基于包的细粒度信道接入机制改进
包叶锦, 雷琪琦
(哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001)
Ad Hoc战术通信网络[1-2]是一种无线移动战术通信网络，是现代战场中机动部队通信指挥中所普遍使用的网络模式.在现代数字化战场中，网络规模愈发壮大[3]，所传输的作战信息种类及数量也日益增多，如果能够保证作战信息的及时准确传输，那就能够对整体作战能力起到倍增器的作用[4-5].在大规模Ad Hoc战术网络中，对于信道资源的分配和使用则是通过MAC协议来限定的，MAC协议能够决定网络中各作战单元如何公平有效地共享无线信道资源[6].当大规模Ad Hoc网络由于无线带宽资源有限而作战单元之间的数据通信量过大时，就很容易出现带宽拥塞的情况.因此，如何使网络中各作战单元高效合理地共享信道资源、提高网络吞吐量、减少端对端时延，已成为大规模Ad Hoc战术网络研究的重点和难点，即对于信道退避算法的研究已成为重中之重.
随着战场通信网络中的战术消息的种类增多，对于不同的消息也有着不同的服务质量需求(Quality of service,QoS)[7]，SPMA协议就是基于这种背景下产生的.SPMA协议基于随机竞争信道接入技术[8]，不需要提前为网络中的节点单元预约或分配时隙，其只需在上层数据包到达MAC时统计当前网络中的信道占用，并将其与提前设定好的数据包阈值相比较来决定是否分配信道资源给当前业务分组，若信道占用小于阈值，则允许数据包传输；
反之，则根据退避算法配置好的退避时间将当前数据包转为退避等待状态，退避结束后再次检测信道占用并重复上述流程[9].但是现有对SPMA协议的研究尚未能够完全解决随机接入机制带来的信道拥塞以及信息碰撞问题.在大规模网络以及高负载的情况下，战术信息碰撞的概率会呈指数级别的增加，这就会导致高优先级业务的可靠性降低，低优先级业务甚至无法获得信道资源的状况，从而导致网络吞吐量、端对端时延以及资源利用率等网络性能的降低，严重的话也会影响到战场局势的变化.
文献[10]提出了一种基于多优先级单阈值的接入控制协议，该协议提高了无人机网络的信道利用率，还提高了数据传输成功率以及网络吞吐量.文献[11]设计出一种混合式信道负载统计方法，有效地减少了信道冲突情况的产生，从而保证了数据传输的实时性以及高优先级业务的成功传输概率.文献[12]提出了一种基于信道占用及优先级的改进算法(A-COP)，使用指数函数模型来对算法的退避时间模型进行描述，有效地降低了包与包之间的退避失败概率，提升了信道资源的利用率.但是现有的信道接入机制的研究中存在如下几个问题：1)当信道负载大于某优先级阈值时，会阻止该优先级队列中数据包的传输，这就会导致网络信道资源出现闲置的可能性；
2)其是通过物理层来对信道负载进行统计的，这就会造成负载统计不正确并且实现起来比较困难.基于以上分析，本文提出了一种细粒度信道接入机制，最后对其进行仿真验证.
1.1 信道接入机制原理
SPMA协议运行时，首先按照优先级从高到低的顺序以此检查各队列是否有数据包，若队列均为空，则节点置于空闲状态等待数据包的传输；
若队列中存在数据包，就将节点状态转为待发送状态，然后将信道负载统计机制获得的信道负载统计值与对应的优先级门限阈值相比较.如果信道负载统计值小于门限阈值，则可以直接发送该优先级数据包；
反之，该优先级的数据包则会进入退避等待状态，退避结束后再次统计信道占用并从高到低依次遍历各优先级队列，循环以上步骤[13].
当数据包处于退避状态等待传输时，若此时网络中有更高优先级数据包需要接入信道时，则暂停当前低优先级数据包的退避等待过程，并比较更高优先级数据包的门限阈值以及此时的信道负载统计值的大小，以此来决定是否给其分配信道资源[14].并且为了保证SPMA协议的高优先级业务高成功传输概率的要求，在阈值设定时必须保证优先级越高，其对应的优先级阈值越大，图1为SPMA协议信道接入机制的流程图.
图1 SPMA协议退避算法流程图Figure 1 SPMA protocol backoff algorithm flowchart
1.2 现有信道接入机制问题描述
1)现有的信道接入机制是通过物理层进行信道占用统计的，这就使得SPMA协议表现出的性能严重依赖于物理层模块.而对于TTNT物理层使用的跳频系统，由于不同的节点使用不同的跳频模式和同步序列，这将增加本地节点捕获相邻节点之间的脉冲的技术难度.并且，从物理层获取信道负载的方式在高负载时会存在很大的失真，这就会导致本来应该退避的数据包不退避，从而增加数据包的碰撞概率.
