基于卡爾曼濾波的認知無線網絡路由算法

薛偉, 宋成君

(江南大學物聯網工程學院,江蘇無錫214122)

基于卡爾曼濾波的認知無線網絡路由算法

薛偉, 宋成君

(江南大學物聯網工程學院,江蘇無錫214122)

針對認知無線網絡中頻譜的動態性及節點移動性,提出一種基于卡爾曼濾波的認知無線網絡路由算法,以提高鏈路的穩定性。該算法綜合考慮主用戶的頻譜空閑概率與節點間的距離,兼顧端到端傳輸時延,對路由尺度進行設計,選擇穩定度較高的路徑進行通信;在路由維護階段,通過卡爾曼濾波對節點移動速度進行預測,在鏈路斷裂之前啟動路由修復。最后通過NS2進行仿真,結果表明該算法在鏈路通信的穩定性、分組投遞率、吞吐量等方面有明顯的改善,提高了網絡的整體性能。

認知無線網絡;卡爾曼濾波;鏈路穩定性;路由尺度;鏈路預測

在認知無線網絡中,認知用戶通過對所處頻譜環境的感知,當主用戶未使用授權頻段時,認知用戶可以在不對授權用戶造成有害干擾的情況下伺機使用這些空閑頻段,而當主用戶再次出現在該頻段時,認知用戶必須無條件退避,避免影響主用戶的通信。由此改變了以往的靜態頻譜分配策略,實行動態的頻譜接入方式,有效地解決了無線頻譜資源緊缺的問題。

由于在認知無線電網絡中所使用的頻譜資源是通過檢測的方式獲得的,具有頻譜動態性、頻譜差異性以及頻譜多樣性,而認知無線網絡所具有的這些新的特點,使得認知無線電環境下的路由算法和協議面臨新的問題,需要設計能夠反映認知無線電網絡特點及適應于在認知無線電網絡中工作的路由算法和協議。現階段國內外很多學者都針對認知無線網絡下路由協議及路由尺度進行了研究: Sharma S等[1]以信道未被主用戶占用的概率作為次用戶路由穩定性的評價指標;Abbagnale[2]提出了一種基于連通性的路由策略,在選擇路徑時避免選擇效率低不穩定的瓶頸鏈路,但并未給出具體的算法;Islam Beltagy等[3]提出一種基于路線親密度的路由選擇指標,提高端到端吞吐量和減少延遲。黃宓等[4]提出基于容量滿足度和鏈路穩定度的認知無線電路由度量,從認知網絡的角度衡量鏈路的優劣;王尚等[5]綜合考慮頻譜管理與路徑選擇問題,對路由度量進行研究并以端到端時延為指標對路由協議性能進行分析;MAO R等[6]提出了在認知無線網絡中使用備用路由以解決次用戶業務流因主用戶到達而產生的中斷,但對于移動性較大的網絡會因為節點位置的變化,使得備用路由不適用。

上述文獻中只考慮頻譜的動態變化,卻忽略了節點的移動性,或假設節點是靜止的,同時也未解決認知節點通信時的耳聾問題[7],在頻譜動態變化和拓撲結構變化的共同作用下,加劇了鏈路的不穩定,因此需要考慮節點的移動性對路由的影響。

文中針對認知無線網絡中頻譜的動態性及節點的移動性,沿用AODV協議基本流程,對路由尺度進行設計,提出了一種基于卡爾曼濾波的認知無線網絡路由算法,并且結合CRCN Simulator詳細闡述協議的實現過程。

1 系統模型與假設

1.1 頻譜的動態性

針對頻譜的動態性,在認知無線網絡中每個認知用戶能夠準確、動態地感知可用的空閑信道并對空閑信道的空閑概率進行預測,形成頻譜機會集合(Spectrum Opportunities,SOPs)。

1.2 節點的移動性

針對節點的移動性,采用TwoRayGround無線傳輸模型對相對運動的節點間的距離進行計算:

式中:pr,pt分別為節點的接收功率與發射功率;hr, ht分別為接收與發射節點天線高度;Gr,Gt分別為接收與發射節點天線高度;d為節點間距離;L為路徑損耗;設網絡中節點的pt相同,Gt,Gr,hr,ht,L均為常數。

