一种无线网络的最优拥塞控制方法与流程

本发明涉及通信网络领域，特别是涉及排队论，以及优化理论。

背景技术：

无线网络技术一直都是研究和应用的热点。众多的专家和研究学者对无线网络技术的不断分析和研究，使其得到了迅速持续的发展，越来越多种类的802.11X标准被提出，不断的得到更新，各种新颖的无线网络架构被提出，对它们的实现也在不断的进行，对它们部署及应用也在深入开展。

当在网络中存在过多的报文时，网络的性能会下降，这种现象称为拥塞，网络中的拥塞来源于网络资源和网络流量分布的不均衡性。拥塞不会随着网络处理能力的提高而消除。由网络拥塞产生的原因可知，虽然拥塞的产生源于资源短缺，但单方面增加资源并不能避免拥塞的发生，有时甚至会加重拥塞程度，一种典型的拥塞控制机制如图1所示。例如，增加网关缓存会增大报文通过网关的延迟，当数据包经过长时间的排队完成转发时它们早己超时，而源端认为这些数据包已经被丢弃，开始重传，但这些数据包仍在网络中传输，反而浪费了网络资源且加重了网络拥塞。又如，处理机的处理速率太慢可能导致网络拥塞，但单纯提高该处理器的性能，网络的瓶颈又会转移到其它地方，导致系统各部分的不匹配。总之，拥塞控制算法的设计存在以下几方面的困难：

(1)算法的分布性：拥塞控制算法的实现分布在不同的网络层次以及多个网络节点中。采用分布式的拥塞控制算法可以降低单个节点的处理复杂度，同时提高网络的稳健性。

(2)算法的可扩展性：网络中各处的性能有很大的差异，对于不同的网络条件，如网络规模的变化，带宽的变化，链路传输时延的变化，不同的端系统状况，以及存在多种数据流时，拥塞控制算法都应具有相对较好的性能指标。

(3)算法的性能要求：拥塞控制算法对性能有很高的要求，包括算法的效率、公平性、稳定性、鲁棒性和收敛性。通常的拥塞控制策略只能达到部分的性能要求，因此对这些指标需要综合考虑。

(4)算法的易实现性：拥塞控制算法的设计与实现要尽可能简单，不仅要尽量减少附加的网络流量，而且要减少反馈信号的复杂度，同时拥塞控制算法的设计还必须尽可能降低该算法在网络节点的计算量和实现的复杂度。

(5)拥塞的复杂性：通信网络己发展成为一个庞大的复杂性系统，其复杂性在于网络拓扑结构的复杂性，网络数据流的复杂性如自相似，自组织临界和拥塞相变现象等。

因此，为实现无线mesh网络的传输效能提升，有必要建立高效的拥塞控制机制。

技术实现要素：

本发明所要解决的技术问题是：通过建立终端唤醒机制、数据加密机制和实现时钟同步优化，实现无线网络的安全加密认证。

本发明为解决上述技术问题所采用的技术方案包括以下步骤，如图2所示：

A、建立最优拥塞控制速率模型；

B、建立拥塞最优控制机制。

所述步骤A中，建立最优拥塞控制速率模型：

0≤p_u≤1,0<q_v<1

其中源节点s至目的节点t∈T_s的传输路径为A，A与逻辑链路I_u＝(f,H)重叠的传输路径集合为B，为B中经过业务汇聚节点h的业务流速率，T_s为目的节点集合，为由来至源节点s且经过逻辑链路(f,H)的业务流速率，x_s为源节点s发起的会话的业务流速率，r_u,v为逻辑链路I_u∈(f,J)的传输速率，p_u为第u个逻辑链路I_u的权重系数，q_v为第v个传输场景的权重系数，S为源节点集合，逻辑链路(f,H)采用广播路由，H为业务流汇聚节点集合，tr(u)为逻辑链路I_u的发射端，为基于逻辑链路I_u的会话s的业务流速率，ε_f为节点f的初始能量，e_u,v为逻辑链路I_u的平均传输能量，T_f为节点f的生存时间，N为网络中的节点集合，x_f,s为决策变量，若节点f为会话的源节点，则x_f,s＝x_s，若节点f为会话的sink节点，则x_f,s＝-x_s，若节点f不为会话的源节点或sink节点，则x_f,s＝0，L为逻辑链路集合，λ、λ₁和λ₂均为平衡权重系数，W₁和W₂分别为λ₁和λ₂的调节因子，F为节点集合。

