基于源节点发包速度的大型无线网络实时服务性能分析

叶梦

摘要：由于无线多跳通信在大型无线网络中应用广泛，因而对网络实时服务质量的研究变得非常重要。实时事件检测或报告的无线传感器网络、可视化传感器网络实时事件检测存在一些缺陷，如实时服务质量性能指标的端到端延时和吞吐量会随无线跳数增加而快速降低。以源节点发包速度为新的分析角度进行网络实时服务质量性能计算，将认知网络和无线多跳网络相结合，实现数据包在每一跳都能转发。在转发过程中引入源节点发包速度计算吞吐量、端到端延时和延时方差。分析和仿真结果表明，源节点发包速度的提高会在更短时间内提高网络吞吐量并达到最大吞吐量且最大吞吐量会有所增大，但是越高的源节点发包速度会在发包时间过长的情况下更快速地造成严重的网络拥塞，增大网络端到端平均时延和时延方差，增大网络能源消耗。

关键词：实时服务质量；源节点发包速度；吞吐量；端到端延时；延时方差

DOI：10.11907/rjdk.173347

中图分类号：TP393

文献标识码：A文章编号：1672-7800（2018）007-0214-05

Abstract：Becauseofthewideapplicationofmultihopwirelesscommunicationsinlarge-scalewirelessnetworks，itisnecessarytostudyreal-timequalityofservice（QoS）.Therearesomechallengesinreal-timeapplicationssuchaswirelesssensornetworksdetectionofreal-timeevents，visualsensornetworks，andsoon.Forexample，theendtoenddelayandthroughputofreal-timeQoSindicatorsdecreaserapidlywiththenumberofwirelesshops.Themainpurposeofthispaperistostudythereal-timeQoSperformancecalculationofthenetworkfromthenewanalysisangleofsourcenodesspeedofsendingDATApacket.Inthispaper，wecombinethecognitivenetworkwiththewirelessmultihopnetworktorealizethepacketforwardingwithopportunityroutingandopportunityspectrumineachhop.Inthewholeforwardingprocess，thesourcesspeedofsendingDATApacketisintroducedtocalculatethethroughput，endtoenddelayanddelayvariance.AnalysisandsimulationresultsshowthatthesourcesspeedofsendingDATApacketcouldimprovethethroughputinashorterperiodoftimeandthemaximumthroughput.Andthemaximumthroughputcouldalsogetimprovementwithhigherspeed.However，thehigherspeedofthesourcewillquicklycausedmoreseriousnetworkcongestionifthepacketsaresentforlongtime.Andthissituationalsoincreasethenetworkaverageend-to-enddelayanddelayvarianceandnetworkenergyconsumption.

KeyWords：real-timequalityofservice；thesourcenodesspeedofsendingDATApackets；throughput；end-to-enddelay；delayvariance

0引言

過去几年大型无线网络越来越受关注，如Adhoc网络、Mesh网络和无线传感器网络等。这些网络形成的相关商业应用包括实时事件检测或报告的传感器网络[1]、支持语音和多媒体的IP协议、无线Mesh网络基础设施的宽带互联网络，以及可视化传感器网络的视频监控[2]。

基于Mesh网络无线基础设施的宽带接入网络使用更低的成本实现较大的服务范围，例如城市WiFi-Mesh网络可延伸到几个主要城市，为大众提供上网和电子邮件服务。可视化传感器网络采用无线网络将显著降低设施成本，实现更高的部署密度。

但是在上述多跳无线网络中，由于引入动态网络资源造成实时通信的服务质量受限，如数据流吞吐量不足、端到端延时、延时抖动[3-5]。动态网络资源有频谱带宽和无线节点/无线电，具体是在非授权频谱带宽下基于无线衰落和干扰的随机频谱可用性以及源于动态负载和其它因素（如无线电失灵），这两大因素影响着无线电性能。