為保證數據的正確接受,設置最小接收功率閾值Pthred,通過Pthred及無線傳輸模型可以得到節點的有效傳輸半徑d0,接收節點可以通過接收功率計算與上游節點間的距離,在路由維護階段以此對鏈路穩定性進行預測。

1.3 節點配置

由于頻譜動態性、頻譜差異性以及頻譜多樣性,認知無線網絡中節點間通信所使用的信道可能各不相同,難以通過感知到的授權信道建立公共控制信道,故使用一根傳統天線專用于公共控制信道,以此進行信息交互和協同;一根全雙工認知天線通過調整工作頻率切換信道進行數據收發,以解決中間節點與上、下游節點通信時使用不同的信道帶來的耳聾問題,同時減少信道切換延時。

CRCN Simulator中節點構件的配置如圖1所示。

圖1 CRCN Simulator中節點構件的配置Fig.1 Configuration of the node com ponent in a CRCN simulator

由于CRCN Simulator中節點的每個無線接口配置的信道數是相同的,而接口0只用于控制信道,所以接口0的channel_(當前接口所處信道)始終處于信道0,接口1,2用于數據通信。

2 路由機制與路由尺度設計

針對認知無線網絡環境下頻譜的特性以及節點的移動性,文中從鏈路穩定性的角度提出了一種基于卡爾濾波的認知無線網絡路由協議SAODV(Stability Ad hoc On-Demand Vector routing),沿用并修改AODV協議基本流程,設計適用于認知環境下的路由協議。

2.1 路由發現

認知無線網絡拓撲結構與路由建立進程如圖2所示。

圖2 認知無線網絡拓撲結構與路由建立過程Fig.2 CRN topology and routing establish process

當源節點需要與目的節點通信時,首先檢查路由表中是否有到達目的節點的路由,沒有則發送路由請求RREQ(Routing Request),將本節點感知的可用頻譜集合SOPs(包含頻譜空閑率)添加到RREQ,然后通過控制信道廣播出去;中間節點的物理層接收到請求包后,通過TwoRayGround模型計算與發送節點間穩定傳輸距離d0-di(di表示第i條鏈路中兩節點簡的距離,見圖2)并添加到RREQ中,然后檢查本節點與RREQ中上一節點是否有頻譜交集,沒有則丟棄;最后更新路由表,建立到源節點的反向路由,將本節點的頻譜集合添加到RREQ中并轉發。

2.2 路由應答

1)AODV協議是以最短跳數為原則選擇路由,而實際應用中是根據最先到達的RREQ建立路由,這樣雖然減少了時延,但在移動性較大和頻譜動態變化的認知無線網絡中通信鏈路極容易斷裂,導致分組投遞率、吞吐量下降,增加路由開銷。文中通過修改路由請求的回路檢查,中間節點可以接受來自同級(相同的轉發次數)以下節點轉發過來的RREQ,使路由請求以源節點為中心向外擴散的同時目的節點可以接受更多來自不同路徑的請求。圖2中,該部分偽代碼描述如下:

2)目的節點收到第一個RREQ時開始定時,只接受定時范圍內的RREQ,然后對通過不同路徑轉發過來RREQ中的信息進行分析。針對頻譜的動態性與節點移動性設計路由尺度選擇鏈路最穩定路徑:

式中:ξi為鏈路i的移動性穩定度,

其中,Sj為綜合考慮動態性及移動性提出的路徑穩定性指標。然而,該指標趨向于選擇跳數最多的路徑,增加了傳輸時延。對于移動速度高的認知無線網絡,較多的跳數保證了鏈路穩定性,對于移動速度低的認知無線網絡卻增加了不必要的時延。故文中通過加權值綜合考慮鏈路穩定性與時延:

其中:Qj為第j條路徑穩定性能指標;k,K分別為路徑中鏈路數和跳數;i為路徑中第i個鏈路;pimax為鏈路i中兩節點頻譜交集空閑概率最大值;a為加權值。由上述可知,網絡中節點移動速度越大,a應越大,反之亦然。

