CN110149660A - 基于目标导向的多数据包聚合选择方法 - Google Patents

Abstract

本发明涉及一种基于目标导向的多数据包聚合选择方法，属于协作通信技术领域。与传统的根据数据包特点来选择数据包进行聚合的思路不同，本发明针对多源单目标无线传感网中数据包较小且长度不等的特点，根据***要优化的目标，如最大化网络吞吐量、最小传输时延等，从逆向角度，采用累加、累减法对缓存队列中的多个数据包进行挑选，将选中的数据包与节点自身要传输的数据包聚合成单个聚合包，一起发往目标节点。本发明以要优化的目标为导向，对待聚合的数据包进行选择，在提高数据传输可靠性的同时能优化网络吞吐量、减小传输时延。本发明简单易行，具有较好的应用价值。

Description

基于目标导向的多数据包聚合选择方法

技术领域

本发明属于协作通信领域，涉及一种基于目标导向的多数据包聚合选择方法。

背景技术

无线传感器网络中、尤其是工业无线网络中有些数据包长度很小，远远小于链路层数据上限。如在无线HART网络中，数据包的最大长度是133字节，其中，物理层(Physicallayer，PHY)帧头6字节、媒体链路控制层(Media access control，MAC)帧头16字节、网络层帧头16字节，共38字节，剩下是有效载荷，有效载荷最大长度为95字节。当有效载荷较小时，可对多个数据包进行聚合，以减小传输功率、节省能量、提高频谱利用率。

Svetlana Girs假设所有数据包的长度相等，从正向思维的角度出发，依据数据包自身特征，如到达时间先后、聚合次数多少等对其进行选择、聚合，这在一定程度上提升了***的性能。

而实际应用中，数据包的长度不一定相等，当有效载荷较小时，可聚合多个数据包。举例来说，在上述无线HART网络中，假定极端情况：数据包的有效载荷为1字节，则最多可聚合10个数据包。面对数量较多、特征各异的数据包如何挑选？仅根据数据包特征进行组合选择能提升***哪方面的性能？本发明从逆向角度出发，根据***要优化的目标，提出一种基于目标导向的多数据包聚合选择方法，从众多长度不一的数据包中挑选合适的数据包进行聚合，以明确提升***要优化的性能。相比以单一特征来选择长度相等的数据包，本发明更有实用性、对***性能的优化更明确、更有效果。

发明内容

本发明从逆向思维角度出发，以***要优化的性能为目标，提出一种基于目标导向的多数据包聚合选择方法。该方法以最大吞吐量、最小时延为优化目标，对多个数据包采用累加法、累减法进行选择，以实现***吞吐量最大或传输时延最小。

为达到上述目的，本发明提供如下技术方案：

根据多源单目标无线传感网中数据包较小且长度不等的特点，在进行数据包聚合时，从***要优化的目标出发，采用累加、累减法来对缓存队列中待聚合的数据包进行选择，将选中的数据包与自身数据包进行聚合，一起发往目标节点，以节省能量、提高传输可靠性。

***要优化的目标有：最大吞吐量、最小时延。

最大吞吐量是指单位时间内在不超过数据包最大长度限制的情况下实际传输到目标节点的吞吐量最大。用公式表示为：

max(c)

其中，c为单位时间内传输到目标节点的数据吞吐量。L_max为聚合包的最大长度，L_{ag_packet}为单个聚合包的长度；L_{head_ag}为单个聚合包聚合后物理层、控制层的帧头长度，L_{head_network}为单个聚合包的私有网络层控制字长度，X_i为单个聚合包聚合的第i个原始数据包的有效载荷，m为单个聚合包聚合的原始数据包的个数。

最小时延是指在不超过数据包最大长度限制下使聚合包中各个原始数据包的时延之和最小。用公式表示为：

min(d)

其中，d为单次聚合时各原始数据包的时延之和，d_i为第i个原始数据包的时延，其他参数与最大吞吐量时相同。

在多个待聚合的数据包的选择过程中，采用累加法来挑选数据包。累加法的具体步骤如下：

步骤1：初始化。清空聚合队列，设置单个聚合包的最大长度L_max和待聚合包初始序号i＝1；设置聚合包的初始长度为：L_{ag_packet}＝L_{head_ag}。