本文运用大型认知网络解决以上限制。认知无线网络利用频谱宽带和无线节点/无线电实现可靠的大型无线通信。在实时服务质量（qualityofservice：QoS）分析过程中引入源节点发包速度，从而得出源节点发包速度和吞吐量、端到端时延、时延抖动的关系。

1相关工作

认知网络和嵌入式互联网络（EWI）结构的相关工作在参考文献[1，6-10]中进行了阐述，其中在参考文献[6]中提出了大型认知无线网络概念，在参考文献[7]中，建议将EWI作为无线传感器网络的跨层统一设计架构。在参考文献[8，9]中，作为试点结构参考模型，EWI在无线传感器网络中首次被引用到特定的应用研究。在参考文献[9]中，EWI进一步运用在无所不在的无线Mesh基础设施构建中。

单播设计与已有的机会路由关联的研究工作见参考文献[10-13]。原则上，机会路由方案是处理路由协议和MAC协议的协同设计，然而之前的研究大多是处理单跳服务指标。在参考文献[14]中，LiangSong和DimitriosHatzinakos运用网络地址、无线电实施、数据包转发过程这三部分进行单播模块设计。单播模块机会的操作邻近节点，使得端到端的实时服务质量性能随着连续的邻近操作得到保证。以源节点到目的节点跳数分析计算吞吐量、端到端延时以及延时抖动。

本文在LiangSong和DimitriosHatzinakos研究工作的基础上，提出以源节点发包速度这个新的参考变量分析网络的实时服务质量，得到源节点发包速度和吞吐量、端到端延时和延时抖动的关系。

2实时服务质量性能分析

性能分析是在数学上量化本文的主要论点。为了分析实时服务质量，在单播链路模块中，主要指标有吞吐量、端到端延时和延时抖动。所有研究主要回答一个问题：服务质量指标如何随着源节点发包速度的大小变化而变化。

2.1分析模型

性能分析模型包括节点分布、无线信道、能量消耗、带宽可用性和空闲概率这5个重要因素。

2.1.1节点分布模型

节点分布模型是节点密度为λ的二维泊松分布，即给定区域Α面积为|Α|，区域内的节点数量随着参数λ|Α|泊松分布，其中泊松模型是运用在随机分布和随机移动的典型模型。

2.1.2无线信道模型

给定任意发送节点n和任意接收节点m，传输成功的信道是一个与发射功率Ρt、无线电数据速率R和传输距离ζ=|Lm-Ln|有关的函数，定义这个函数为f（Pt，R，ζ）。

假设信道符合小规模瑞利衰落[15]，信道模型如下：

其中，G是一个常量，指传播损耗，N0是接收噪声功率的频谱密度，α是无线信道路径损耗的部分，B是一个阈值常数，表示接收器的灵敏度，ξ指变量的单位均值。

2.1.3能量消耗模型

在单播链路模块中，空闲状态的节点能量消耗定义为PI。在“发送DATA”、“发送RTS”、“发送CTS”、“发送ACK”这4种状态下的能量消耗定义为Ps+（1+β）·Pt，其中Ps是发射器电路功耗，β是由射频功率放大器效率决定的常数。节点其它状态或时间下（例如接收或空闲监听状态）的能量消耗定义为PR。

2.1.4带宽可用性与空闲概率

当开始一个单播模块时，假设节点在没有重大延时的情况下通过认知无线电总是可以找到可用信道，空闲概率就是节点参与周围节点发起的单播无线链路且处在空闲状态下的概率。在分析过程中定义这个空闲概率为ρ。

2.2端到端性能分析

一次端到端数据传输在源节点到目的节点形成一条逻辑链路，中间通过多次迭代完成一次传输。本文的分析方法是通过分析迭代性能即单跳性能，最后得到端到端性能。给定源节点发包速度为Vs，分析结果表示为最大吞吐量Φ，端到端延时为γ，端到端延时抖动为θ。

