機載自組網(wǎng)信道占用統(tǒng)計預測機制

劉煒倫，張衡陽，鄭 博，趙 瑋

空軍工程大學 信息與導航學院，西安 710077

1 引言

機載自組網(wǎng)（Airborne Ad Hoc Network）[1-3]是將地面移動自組網(wǎng)技術(shù)應用于航空通信而產(chǎn)生的新研究領(lǐng)域，具有部署迅速、自組織、高抗毀等特點，能夠明顯提升各類飛行器網(wǎng)絡化協(xié)同作戰(zhàn)能力，是對現(xiàn)有航空通信網(wǎng)絡的補充和發(fā)展。

機載自組網(wǎng)中的信道資源有限，拓撲具有高速動態(tài)變化特性，且傳輸業(yè)務要求多優(yōu)先級并存，若業(yè)務負載持續(xù)增大，將會造成大量的擁塞和沖突，導致網(wǎng)絡性能的下降，無法滿足機載自組網(wǎng)中指揮控制、作戰(zhàn)指令等高優(yōu)先級業(yè)務高可靠、低時延的服務質(zhì)量（Quality of Service，QoS）需求[4]。為保證數(shù)據(jù)傳輸?shù)臅r效性、可靠性，以及區(qū)分不同優(yōu)先級服務，媒質(zhì)接入控制（Medium Access Control，MAC）協(xié)議[5]的設計必須考慮各優(yōu)先級業(yè)務的不同QoS需求。美軍戰(zhàn)術(shù)目標瞄準網(wǎng)絡技術(shù)[6-8]（Tactical Targeting Network Technology，TTNT）采用多信道隨機競爭類MAC協(xié)議——（Statistical Priority-based Multiple Access）SPMA協(xié)議，協(xié)議基于多信道認知和跳頻跳時機制，通過統(tǒng)計信道歷史占用情況實現(xiàn)了對不同優(yōu)先級業(yè)務的接入控制，但由于技術(shù)保密，量化信道忙閑程度和各優(yōu)先級業(yè)務閾值設置的具體方法并沒有明確給出，但信道忙閑程度的量化方法會直接影響協(xié)議性能，因此，通過合理設計信道忙閑程度的量化表示方法，實現(xiàn)對不同優(yōu)先級業(yè)務的接入控制，是MAC協(xié)議設計的重點問題。

文獻[9]提出了一種區(qū)分優(yōu)先級的PFH_MAC協(xié)議，根據(jù)前一時刻的突發(fā)分組數(shù)量量化信道忙閑程度，從而限制低優(yōu)先級業(yè)務的接入，但信道忙閑程度值的設置僅依靠網(wǎng)絡中前一時刻突發(fā)分組數(shù)量，不能準確反映當前信道忙閑程度，同時網(wǎng)絡中僅有兩個優(yōu)先級，無法保證多優(yōu)先級業(yè)務的QoS需求。文獻[10]基于隨機接入機制，提出一種采用部分可觀測馬爾可夫決策過程的信道接入策略，可為不同優(yōu)先級分組的接入決策過程提供理論依據(jù)并有效控制接入沖突，但該接入策略并未給出對下一時刻信道負載的準確預測方法。文獻[11]針對航空通信網(wǎng)絡，提出一種信道忙閑程度統(tǒng)計預測機制，通過統(tǒng)計信道占用狀態(tài)的歷史信息對下一時刻的信道忙閑程度實時預測，但預測準確度只能達到70%。文獻[12]針對航空環(huán)境具有大尺度稀疏性，載波偵聽結(jié)果并不準確的問題，提出一種信道忙閑認知算法，具有較高的平均預測概率，但是算法波動性較大，無法實時保證較高的正確預測概率。

針對上述問題，本文在隨機競爭類MAC協(xié)議的基礎(chǔ)上，提出一種信道占用統(tǒng)計預測機制（Statistical Prediction Mechanism of Channel Occupancy，SPMCO）。在根據(jù)信道負載劃分忙閑程度的基礎(chǔ)上，該機制采用滑動窗口機制[13]、加權(quán)-馬爾科夫鏈預測模型，通過統(tǒng)計一段時間內(nèi)信道負載的歷史信息來對下一時刻的信道狀態(tài)實時預測，并將信道負載的多步預測值和真實值的差值作為當前時刻預測值的修正，根據(jù)預測結(jié)果與業(yè)務等級規(guī)定的接入門限決定分組是否可以接入信道，實現(xiàn)了優(yōu)先級區(qū)分服務。仿真結(jié)果表明，該機制預測準確度高于90%，能夠改善隨機競爭類MAC協(xié)議在重負載下的性能。