步骤2：根据优化目标，对待聚合数据包进行排序，并按顺序存入缓存队列中。

步骤3：从缓存队列中取第i个数据包，计算聚合该数据包后聚合包的长度L_{ag_packet}，L_{ag_packet}＝L_{ag_packet}+L_{head_network}+X_i。

步骤4：判断聚合包长度是否超限，若L_{ag_packet}≤L_max，表明可以聚合第i个数据包，此时，将第i个数据包放入聚合队列；若L_{ag_packet}＞L_max，表明第i个数据包过大，不能聚合，此时聚合包长度为L_{ag_packet}＝L_{ag_packet}-(L_{head_network}+X_i)。

步骤5：i＝i+1，继续执行步骤3，直到缓存队列中所有数据包聚合完毕。

步骤6：聚合队列中的数据包即为满足目标要求的待聚合的数据包，将其聚合在一起发往目标节点。

在待聚合的数据包的选择过程中，采用累减法来挑选数据包，其具体步骤如下：

步骤1：初始化。清空聚合队列，设置单个聚合包的最大长度L_max，聚合包的初始长度为：L_{ag_packet}＝L_{head_ag}。设置待剔除的数据包序号i＝m，m为待聚合的数据包的总个数。

步骤2：根据优化目标，对待聚合数据包进行排序。

步骤3：假设聚合队列足够大，依次将排好序的数据包存入聚合队列，计算聚合包总长度

步骤4：判断聚合包长度是否超限，若L_{ag_packet}≤L_max，则表明可以聚合聚合队列中所有数据包，转入步骤6；若L_{ag_packet}＞L_max，则从聚合队列中删除第i个数据包，转入步骤5。

步骤5：i＝i-1。若i＜1，转入步骤6；若i≥1，计算剔除第i数据包后聚合包的长度L_{ag_packet}，L_{ag_packet}＝L_{ag_packet}-(L_{head_network}+X_i)；转入步骤4。

步骤6：聚合队列中的数据包即为满足优化目标的待聚合数据包，将其聚合在一起发往目标节点。

本发明的有益效果在于：

(1)本发明考虑到实际无线传感网中真实存在的数据包长度较小且大小不相等的情况，从要优化的***目标出发，提出基于目标导向的多数据包聚合选择方法，能更有效提升***吞吐量、降低***时延。

(2)本发明中所提的累加法、累减法实施复杂度低、所需存储、计算资源少，简单有效，易于在实际网络中应用。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明基于目标导向的多数据包聚合选择方法的网络模型；

图2为本发明的累加法流程图；

图3为本发明的累减法流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细描述。

如图1所示，为本发明的基于目标导向的多数据包聚合选择方法的网络模型。假设网络有M个源节点s₁,s₂,…,s_M和1个目标节点d组成。***采用TDMA方式进行数据传输，顺序靠后的源节点通过聚合数据包来协作前面直接传输失败的源节点。各信道间相互独立且服从Rayleigh分布，***中的所有信道可逆且等效，在同一轮数据传输中，所有信道的瞬时增益保持不变。各源节点均只配备单天线，采用半双工模式，各节点间的数据传输速率为R。每个节点配备两个缓存区，一个是缓存队列，一个是聚合队列。缓存队列用于存放需要协作的源节点的数据，聚合队列用于存放挑选出进行聚合的数据包。***采用反馈机制，目标节点根据直接传输接收结果反馈ACK/NACK帧，为反馈聚合传输结果，增加了聚合传输反馈帧AFF/NAFF帧(Aggregation Feedback Frame/Non Aggregation Feedback Frame)，各源节点根据反馈结果动态更新缓存队列，以避免数据被多个源节点聚合、重复传输。

