送时,根据BEB算法存在的“饥饿”问题,高等级信息无法发送,不仅加剧了拥堵,还使更重要的信息无法及时发送。基于此,本发明为报文划分业务等级,对不同业务等级的报文,设置不同的CWmin和CWmax,如下表1所示,假设存在3种业务等级AC1~3,其中优先级由1~3逐级递减:
表1不同业务等级对应的初始化CWmin和CWmax窗口值示例表
业务类型 | AC1 | AC2 | AC3 |
CWmin/CWmax | 3/7 | 15/31 | 31/1023 |
优先级体现在竞争窗口参数的设置上,对高等级业务赋予较小的CWmin和CWmax,使高级业务退避时间短,信道竞争能力强,而对低级业务赋予高的CWmin和CWmax。最小竞争窗口值和最大竞争窗口值决定了节点在每次试图发送数据前的随机等待时间长度,对竞争窗口参数的设置使得当出现冲突时,高优先级的信息实时传输能力优于低优先级,更重要的信息得到及时发送,在充分考虑应用场景的情况下保证了信息传输的实时性。在实际数据处理中,业务等级得划分可以参考QoS的等级划分依据,根据业务的重要性、所需宽带、延迟和丢包要求进行按需划分。
步骤三:各个节点在预设的周期内根据网络中的RTS/CTS变化值监听网络空闲帧数,对当前网络拥塞程度进行估计并更新各节点的竞争窗口的门限值;
在IEEE 802.11的DCF协议中,当发送报文超过一定长度时考虑帧传输时间问题,会启动RTS/CTS机制。Lora技术具有传输速度低、时延较高的特点,需要采用RTS/CTS介入方法,因此可以借用RTS/CTS来估计信道的堵塞程度。
在本实施例中,当信道拥挤时增大窗口门限值,通过增加退避时间来降低冲突概率,反之降低,当信道良好时保持不变,这种动态网络堵塞估计方法能适应Mesh网络中的新节点加入,当新节点加入时对网络的影响反馈在估计的竞争节点数量上,提高了具有高自由性的Mesh网络在执行冲突避免时的自适应能力。
在对网络中的RTS/CTS变化值进行监听时,通过网络监控器监听数据包传输情况,并分别过滤出RTS和CTS数据包,同时分别记录两种数据包的时间戳。当检测到RTS数据包大于或等于2时,表明网络中RTS/CTS发生了两次值变化,计算两次RTS的时间差可以获得空闲帧数,通过计数器累计方法可以获得总空闲帧数Sfree,同时可计算出Sbusy=Sall-Sfree。
如图3所示,设CWmin为最小竞争窗口值,CWmax为最大竞争窗口值,T为竞争窗口更新周期,Sbusy为周期内累计的时隙忙的个数,Sall为周期内累计的总时隙个数,p为时隙冲突的概率,用于描述网络的拥塞情况,则时隙利用率可表示为:
其中,τs为节点在时隙开始的发送概率,n为网络中的节点数,当网络繁忙时隙概率增大,空闲时反之。
给定最优时隙利用率p0以及允许时隙利用率浮动的容错值pε,当达到周期更新时间时,将周期内计算得到的时隙利用率估计值p与给定最优时隙利用率p0进行比较,做出信道状态估计:
根据信道状态做出决策,对原先的窗口值赋以系数β,用于调整窗口大小:CWmin=βCWmin_old,当信道拥堵时最小竞争窗口值增大,表现为系数β>1;当信道良好时最小竞争窗口CWmin值保持不变,表现为β=1;当信道拥堵时最小竞争窗口CWmin值缩小,表现为系数β<1。
步骤四:根据业务等级分配的窗口值及信道状态估计更新节点竞争窗口,先根据业务等级分配初始窗口值,再根据信道状态估计结果,在初始窗口值的基础上对CWmin进行自适应更新。当Mesh网络中存在k个根节点冲突时,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,争用信道使用权,结合CSMA/CA协议进行退避等待与报文重传。本实施例对CWmax值的修改在步骤二中通过报文业务等级来进行调整,步骤三中不做额外处理。
如图4所示,令竞争窗口的中间值表示为CWmid=(CWmax+CWmib)/2,令wi表示第i次退避重传阶段中竞争窗口的大小,其中i∈[0,1,...,m,N],当第m次重传时,窗口将保持最大窗口wi=CWmax,直到传送成功或重传次数达到该节点的最大重传次数N时抛弃该数据,抛弃数据后将信息反馈给高层协议进行进一步处理。在数据重传次数增加时,说明当前信道堵塞增加,需要提高退避等待时间;当发送成功时,节点退出竞争,需要重置降低节点的退避计数值。
在重传时的退避计数值可表示为:
在竞争成功,也就是节点本次发送数据包成功后,更新退避计数值:
根据上述得到本发明的最终退避函数,当竞争失败时,窗口以2倍速度增加,当竞争次数超过最大重传次数时放弃竞争,传输失败,将失败信息反馈给高层协议。当竞争成功,节点成功接入信道并发送数据,若成功时的窗口值不大于中间值CWmin时,认为信道竞争不太激烈,窗口值减去常数b,使窗口不以倍速发生变化,减少波动;当竞争窗口值大于CWmin时表示信道竞争激烈,此时窗口值较大,需要快速下降。