2 信道忙閑程度劃分標準

機載自組網(wǎng)中多信道狀態(tài)模型如圖1所示，整個網(wǎng)絡包括N個獨立可用子信道，記為子信道 f1，f2，…，fN，信道之間不存在干擾問題。且各子信道上不同顏色代表某一時刻的信道狀態(tài)，空白表示信道未被突發(fā)所占用，即信道狀態(tài)空閑；陰影表示信道被突發(fā)占用，即信道狀態(tài)忙碌。

圖1 機載自組網(wǎng)多信道狀態(tài)模型

假設機載自組網(wǎng)中分組到達服從泊松分布，各優(yōu)先級分組具有相等的長度，且拆分成長度相等的突發(fā)進行發(fā)送。因此，在單位時間σ（即單個突發(fā)在信道中的傳輸時間）內(nèi)，產(chǎn)生k個突發(fā)的概率為：

其中，G為業(yè)務負載，其表達式為：

其中，Nnode表示網(wǎng)絡中的節(jié)點數(shù)量，λ表示單個節(jié)點的分組到達率。

由于各個子信道之間不存在干擾，因此，在分組傳輸過程中，若沒有其他分組在其所占用的信道上傳輸，該分組將傳輸成功。因此，根據(jù)式（1），分組成功傳輸概率Psuc可以表示為：

由式（3）可知，在信道數(shù)量N一定的情況下，Psuc值將隨信道負載G的增大而減小。因此，下一時刻的業(yè)務負載是影響分組成功傳輸概率的唯一因素，可用其來衡量信道忙閑程度。為了更好地表述信道忙閑程度，根據(jù)下一時刻信道負載G的取值區(qū)間，將信道忙閑程度劃分為4個等級，見表1，其中信道負載G的區(qū)間劃分是由Psuc的取值范圍決定的。

表1 信道忙閑程度劃分標準

3 信道忙閑程度預測模型

3.1 滑動窗口機制

由于在單跳全連通的網(wǎng)絡中，任一節(jié)點都可以通過廣播的方式接收網(wǎng)絡中的所有數(shù)據(jù)分組，因此，為了提高預測性能的時效性與準確性[11]，節(jié)點采用滑動窗口機制對收到的突發(fā)數(shù)量進行實時統(tǒng)計。

當網(wǎng)絡開始運行時，節(jié)點的統(tǒng)計窗口機制同步運行，其中，窗口大小為J（J的大小由人為設定），每次統(tǒng)計的總時長為J·σ（σ表示單位時長，即單個突發(fā)在信道中的傳輸時間），且每經(jīng)過σ時間時，窗口依時間軸向右滑動一次并繼續(xù)下一次的統(tǒng)計，如圖2所示。

3.2 加權(quán)-馬爾科夫鏈預測模型

節(jié)點通過廣播信息獲取最近統(tǒng)計時段J內(nèi)每一時刻突發(fā)個數(shù)，即X=(x1,x2,…,xJ)。為了獲得下一時刻網(wǎng)絡中突發(fā)分組個數(shù)所處區(qū)間，采用加權(quán)-馬爾科夫鏈預測模型對xJ+1進行預測。

圖2 統(tǒng)計預測模型圖

首先，對序列X=(x1,x2,…,xJ)進行滑動平均[14-15]處理得：

其中：

n表示單側(cè)平滑時距。

對新序列求均值得：

對新序列求方差得：

由于信道負載區(qū)間對應著4種不同的忙閑程度值，因此，新序列X^內(nèi)每一個數(shù)據(jù)都對應著一種信道狀態(tài)，即馬爾可夫狀態(tài)。

定義di,j表示在統(tǒng)計窗口J內(nèi)的樣本由其所對應的信道忙閑程度值i經(jīng)一步轉(zhuǎn)移到信道忙閑程度值 j的頻次，其中，，則一步轉(zhuǎn)移概率P1為：

