一种传输时限下ALOHA网络吞吐率的简单分析方法

一种传输时限下aloha网络吞吐率的简单分析方法
技术领域
1.本发明涉及无线网络通信技术领域，具体为一种传输时限下aloha网络吞吐率的简单分析方法。


背景技术：

2.近年来，随着各类实时无线通信业务的涌现，人们对无线网络数据传输的时效性和可靠性要求不断提高，从而需要在传输时限下关注以上通信性能指标，此时此类网络与传统无传输时限约束的无线网络存在较大不同。为了更高效的通信，无线网络协议媒体介入控制层(medium access control，mac)层规定了多个用户如何公平地共享和使用无线通信资源，对无线网络各项通信性能指标具有至关重要的作用，是保证无线网络高效通信的关键机制之一。其中，aloha随机多址接入因其灵活易用、控制开销小而适用于传输时限下的不可预测突发传输场景。然而以往传输时限下aloha网络吞吐率分析方法未考虑传输次数限制和数据在不同紧迫度的时候成功传输对于实际应用具有不同价值，因此需要针对这两点提出网络吞吐率的更准确分析方法。


技术实现要素：

3.本发明旨在提供一种传输时限下aloha网络吞吐率的简单分析方法，以对固定传输时限约束aloha随机多址接入的网络吞吐率进行优化，为传输时限下aloha随机多址接入的有效实施提供帮助。
4.实现本发明目的的技术方案为：一种传输时限下aloha网络吞吐率的简单分析方法，具体步骤为：
5.步骤1、确定马尔可夫过程的相关参数，所述参数包括：描述在时隙t的开始时刻标签用户个体状态{(d
t
,r
t
)∈s:t＝0,1,2,
…
}、描述标签用户个体在状态{(d
t
＝d,r
t
＝r)∈s}转移到状态{(d
t+1
＝d',r
t+1
＝r')∈s}的转移概率β(d,r,d',r')、描述标签用户个体状态处于(d,r)的稳态概率π
d,r
；
6.步骤2、基于个体状态稳态概率，确定任一数据包成功传输的概率τ；
7.步骤3、确定传输时限下网络吞吐率。
8.与现有技术相比，本发明基于aloha随机多址接入，综合考虑传输时限和传输次数约束，从个体用户角度仅基于队首数据包紧迫性信息对多用户场景进行马尔可夫建模，从而使得建模复杂度能够适用于任意多用户场景，因此能够对传输时限下网络吞吐率的简单分析提供有效帮助。
附图说明
9.图1为本发明的流程图。
10.图2为实施例1中γ＝1时aloha网络吞吐率理论值与仿真值比较图。
11.图3为实施例1中γ＝0.9时aloha网络吞吐率理论值与仿真值比较图。
具体实施方式
12.本发明应用在一个由n≥2个用户和一个接入点构成的全连接且全局时钟同步的无线网络，n个用户共享一个时间轴被划分为边界对齐长度相等的若干个时隙t，t∈{1,2,3...}的信道，均能准确地定位到时隙边界且以概率p尝试发送队首数据包至接入点。每个用户在每个时隙t的开始时刻有新数据包到达的概率为0＜λ≤1。假设每个数据包传输时限为d≥1个时隙，即数据包在队列中的逗留时间达到d则将被移出队列。在此假设下，可见每个用户的队列长度最大为d。另外，假设每个数据包被允许最多传输1≤r≤d次。在时隙t的开始时刻，如果用户n队列非空，则采用概率p发送队首数据包，其传输时间与接入点反馈应答时间共同占据一个时隙；如果用户n在时隙t发送了数据包，则用户n在时隙t末可获得接入点反馈信息从而得知队首数据包传输成功或失败；最终，若此队首数据包传输成功，或逗留时间达到传输时限d，或传输次数达到上限r都将被丢弃。当一个用户在时隙t开始时刻发送一个数据包，当且仅当无其他用户在此时隙发送数据包时，此数据包方能被接入点成功接收；而在此时隙末，此用户能通过接入点反馈确认此数据包是否传输成功，若传输失败则将允许此数据包继续逗留于队列直至其队列逗留时间达到d或此数据包传输次数已达到r。一种传输时限下aloha网络吞吐率的简单分析方法，具体步骤为：
13.步骤1、确定马尔可夫过程的相关参数，所述参数包括：描述在时隙t的开始时刻标签用户个体状态{(d
t
,r
t
)∈s:t＝0,1,2,
…
}、描述标签用户个体在状态{(d
t
＝d,r
t
＝r)∈s}转移到状态{(d
t+1
＝d',r
t+1