本发明设置的窗口更新规律适用于Lora传输,Lora传输时延大,会增加冲突概率,因此当信道拥挤时,需要快速增大窗口大小,本实施例的措施体现在根据信道估计倍增窗口大小,通过增大退避时间减轻节点竞争压力;在信道负载较轻时,缩小窗口,使节点更公平地竞争信道。
在本实施例中,当节点发生冲突时,各个冲突节点根据自己的维护的竞争窗口进行退避等待,结合采取的竞争窗口维护模型,达到降低冲突发生,提高业务处理合理性的目的。
在本实施例中,在每次重复发送失败或成功时,各节点结合退避系数与门限值更新退避计数器;当节点发送失败次数达到门限值时从传输数列移除该数据包,放弃重传并将结果报告给高层协议。
本发明适用于Lora-Mesh场景,采用包含RTS/CTS的CSMA/CA协议进行数据传输,在空闲信道数据传输时需要等待DIFS时间,再进行接入与数据发送。当发生冲突时,结合CSMA/CA协议的要求,各冲突节点在各自维护的竞争窗口中随机选取退避计数值,当倒计时过程中信道均属于空闲状态,则倒计时结束后等待DIFS时间后进行接入与数据发送;若遇到其他节点竞争成功进行数据发送,则将退避计数值进行冻结,等待信道空闲时再进行倒计时;当退避计数结束后尝试发送数据,无论竞争是否成功都更新竞争窗口,特别地,竞争失败需要在N次重发限制内重复执行上述退避操作。
在CSMA/CA协议中,无限信道没有类似于以太网的碰撞检测机制,信道质量不如有线信道,需要采用虚拟载波监听方法,确认信道在很短的时间间隙内保持空闲再进一步进行信息发送,发现信道被占用时进行竞争。
为减少碰撞,协议中规定节点发送完信息后,其他节点需要再等待一段时间才能发送下一帧,该时间称为帧间间隔IFS(InterFrame Space)。在DCF模式下,站点采用分布协调功能帧间间隔DIFS(Distributed Inter-frame Spacing)作为帧间间隔。
当节点A正在发送信息时,其它准备发送数据的节点监测到信道忙,则根据本发明提供的竞争窗口,在此后的第wi个时隙中随机选一个进行退避,称该值为退避计时值,在退避时进行倒计时,等到选定的时隙时再经过DIFS时隙后尝试发送。若一次退避倒计时中监听到信道为忙,则冻结计时器,等信道再次转为空闲时继续进行倒计时。
如图5所示,本发明应用到CSMA/CA协议中进行数据传输及冲突避免,定义了DIFS时间间隔,用于避免节点间的数据冲突,保证数据传输的可靠性。如图5所示,在数据A正在发送时,B、C、D均有数据待发送(用向上箭头表示),此时检测到信道忙,三个站均需根据退避窗口随机退避一段时间后再发送数据。退避时间选定后,站点隔一个时隙就进行一次信道检测,当检测到信道空闲时退避计数器继续进行倒计时;当检测到信道忙时冻结剩余的退避时间。最早结束退避的C站点最先进行数据发送,而其余站点检测到信道忙,冻结退避计时器。
当C站的数据发送完毕,等待DIFS时隙后信道被重新检测为空闲状态,此时B、D解冻退避时间继续进行倒计时,D先于B结束退避过程,因此D先发送数据,B的退避计时器再次被冻结,以此循环,最终完成所有数据的发送过程。
为了更好地分析本发明实施例所公开方案的创新性,对所建立的一种适用于Lora-Mesh网络的冲突避免方法及系统进行性能分析;为了分析本发明冲突避免算法的性能,建立Markov链推导方法的吞吐量和传输时延。
根据上述步骤,当i∈[0,1,…,m]时,wi=2(wi-1+1)-1=2i(CWmin+1)-1,重传时的竞争窗口可同等表示为:
由此可知某一时刻的状态与前一时刻的状态有关,所以可以利用该性质采用Markov模型描述节点的接入过程。
令bi,k表示Markov链各状态的稳态概率,p为节点发生帧碰撞的概率,为节点数,τs为节点在时隙开始时的发送帧概率。由此得出基于Markov链的稳态方程:
其中
对于所有状态需要满足:
结合上述Markov链的稳态方程可得:
当网络处于稳态时,各节点在时隙开始时的发送帧概率τs计算公式为:
联合上述公式算出τs随站点个数n和最小竞争窗口的变化值,根据Markov模型模拟实际网络的退避过程,获得吞吐量和实验情况。
实施例2
本实施例提供一种适用于Lora-Mesh网络的自适应冲突退避系统,包括:参数构建模块、报文业务等级划分模块、窗口值更新模块、信道状态估计模块、门限值更新模块、节点竞争窗口更新模块、退避重传模块;
在本实施例中,参数构建模块用于构建Q-Learning算法初始化各节点的最大退避数和最大重传数;