同理可求得P2,P3,P4等。

計算各階步長下的自相關(guān)系數(shù)，計算公式如下：

其中，k表示步長。

在計算出各階自相關(guān)系數(shù)后進行歸一化處理，并將處理結(jié)果值作為各種步長的馬爾科夫鏈的權(quán)重。歸一化公式如下：

按照式（10）將同一狀態(tài)各預測概率加權(quán)作為處于該狀態(tài)的預測概率：

依據(jù)最大隸屬度原則[16]，當存在max{Pi,i∈I} ＞0.5時，則 max{Pi,i∈I}所對應的狀態(tài)i為當前時刻的信道忙閑程度值。否則用級別特征值法來確定其狀態(tài)，當有-0.5＜H-i＜0.5存在時，則判定當前時刻信道所處的狀態(tài)為i。

計算下一時刻信道負載的預測值，即突發(fā)數(shù)量值。首先給各狀態(tài)賦以相應的權(quán)重，構(gòu)成權(quán)重集D={D1,D2,…,Dm}，m為系統(tǒng)的狀態(tài)數(shù)。其中權(quán)重的大小取決于各狀態(tài)概率的大小，即：

式（13）中η為最大概率作用系數(shù)，在實際應用中通常取為2。

定義H為級別特征值，其值可由式（14）確定：

依據(jù)最大概率原則確定狀態(tài)所對應的預測值Xforecast。

其中，ai，bi為狀態(tài)i所對應負載區(qū)間值的上下限。

在統(tǒng)計窗口J內(nèi)，將J個數(shù)據(jù)的預測值Xiforecast(i∈[1 , J])與其真實接收值Xireal對比產(chǎn)生誤差的均值α作為此次預測的修正，即：

因此，最終的預測公式為：

3.3 統(tǒng)計預測機制流程

綜上所述，機載自組網(wǎng)中信道忙閑程度統(tǒng)計預測機制的具體流程如圖3所示。

4 基于優(yōu)先級的信道接入模型

圖3 統(tǒng)計預測機制流程

假設機載自組網(wǎng)中存在4種優(yōu)先級業(yè)務信息，各優(yōu)先級業(yè)務具有不同的QoS需求。根據(jù)信道忙閑程度劃分標準，當預測到信道負載在(a1,b1)時，認為信道較閑，優(yōu)先級1、2、3、4的業(yè)務都可以接入信道。

當預測到信道負載G在(a2,b2)時，此時的信道忙閑程度值為2，信道略忙，將限制優(yōu)先級4業(yè)務接入信道，因此優(yōu)先級4業(yè)務允許接入信道的概率為：

當預測到當前信道負載G在(a3,b3)時，此時信道忙閑程度為3，信道較忙，將限制優(yōu)先級4、3接入信道，因此優(yōu)先級3業(yè)務允許接入信道的概率為：

當預測到信道負載G在(a4,b4)時，此時對應的信道忙閑程度為4，信道繁忙，將限制優(yōu)先級4、3、2業(yè)務接入信道，只允許優(yōu)先級1業(yè)務接入信道，因此優(yōu)先級2業(yè)務允許接入信道的概率為：

綜上所述，各優(yōu)先級信道接入權(quán)限與信道負載的關(guān)系如表2所示。

表2 優(yōu)先級接入權(quán)限與信道負載的關(guān)系

5 仿真分析

下面采用OMNeT++仿真工具對統(tǒng)計預測機制的性能進行仿真評估。仿真場景中，所有節(jié)點在200 km×200 km×10 km的三維空間內(nèi)隨機分布，構(gòu)成全連通網(wǎng)絡，且各節(jié)點隨機選擇目的節(jié)點進行通信，具體仿真參數(shù)設置如表3所示。

表3 仿真參數(shù)設置

將表3的參數(shù)代入式（3）得到各信道忙閑程度值所對應的信道負載區(qū)間，結(jié)果如表4所示。

表4 信道負載區(qū)間計算結(jié)果

取J=50，任選一個統(tǒng)計窗口作為研究對象，通過仿真得到信道負載數(shù)量、預測誤差及信道忙閑程度值的真實值，并按照圖3的統(tǒng)計預測機制流程對下一時刻整個網(wǎng)絡中的信道負載數(shù)量、預測誤差及信道忙閑程度值進行統(tǒng)計預測，同時將其與文獻[11]提出的SPMCBID預測機制及文獻[12]提出的LS-AR預測算法進行對比，仿真結(jié)果如圖4～圖6所示。