＝r')∈s}的转移概率β(d,r,d',r')、描述标签用户个体状态处于(d,r)的稳态概率π
d,r
；
14.步骤2、基于个体状态稳态概率，确定任一数据包成功传输的概率τ；
15.步骤3、确定传输时限下网络吞吐率。
16.优选地，步骤1中所述的马尔可夫过程相关参数的确定方法，具体为：
17.步骤1-1：确定时隙开始时刻数据包到达概率为λ，标签用户数据队列非空时发送数据概率p以及标签用户个体状态{(d
t
,r
t
)∈s}，其中d
t
∈{-1,0,
…
,d-1，r
t
∈{0,
…
,r-1}。当0≤d
t
≤d-1时，d
t
表示时隙t开始时刻用户队首数据包的逗留时间，d为数据包的传输时限；当d
t
＝-1时，表示时隙t开始时刻用户数据队列为空。当0≤r
t
≤r-1时，r
t
表示时隙t开始时刻标签用户队首数据包的已传输次数，r表示数据包的传输次数限制，当r
t
＝0时，表示时隙t开始时刻用户数据队列为空。
18.步骤1-2：确定标签用户个体状态分类，将标签用户个体状态集合s划分为以下四类：
19.⑴
分类s1＝{(-1,0)}：表示标签用户在当前时隙开始时刻无数据包等待发送；
20.⑵
分类s2＝{(d,0)∈s:0≤d≤d-2}：表示标签用户在当前时隙开始时刻有数据包等待发送，其逗留时间小于d-1且已传输次数为0；
21.⑶
分类s3＝{(d,r)∈s:1≤r≤d≤d-2,1≤r≤r-1}：表示标签用户在当前时隙开始时刻存在数据包等待发送，其逗留时间小于d-1且已传输次数大于0(在之前的时隙此数据包已被发送但传输失败)；
22.⑷
分类s4＝{(d-1,r)∈s:0≤r≤r-1}：表示标签用户在当前时隙开始时刻有数据包等待发送，但其逗留时间等于d-1，则此数据包在当前时隙末将被丢弃。
23.步骤1-3：确定标签用户个体在状态{(d,r)∈s}转移到状态{(d',r')∈s}的转移
概率β(d,r,d',r')，具体表示如下：
24.⑴
当标签用户处于状态分类s1时，在当前时隙开始时刻标签用户中无数据包等待发送，因此在下一个时隙开始时刻的队首数据包逗留时间仅可能为-1或0，从而使得来自分类s1的状态转移包含以下两种情况：
25.①
下一时隙开始时刻有新数据包到达用户(表明下一时隙队首数据包逗留时间d'＝0)，可得：
26.β(-1,0,0,0)＝λ
27.②
下一时隙开始时刻没有新数据包到达用户(表明下一时隙队首数据包逗留时间d'＝-1)，可得
28.β(-1,0,-1,0)＝1-λ
29.⑵
当标签用户处于状态分类s2、s3时，在当前时隙开始时刻标签用户中有数据包等待发送，且逗留时间为0≤d≤d-2，因此在当前时隙末队首数据包不会因为逗留时间超过d-1被丢弃，从而使得来自分类s2、s3的状态转移包含如下四种情况：
30.①
用户在当前时隙的开始时刻未发送队首数据包，下一时隙队首数据包的逗留时间d'＝d+1，已传输次数r'＝r，因此可得
31.β(d,r,d+1,r)＝1-p
32.②
用户的队首数据包已传输次数0≤r＜r-1且当前时隙发送队首数据包但传输失败，则下一时隙队首数据包逗留时间d'＝d+1，已传输次数r'＝r+1，因此可得
33.β(d,r,d+1,r+1)＝p(1-τ)
34.③
用户的队首数据包成功传输或已传输次数达到r被丢弃，并且在下个时隙开始时刻队首数据包逗留时间d'＝-1(表明当前时隙开始时刻的队首数据包到达用户之后的d个时隙均无新数据包到达)，可进一步划分为以下两种子情况讨论：
35.当0≤r＜r-1(表明队首数据包在当前时隙被成功传输进而被丢弃)，可得
36.β(d,r,-1,0)＝pτ(1-λ)
d+1
37.当r＝r-1(表明队首数据包在当前时隙被传输进而被丢弃)，可得
38.β(d,r,-1,0)＝p(1-λ)
d+1
39.④
用户的队首数据包成功传输或已传输次数达到r被丢弃，并且在下一个时隙的开始队首数据包逗留时间0≤d'≤d(表明当前时隙开始时刻的队首数据包到达用户之后的d-d'+1个时隙下一个新数据包到达)，可进一步划分为以下两种子情况讨论：
40.当0≤r＜r-1(表明队首数据包在当前时隙被成功传输进而被丢弃)，可得
41.β(d,r,d',0)＝pτ(1-λ)