在本实施例中,报文业务等级划分模块用于划分报文业务等级;
在本实施例中,窗口值更新模块用于检测到节点出现冲突时更新节点竞争窗口的窗口值;
在本实施例中,信道状态估计模块用于在预设的周期内根据网络中的RTS/CTS变化值监听网络空闲帧数,根据当前网络拥塞程度进行信道状态估计;
在本实施例中,门限值更新模块用于更新各节点的竞争窗口的门限值;
在本实施例中,节点竞争窗口更新模块用于根据业务等级分配竞争窗口初始窗口值,根据信道状态估计结果在初始窗口值的基础上更新节点竞争窗口;
在本实施例中,退避重传模块用于在检测到Lora-Mesh网络中存在k个根节点冲突时,根据各自的竞争窗口值随机选择互相冲突的k个节点的延迟发送时间,结合CSMA/CA协议进行退避等待与报文重传。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,包括下述步骤:
构建Q-Learning算法初始化各节点的最大退避数和最大重传数;
划分报文业务等级,当检测到节点出现冲突时更新节点竞争窗口的窗口值;
各个节点在预设的周期内,根据网络中的RTS/CTS变化值监听网络空闲帧数,根据当前网络拥塞程度进行信道状态估计并更新各节点的竞争窗口的门限值;
根据业务等级分配竞争窗口初始窗口值,根据信道状态估计结果在初始窗口值的基础上更新节点竞争窗口;
当检测到Lora-Mesh网络中存在k个根节点冲突时,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,争用信道使用权,结合CSMA/CA协议进行退避等待与报文重传。
2.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,Q-Learning算法对不同环境下不同终端节点的最大退避次数和最大重传次数进行最优化寻值,通过强化算法的在线训练,以节点发送的成功与否及时延进行算法奖惩,最终获得该环境下的最大退避数和最大重传数。
3.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,不同报文业务等级下设置不同的最小竞争窗口值和最大竞争窗口值,当节点出现冲突时,根据节点发送的报文等级,获取对应报文业务等级下的最小竞争窗口值和最大竞争窗口值,报文业务等级越高,最小竞争窗口值和最大竞争窗口值越小,使得高优先级的信息实时传输能力优于低优先级。
4.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,根据网络中的RTS/CTS变化值监听网络空闲帧数,具体包括:
在对网络中的RTS/CTS变化值进行监听时,通过网络监控器监听数据包传输情况,并分别过滤出RTS和CTS数据包,同时分别记录两种数据包的时间戳;
计算两次RTS的时间差获得空闲帧数,通过计数器累计方法获得总空闲帧数。
5.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,采用时隙冲突的概率对当前网络拥塞程度进行描述,具体表示为:
其中,p为时隙冲突的概率,Sbusy为周期内累计的时隙忙的个数,Sall为周期内累计的总时隙个数,τs为节点在时隙开始的发送概率,n为网络中的节点数。
6.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,根据当前网络拥塞程度进行信道状态估计,具体包括:
给定最优时隙利用率p0以及允许时隙利用率浮动的容错值pε,当达到周期更新时间时,将周期内计算得到的时隙利用率估计值p与给定最优时隙利用率p0进行比较,做出信道状态估计,表示为:
根据信道状态做出决策,对原先的窗口值赋以系数β,用于调整窗口大小:CWmin=βCWmin_old,当信道拥堵时最小竞争窗口值增大,表现为系数β>1;当信道良好时最小竞争窗口CWmin值保持不变,表现为β=1;当信道拥堵时最小竞争窗口Cmmin值缩小,表现为系数β<1。
7.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,争用信道使用权,结合CSMA/CA协议进行退避等待与报文重传,具体包括:
令竞争窗口的中间值表示为CWmid=(CWmax+CWmin)/2,令wi表示第i次退避重传阶段中竞争窗口的大小,当第m次重传时,窗口将保持最大窗口,直到传送成功或重传次数达到该节点的最大重传次数N时抛弃该数据,抛弃数据后将信息反馈给高层协议;
在数据重传次数增加时,提高退避等待时间;当发送成功时,节点退出竞争,重置降低节点的退避计数值。
