CN104507168B - 认知Ad Hoc网络的分布式拓扑控制方法 - Google Patents

认知Ad Hoc网络的分布式拓扑控制方法 Download PDF

Info

Publication number
CN104507168B
CN104507168B CN201410829689.9A CN201410829689A CN104507168B CN 104507168 B CN104507168 B CN 104507168B CN 201410829689 A CN201410829689 A CN 201410829689A CN 104507168 B CN104507168 B CN 104507168B
Authority
CN
China
Prior art keywords
node
subgraph
topology
network
neighbors
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.)
Active
Application number
CN201410829689.9A
Other languages
English (en)
Other versions
CN104507168A (zh
Inventor
王玺钧
盛敏
翟道森
张琰
李建东
郭彦涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
CETC 54 Research Institute
Original Assignee
Xidian University
CETC 54 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University, CETC 54 Research Institute filed Critical Xidian University
Priority to CN201410829689.9A priority Critical patent/CN104507168B/zh
Publication of CN104507168A publication Critical patent/CN104507168A/zh
Application granted granted Critical
Publication of CN104507168B publication Critical patent/CN104507168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/246—Connectivity information discovery
    • 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)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种认知Ad Hoc网络的分布式拓扑控制方法，主要解决现有技术中次用户网络的连通性不能保证和次用户相互干扰的问题。其实现过程为：网络中的每个节点先后广播两次HELLO包，并接收初始邻节点的HELLO包，建立局部两跳拓扑子图；基于局部两跳拓扑子图，先根据能耗链路代价权重，构建最短路径树，然后基于最短路径树构建可保证次用户连通的局部生成子图；根据局部生成子图中的一跳邻节点调整发射功率；由网络中的所有节点以及节点与其逻辑邻节点间的链路构成全网拓扑；拓扑构建完成后，网络中的节点独立的进行信道选择。本发明具有保证次用户网络连通，消除次用户干扰，复杂度低的优点，可用于认知Ad Hoc网络。