d-d'
λ
42.当r＝r-1(表明队首数据包在当前时隙被传输进而被丢弃)，可得
43.β(d,r,d',0)＝p(1-λ)
d-d’λ
44.⑶
当标签用户处于状态分类s4时，在当前时隙开始时刻有数据包等待发送且逗留时间为d＝d-1，因此在当前时隙末队首数据包因为逗留时间超过d-1丢弃，从而使得来自分类s4的状态转移包含以下两种情况：
45.①
当d'＝-1(表明当前时隙开始时刻的队首数据包到达用户之后的d-1个时隙均无新数据包到达)，可得
46.β(d-1,r,-1,0)＝(1-λ)d47.②
当0≤d'≤d-1(表明当前时隙开始时刻的队首数据包到达用户之后的d-d'个时隙下一个新数据包到达)，可得
48.β(d-1,r,d',0)＝(1-λ)
d-1-d'
λ
49.步骤1-4：确定标签用户个体状态处于(d,r)的稳态概率π
d,r
，并且将标签用户个体状态处于(d,r)的稳态概率标识为π
d,r
，其中d＝-1,0,1,
…
,d-1及r＝0,1,
…
,r-1。稳态概率分布{π
d,r
}满足以下平衡方程式组和归一化条件：
[0050][0051][0052]
优选地，步骤2中基于个体状态稳态概率，确定任一数据包成功传输概率τ的确定方法具体为：
[0053]
步骤2-1：确定标签用户在任一时隙发送数据包的概率μ，鉴于标签用户个体状态处于(d,r)时将以概率p发送数据包，因此可得：
[0054][0055]
步骤2-2：确定标签用户在任一时隙成功传输数据包的概率τ，假设任意一次数据包传输的成功率τ与其逗留时间和已传输次数无关，此时τ即为标签用户外其余n-1个用户均不发送数据包的概率，考虑到所有用户均为同构可将τ表示如下：
[0056]
τ＝(1-μ)
n-1
[0057]
优选地，步骤3中的确定传输时限下网络吞吐率的确定方法具体为：
[0058]
步骤3-1：确定时延敏感应用下的网络吞吐率定义，若时隙t开始时刻逗留时间为d
t
＝d≥0的标签用户队首数据包在时隙t末被接入点成功接收，则此数据包的吞吐率价值为γd，其中0＜γ≤1为吞吐率价值折扣因子。鉴于此，时延敏感应用下的网络吞吐率可定义为每个时隙所成功传输数据包吞吐率价值的平均值。
[0059]
步骤3-2：确定网络吞吐率，时延敏感应用下的标签用户吞吐率t定义为标签用户在每个时隙所成功传输数据包吞吐率价值的平均值。因此，可知当标签用户个体状态处于(d,r)时，如标签用户成功发送则吞吐率价值为γd。进一步，t从标签用户角度可基于其个体状态的稳态概率由下式获得：
[0060][0061]
因为所有用户均为同构，进而可知网络吞吐率为nt。
[0062]
实施例1
[0063]
本发明采用matlab软件对所述方法进行实施，仿真实验设置网络中的用户数量n＝50，数据包到达概率λ＝0.05，吞吐率价值折扣因子γ＝1,0.9，传输时限d＝20，传输次数限制r＝1,2,d。
[0064]
如图2所示，吞吐率价值折扣因子γ＝1时，不同发送概率p下的吞吐率理论结果和仿真结果均一致。同时从图中可以发现，吞吐率随着发送概率p的增大呈先增大后减小的趋
势。其原因在于：开始发送概率p的增大使得数据包得到更多的发送机会，减少其逗留时间达到传输时限d而被丢弃，吞吐率随之增大，而发送概率p的继续增大加剧了数据包传输冲突，吞吐率又随之减小。除此之外，在固定发送概率p的情况下，吞吐率随传输次数限制r的增大而减小。其原因在于：传输次数r的增大使得更多数据包等待时间过长而达到传输时限d被丢弃，因此吞吐率降低。
[0065]
如图3所示，吞吐率价值折扣因子γ＝0.9时，不同发送概率p下的吞吐率理论结果和仿真结果均一致。同图2，在固定发送概率p的情况下，吞吐率随传输次数限制r的增大而减小。除此之外，当传输次数r＝1时，吞吐率明显随着发送概率p的增大呈先增大后减小又增大的趋势。其原因在于：开始发送概率p的增大使得数据包得到更多的传输机会则吞吐率增大，然后发送概率p的继续增大反而加剧了数据包传输冲突，则吞吐率降低，最终p继续增大并接近于1，数据包传输一次即被丢弃，避免了吞吐率价值低的数据包对吞吐率价值高的数据包的冲突，提高了成功传输数据包的吞吐率价值，导致吞吐率价值增大。