根據路由尺度選擇路徑后,按此前建立的反向路由發送路由響應報文RREP(Routing Rep ly),報文中包含中間節點與上、下游節點通信信道;中間節點接收到RREP后,找到對應本節點ID的控制信息(與上、下游節點通信所使用的授權信道),并使天線切換到相應信道準備通信;最后更新路由表,建立到目的節點的前向路由并轉發RREP,當源節點接收到路由應答后路由就建立了。該部分偽代碼算法描述如下:

if(rq→rq_dst=index)//RREQ到達目的節點

中間節點接受RREP的處理過程:

2.3 路由維護

路由建立后,鏈路節點間的通信可能會因為主用戶的出現和節點之間的相對移動導致信道頻繁切換及鏈路斷裂,嚴重影響網絡性能。

針對移動性,在路由維護階段通過對節點相對距離的測量,預測節點移動速度,最終對鏈路的穩定性進行預測;在超出傳輸范圍之前啟動路由修復,因此需要對節點下一時刻的狀態進行預測;同時由于節點間的信號干擾造成測量值有誤差,因此,卡爾曼濾波[8]是解決這一問題的有效算法。卡爾曼濾波的離散過程方程和觀測方程如下:

卡爾曼濾波時間更新方程:

卡爾曼濾波測量更新方程:

其中:wk,vk為均值為零,相互獨立的過程白噪聲和測量白噪聲;Q,R為相應的協方差矩陣,由于Q,R難以準確獲得,可根據網絡中節點移動的速度進行取值。卡爾曼濾波通過時間更新方程與測量更新方程,不斷地對目標狀態及協方差進行預測、修正,不需要存儲大量的觀測數據,根據實時得到的數據進行濾波預測。具體實現如下:

1)設置危險傳輸范圍,當節點在危險傳輸范圍時,啟動穩定性預測(見圖2):

2)將從上游節點接收到的數據進行分組,由TowRay傳輸模型,計算節點之間距離dk。根據上一分組接收時計算的距離dk-1及接收時間間隔Δtk,以接收節點為參考節點,計算兩節點的相對運動速度:

卡爾曼遞推過程初值:

3)節點在危險傳輸范圍時啟動卡爾曼預測,從v2開始,卡爾曼濾波不斷地對進行預測、估計、修正,提高狀態估計精度。

4)需要判斷節點是否超出傳輸范圍,若

則接收節點發送鏈路斷裂消息包到發送節點,發送節點提前啟動路由修復;式(9)中ttx_delay為發送節點接收到鏈路斷裂消息包后,隊列中緩存的分組發送完后的延時,可以根據具體網絡負載大小對時延進行設置。

針對頻譜動態性,當認知用戶感知到主用戶出現,而認知用戶正在使用主用戶的授權信道,則啟動路由修復,對轉發過來的數據分組緩存,同時認知節點發送包含當前可用信道的信道策略報文與下游節點溝通協商選擇空閑信道(見圖1),切換信道以避免對主用戶的干擾。

3 仿真分析

目前,針對認知無線網絡路由協議的仿真大多采用Roman模型[9],而Roman模型中信道數與接口數是相同的,因此該模型從成本與算法實際可實現性考慮是不合適的。文中采用基于NS2[10]平臺CRCN模擬器(支持信道數與接口數不同,見圖1)對協議仿真,仿真環境參數見表1。

仿真結果如圖3～圖6所示。其中AODV協議支持認知無線網絡環境下多信道通信。

表1 仿真環境參數Tab.1 Simulation parameter

圖3 認知無線網絡環境下網絡吞吐量比較Fig.3 Throughput com parison in the CRN environment

圖3反映了吞吐量在鏈路斷裂前后的變化。由于鏈路斷裂之前對鏈路穩定性進行卡爾曼預測,提前啟動路由修復,建立路由,恢復通信,提升了網絡吞吐量。

圖4 吞吐量在不同加權值下隨速度的變化Fig.4 Throughput under different weight along w ith speed

由圖4可以看出,隨著加權a的減小,選擇的路徑跳數較少,導致鏈路相對容易斷裂,使網絡吞吐量減小。

圖5 平均傳輸時延在不同加權值下隨速度的變化Fig.5 Average transm ission delay under different weight along w ith speed