8.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,在重传时的退避计数值表示为:
在竞争成功,即节点本次发送数据包成功后,更新退避计数值,表示为:
其中,CWmin表示最小竞争窗口值,CWmax表示最大竞争窗口值,w′i表示更新后的退避计数值,b表示常数。
9.根据权利要求1所述的适用于Lora-Mesh网络的自适应冲突退避方法,其特征在于,互相冲突的k个节点根据各自的竞争窗口值随机选择延迟发送时间,站点采用分布协调功能帧间间隔DIFS作为帧间间隔;
当其中一个节点正处于发送信息状态,其它准备发送数据的节点监测到信道忙,根据竞争窗口在当前的第wi个时隙中随机选一个进行退避,在退避时进行倒计时,等到选定的时隙时再经过分布协调功能帧间间隔时隙后尝试发送,若一次退避倒计时中监听到信道为忙,则冻结计时器,等信道再次转为空闲时继续进行倒计时。
10.一种适用于Lora-Mesh网络的自适应冲突退避系统,其特征在于,包括:参数构建模块、报文业务等级划分模块、窗口值更新模块、信道状态估计模块、门限值更新模块、节点竞争窗口更新模块、退避重传模块;
所述参数构建模块用于构建Q-Learning算法初始化各节点的最大退避数和最大重传数;
所述报文业务等级划分模块用于划分报文业务等级;
所述窗口值更新模块用于检测到节点出现冲突时更新节点竞争窗口的窗口值;
所述信道状态估计模块用于在预设的周期内根据网络中的RTS/CTS变化值监听网络空闲帧数,根据当前网络拥塞程度进行信道状态估计;
所述门限值更新模块用于更新各节点的竞争窗口的门限值;
所述节点竞争窗口更新模块用于根据业务等级分配竞争窗口初始窗口值,根据信道状态估计结果在初始窗口值的基础上更新节点竞争窗口;
所述退避重传模块用于在检测到Lora-Mesh网络中存在k个根节点冲突时,根据各自的竞争窗口值随机选择互相冲突的k个节点的延迟发送时间,结合CSMA/CA协议进行退避等待与报文重传。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310356988.4A CN116489813A (zh) | 2023-04-06 | 2023-04-06 | 一种适用于Lora-Mesh网络的自适应冲突退避方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310356988.4A CN116489813A (zh) | 2023-04-06 | 2023-04-06 | 一种适用于Lora-Mesh网络的自适应冲突退避方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116489813A true CN116489813A (zh) | 2023-07-25 |
Family
ID=87224331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310356988.4A Pending CN116489813A (zh) | 2023-04-06 | 2023-04-06 | 一种适用于Lora-Mesh网络的自适应冲突退避方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116489813A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117729644A (zh) * | 2024-02-07 | 2024-03-19 | 深圳疆泰科技有限公司 | 应用于智能穿戴设备的并发防拥塞方法及装置 |
-
2023
- 2023-04-06 CN CN202310356988.4A patent/CN116489813A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117729644A (zh) * | 2024-02-07 | 2024-03-19 | 深圳疆泰科技有限公司 | 应用于智能穿戴设备的并发防拥塞方法及装置 |
CN117729644B (zh) * | 2024-02-07 | 2024-05-03 | 深圳疆泰科技有限公司 | 应用于智能穿戴设备的并发防拥塞方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4435235B2 (ja) | コンテンションウィンドウサイズの調整および選択された移動局の分離によって無線媒体の輻輳を制御するための方法および装置 | |