2.2.1端到端延时

给定源节点发包速度Vs，则传输时间t内源节点发送的数据包总数为Vs·t。定义目的节点接收的数据包的个数为Nd，则t时刻节点空闲概率为：

其中N为信道数，因为考虑节点在没有重大延时情况下通过认知无线电总可以找到可用信道，所以忽略传输过程中丟失的DATA数据包。

联合式（2）、式（4）可知，源节点发包速度Vs很小时，整个网络空闲节点概率很高，利用率不高，网络吞吐量Φ也偏小。当源节点发包速度Vs提高到使网络节点空闲概率偏低时，吞吐量Φ随着源节点发包速度Vs的增长而增长。但是源节点发包速度Vs再继续增长，空闲节点概率过低就会导致网络阻塞，使吞吐量Φ降低。

2.2.2端到端时延期望

端到端延时定义为∑Ii=1τi，由式（3）得端到端的延时期望为：

联合式（2）、式（5）可知端到端延时变量γ大小随着源节点的发包速度Vs的提高而在短时间内增大，很快达到最大吞吐量。

2.2.3端到端延时抖动

定义Ic为DATA数据包迭代完成的次数即无线跳数，Iu为未完成迭代的次数。Ic和Iu是两个独立的随机变量且I=Ic+Iu，则延时抖动为：

联合式（2）、式（6），延时抖动变量Θ的大小随源节点发包速度Vs的增大而增大。

2.2.4网络能量消耗

2.3小结

分析结果表明，实时服务质量指标随着网络规模扩大而大幅度提高，特别是最大吞吐量Φ可以独立于传输距离的限制。源节点发包速度Vs在一定范围内的提高能减小网络中节点的空闲概率ρ，有效增加网络利用率，使吞吐量Φ增大。端到端延时γ和延时抖动Θ以及网络的能量消耗Ξ都会随着源节点发包速度Vs的增大而增大。

3仿真实验

3.1仿真实验参数分析

仿真实验中一些数据的固定值见表1，要注意的是给定的无线电传输参数符合所开发的试验台，而其它参数例如功耗和信道模型参数是典型的室内短距离无线电参数。对于每次迭代都随机生成密度为λ的泊松点，给定传输距离为l的源节点和目的节点，设置源节点发包速度。根据描述的单播模块以源节点速度为Vs发送DATA数据包到目的节点，然后记录每个DATA数据包端到端延时实例。

3.2仿真实验结果分析

在仿真实验中，固定节点密度λ=0.1/m2，给定源节点速度分别为每秒发送10、15、20个DATA数据包，最后统计实验所得数据，得到结果如图1所示。

图1显示给定源节点速度，短时间内吞吐量提高的速率较快，随着发包时间变长，网络中的数据包增多，吞吐量的提高速率会有所降低。源节点发包速度越快吞吐量提高速率越高，源节点速度增大，网络中最大吞吐量也会增大。当达到了最大吞吐量之后继续发送DATA数据包会造成网络拥塞，吞吐量会降低，并且发包速度越快，吞吐量降低速率越高。

图2、图3显示端到端平均时延和端到端时延方差大约随源节点发包时间呈线性状态。源节点发送数据包时间越长，端到端平均时延和时延方差值越大，并且源节点发包速度越快，端到端平均时延和时延方差增加比率越高，网络拥塞后的端到端平均时延和时延方差值越大。

图4表示网络平均能耗在网络开始工作时会比网络工作一段较短的时间内能耗更高。当通过最低网络平均能耗的时间点之后，网络平均能耗与源节点发包时间近似呈线性增长关系。如果源节点持续发包，网络中的数据包会增多，网络中工作的节点增多，消耗的能量增加，并且网络源节点发包速度越快，在网络拥塞后消耗的能量越多。

4结语

仿真实验结果表明，源节点发包速度与网络实时服务性能指标息息相关。源节点发包速度的提高会在很短的时间内提高网络吞吐量并达到吞吐量最大值且最大吞吐量会增大，但是源节点发包速度越高，会在发包时间过长的情况下造成更严重的网络拥塞，增大网络的端到端平均时延和时延方差，增大网络能源消耗。

本文只针对网络源节点发包速度的改变衡量大型实时网络的服务性能指标，对于其它因素，例如源节点到目的节点距离、网络节点密度，则没有与源节点发包速度的改变相结合进行分析，今后可在这些方面进行相关研究。

参考文献：

[1]SONGL.Wirelessmeshinfrastructuresupportingbroadbandinternetwithmultimediaservices[C].inProceedingsofthe4thIEEEInternationalConferenceonCircuitsandSystemsforCommunications（ICCSC'08），pp.792–796，Shanghai，China，May2008.