2)现有信道接入机制中退避算法的负载控制是以优先级为调节单位的，这就会造成当信道负载小于某优先级大于次低优先级时，整个次低优先级队列中的所有数据包都进入退避等待状态，导致网络存在部分信道资源未被使用的可能性变大，因此网络信道资源会被浪费以至于信道资源利用率降低.
基于上述分析，本文提出一种基于包的细粒度信道接入机制，该机制在信道负载统计机制以及信道接入机制这两方面提出了改进，该协议改变了传统的在物理层上统计信道负载的方式，并且通过将控制信道负载的单位细粒度化，使得整个网络能够保持更高的信道利用率，有助于提升整个网络的吞吐量.
2.1 算法基本思想
通过对SPMA协议的分析可以发现信道接入机制核心机制主要体现在信道负载统计、信道负载控制这两个方面，因此本文针对这两个阶段提出了“基于MAC层的信道负载统计”以及“基于包的细粒度信道接入控制”这两种新机制的改进.
2.2 基于MAC层的信道负载统计机制
本文针对网络信道负载的统计提出了一种结合时间校正的信道负载统计机制.由于网络中ID号小的节点启动得会比较快，因此该机制的主要机理就是将一跳范围内ID号大的节点的信道负载统计周期向ID号最小的节点靠拢.首先，对于一跳范围内的所有节点而言，当ID号大的节点收到ID号最小的节点广播的信道负载统计分组时，首先判断收到该分组的时间是否处于ID号大的节点的负载统计窗口内，若处于当前负载统计窗口，则ID号大的节点会立即中止自己的负载统计过程，并按照已统计时间占整个统计窗口的比例将得到的信道负载统计值折算成一个负载统计窗口的信道负载大小，并紧跟着收到的负载统计分组中ID号最小的节点在全网范围内广播.这对于整个网络中的节点而言是个链式过程，每个节点都会调整其负载统计周期以向其一跳范围内ID号最小的节点靠拢，因此经过校正后网络中所有节点的信道负载统计时间都会保持在ID号最小的节点信道负载统计时间附近，从而就可以保证了整个网络中节点信道负载统计时间的一致性.
结合时间校正的信道负载统计机制流程如下：
1)网络中每个节点维护一个当前滑动窗口T时间间隔内的信道负载列表NCnm(T)(n=1,2,…,Nmax,m=1,2,…,N)，n,m是用来表示网络中的某节点n的维护的优先级为m的信道负载大小，也就是优先级为m的数据包的个数.Nmax表示网络中的节点总数，N表示整个网络中存在的优先级个数.当某节点i启动后，则开始统计自己数据链路层的发送各优先级数据分组的数目，然后在时间达到预先设置的滑动窗口T时，就将节点发送的各优先级分组的统计值(包括节点号)写入信道负载统计分组中.然后将该负载统计分组复制两份，并分别等待Tt*rand(Nmax)以及Tt*rand(Nmax)+Tt*Nmax时间后广播出去.因此，该节点i统计得到的信道负载值NCi(T)可用式(1)表示.
(1)
2)当某ID号大的节点j收到其一跳范围内ID号最小的节点发送的负载统计分组时，若收到分组的时间处于该节点的负载统计滑动窗口内，则该节点j会中断当前信道负载统计过程，并将当前统计出的信道负载值按照比例换算成一个统计窗口T时间内的信道负载统计结果，同样将该值写入负载统计分组中，复制成两份后分别等待Ttran delay*rand(Nmax)以及Ttran delay*rand(Nmax)+Ttran delay*Nmax时间后广播出去.ID号大的节点j的信道负载统计值Cj(T)可由(2)表示.
(2)
3)网络中全部节点都遵循统计时间校正机制来进行信道负载统计，这样就可以保证所有节点的信道负载统计时间都向整个网络中ID号最小的节点的负载统计滑动窗口靠拢.因此，只需把经过负载统计时间机制校正后的所有节点滑动窗口T内的负载值相加就能得到当前滑动窗口T内整个网络的信道负载统计值.
(3)
(4)
其中：ak为对应窗口的加权值，并且一般满足式(5)：
(5)
图2 时间窗口指数加权算法示意图Figure 2 Schematic diagram of the time window exponential weighting algorithm
基于MAC层的信道负载统计机制流程图如图3所示.