Description

认知Ad Hoc网络的分布式拓扑控制方法
技术领域
本发明属于无线通信领域，特别涉及一种构建网络拓扑结构的方法，可用于认知Ad Hoc网络。
背景技术
认知Ad Hoc网络是认知网络与传统Ad Hoc网络的结合，是一种充满发展潜力的无线网络通信***，该网络除了具有传统Ad Hoc网络的自组织、自配置、自适应能力之外，还具有对频谱资源的感知、机会接入以及动态分配的能力，能够灵活地用于各种无固定通信基础设施支撑的环境，提高现有频带资源的利用率。
在影响认知Ad Hoc网络性能的众多因素之中，网络的拓扑结构是不可忽视的一个重要方面，因此如何优化认知Ad Hoc网络的拓扑结构、增强网络拓扑的容错能力并为上层通信协议提供良好的底层拓扑支撑是拓扑控制技术研究的重点。在认知Ad Hoc网络中，用户分为两类，一类是主用户，另一类是次用户。主用户享有信道的优先使用权。当主用户不使用信道时，次用户可以使用该信道。由于次用户只能机会式地接入信道，次用户网络的连通性容易受到主用户的影响。当主用户要使用某个信道时，次用户为了保护主用户的正常通信就会空出该信道并处于静默状态，静默节点会降低次用户网络的连通性，严重时会导致网络的分割。为了减小主用户对次用户网络连通性的影响，研究者已经提出了一些拓扑控制算法，如Jing Zhao等作者在IEEE INFOCOM 2012上发表的文章“Robust TopologyControl in Multi-hop Cognitive Radio Network”，以及Hai Liu等作者在IEEE ICCCN2012上发表的文章“Generalized-Bi-Connectivity for Fault Tolerant CognitiveRadio Network”。Jing Zhao等的算法可以保证次用户网络的连通，但不能消除次用户之间的干扰。Hai Liu等的算法可以进一步消除次用户的干扰，但是不能分布式的执行，而且算法复杂度高。
发明内容
本发明的目的在于针对上述现有技术的问题，提出一种认知Ad Hoc网络的分布式拓扑控制方法，保证次用户网络的连通性，消除次用户之间的干扰，降低复杂度。
为了实现上述目的，本发明网络拓扑控制方法包括如下步骤：
(1)网络中每个节点u发送自己的HELLO-1包，并接收一跳邻节点发送的HELLO-1包,该HELLO-1包中包括u节点的ID序列号和位置信息；
(2)网络中每个节点u发送自己的HELLO-2包，并接收一跳邻节点发送的HELLO-2包,该HELLO-2包中包括u节点的一跳邻节点的ID序列号和位置信息；
(3)网络中每个节点u构建自己的局部两跳拓扑子图
(3a)网络中的每个节点u根据接收到的HELLO-1和HELLO-2包信息，确定自己与两跳邻节点的连接关系，以及这些邻节点之间的连接关系，建立局部两跳拓扑子图
(3b)根据局部两跳拓扑子图，每个节点u计算局部两跳拓扑子图中任意两个有连接关系的节点x,y之间的链路能耗权重wp(x,y)和链路距离权重wd(x,y)；
(4)网络中每个节点u构建局部生成子图Su＝(V(Su),E(Su))：
(4a)网络中的每个节点u将局部生成子图Su的节点集合V(Su)初始化成局部两跳拓扑子图中的所有节点，将边集合E(Su)初始化成空集；
(4b)基于局部两跳拓扑子图每个节点u根据链路能耗权重wp(x,y)，构建以u为根，遍及局部两跳拓扑子图中所有节点的最短路径树Tu＝(V(Tu),E(Tu))，其中为局部两跳拓扑子图中的所有节点，E(Tu)为构成最短路径树的所有边，并将这些边记录到局部连通子图Su中，即
(4c)网络中的每个节点u根据最短路径树Tu找到与自己冲突的节点，构成集合CNu，并初始化冲突子图为CSu，其中V(CSu)＝CNu，
(4d)每个节点u检测各自的冲突连通子图CSu是否连通，如果连通，节点u则在CSu上构建局部生成子图Tu′；如果不连通，节点u则在上构建斯坦纳生成树Tu′；如果上述两个步骤均无法执行，节点u则获知h跳邻节点信息，构建局部h跳拓扑子图并在上构建斯坦纳生成树Tu′；
(4e)节点u将边集E(Tu′)记录到局部生成子图的边集E(Su)中，即将节点V(Tu′)记录到局部生成子图的节点集V(Su)中，即将节点V(Tu′)记录到逻辑冲突邻居集LCNu中，即LCNu＝V(Tu′)，然后节点u通过洪泛的方式把LCNu和E(Su)的拓扑信息发送给Su中的所有节点；
(4f)每个节点u根据其他节点发来的拓扑信息更新自己的局部生成子图Su和逻辑冲突邻居集LCNu，将局部生成子图Su上的一跳邻节点v作为逻辑邻节点，并构成逻辑邻节点集：LNu＝{v∈V(Su)|(u,v)∈E(Su)}；