由圖5可以看出,在節點速度低的網絡中,加權a的減小導致選擇的路徑跳數較少,但減少了傳輸時延;但隨著節點移動速度的增加,由于較少的跳數使得鏈路容易斷裂,傳輸時延反而較大。

圖6 分組投遞率比較Fig.6 Packet delivery ratio com parison

由圖6可以看出,由于SAODV協議對節點間鏈路穩定性進行預測,使上游節點對分組進行緩存,并建立新的路由,減少了鏈路斷裂后造成的分組丟失;而AODV協議是基于最短跳數,鏈路容易斷裂,同時沒有預測機制,節點移動速度較大的情況下分組丟失嚴重。

4 結 語

文中針對認知環境下無線網絡中的差異性與共同特征,綜合考慮頻譜的動態性與節點的移動性對路由協議及路由尺度進行設計,對鏈路穩定性進行預測,通過實驗結果顯示,對分組投遞率、網絡吞吐量等性能有提升。

[1]Sharma S,YIShi,HOU Y T,et al.Joint flow routing and relay node assignment in cooperative multi-hop networks[J].IEEE Journal on Selected Areas in Communications,2012,30(2):254-262.

[2]Abbagnale A,Guomo F.Connectivity-driven routing for cognitive radio ad-hocnetworks[C]//Sensor Mesh and Ad Hoc Communications and Networks(SECON).Boston:IEEE,2010:1-9.

[3]Islam Beltagy,Moustafa Youssef,Magdy Abd.Channel assignment with closeness multipath routing in cognitive networks[J]. Alexandria Engineering Journal,2013,52(4):665-670.

[4]黃宓,韓慶文.基于遺傳算法的認知無線電網絡路由策略研究[D].重慶:重慶大學,2012.

[5]王尚,汪一鳴.認知無線電Ad Hoc網絡路由算法的研究與實現[D].蘇州:蘇州大學,2013.

[6]MAO R,LIH.Protecting cognitive radio networks against primary users:a backup path approach[C]//Global Telecommunications Conference(GLDBECOM2001).Houston:IEEE,2011:1-6.

[7]MA Huisheng,ZHENG Lili,MA Xiao.Spectrum aware routing for multi-hop cognitive radio networks with a single transceiver [C]//Proceedings of Third Intemational Conerence on Cognitive Radio Oriented Wireless Networks and Communications. Singapore:IEEE,2008.

[8]Kalman R E.A new approach to linear filtering and prediction problem[J].Transaction of the ASME Journal of Basic Engineering,1960,82(4):34-45.

[9]Roman A C.Addingmultiple interfoue support in NS-2[EB/OL].(2007-01-01)[2013-12-15].http://personales.unican.es/ aguerocr/

[10]徐雷鳴,龐博,趙耀.NS與網絡模擬[M].北京:人民郵電出版社,2003.

(責任編輯:邢寶妹)

Routing Protocol Based on the Kalm an Filter for Congnitive Radio Networks

XUEWei, SONG Chengjun
(School of Internet of Things Engineering,Jiangnan University,Wuxi214122,China)

A routing algorithm based on the Kalman filter for cognitive radio networks is proposed to solve the problem of dynamic spectrum in cognitive radio networks and nodemobility and to improve the stability of the link.Consider the spectrum idle probability of primary users and the distance between nodes,designs routing metrics select a higher stability path to communicate.In the routing maintenance phase,predict the relative distance of the upstream to the downstream node through the Kalman filter and start the routing repair to repair broken link.NS2-based platform CRCN simulation results show that the algorithm in the stability of the communication link,packet delivery ratio,throughput, etc has obvious improvement on the overall performance of the network.

cognitive radio networks,Kalman filter,link stability,routingmetric,link prediction

Email:xwxhy911@163.com

TP 393

A

1671-7147(2015)03-0253-06

2014-11-05;

2014-12-10。

國家自然科學基金項目(61374047)。

薛 偉(1963—),男,江蘇海門人,副教授,碩士生導師。主要從事無線網絡與嵌入式系統應用等研究。