所述步骤B中，进行模糊学习优化，具体为：a.初始化q值，q[i,j]＝0,1≤i≤N,1≤j≤J；b.设置行为触发策略：当触发概率为1-ε时，a_i＝argmax_kq[i,k]，当触发概率为ε时，a_i＝random{a_k,k＝1,2,...,J}；c.获得模糊逻辑控制的全局行为参数d.计算e.采用行为参数并进入下一状态s(t+1)；f.获得新状态量g.计算误差信号ΔQ＝r(t+1)+γ·V_t(s(t+1))-Q(s(t),a)，γ为权重系数；h.采用规则q[i,a_i]⁺＝q[i_,a_i]+η·ΔQ·α_i(s(t))更新q值；i.重复上述步骤，并不断更新s(t)，当获得最优解的收敛域时，则停止计算，其中α_i(s)为a_i的权重系数，Q(s(t),a)为在状态为s(t)、迭代次数为t和模糊控制行为参数为a的Q函数值，α_i(s)为模糊逻辑规则i的信任度，r(t+1)为正向增强信号，η为学习速率，i为模糊逻辑规则数目，j为模糊逻辑规则修正数目。

所述步骤B中，设置拥塞控制的模糊规则，具体为：模糊控制单元由模糊规则库、模糊处理单元、解模糊处理单元和干扰引擎组成；模糊处理单元接收R_ij和HO margin，并产生相应的控制行为，如图3所示，具体为：(1).当R_ij为非均衡(i→j)和HO margin为H时，模糊控制行为为EL；(2).当R_ij为非均衡(i→j)和HO margin为M时，模糊控制行为为VL；(3).当R_ij为非均衡(i→j)和HO margin为L时，模糊控制行为为L；(4).当R_ij为均衡和HO margin为H时，模糊控制行为为N；(5).当R_ij为均衡和HO margin为M时，模糊控制行为为N；(6).当R_ij为均衡和HO margin为L时，模糊控制行为为N；(7).当R_ij为非均衡(i→j)和HO margin为L时，模糊控制行为为EH；(8).当R_ij为非均衡(i→j)和HO margin为M时，模糊控制行为为VH；其中L为低级，M为中级，H为高级，EL为超低级，VL为甚低级，N为空集，VH为甚高级，EH为超高级，R_ij为非均衡(i→j)表示业务流由i至j，R_ij为均衡表示i与j之间不存在业务流传输，R_ij＝CBR_i-CBR_j，如图4所示。

所述步骤B中，建立最优拥塞控制模型，其由无线网络、模糊控制单元和模糊学习优化单元组成，如图5所示，模糊学习优化单元接收从无线网络的状态信息获得的CDR_i和CDR_j信息，并输出ΔHO margin₁，模糊控制单元接收来至无线网络的HO margin和(CBR_i-CBR_j)信息和模糊学习优化单元的输出ΔHO margin₁，并输出ΔHO margin₂至无线网络用于调节无线网络的拥塞控制能力，其中为呼叫阻塞率，为呼叫丢失率，N_blocked为接纳控制中被阻塞的呼叫数目，N_accepted为接纳控制中被接受的呼叫数目，N_dropped为接纳控制中被丢弃的呼叫数目，N_succ为接纳控制中成功完成通话的呼叫数目。

附图说明

图1一种典型的拥塞控制机制示意图

图2无线网络的最优拥塞控制流程示意图

图3模糊控制单元结构示意图

图4模糊控制规则

图5最优拥塞控制结构示意图

具体实施方式

为达到上述目的，本发明的技术方案如下：

第一步，建立最优拥塞控制速率模型：

0≤p_u≤1,0<q_v<1

其中源节点s至目的节点t∈T_s的传输路径为A，A与逻辑链路I_u＝(f,H)重叠的传输路径集合为B，为B中经过业务汇聚节点h的业务流速率，T_s为目的节点集合，为由来至源节点s且经过逻辑链路(f,H)的业务流速率，x_s为源节点s发起的会话的业务流速率，r_u,v为逻辑链路I_u∈(f,J)的传输速率，p_u为第u个逻辑链路I_u的权重系数，q_v为第v个传输场景的权重系数，S为源节点集合，逻辑链路(f,H)采用广播路由，H为业务流汇聚节点集合，tr(u)为逻辑链路I_u的发射端，为基于逻辑链路I_u的会话s的业务流速率，ε_f为节点f的初始能量，e_u,v为逻辑链路I_u的平均传输能量，T_f为节点f的生存时间，N为网络中的节点集合，x_f,s为决策变量，若节点f为会话的源节点，则x_f,s＝x_s，若节点f为会话的sink节点，则x_f,s＝-x_s，若节点f不为会话的源节点或sink节点，则x_f,s＝0，L为逻辑链路集合，λ、λ₁和λ₂均为平衡权重系数，W₁和W₂分别为λ₁和λ₂的调节因子，F为节点集合。

第二步，进行模糊学习优化，具体为：a.初始化q值，q[i,j]＝0,1≤i≤N,1≤j≤J；b.设置行为触发策略：当触发概率为1-ε时，a_i＝argmax_kq[i,k]，当触发概率为ε时，a_i＝random{a_k,k＝1,2,...,J}；c.获得模糊逻辑控制的全局行为参数d.计算e.采用行为参数并进入下一状态s(t+1)；f.获得新状态量g.计算误差信号ΔQ＝r(t+1)+γ·V_t(s(t+1))-Q(s(t),a)，γ为权重系数；h.采用规则q[i,a_i]⁺＝q[i,a_i]+η·ΔQ·α_i(s(t))更新q值；i.重复上述步骤，并不断更新s(t)，当获得最优解的收敛域时，则停止计算，其中α_i(s)为a_i的权重系数，Q(s(t),a)为在状态为s(t)、迭代次数为t和模糊控制行为参数为a的Q函数值，α_i(s)为模糊逻辑规则i的信任度，r(t+1)为正向增强信号，η为学习速率，i为模糊逻辑规则数目，j为模糊逻辑规则修正数目。

第三步，设置拥塞控制规则，具体为：模糊控制单元由模糊规则库、模糊处理单元、解模糊处理单元和干扰引擎组成；模糊处理单元接收R_ij和HO margin，并产生相应的控制行为，具体为：(1).当R_ij为非均衡(i→j)和HO margin为H时，模糊控制行为为EL；(2).当R_ij为非均衡(i→j)和HO margin为M时，模糊控制行为为VL；(3).当R_ij为非均衡(i→j)和HO margin为L时，模糊控制行为为L；(4).当R_ij为均衡和HO margin为H时，模糊控制行为为N；(5).当R_ij为均衡和HO margin为M时，模糊控制行为为N；(6).当R_ij为均衡和HO margin为L时，模糊控制行为为N；(7).当R_ij为非均衡(i→j)和HO margin为L时，模糊控制行为为EH；(8).当R_ij为非均衡(i→j)和HO margin为M时，模糊控制行为为VH；其中L为低级，M为中级，H为高级，EL为超低级，VL为甚低级，N为空集，VH为甚高级，EH为超高级，R_ij为非均衡(i→j)表示业务流由i至j，R_ij为均衡表示i与j之间不存在业务流传输，R_ij＝CBR_i-CBR_j。

第四步，建立最优拥塞控制模型，其由无线网络、模糊控制单元和模糊学习优化单元组成，模糊学习优化单元接收从无线网络的状态信息获得的CDR_i和CDR_j信息，并输出ΔHO margin₁，模糊控制单元接收来至无线网络的HO margin和(CBR_i-CBR_j)信息和模糊学习优化单元的输出ΔHO margin₁，并输出ΔHO margin₂至无线网络用于调节无线网络的拥塞控制能力，其中为呼叫阻塞率，为呼叫丢失率，N_blocked为接纳控制中被阻塞的呼叫数目，N_accepted为接纳控制中被接受的呼叫数目，N_dropped为接纳控制中被丢弃的呼叫数目，N_succ为接纳控制中成功完成通话的呼叫数目。

本发明提出了一种无线网络的最优拥塞控制方法，通过建立最优拥塞控制速率模型和拥塞最优控制机制，实现无线网络的资源优化利用。