(5)网络中每个节点u确定自己的发射功率，即将发射功率调整为能够覆盖到所有逻辑邻节点所需要的最小功率：
(6)将网络中的所有节点以及每个节点与自己的逻辑邻节点间的链路组合起来，构成最终的全网拓扑，即G＝(V(G),E(G))，其中V(G)为网络中所有节点，E(G)＝{(u,v)|u∈V(G),v∈LNu}；
(7)拓扑构建完成后，网络中的每个节点u开始分配信道：
(7a)节点u向逻辑冲突邻居集LCNu中的所有节点发送请求分配信道包RAC(Require Assignment Channel)；
(7b)LCNu中的所有节点在收到RAC包后，回馈信道分配包AC(AssignmentChannel)给节点u，告知其已经分配的信道；
(7c)节点u收集所有LCNu中的节点回馈的AC包，选择还未被占用的、信道质量最好的信道(或主用户占用概率最小的信道)，作为自己的可用信道；
(7d)每个节点独立执行上述过程，直到所有节点都分配完信道为止。
本发明具有如下优点：
1)本发明联合功率控制和信道分配，通过功率控制使得次用户网络的独立集不构成网络的割集，从而保证次用户网络的连通性；通过信道分配给相互干扰的次用户分配不同的信道，从而消除次用户之间的干扰。
2)本发明通过功率控制构造适合于信道分配的拓扑，避免了高复杂度的连通性判断，从而降低了算法的整体复杂度。而且次用户只需局部拓扑信息，因此算法可以分布式运行。
3)本发明由于减小了节点的发射功率，所以为保证次用户网络的连通性和无冲突所需的信道数少。
附图说明
图1为本发明适用的认知Ad Hoc网络场景示意图；
图2为50节点网络场景时形成的最大功率拓扑；
图3为本发明的流程图；
图4为本发明中构建局部生成子图的子流程图；
图5为本发明中节点u拓扑构建的示例图；
图7为本发明生成拓扑的仿真验证图；
图8为本发明与其他拓扑控制算法平均传输半径的仿真对比图；
图9为本发明与其他拓扑控制算法平均信道数和最大信道数的仿真对比图。
具体实施方式
下面将结合附图对本发明实施方式做进一步详细描述。
参照图1，本发明使用的认知Ad Hoc网络由n个分布在二维平面区域内的节点组成。每个节点代表一个次用户，且具有唯一的ID序列号，并可以通过GPS或是其他定位技术来获取它自身的位置信息。所有的节点受到同一个主用户的影响，主用户可以使用C个信道中的任意一个信道。每个节点可以在C个信道中任意一个信道中发送数据，同时在其他所有信道上侦听数据，除此之外每个节点在物理结构、初始设置、功能特性、参数指标等方面不存在任何差异。在网络中，任意节点间的无线信道为加性高斯白噪声信道。节点通过全向天线与周围节点通信，最大发射功率均为Pmax。任意节点u的发射功率Pu可以在最小和最大之间连续调节，即0≤Pu≤Pmax。传输半径r为对应于节点发射功率的传输距离，任意两个节点之间存在无线链路的充要条件为它们之间的欧式距离小于或等于节点的传输半径r。当网络中每个节点均使用最大功率传输时形成的拓扑结构为最大功率拓扑，如图2所示，最大功率拓扑表示为：Gmax＝(V(Gmax),E(Gmax))，其中V(Gmax)为节点集合，表示网络节点，E(Gmax)为边集合，表示节点间存在的无线链路。
参照图3，本发明的实现步骤如下：
步骤1，网络中每个节点u发送自己的HELLO-1包，并接收一跳邻节点发送的HELLO-1包。
位于节点u的传输半径范围内的所有节点，组成节点u的一跳邻节点集 其中次用户v1和次用户u的距离为1跳；
网络中的每个节点u以最大发射功率Pmax向u的一跳邻节点广播一次HELLO-1包，HELLO-1包中含有节点u的ID序列号和节点u的位置信息；
网络中的每个节点u接收一跳邻节点以最大发射功率Pmax广播的HELLO-1包。
步骤2，根据上述步骤1中的HELLO-1包，网络中每个节点u发送自己的HELLO-2包，并接收一跳邻节点发送的HELLO-2包。
节点u在两跳以内(包括两跳)可以到达的所有节点，组成节点u的两跳邻节点集∪表示两个集合的并，&&表示并且，其中次用户v2和次用户u的距离为2跳；
网络中的每个节点u接收完所有一跳邻节点发送的HELLO-1包后，以最大发射功率Pmax向u的一跳邻节点广播一次HELLO-2包，HELLO-2包中含有u的所有一跳邻节点的ID序列号和位置信息；
网络中的每个节点u接收一跳邻节点以最大发射功率Pmax广播的HELLO-2包。
步骤3，网络中每个节点u构建自己的局部两跳拓扑子图
(3a)网络中的每个节点u根据接收到的一跳邻节点发送的HELLO-1和HELLO-2包信息，获取并记录自己所有两跳邻节点v12的ID序列号和位置信息，其中
(3b)每个节点u根据自己的位置信息以及两跳邻节点的位置信息，计算任意两个节点x,y之间直接传输所需要的最小发射功率Px,y：