图3 基于MAC层的信道负载统计机制流程图Figure 3 Flowchart of channel load statistics mechanism based on MAC layer
通过该机制统计完信道负载统计后会将分组复制并延时广播2次，能够避免网络中发生碰撞导致丢失控制分组从而导致信道负载统计不准确的问题.
2.3 基于包的细粒度信道接入控制机制
SPMA协议中数据包是否能够得到服务，不仅取决于当前时刻网络信道负载的大小，还取决于信道接入控制机制.现有的信道接入控制机制都是基于整个优先级来设定的，因此当信道负载大于某一优先级i的门限阈值并且小于优先级(i-1)的门限阈值时，优先级高于(i-1)的所有优先级队列中的所有数据包不需进行退避就可直接发送，而优先级低于且等于i的所有优先级队列中的所有数据包就需要完全退避.但是通常情况下此时执行退避操作后的网络中仍有信道资源空闲，这就会导致一定程度上的信道资源的浪费.
为了解决现有SPMA协议信道接入机制中存在的信道资源利用率低问题，提出了一种基于包的细粒度信道接入控制机制.该机制设计思路如下：
(6)
可以根据式(7)计算出各优先级业务所占比例rm.
(7)
3)当信道负载大于i优先级阈值Thi并且小于(i-1)优先级的阈值Thi-1时，对于i优先级的数据包，如果将其完全接入信道会造成信道过载，高优先级业务获得不到满足其QoS要求的服务；
如果将其整优先级的退避，就会导致网络中部分信道资源空闲；
因此将这种优先级称为跨门限优先级.在本算法的退避过程中不完全退避i优先级业务分组也不使其业务能够完全接入信道，以在保证高优先级业务99%传输成功概率的基础上避免信道资源的浪费.
首先，通过比较基准阈值Thf与可以直接发送的数据包个数来得到当前还有多少信道资源空闲，空闲的信道资源Cf大小可以用式(8)表示.
(8)
根据信道负载统计阶段统计出的各节点发送相应i优先级业务分组的个数NCni(n表示节点ID，i表示分组优先级)来计算各节点发送i优先级业务分组比例Pni，将空闲的信道资源加权分配给网络中的各个节点，比例Pni的大小可以由式(9)得到，各个节点能够发送的优先级为i的数据包的个数Nni可以由式(10)计算得到.
(9)
Nni=Cf×Pni
(10)
基于包的细粒度信道接入控制机制的基本流程图见图4.
3.1 基于MAC层的信道负载统计机制仿真结果
首先，通过对基于物理层的信道负载统计机制以及基于MAC层的信道负载统计机制进行仿真分析，并将其与实际信道负载比较来验证本文提出基于MAC层的信道负载统计机制的可行性与性能优越性.首先在网络业务量较小网络负载较轻的情况下对其进行仿真，即将网络业务量设置为100 packets/s时来比较这两种信道负载统计机制的效果.根据图5的仿真结果可知，当网络负载较小时，两种方式下获得的信道负载统计值与实际的信道负载值基本能够保持一致，说明从物理层和MAC层统计信道负载的方式在轻负载下不仅可行还能够保证较高的准确性.但是随着仿真时间的延长，节点通过MAC层获取信道负载的方式相比于实际信道负载存在一定的滞后性，这是由于仿真时间越长，网络中待发送的数据包也会增多，这就不可避免地会带来负载统计包在全网广播需要耗费更多的时间，因此会存在一定的时间滞后性.但是通过MAC层信道负载统计机制中还采用了滑动窗口机制，这就使得统计得到的信道负载能够结合网络中信道负载的变化情况，因此能够在一定程度上缓解全网广播信道负载包带来的时间滞后性问题.
图4 基于包的细粒度信道接入机制流程图Figure 4 Flowchart of packet-based fine-grained channel access mechanism
图5 轻负载下信道负载统计值比较Figure 5 Comparison of channel load statistics under light load
然后，为了比较在网络负载较大的情况下这两种信道负载统计机制的效果，其他仿真参数不变将业务量调整为1 600 packets/s时，得到的仿真结果图如图6所示.根据图7的仿真对比图可以看出，在网络中负载比较大时，通过物理层获取信道负载统计值的方式会存在比较严重的脉冲碰撞问题，获得的信道负载统计值和实际信道负载值间会存在较大的误差，因此通过物理层获得信道负载统计值的方法在高负载网络下不仅实现起来比较困难而且可行性也很差；
而通过MAC层获得的信道负载统计值变化趋势基本与实际信道负载一致，但是会存在一定的时间滞后性问题.对于实际运行中的网络而言，因为其信道负载的变化存在一定的趋势性，因此可以接受一定的信道负载统计的滞后性.但是为了能够合理指导网络中数据包的退避过程，较为精确的信道负载统计值是保证网络高效运行的关键，因此本文提出的结合MAC层的信道负载统计机制具有很高的可行性和合理性.