Mišić et al. | Performance characterization for IEEE 802.11 p network with single channel devices | |
KR101451569B1 (ko) | 무선 메쉬 네트워크에서의 정체 관리 방법 | |
Xiao | An analysis for differentiated services in IEEE 802.11 and IEEE 802.11 e wireless LANs | |
Kuo et al. | An admission control strategy for differentiated services in IEEE 802.11 | |
JP5245563B2 (ja) | 無線通信システムにおける所定の端末のコンテンションウインドウ適合方法 | |
Vishnevsky et al. | IEEE 802.11 wireless LAN: Saturation throughput analysis with seizing effect consideration | |
CN112437498B (zh) | 一种基于信道状态判决及优先级的数据链协议退避方法 | |
Peng et al. | Performance analysis of IEEE 802.11 e enhanced distributed channel access | |
CN111245541B (zh) | 一种基于强化学习的信道多址接入方法 | |
Xiao | Backoff-based priority schemes for IEEE 802.11 | |
CN112437497B (zh) | 一种用于数据链随机接入协议的退避方式设计方法 | |
CN116489813A (zh) | 一种适用于Lora-Mesh网络的自适应冲突退避方法及系统 | |
Tuysuz et al. | Exploiting the channel using uninterrupted collision‐free MAC adaptation over IEEE 802.11 WLANs | |
Tuysuz et al. | An uninterrupted collision-free channel access scheme over IEEE 802.11 WLANs | |
Yang et al. | ACK-based adaptive backoff for random access protocols | |
Geng et al. | AQMP: An adaptive QoS MAC protocol based on IEEE802. 11 in ad hoc networks | |
Wang et al. | Improving VOIP application's performance over WLAN using a new distributed fair MAC scheme | |
Yazdani et al. | A fair access mechanism based on TXOP in IEEE 802.11 e wireless networks | |
Sanada et al. | Estimating the number of nodes in WLANs to improve throughput and QoS | |
Hanzawa et al. | A minimum contention window control method for lowest priority based on collision history of wireless LAN | |
CN110958717A (zh) | 中心化无线局域网无竞争随机介质访问控制方法及系统 | |
Zhang et al. | RTS threshold self-tuning algorithm based on delay analysis on 802.11 DCF | |
CN117793019A (zh) | 一种用于数据链的优先级阈值设定装置 | |
Matsumoto et al. | Multiple access in MAC layer based on surrounding conditions of wireless stations |
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 |