其中，β为接收信噪比门限值，根据接收机的灵敏度和误码率要求确定，当信号接收信噪比SNR大于门限值β时该信号可被正确接收，α为路径损耗因子，dx,y是节点x,y之间的欧式距离；
(3c)根据计算的最小发射功率，判断两跳邻节点之间的连接关系，若Px,y小于节点的最大发射功率Pmax，则确定节点x,y之间存在连接关系；否则，节点x,y之间不存在连接关系；
(3d)每个节点u根据两跳邻节点之间的连接关系，建立局部两跳拓扑子图其中局部两跳拓扑子图的节点集合为{u}表示节点u组成的集合，局部两跳拓扑子图的边集合为:即对于中的任意两个节点x,y，当Px,y≤Pmax时，边(x,y)∈E(Gu)；
(3e)根据局部两跳拓扑子图，每个节点u计算任意两个有连接关系的节点x,y之间的链路能耗权重wp(x,y)：
wp(x,y)＝Px,y
其中，Px,y为任意两个有连接关系的节点x,y之间直接传输所需要的最小发送功率；
(3f)根据上述欧式距离和节点ID序列号，节点u计算任意两个有连接关系的节点x,y之间的距离权重wd(x,y)：
wd(x,y)＝dx,y，
其中，dx,y是任意两个有连接关系的节点x,y之间的欧氏距离。
步骤4，网络中每个节点u构建局部生成子图Su＝(V(Su),E(Su))，并确定自己的逻辑邻节点。
具体流程如图4所示：
(4a)网络中的每个节点u将局部生成子图Su的节点集合V(Su)初始化成局部两跳拓扑子图中的所有节点，即将边集合E(Su)初始化成空集；
(4b)基于局部两跳拓扑子图以链路能耗权重wp(x,y)为链路权重，节点u通过使用Dijkstra算法或Bellman-Ford算法，构建以u为根，遍及中所有节点的最短路径树Tu＝(V(Tu),E(Tu))，其中为局部两跳拓扑子图中所有节点，E(Tu)为构成最短路径树的所有边，从而在局部范围内获得到达局部两跳拓扑子图中任意节点的最短路径，并将这些边记录到局部连通子图Su中，即表示赋值；
(4c)节点u根据最短路径树Tu找到与自己冲突的节点构成冲突节点集CNu，并构建冲突子图CSu，其中V(CSu)＝CNu，节点u的冲突节点集定义为：沿最短路径树Tu两跳可达的所有节点构成的集合，即其中
(4d)每个节点u检测各自的冲突连通子图CSu是否连通，如果连通，节点u则在CSu上构建局部生成子图Tu′；如果不连通，节点u则在上构建斯坦纳生成树Tu′；如果上述两个步骤均无法执行，节点u则获取h跳邻节点信息，构建局部h跳拓扑子图并在上构建斯坦纳生成树Tu′；
(4d1)节点u通过使用Kruskal算法或Prim算法检测冲突子图CSu是否连通；
(4d2)如果CSu是连通的，节点u则在CSu上构建局部生成子图Tu′。首先，节点u将生成子图Tu′中的节点集初始化为CSu中的所有节点，即V(Tu′)＝V(CSu)，将边集初始化为E(Tu′)＝{(x,y)|x,y∈V(Tu′),(x,y)∈E(Tu)}；然后，节点u将CSu中的所有边，按距离权重wd(x,y)为链路权重，从小到大进行排序；最后，节点u按顺序依次判断CSu中每一条边的两个端点在Tu′中是否连通，如果不连通则加入到边集E(Tu′)中，反之，则不加入。上述过程一直进行，直到判断完所有的边为止，并生成最终的生成子图Tu′。
(4d3)如果CSu不连通，节点u利用文献V.J.Rayward-Smith and A.Clare,“Onfinding steiner vertices,”NETWORKS,vol.16,no.3,pp.283–294,1986.中的TMR算法在上构建斯坦纳(steiner)生成树Tu′。其中，表示在局部两跳子图中删掉节点u及其关联的边所得到的子图；在构造斯坦纳生成树Tu′时，V(CSu)中的所有节点构成基本节点集，而中的节点构成斯坦纳节点集；
(4d4)如果步骤(4d2)和(4d3)均无法执行时，节点u通过信息交互获取h跳邻节点信息，构建局部h跳拓扑子图并在上构建斯坦纳生成树Tu′。首先，节点u利用步骤一和步骤二的方法通过发送Hello包获知h跳邻节点的信息，然后，节点u利用步骤三的方法构建局部h跳拓扑子图最后，节点u利用步骤(4d3)的方法在上构建斯坦纳生成树Tu′，在构造斯坦纳生成树Tu′时，V(CSu)中的所有节点构成了基本节点集，中的节点构成斯坦纳节点集；
(4e)节点u将边集E(Tu′)记录到局部生成子图的边集E(Su)中，即将节点V(Tu′)记录到局部生成子图的节点集V(Su)中，即将节点V(Tu′)记录到逻辑冲突邻居集LCNu中，即LCNu＝V(Tu′)；然后，节点u通过洪泛的方式把LCNu和E(Su)的拓扑信息发送给Su中的所有节点；