[2]KUNDURD，LINCY，LUCS.Visualsensornetworks[J].EURASIPJournalonAdvancesinSignalProcessing，2007（3）：215-255.

[3]ANSI/IEEEStandardforLocalandMetropolitanAreaNetworksPart11（802.11）[S].WirelessLANmediumaccesscontrol（MAC）andphysicallayer（PHY）specifications.revised2003.

[4]DRAVESR，PADHYEJ，ZILLB.Routinginmulti-radio，multi-hopwirelessmeshnetworks[C].inProceedingsofthe10thAnnualInternationalConferenceonMobileComputingandNetworking（MOBICOM04），pp.114–128，Philadelphia，Pa，USA，September2004.

[5]ZHUY，LIUH，WUM，etal.Implementationexperienceofaprototypeforvideostreamingoverwirelessmeshnetworks[C].inProceedingsofthe4thAnnualIEEEConsumerCommunicationsandNetworkingConference（CCNC07），pp.23-28，LasVegas，Nev，USA，January2007.

[6]DJUKICP，VALAEES.Linkschedulingforminimumdelayinspatialre-useTDMA[C].inProceedingsofthe26thIEEEInternationalConferenceonComputerCommunications（INFOCOM′07），pp.28–36，Anchorage，Alaska，USA，May，2007.

[7]SONGL.Cognitivenetworks：standardizingthelargescalewirelesssystems[C].inProceedingsofthe5thIEEEConsumerCommunicationsandNetworkingConference（CCNC′08），LasVegas，Nev，USA，2008（1）：988-992.

[8]SONGL，HATZINAKOSD.Embeddedwirelessinterconnectforsensornetworks：conceptandexample[C].inProceedingsofthe4thAnnualIEEEConsumerCommunicationsandNetworkingConference（CCNC′07），pp.850–854，LasVegas，Nev，USA，2007（1）：850-854.

[9]BISWASS，MORRISR.Opportunisticroutinginmultihopwirelessnetworks[C].inProceedingsofthe2ndACMWorkshoponHotTopicsinNetworks（HotNets′03），Cambridge，Mass，USA，November2003.

[10]ZORZIM，RAORR.Geographicrandomforwarding（GeRaF）foradhocandsensornetworks：energyandlatencyperformance[J].IEEETransactionsonMobileComputing，2003，2（4）：349-365.

[11]ZORZIM，RAORR.Geographicrandomforwarding（GeRaF）foradhocandsensornetworks：multihopperformance[J].IEEETransactionsonMobileComputing，2003，2（4）：337-348.

[12]SHAHRCS，WIETHOLTERS，W¨OLISZA，etal.Modelingandanalysisofopportunisticroutinginlowtrafficscenarios[C].inProceedingsofthe3rdInternationalSymposiumonModelingandOptimizationinMobile，Adhoc，andWirelessNetworks（WIOPT′05），pp.294-304，Trentino，Italy，April2005.

[13]BLETSASA，KHISTIA，REEDDP，etal.Asimplecooperativediversitymethodbasedonnetworkpathselection[J].IEEEJournalonSelectedAreasinCommunications，2006，24（3）：659-672.

[14]SONGL，HATZINAKOSD.Real-timecommunicationsinlargescalewirelessnetworks[C].InternationalJournalofDigitalMultimediaBroadcasting，vol.2008，no.586067，2008.

[15]RAPPAPORTTS.Wirelesscommunications：principlesandpractice[M].NewJersey：PrenticeHall，1996.

（責任编辑：杜能钢）