各源节点的传输分为两种情况：一种是直接传输，另一种是聚合协作传输。各源节点在传输数据前，检查自身的缓存队列是否为空，若为空，则表明无其他源节点需要协助。此时，该源节点只需要传输自身数据，即为直接传输。目标节点成功接收到直接传输数据时，反馈ACK帧；若接收失败，则反馈NACK帧，此时时序在该节点之后的其他源节点若收到该节点的数据包，则将其放入自身的缓存队列。若各源节点的缓存队列不为空，则表明有源节点需要协助，此时，根据数据包选择策略挑选合适的数据包与自身数据聚合，形成聚合包s_ap，一起发往目的节点。目标节点成功收到聚合包后，反馈AFF帧，各源节点更新各自的缓存队列；若接收聚合包失败，则反馈NAFF帧。

在进行数据包聚合时，根据***要优化的目标进行数据包挑选，***要优化的目标有：最大吞吐量、最小时延。

最大吞吐量是指单位时间内在不超过数据包最大长度限制的情况下实际传输到目标节点的吞吐量最大。用公式表示为：

max(c)

其中，c为单位时间内传输到目标节点的数据吞吐量。L_max为聚合包的最大长度，L_{ag_packet}为单个聚合包的长度；L_{head_ag}为单个聚合包聚合后物理层、控制层的帧头长度，L_{head_network}为单个聚合包的私有网络层控制字长度，X_i为单个聚合包聚合的第i个原始数据包的有效载荷，m为单个聚合包聚合的原始数据包的个数。

最小时延是指在不超过数据包最大长度限制下使聚合包中各个原始数据包的时延之和最小。用公式表示为：

min(d)

其中，d为单次聚合时各原始数据包的时延之和，d_i为第i个原始数据包的时延，其他参数与最大吞吐量时相同。

图2为本发明的累加法流程图；在多个待聚合的数据包的选择过程中，采用累加法来挑选数据包。累加法的具体步骤如下：

步骤1：初始化。清空聚合队列，设置单个聚合包的最大长度L_max和待聚合包初始序号i＝1；设置聚合包的初始长度为：L_{ag_packet}＝L_{head_ag}。

步骤2：根据优化目标，对待聚合数据包进行排序，并按顺序存入缓存队列中。

步骤3：从缓存队列中取第i个数据包，计算聚合该数据包后聚合包的长度L_{ag_packet}，L_{ag_packet}＝L_{ag_packet}+L_{head_network}+X_i。

步骤4：判断聚合包长度是否超限，若L_{ag_packet}≤L_max，表明可以聚合第i个数据包，此时，将第i个数据包放入聚合队列；若L_{ag_packet}＞L_max，表明第i个数据包过大，不能聚合，此时聚合包长度为L_{ag_packet}＝L_{ag_packet}-(L_{head_network}+X_i)。

步骤5：i＝i+1，继续执行步骤3，直到缓存队列中所有数据包聚合完毕。

步骤6：聚合队列中的数据包即为满足目标要求的待聚合的数据包，将其聚合在一起发往目标节点。

图3为本发明的累减法流程图；在待聚合的数据包的选择过程中，采用累减法来挑选数据包，其具体步骤如下：

步骤1：初始化。清空聚合队列，设置单个聚合包的最大长度L_max，聚合包的初始长度为：L_{ag_packet}＝L_{head_ag}。设置待剔除的数据包序号i＝m，m为待聚合的数据包的总个数。

步骤2：根据优化目标，对待聚合数据包进行排序。

步骤3：假设聚合队列足够大，依次将排好序的数据包存入聚合队列，计算聚合包总长度

步骤4：判断聚合包长度是否超限，若L_{ag_packet}≤L_max，则表明可以聚合聚合队列中所有数据包，转入步骤6；若L_{ag_packet}＞L_max，则从聚合队列中删除第i个数据包，转入步骤5。

步骤5：i＝i-1。若i＜1，转入步骤6；若i≥1，计算剔除第i数据包后聚合包的长度L_{ag_packet}，L_{ag_packet}＝L_{ag_packet}-(L_{head_network}+X_i)；转入步骤4。

步骤6：聚合队列中的数据包即为满足优化目标的待聚合数据包，将其聚合在一起发往目标节点。

最后需要说明的是，上述的实施例为本发明较好的实施方式，但不受该实施方式的限制，任何其他未脱离本发明方案宗旨和范围的替换，简化等修改，都应涵盖在本发明保护范围之内。