(4f)每个节点u接收其他节点发送来的拓扑信息，并根据这些拓扑信息更新自己的局部生成子图Su和逻辑冲突邻居集LCNu，如果接收到的任意一个节点v的生成子图Sv中，有关联到自己的边就将这条边加入到Su中，如果LCNv中包含了自己，节点u就将v记录到自己的LCNu中；最后，节点u将局部生成子图Su上的一跳邻节点v作为逻辑邻节点，并构成逻辑邻节点集：LNu＝{v∈V(Su)|(u,v)∈E(Su)}；
参照图5，其中图(a)表示节点u通过互换Hello-1和Hello-2包构建的局部两跳拓扑子图图(b)表示节点u利用能耗权重构建的最短路径树Tu；图(c)表示节点u在Tu中找到的冲突邻居节点集CNu；图(d)表示节点u构建的冲突子图CSu；通过判断可知CSu是连通的，所以节点u直接执行步骤(4d2)，在CSu上构建局部生成子图Tu′，如图(e)所示；节点u最终构建的生成子图Su如图(f)所示。
步骤5，每个节点u根据上述确定的逻辑邻节点，将自己的发射功率调整为能够覆盖到最远的逻辑邻节点所需要的最小功率即
步骤6，根据上述拓扑控制过程，网络中的每个节点独立确定与自己的逻辑邻节点的连接关系，将网络中的所有节点以及每个节点与自己的逻辑邻节点间的链路组合起来，构成最终的全网拓扑，即G＝(V(G),E(G))，其中V(G)＝V(Gmax)，E(G)＝{(u,v)|u∈V(G),v∈LNu}。
步骤7，拓扑构建完成后，网络中的每个节点u选择发送信道。
(7a)节点u用最大发送功率Pmax在公共控制信道上广播请求分配信道包RAC，其他节点在收到这个包时需要再次中转该包，直到逻辑冲突邻居集LCNu中的所有节点都接收到RAC包为止；
(7b)LCNu中的所有节点在收到RAC包后，查看自己已经分配的信道，并回馈信道分配包AC给节点u，其中信道分配包AC中包含了该节点已经分配的信道，如果该节点还未分配信道就将包AC记为空包。
(7c)节点u收集所有LCNu中的节点回馈的AC包，从还未被占用的信道中选择主用户占用概率最小的信道，作为自己的可用信道；
(7d)每个节点独立执行上述过程，直到所有节点都分配完信道为止。
本发明的效果可通过仿真进一步说明：
(1)仿真条件
在仿真场景中，网络节点随机均匀分布在一个1000×1000m2的二维平面区域中。接收信噪比SNR的门限值β设为-80dBm，路径损耗因子α取值为4。网络中所有节点采用相同的最大发射功率，其中最大发射功率Pmax＝256mW，对应的最大传输半径Rmax＝400m。假设主用户会影响到所有的次用户节点。
(2)仿真内容和结果
仿真1，在20节点的场景中验证本发明方法生成的拓扑可以保证次用户的连通性。
图6表明：图a为最大功率拓扑，图b为本发明方法生成的拓扑，其中的数字表示节点分配的信道，图c为图b对应的冲突图，图d、e、f为主用户分别占用信道4、5、6时次用户网络的拓扑。通过该仿真可以看出，本发明方法生成的拓扑在主用户任意占用一个信道时，次用户的网络仍然是连通的。
仿真2，用本发明方法与文献H.Liu,Y.Zhou,X.Chu,Y.-W.Leung,and Z.Hao,“Generalized-bi-connectivity for fault tolerant cognitive radio network,”inProc.IEEE ICCCN,Munich,Germany,Aug.2012,pp.1–8.中的GBC、GBC+DC算法以及最大功率拓扑MaxPower对节点平均传输半径进行仿真，结果如图7所示。
图7表明：随节点数的增多，最大功率拓扑MaxPower的平均传输半径保持不变，均为400m，而其他算法的平均传输半径不断减小，其中本发明方法的平均传输半径最小，加之本发明方法可以维持了节点端到端的能耗最短路径，因此本发明方法可以很好的减小节点的能耗，增大网络的生存期。
仿真3，用本发明方法与GBC、GBC+DC算法以及最大功率拓扑MaxPower对所平均所需信道数进行仿真，结果如图8所示。
图8表明：随着节点数的增多，最大功率拓扑MaxPower的平均信道数呈线性增长，而其他算法基本保持不变，本发明方法所需平均信道数最少，相比GBC算法减少了40％多，相比GBC+DC算法减少了17％多。
仿真4，用本发明方法与GBC、GBC+DC算法以及最大功率拓扑MaxPower对所最大所需信道数进行仿真，结果如图9所示。
图9表明：随着节点数的增多，最大功率拓扑MaxPower的最大信道数呈线性增长，GBC和GBC+DC的较大，而本发明方法所需最大信道数最小，相比GBC算法较少了60％多，相比GBC+DC算法减少了45％多。网络所需的最大信道数越少，说明算法的鲁棒性越好，而GBC和GBC+DC算法在信道总数较小时可能无法正常执行，所以本发明方法鲁棒性较好。