圖4 下一時刻信道負載數(shù)量與分組到達率的關(guān)系

圖5 下一時刻突發(fā)預測誤差與分組到達率的關(guān)系

圖6 下一時刻信道忙閑程度值與分組到達率的關(guān)系

由圖4可知，下一時刻網(wǎng)絡中信道負載數(shù)量的真實值與本文提出的SPMCO機制預測值近似，而SPMCBID機制和LS-AR線性預測機制的預測性能一般，表明SPMCO預測算法具有優(yōu)良的性能。由圖5可知，SPMCO機制的突發(fā)預測誤差可以始終保持在10%以下，滿足系統(tǒng)設計需求，而SPMCBID機制和LS-AR機制均無法保證突發(fā)預測誤差在10%以下。由圖6可知，即使算法對突發(fā)數(shù)量的預測存在一定誤差，但只要保證預測數(shù)量值在其信道忙閑程度值所對應的負載區(qū)間內(nèi)，仍然可以得到下一時刻準確的信道狀態(tài)值，且SPMCO機制具有更優(yōu)異的預測效果。

取λ=5packet/σ，正確預測概率隨統(tǒng)計窗口J變化關(guān)系如圖7所示。當J小于50時，隨著J的增加，統(tǒng)計預測機制正確預測概率逐漸增大；當J=50時，正確預測概率逐漸趨于平穩(wěn)，平穩(wěn)時正確預測概率接近90%，這表明更多的樣本值也無法帶來預測性能的增加，只會盲目增加運算量。因此，應該選擇合適的統(tǒng)計窗口值，保證較高預測概率的同時減少運算開銷。

圖7 正確預測概率與統(tǒng)計窗口大小的關(guān)系

假設網(wǎng)絡中存在4種優(yōu)先級業(yè)務，優(yōu)先級1業(yè)務分組到達率固定為6 packet/s，優(yōu)先級2、3、4業(yè)務分組到達率的比例為1∶3∶6。將 G=2.2，5.4，10.2分別設置為優(yōu)先級4、3、2分組的接入閾值，優(yōu)先級1具有最高接入權(quán)限，所以不需要設定接入閾值。分組到達率與各優(yōu)先級接入成功率的關(guān)系如圖8所示，圖8表明該機制可以保證優(yōu)先級1業(yè)務成功概率始終保持在75%以上，優(yōu)先級2業(yè)務保持在50%以上，優(yōu)先級3業(yè)務保持在25%以上，能夠為不同優(yōu)先級業(yè)務提供差分服務。

圖8 各優(yōu)先級接入成功率與分組到達率的關(guān)系

將采用信道占用統(tǒng)計預測機制的多信道ALOHA（Statistical Prediction of Channel Occupancy based on Multi-Channel ALOHA）協(xié)議稱為SPMCA-MAC協(xié)議，將其與相同信道數(shù)量的ALOHA協(xié)議與CSMA協(xié)議的系統(tǒng)吞吐量進行對比，結(jié)果如圖9所示。結(jié)果表明本文提出的信道占用統(tǒng)計預測機制可以明顯提升系統(tǒng)性能，通過劃分信道忙閑程度限制分組在重負載下的接入數(shù)量，保持了系統(tǒng)穩(wěn)定的吞吐量，性能明顯優(yōu)于ALOHA協(xié)議和CSMA協(xié)議。

圖9 不同協(xié)議下的系統(tǒng)吞吐量性能對比

6 結(jié)束語

針對機載自組網(wǎng)中隨機競爭類MAC協(xié)議在重負載下性能嚴重惡化的問題，提出一種信道占用統(tǒng)計預測機制，通過統(tǒng)計一段時間內(nèi)突發(fā)信號的歷史數(shù)量信息對下一時刻的信道狀態(tài)實時預測，并將突發(fā)數(shù)量的多步預測值和真實值的差值作為當前時刻預測值的修正，提高了預測性能及協(xié)議系統(tǒng)吞吐量。仿真結(jié)果表明，該機制預測準確度高于90%，并且可以為多優(yōu)先級業(yè)務提供區(qū)分服務能力，性能優(yōu)于CSMA協(xié)議及ALOHA協(xié)議。