Claims (4)

1.基于目标导向的多数据包聚合选择方法，其特征在于：该方法为：

根据多源单目标无线传感网中数据包较小且长度不等的特点，在进行数据包聚合时，从***要优化的目标出发，采用累加或累减法来对缓存队列中待聚合的数据包进行选择，将选中的数据包与自身数据包进行聚合，一起发往目标节点，以节省能量、提高传输可靠性。

2.根据权利要求1所述的基于目标导向的多数据包聚合选择方法，其特征在于：***要优化的目标有：最大吞吐量、最小时延；

最大吞吐量是指单位时间内在不超过数据包最大长度限制的情况下实际传输到目标节点的吞吐量最大；用公式表示为：

max(c)

其中，c为单位时间内传输到目标节点的数据吞吐量；L_max为聚合包的最大长度，L_{ag_packet}为单个聚合包的长度；L_{head_ag}为单个聚合包聚合后物理层、控制层的帧头长度，L_{head_network}为单个聚合包的私有网络层控制字长度，X_i为单个聚合包聚合的第i个原始数据包的有效载荷，m为单个聚合包聚合的原始数据包的个数；

最小时延是指在不超过数据包最大长度限制下使聚合包中各个原始数据包的时延之和最小；用公式表示为：

min(d)

其中，d为单次聚合时各原始数据包的时延之和，d_i为第i个原始数据包的时延，其他参数与最大吞吐量时相同。

3.根据权利要求1所述的基于目标导向的多数据包聚合选择方法，其特征在于：在多个待聚合的数据包的选择过程中，采用累加法来挑选数据包；累加法的具体步骤如下：

步骤1：初始化；清空聚合队列，设置单个聚合包的最大长度L_max和待聚合包初始序号i＝1；设置聚合包的初始长度为：L_{ag_packet}＝L_{head_ag}；

步骤2：根据优化目标，对待聚合数据包进行排序，并按顺序存入缓存队列中；

步骤3：从缓存队列中取第i个数据包，计算聚合该数据包后聚合包的长度L_{ag_packet}，L_{ag_packet}＝L_{ag_packet}+L_{head_network}+X_i；

步骤4：判断聚合包长度是否超限，若L_{ag_packet}≤L_max，表明可以聚合第i个数据包，此时，将第i个数据包放入聚合队列；若L_{ag_packet}＞L_max，表明第i个数据包过大，不能聚合，此时聚合包长度为L_{ag_packet}＝L_{ag_packet}-(L_{head_network}+X_i)；

步骤5：i＝i+1，继续执行步骤3，直到缓存队列中所有数据包聚合完毕；

步骤6：聚合队列中的数据包即为满足目标要求的待聚合的数据包，将其聚合在一起发往目标节点。

4.根据权利要求1所述的基于目标导向的多数据包聚合选择方法，其特征在于：在待聚合的数据包的选择过程中，采用累减法来挑选数据包，其具体步骤如下：

步骤1：初始化；清空聚合队列，设置单个聚合包的最大长度L_max，聚合包的初始长度为：L_{ag_packet}＝L_{head_ag}；设置待剔除的数据包序号i＝m，m为待聚合的数据包的总个数；

步骤2：根据优化目标，对待聚合数据包进行排序；

步骤3：假设聚合队列足够大，依次将排好序的数据包存入聚合队列，计算聚合包总长度

步骤4：判断聚合包长度是否超限，若L_{ag_packet}≤L_max，则表明可以聚合聚合队列中所有数据包，转入步骤6；若L_{ag_packet}＞L_max，则从聚合队列中删除第i个数据包，转入步骤5；

步骤5：i＝i-1；若i＜1，转入步骤6；若i≥1，计算剔除第i数据包后聚合包的长度L_{ag_packet}，L_{ag_packet}＝L_{ag_packet}-(L_{head_network}+X_i)；转入步骤4；

步骤6：聚合队列中的数据包即为满足优化目标的待聚合数据包，将其聚合在一起发往目标节点。