Claims (9)

1.一种认知Ad Hoc网络的分布式拓扑控制方法，包括如下步骤：
(1)网络中每个节点u发送自己的HELLO-1包，并接收一跳邻节点发送的HELLO-1包,该HELLO-1包中包括节点u的ID序列号和位置信息；
(2)网络中每个节点u发送自己的HELLO-2包，并接收一跳邻节点发送的HELLO-2包,该HELLO-2包中包括节点u的一跳邻节点的ID序列号和位置信息；
(3)网络中每个节点u构建局部两跳拓扑子图
(3a)网络中的每个节点u根据接收到的HELLO-1和HELLO-2包信息，确定自己与两跳邻节点的连接关系，以及这些两跳邻节点之间的连接关系，建立局部两跳拓扑子图
(3b)根据上述局部两跳拓扑子图，每个节点u计算局部两跳拓扑子图中任意两个有连接关系的节点x,y之间的链路能耗权重wp(x,y)和链路距离权重wd(x,y)，wp(x,y)通过如下公式计算：wp(x,y)＝Px,y，其中，Px,y是最小发射功率；wd(x,y)通过如下公式计算：wd(x,y)＝dx,y，其中dx,y为节点间的欧式距离；
(4)根据上述局部两跳拓扑子图，网络中每个节点u构建局部生成子图Su＝(V(Su),E(Su))：
(4a)网络中的每个节点u将局部生成子图Su的节点集合V(Su)初始化成局部两跳拓扑子图中的所有节点，将边集合E(Su)初始化成空集；
(4b)基于局部两跳拓扑子图每个节点u根据链路能耗权重wp(x,y)，构建以u为根，遍及局部两跳拓扑子图中所有节点的最短路径树Tu＝(V(Tu),E(Tu))，其中为局部两跳拓扑子图中的所有节点，E(Tu)为构成最短路径树的所有边，并将这些边记录到局部生成子图Su中，即
(4c)网络中的每个节点u根据最短路径树Tu找到与自己冲突的节点，构成冲突节点集CNu，并初始化冲突子图为CSu，其中V(CSu)＝CNu，
(4d)每个节点u检测各自的冲突子图CSu是否连通，如果连通，节点u则在CSu上构建局部生成子图Tu′；如果不连通，节点u则在上构建斯坦纳生成树Tu′；如果上述两个步骤均无法执行，节点u则获取h跳邻节点信息，构建局部h跳拓扑子图并在上构建斯坦纳生成树Tu′；
(4e)节点u将边集E(Tu′)记录到局部生成子图的边集E(Su)中，即将节点V(Tu′)记录到局部生成子图的节点集V(Su)中，即将节点V(Tu′)记录到逻辑冲突邻居集LCNu中，即LCNu＝V(Tu′)，然后节点u通过洪泛的方式把LCNu和E(Su)的拓扑信息发送给Su中的所有节点；
(4f)每个节点u根据其他节点发来的拓扑信息更新自己的局部生成子图Su和逻辑冲突邻居集LCNu，将局部生成子图Su上的一跳邻节点v作为逻辑邻节点，并构成逻辑邻节点集：LNu＝{v∈V(Su)|(u,v)∈E(Su)}；
(5)网络中每个节点u确定自己的发射功率，即将发射功率调整为能够覆盖到所有逻辑邻节点所需要的最小功率：
(6)将网络中的所有节点以及每个节点与自己的逻辑邻节点间的链路组合起来，构成最终的全网拓扑，即G＝(V(G),E(G))，其中V(G)为网络中所有节点，E(G)＝{(u,v)|u∈V(G),v∈LNu}；
(7)根据上述拓扑，网络中的每个节点u选择发送信道：
(7a)节点u向逻辑冲突邻居集LCNu中的所有节点在公共控制信道上发送请求分配信道包RAC(Require Assignment Channel)；
(7b)LCNu中的所有节点在收到RAC包后，回馈信道分配包AC(Assignment Channel)给节点u，告知已经选择的信道；
(7c)节点u收集所有LCNu中的节点回馈的AC包，从还未被占用的信道中选择主用户占用概率最小的信道，作为自己的可用信道；
(7d)每个节点独立执行上述过程，直到所有节点都分配完信道为止。
2.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中步骤(1)和步骤(2)所述的网络中每个节点u发送自己的HELLO-1和HELLO-2包，是指网络中的每个节点u，以最大发射功率Pmax向位于距离自己传输半径范围内的所有节点分别广播一次HELLO-1和HELLO-2包。