图6 两机制下数据传输成功率仿真对比图Figure 6 Comparison of data transmission success rate simulation under two mechanisms
3.2 基于包的细粒度信道接入控制机制仿真结果
为了进一步验证信道接入机制的性能，本节将文献[12]中的整优先级信道接入机制与改进后的细粒度信道接入机制进行仿真对比，并且在几个性能指标的基础上增加了平均端对端时延作为评估信道接入机制的性能指标.
1)传输成功概率
对网络配置改进后的细粒度信道接入机制以及文献[12]中的整优先级信道接入机制下数据分组的传输成功概率进行仿真，仿真结果如图6所示.
图7 重负载下信道负载统计值比较Figure 7 Comparison of channel load statistics under heavy load
由图6可以看出，随着网络业务量的增加，两算法下仿真得出的分组传输成功率都会下降.而改进后的细粒度信道接入机制通过退避单位的细粒度化，在网络负载较大时就能够通过限制部分低优先级业务接入信道的数量以保证优先发送高优先级业务，这就起到了一定的负载控制的作用.而在文献[12]的整优先级信道接入机制，网络能够在网络负载较小的情况下保持较高的传输成功概率，但是随着网络负载的增大，数据包的传输成功概率会呈现出大幅度下降的趋势.
2)平均端对端时延
图8 两信道接入机制下数据包平均端对端时延比较Figure 8 Comparison of average end-to-end latency of packets under two-channel access mechanism
图8为两信道接入机制下网络中数据包平均端对端时延的比较仿真图，由图8可以看出，相比于文献[12]提出的整优先级信道接入机制而言，本文提出的改进算法大大降低了网络中数据包的平均端对端时延.并且由于细粒度信道接入单位的存在，使得网络中尽可能多的数据包能够成功接入信道，因此细粒度信道接入机制下平均端对端时延会以一个较平缓的趋势增加.而整优先级信道接入机制下会存在较多的数据包得不到传输，因此业务量越大造成的网络负载越大，需要退避等待传输的数据包就会越多，因此其平均端对端时延就会增加得比较快.
本文基于SPMA协议现有信道接入机制中存在的信道负载统计机制实现困难、信道接入控制单位粒度大这两个问题进行研究，并提出了相应的改进机制.首先，改变了从物理层获得信道负载的信道接入机制，经由MAC层统计网络中节点传输的各优先级数据包的个数来获得网络当前的信道负载，并且在信道负载统计机制中纳入了一种时间矫正机制，以解决网络中各节点启动时间不一致带来的信道负载统计误差问题，从而使得信道负载的统计值能够获得更高的准确度.然后，提出了一种以数据包为单位的信道接入控制机制，这种细粒度化的信道接入控制使得信道资源利用率有了一定程度的提升，并且增加了网络吞吐量的大小.最后，通过仿真验证了改进后的信道接入机制相比于原有的整优先级信道接入机制而言，能够提升网络吞吐量以及平均端对端时延等性能.
猜你喜欢细粒度物理层数据包融合判别性与细粒度特征的抗遮挡红外目标跟踪算法红外技术(2022年11期)2022-11-25基于K-ML-MPWFRFT的物理层安全传输技术湘潭大学自然科学学报(2022年2期)2022-07-28二维隐蔽时间信道构建的研究*计算机与数字工程(2022年3期)2022-04-07民用飞机飞行模拟机数据包试飞任务优化结合方法研究民用飞机设计与研究(2020年4期)2021-01-21基于SVM多分类的超分辨图像细粒度分类方法安阳工学院学报(2020年2期)2020-06-05公路联网电子不停车收费系统路侧单元物理层自动测试软件研发中国交通信息化(2019年10期)2019-11-16SmartSniff网络安全和信息化(2018年4期)2018-11-09基于web粒度可配的编辑锁设计电脑知识与技术(2017年26期)2017-11-20支持细粒度权限控制且可搜索的PHR云服务系统信息安全研究(2016年3期)2016-12-01多天线物理层安全传输系统性能分析信息安全与通信保密(2016年5期)2016-02-28