一种干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法与流程

本发明属于无线通信技术领域，具体涉及一种干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法。

背景技术

随着无线通信技术的迅速发展，无线多跳网络的应用场景越来越广泛和复杂，网络的跨层资源优化问题也因此受到大量关注和研究，跨层资源优化是根据网络协议栈中各层的功能及相应的资源约束进行建模，通过设计合理的优化算法，利用各层之间建立的接口完成信息交互和信息共享，从而实现无线资源的优化分配，最终使整网效用最大化或者能耗最小化等。

关于无线多跳网络跨层资源优化二阶算法的研究目前已经取得较大进展，二阶算法具有非常快的收敛速度，能够适应当前通信业务及网络流量爆发式增长的形势，弥补了一阶算法在收敛速度和步长选择上的缺陷，但是在无线网络中，无线信道因为衰落和干扰具有不确定性，而节点自适应的调整传输功率能够降低网络整体能量消耗，减少节点间的干扰，对延长无线网络的生存期，提升链路容量和网络效用有很大帮助，然而目前已知的二阶方法只解决了网络中流量控制、路由选择以及拥塞控制的问题，并且都是以链路容量已知为基础，没有考虑物理层功率分配的问题。

技术实现要素：

基于上述现有方法中存在的缺陷，针对干扰和节点功率受限的无线多跳网络，本发明公开了一种干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法。该方法针对网络节点功率受限，业务流路由确知，网络干扰受限的应用场景，以最大化网络整体效用为优化目标，利用原始对偶内点法对优化模型进行建模，获得原始及对偶变量牛顿方向，利用集合投影作为迭代步长控制策略，实现业务流速率和链路功率的最优分配。由于在牛顿方向的更新过程中需要使用到全局的诸如节点功率、源节点发送速率等信息，所以需要在控制中心节点处统一计算处理。

为了达到本发明的目的，本发明采取如下技术方案：

一种干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法，包括以下步骤：

s1：初始化阶段：控制中心节点获得本网络的拓扑信息，周期性更新本网络路由表；控制中心节点周期性收集网络中所有节点的基本配置信息，制定业务流速率和链路功率更新的可行集合；

s2：建立优化模型：以最大化网络整体效用为目标，根据信道容量约束以及节点传输功率约束，建立拥塞控制和功率分配的优化模型，利用对数变换将所述信道容量约束转化为凸集，对所述优化模型进行简化和重构；

s3：求解优化模型：通过原始对偶内点法对重构的优化模型进行求解，得到原始变量和对偶变量的牛顿方向更新式；

s4：变量更新阶段：设置一个固定的迭代步长，在每个时隙，根据原始及对偶变量的牛顿方向更新式计算牛顿方向，利用所述牛顿方向完成原始变量和对偶变量的更新；

s5：集合投影阶段：判断所述更新结果是否超出可行集合，若是，利用集合投影的方法对更新结果进行调整；若否，则进入s6；

s6：控制消息分发阶段：当原始变量与对偶变量更新至收敛后，控制中心节点将计算结果发送给网络中的各节点，各节点按照要求分配业务流速率和链路功率；

s7：重启动阶段：若网络拓扑发生改变或者有新的业务流加入，重新启动进入s1；否则，一直按照当前分配值运行系统。

进一步地，步骤s1中制定业务流速率和链路功率更新的可行集合具体为：

通过gps定位获得本节点位置信息，通过hello包交互获得邻居信息，计算所述邻居信息相互之间的距离、节点的可用发送功率上界和业务流源速率上界，制定更新可行集合，并交换彼此的操作权限信息。

进一步地，步骤s2中的优化模型的形式为：

信道容量约束条件表示为：

节点功率约束表示为：

业务流速率和链路功率的非负性约束表示为：

干扰受限模型下信道容量表示为：

cl(p)＝blog2(1+k·sinr)

自由空间下信干燥比定义为：

其中，u(sf)为效用函数，f表示端到端的业务流个数，f(l)表示经过链路l的业务流集合；表示节点n具有的最大传输功率，o(n)表示节点n的输出链路集；pl表示链路l的传输功率，向量p＝[p1,…,pl]表示所有链路的传输功率，ηl表示链路l的噪声功率，b表示信道带宽，k表示和调制机制以及误比特率相关的处理增益，gil为链路i的发送节点到链路l的接收节点之间的路径损耗，gll为链路l的发送节点到链路l的接收节点之间的路径损耗。

进一步地，步骤s2中，利用对数变换将所述信道容量约束转化为凸集，对所述优化模型进行简化和重构，具体为：

s21,高sinr下，上述干扰受限模型下信道容量的近似表达式为：

s22，利用对数变换，将其转化为一个关于的函数：

式中，是一个线性函数，是一个凸函数；

将上述信道容量约束条件改写为：是关于的凸集；

s23，用y＝[s1,...,sf,p1,...,pl]^t表示所有的业务流速率和链路功率变量，表示网络的路由和拓扑信息，表示链路信道容量和节点功率的限制；cl表示链路l的信道容量，0表示全零矩阵,

将上述信道容量约束和节点功率约束条件表示成矩阵形式约束：

my≤e

s24，利用障碍函数法将优化问题转化为无约束的优化问题，重构的优化问题如下：

障碍目标函数

其中，

fμ(y)表示目标增强函数，μ＞0为障碍函数惩罚因子。

进一步地，步骤s3中，

原始变量的牛顿方向更新式为：

式中，

对偶变量的牛顿方向更新式为：

式中，

其中，向量表示全部的对偶变量，1表示全1向量，g[t]＝▽fμ(y[t])，表示fμ(y[t])的梯度向量，h[t]＝▽²fμ(y[t])，表示fμ(y[t])的hessian矩阵，v[t]＝diag{v[t]}，q[t]＝diag{my[t]-e[t]}，diag{*}表示对角化。

进一步地，步骤s4具体为：

设定一个固定的迭代步长θ，根据原始变量牛顿方向δy[t]及对偶变量牛顿方向δv[t]，得到原始变量y和对偶变量v的迭代更新公式：

在时隙t，控制中心节点通过上述原始变量牛顿方向更新式及对偶变量牛顿方向更新式计算原始及对偶变量的牛顿方向，然后通过所述迭代更新公式完成对原始变量y的更新，以及对偶变量v的更新。

进一步地，步骤s5中的集合投影过程为：

其中是更新可行集合，表示(y,v)在集合上的投影结果，ε是一个趋近于0的任意正数，m是根据网络实际资源状况预设的一个大于0的常数。

本发明公开的方法具有以下优点：

(1)该方法实现了干扰受限的无线多跳网络中业务流速率和节点发送功率的二阶分配方法，通过优化功率分配降低节点间干扰和网络拥塞，使网络效用和能量效用得到显著提升。

(2)该方法通过采用集合投影技术，简化了步长控制问题，减弱了不同步长对方法收敛性及最终网络效用值的影响。

(3)该方法集中式实现，对非中心控制节点的计算能力要求不大，所以非中心节点能耗较少，适用于存在数据处理中心的网络。

附图说明

图1为本发明的流程图。

图2为网络示例图以及最终业务流速率分配结果。

图3为网络链路功率优化结果。

图4为本发明与未优化功率分配的二阶方法的网络效用对比图。

图5为本发明与未优化功率分配的二阶方法的能量效用对比图。

具体实施方式

下面结合附图对本发明实施例作详细说明。

如图1所示，本发明所述干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法，包括以下步骤：

s1：初始化阶段：控制中心节点通过周期性“hello”消息的交换，获得本网络的拓扑信息，并根据最短路径路由算法周期性更新本网络路由表；控制中心节点周期性收集网络中所有节点的基本配置信息，包括信道状态信息、是否业务流的源节点以及节点功率上界等，制定业务流速率和链路功率更新的可行集合。

本发明考虑一个简单的无线多跳网络，网络拓扑g＝{n,l}，n,l分别表示网络节点集合与链路集合，网络节点数目|n|＝n，网络链路数目|l|＝l，网络中有f个端到端的业务流，流速率集合s＝[s1,...,sf]，每个业务流都有对应的源节点与目的节点，分别用src(f)和dst(f)表示，且src(f)不等于dst(f)，目的节点数目为d。网络中的链路是双向的，业务流的源节点可以通过多跳将数据传输至目的节点，且路由确知，定义路由矩阵r∈r^l×f和去掉目的节点后的节点链路矩阵t∈r^(n-d)×l，令l(f)表示流f的传输路径，tx(l)和rx(l)分别表示链路l的发送节点和接收节点。r和t中元素定义如下：

步骤s1中，通过gps定位获得本节点位置信息，通过hello包交互获得邻居信息，计算所述邻居信息相互之间的距离、节点的可用发送功率上界和业务流源速率上界，制定更新可行集合，并交换彼此的操作权限信息。

s2：建立优化模型：以最大化网络整体效用为目标，根据信道容量约束以及节点传输功率约束，建立拥塞控制和功率分配的优化模型，利用对数变换将所述信道容量约束转化为凸集，对所述优化模型进行简化和重构。

本实施例中，用friis自由空间模型来建模路径损耗，则链路i的发送节点到链路l的接收节点之间的路径损耗gil为：

式中，dil表示链路i的发送节点到链路l的接收节点之间距离，gt和gr分别表示发射和接收天线增益，λ表示信号波长。

链路l的信干噪比sinrl定义如下：

链路l的信道容量cl(p)可以建模为：

cl(p)＝blog2(1+k·sinr)(5)

式(4)和(5)中，pl表示链路l的传输功率，向量p＝[p1,...,pl]表示所有链路的传输功率，ηl表示链路l的噪声功率，b表示信道带宽，k表示和调制机制以及误比特率相关的处理增益。

任意时隙，网络中所有流经链路l的业务流数据之和不能超过它的信道容量，即存在信道容量的限制：其中f(l)表示经过链路l的业务流集合。由于网络中节点功率有限，因此对于网络中的任一节点n，存在传输功率限制，即表示节点n具有的最大传输功率，o(n)表示节点n的输出链路集。用效用函数u(sf)来表示业务流的源速率为sf时，流f获得的效用，以最大化网络整体效用为目标函数，联合拥塞控制和功率分配的优化模型为：

进一步将信道容量约束转化为凸集，对优化模型进行简化和重构，具体包括以下步骤：

s21，假设网络工作在高sinr下，则式(5)的近似表达式为：

s22，利用对数变换，可以将其转化为一个关于的函数：

式中，是一个线性函数，属于log-sum-exp形式，是一个凸函数。约束条件(6)可以改写为：是关于的凸集。

s23，用y＝[s1,...,sf,p1,...,pl]^t表示所有的业务流速率和链路功率变量，表示网络的路由和拓扑信息，表示链路信道容量和节点功率的限制(不包括目的节点)。cl表示由式(9)定义的链路l的信道容量，0表示全零矩阵,维数结合上下文确定。因此，约束条件条件(6)和(7)可表示成矩阵形式约束：

my≤e(10)

s24，利用障碍函数法将优化问题转化为无约束的优化问题，重构的优化问题如下：

障碍目标函数

其中，

fμ(y)表示目标增强函数，μ＞0为障碍函数惩罚因子。

s3：求解优化模型：通过原始对偶牛顿法对重构的优化模型进行求解，得到原始变量(由业务流速率和链路功率构成)的牛顿方向和对偶变量(由链路拥塞价格和节点功率价格构成)的牛顿方向的更新式。

本实施例中，对障碍目标函数进行求导，并令导数为0得到：

其中，当链路l在业务流f的路由上时，1f(l)＝1，反之为0。根据原始对偶内点法，定义对偶变量wl与分别表示链路拥塞价格和节点功率价格。用向量表示所有的链路拥塞价格，向量表示所有的节点功率价格，向量表示全部的对偶变量。因此重构优化问题的扰动kkt条件，包含平稳性(st)，原始可行性(pf)，对偶可行性(df)和扰动互补松弛(cs)条件如下：

(st):▽fμ(y)+(m^t-▽e)v＝0(16)

(pf):y＞0,my-e＜0(17)

(df):v＞0(18)

(cs):-diag{my-e}v＝1(19)

其中，1表示全1向量，维度结合上下文决定。通过牛顿法来求解该非线性系统，得到：

其中，g[t]＝▽fμ(y[t])，表示fμ(y[t])的梯度向量，h[t]＝▽²fμ(y[t])，表示fμ(y[t])的hessian矩阵，v[t]＝diag{v[t]}，q[t]＝diag{my[t]-e[t]}，diag{*}表示对角化，i表示单位矩阵，维数结合上下文决定。

求解式(20)得到原始变量及对偶变量的牛顿方向更新式：

式中，

s4：变量更新阶段：设置一个固定的迭代步长，在每个时隙，根据原始及对偶变量的牛顿方向更新式计算牛顿方向，利用所述牛顿方向完成原始变量和对偶变量的更新。

本实施例中，步骤s4具体为：

设定一个固定的迭代步长θ，根据原始变量牛顿方向δy[t]及对偶变量牛顿方向δv[t]，得到原始变量y和对偶变量v的迭代更新公式如下：

在时隙t，控制中心节点通过式(21)(22)计算原始及对偶变量的牛顿方向，然后通过式(25)完成对由业务流速率和链路功率构成的原始变量y的更新，以及由链路拥塞价格和节点功率价格构成的对偶变量v的更新。

本发明提出的算法在初始值的选取上并不要求严格可行，因此在迭代过程中，可能会存在更新结果超出网络资源限制的情况。首先根据扰动kkt条件中的式(17)和(18)得到原始及对偶变量更新可行集合：

s5：集合投影阶段：判断所述更新结果是否超出可行集合，若是，利用集合投影的方法对更新结果进行调整；若否，则进入s6。

步骤s5的集合投影过程表示为：

表示(y,v)在集合上的投影结果，ε是一个趋近于0的任意正数，m是根据网络实际资源状况预设的一个大于0的常数，用来抑制突发性。

s6：控制消息分发阶段：当原始变量与对偶变量更新至收敛后，控制中心节点将计算结果发送给网络中的各节点，各节点按照要求分配业务流速率和链路功率。基于式(21)-(27),我们得到了业务流速率的最终分配结果，如图2所示,以及链路功率的最终分配结果，如图3所示。

s7：重启动阶段：若网络拓扑发生改变或者有新的业务流加入，重新启动进入s1；否则，一直按照当前分配值运行系统。

图4进一步对比了本发明与未考虑功率优化分配的二阶算法：a.基于原始对偶内点法的二阶方法,b.基于牛顿法的二阶方法的网络效用，对于未考虑功率优化分配的二阶算法，链路初始功率设置为节点最大传输功率平均分到每条输出链路上的功率，其他仿真参数设置保持一致。从图中可以看出，本发明设计的方法解决了在固定功率分配下的链路拥塞瓶颈，拥有更高的网络效用，相比另外两种算法，网络效用提高了19.5％。

图5对比了本发明与未考虑功率优化分配的二阶算法的能量效用，从图中可以看出，所提出的方法优化功率分配后，降低了不必要的功率消耗和节点间的干扰，能够增大信道容量，降低拥塞，使能量效用提高了两倍以上。

以上对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。