3.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中步骤(1)和步骤(2)所述的接收一跳邻节点发送的HELLO-1和HELLO-2包，是指网络中的每个节点u接收一跳邻节点以最大发射功率Pmax广播的HELLO-1和HELLO-2包。
4.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中步骤(3a)所述的确定自己与两跳邻节点的连接关系，以及这些两跳邻节点之间的连接关系，建立局部两跳拓扑子图按如下步骤进行：
(3a1)每个节点u根据接收到的一跳邻节点的HELLO-1和HELLO-2包信息，获取并记录HELLO-1和HELLO-2包中节点的ID序列号和位置信息，这些邻节点构成两跳邻节点集
(3a2)每个节点u根据自己的位置信息以及两跳邻节点的位置信息，计算任意两个节点x,y之间直接传输所需要的最小发射功率Px,y：
<mrow> <msub> <mi>P</mi> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&amp;beta;d</mi> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mi>&amp;alpha;</mi> </msubsup> </mrow>
其中，β为接收信噪比门限值，根据接收机的灵敏度和误码率要求确定，α为路径损耗因子，{u}表示节点u组成的集合，dx,y是节点x,y之间的欧式距离，若Px,y小于节点的最大发射功率Pmax，则确定节点x,y之间存在连接关系；否则，节点x,y之间不存在连接关系；
(3a3)每个节点u根据两跳邻节点之间的连接关系，建立局部两跳拓扑子图其中局部两跳拓扑子图的节点集合为局部两跳拓扑子图的边集合为:
5.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中所述步骤(4b)中的最短路径树通过使用Dijkstra算法或Bellman-Ford算法构建。
6.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中所述步骤(4d)中的斯坦纳生成树通过TMR算法构建。
7.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中步骤(4e)所述的把LCNu和E(Su)的拓扑信息发送给Su中的所有节点，是网络中的节点用最大发送功率采用洪泛方式传播拓扑信息。
8.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中步骤(7a)所述的节点u向逻辑冲突邻居集LCNu中的所有节点在公共控制信道上发送请求分配信道包RAC，是节点用最大发送功率通过洪泛的方式传播RAC包。
9.根据权利要求1所述的认知Ad Hoc网络的分布式拓扑控制方法，其中步骤(7b)所述的LCNu中的所有节点在收到RAC包后，回馈信道分配包AC给节点u，是LCNu中的所有节点用最大发送功率通过单播的方式把包AC发送给节点u。
CN201410829689.9A 2014-12-27 2014-12-27 认知Ad Hoc网络的分布式拓扑控制方法 Active CN104507168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410829689.9A CN104507168B (zh) 2014-12-27 2014-12-27 认知Ad Hoc网络的分布式拓扑控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410829689.9A CN104507168B (zh) 2014-12-27 2014-12-27 认知Ad Hoc网络的分布式拓扑控制方法

Publications (2)

Publication Number Publication Date
CN104507168A CN104507168A (zh) 2015-04-08
CN104507168B true CN104507168B (zh) 2018-03-06

Family

ID=52948867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410829689.9A Active CN104507168B (zh) 2014-12-27 2014-12-27 认知Ad Hoc网络的分布式拓扑控制方法

Country Status (1)

Country Link
CN (1) CN104507168B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9942934B2 (en) * 2015-11-04 2018-04-10 Motorola Mobility Llc Wireless ad hoc network assembly using network coding
CN106658523B (zh) * 2016-05-30 2019-10-11 西安电子科技大学 认知AdHoc网络中构建K信道连通的分布式拓扑方法
CN107580352A (zh) * 2016-07-04 2018-01-12 邵贵阳 一种无线AdHoc网络中节点功率控制方法
CN106131887B (zh) * 2016-07-08 2019-02-19 西安电子科技大学 基于串行干扰消除的分布式拓扑控制方法
CN106162802A (zh) * 2016-07-29 2016-11-23 国网山西省电力公司检修分公司 一种无线传感网络拓扑发现的方法及装置
CN106792744B (zh) * 2016-12-02 2019-10-11 西安电子科技大学 基于构建二信道连通下k点连通的拓扑控制方法
DE102018210243A1 (de) * 2018-06-22 2019-12-24 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Kanalzugriff über hierarchisch organisierte kanalzugriffsmuster
CN109005115B (zh) * 2018-08-08 2021-04-27 佛山科学技术学院 一种分布式传感器网络的智能拓扑方法及装置
CN109491957A (zh) * 2018-08-30 2019-03-19 中国船舶重工集团公司第七〇五研究所 一种信号处理机通用link拓扑检测方法
CN109451429B (zh) * 2018-12-27 2020-11-06 中国人民解放军国防科技大学 一种Ad Hoc网络虚拟骨干节点识别方法
CN112399522B (zh) * 2020-10-12 2022-09-13 北京通广龙电子科技有限公司 拓扑控制方法、电子设备及存储介质
CN113382464B (zh) * 2021-06-03 2022-11-18 北京银河信通科技有限公司 一种基于最小生成树的定向自组网功率控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200643A (zh) * 2013-03-28 2013-07-10 西安电子科技大学 基于剩余能量感知的分布式容错拓扑控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200643A (zh) * 2013-03-28 2013-07-10 西安电子科技大学 基于剩余能量感知的分布式容错拓扑控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Bi-Channel-Connected Topology Control in Cognitive Radio Networks;Daosen Zhai,et. al.;《Vehicular Technology Conference (VTC Fall), 2014 IEEE 80th》;20140917;全文 *
Channel Assignment in Cognitive Wireless Sensor Networks;Mihaela Cardei，Amalya Mihnea;《Computing, Networking and Communications (ICNC), 2014 International Conference on》;20140206;全文 *
局部信息约束下的拓扑控制;许蒙蒙，杨清海;《北京邮电大学学报》;20140430;全文 *
无线移动自组网中的两跳邻接表维护机制;王悦，雷佩莹;《信息技术》;20140930;全文 *

Also Published As

Publication number Publication date
CN104507168A (zh) 2015-04-08

Similar Documents

Publication Publication Date Title
CN104507168B (zh) 认知Ad Hoc网络的分布式拓扑控制方法
Khan et al. Fuzzy-TOPSIS based cluster head selection in mobile wireless sensor networks
Mansourkiaie et al. Cooperative routing in wireless networks: A comprehensive survey
Gong et al. Low-latency SINR-based data gathering in wireless sensor networks
CN103200643B (zh) 基于剩余能量感知的分布式容错拓扑控制方法
Komali et al. The price of ignorance: distributed topology control in cognitive networks
CN105493609A (zh) 高效率无线通信中的自适应rts/cts
Elhabyan et al. PSO-HC: Particle swarm optimization protocol for hierarchical clustering in Wireless Sensor Networks
Chaudhry et al. Improving throughput and fairness by improved channel assignment using topology control based on power control for multi-radio multi-channel wireless mesh networks
CN106658523B (zh) 认知AdHoc网络中构建K信道连通的分布式拓扑方法
Algora et al. Review and classification of multichannel MAC protocols for low-power and lossy networks
Saifan et al. Probabilistic and deterministic path selection in cognitive radio network
Sengul et al. A survey of adaptive services to cope with dynamics in wireless self-organizing networks
Zhang et al. Less is more: Learning more with concurrent transmissions for energy-efficient flooding
Lotf et al. Overview on routing protocols in wireless sensor networks
CN106131887B (zh) 基于串行干扰消除的分布式拓扑控制方法
CN106658647A (zh) 一种基于干扰感知的中继选择算法
CN106792744A (zh) 基于构建二信道连通下k点连通的拓扑控制方法
Bokhari et al. i-POCA: Interference-aware partially overlapping channel assignment in 802.11-based meshes
CN110381563A (zh) 一种自组织接力转发网络的上行通信资源分配策略
Tsao et al. An end‐to‐end channel allocation scheme for a wireless mesh network
Hao et al. Distributed cooperative control algorithm for topology control and channel allocation in multi-radio multi-channel wireless sensor network: From a game perspective
Xiao et al. A novel energy entropy based on cluster head selection algorithm for wireless sensor networks
Shah et al. Minimizing information asymmetry interference in multi-radio multi-channel wireless mesh networks
Adelani et al. Balanced multi-channel data collection in wireless sensor networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant