一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法技术

本发明专利技术公开了一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法。该方法采用离散马尔可夫链对无人机集群网络中节点动态接入的过程进行数学建模，使用定长时隙的方法准确区分网络中的瞬时冲突和持续冲突两种不同的冲突类型。该方法首先引入“伪状态”的概念建立了四维马尔科夫模型，并应用该模型对网络中节点的退避过程、传输过程和挂起过程进行分析。然后结合模型推导出的非空一步状态转移概率和归一化条件，进而推导出无人机集群网络节点所在链路的冲突概率和发送概率的表达式，最后求解出无人机集群网络的饱和吞吐量。模型求解出的饱和吞吐量理论值与无线网络仿真环境EXata中仿真实验的仿真值趋于一致，证明了该方法的有效性。

【技术实现步骤摘要】
一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法
本专利技术属于无线网络领域，特别涉及基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法。
技术介绍
随着无人机集群的规模越来越大，其多变的任务模式和复杂的作战环境对无人机集群网络的性能提出了更高的要求。其中，数据链路层中的媒介接入控制协议控制着无线信道上数据的收发模式，媒介接入控制协议性能的优劣对网络性能有着较大的影响。在无人机集群网络中，除了会出现传统的隐藏终端、暴露终端以及公平性等常见问题以外，节点的高移动性和集群拓扑的快速变化性会带来节点密度变化、链路质量波动等问题，这都对媒介接入控制协议的设计提出了新的挑战。附图1给出了一种具体的无人机集群网络媒介接入方式的流程图，其具体步骤如下：步骤1：无人机集群网络中的节点向其邻居节点广播自身位置，使得每个节点已知其载波检测范围内的节点数量。步骤2：无人机集群网络中节点以二进制指数退避法为基础，进入退避阶段，竞争信道以进行数据传输。步骤3：当节点退避结束后，会进入数据传输阶段。完成退避的节点此时会向接收节点发送数据帧，并开启一个定时器，等待回复ACK。若定时器超时之前，节点收到了ACK回复，则表明数据已被成功接收，收发节点将开始发送新的数据包；若在定时器超时后仍未收到ACK回复，此时发送节点会重新竞争信道尝试发送数据包。接收节点在成功收到数据包之后，同时检测到信道处于空闲状态，在间隔一个最短帧间间隔(ShortInterframeSpace，SIFS)时长后向发送节点回复ACK。在接受DATA帧和回复ACK帧的过程中，持续冲突区域内的节点发送数据会引起冲突的产生，导致数据传输失败。此时发送节点会重新竞争信道，重新发送该数据包。随着无人机集群技术的不断发展，人们对于集群中带宽的需求越来越高，如何定量分析研究无人机集群网络中饱和吞吐量对于提升协议性能具有重要意义。为了求解无人机集群网络中饱和吞吐量，本文采用离散马尔科夫链模型针对上述无人机集群网络信道接入方法进行数学建模，得出了无人机集群网络饱和吞吐量的数学表达式。
技术实现思路
本专利技术的目的是针对无人机集群网络环境，提出一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法。为了实现该目的，本专利技术所采用的步骤是：步骤1：采用四维离散马尔科夫链对无人机集群网络中节点动态接入的过程进行数学建模，对于网络中任意节点n的状态可以由四维变量{i(n)，b(n)，k(n)，l(n)}表示。四个变量含义如下：i(n)可取0，1，2，3，四个值，当i为0时，表示当前节点处于退避阶段；当i(n)取1时，表示当前节点处于发送成功阶段；当i(n)取2时，表示当前节点处于发送失败过程；当i(n)取3时，表示当前处于挂起过程。b(n)和k(n)分别表示当前节点所处的退避阶数与当前节点剩余退避计数器的值。每一次退避时隙结束时，退避计数器的值会减1。当节点n首次发送数据包时，节点n会从最小退避窗口中选择随机退避值。若发送失败，退避阶数加1。当重传次数上限时，则会丢弃当前数据包，退避阶数重置为最小。当节点传输成功时，该节点会以不同的概率回到不同的退避阶数，等待下一次退避。l(n)表示维持当前状态剩余的时隙数，当i(n)为0，即节点处于退避状态时，l(n)的值与k(n)的值保持一致。步骤2：根据四维离散马尔科夫链非空一步状态转移概率，求解出无人机集群节点在各个状态的稳态概率分布，对节点处在退避阶段、传输阶段及挂起阶段的概率进行求解。步骤3：分别求解出无人机集群节点所在链路的冲突概率和发送概率的数学表达式。步骤4：对无人机节点在信道上的平均时隙长度进行分析，结合上述步骤求解出的传输概率的表达式，最终求解出无人机集群网络节点所在链路的饱和吞吐量的数学表达式。本专利技术提出的基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法已在EXata网络仿真环境下得到了验证。仿真场景为边长为5000m的正方形区域，其中存在100个无人机节点，两个障碍物以及目的点。仿真时长为260个运动周期，无人机集群运动模式为无领航者模式。无人机集群会向着目的点进行移动，在靠近场景中的障碍物时，会受到障碍力的作用而远离障碍物。在每个运动周期开始时，每个无人机节点会从其传输范围内随机选择一个无人机节点进行业务传输。数据包长度固定为256字节，信道传输速率为11Mbps，传输层采用UDP协议。附图3为初始时刻下的仿真场景及集群的拓扑状态图。图6为由仿真工具获得无人机集群网络饱和吞吐量的仿真值与本专利技术得出的计算值对比，仿真值与计算值的一致性证明本方法提出的基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法的有效性。附图说明图1是本专利技术采用的无人机集群网络信道接入方法的流程图；图2是本专利技术采用的四维马尔科夫链模型状态转移图；图3是传输过程的四维马尔可夫链模型图；图4是挂起过程的四维马尔科夫链模型图；图5是初始时刻仿真场景图；图6是本专利技术的仿真和计算结果图。具体实施方式下面结合附图和实施例对本专利技术作进一步详细描述。本专利技术提出的基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法已经在无线网络仿真环境EXata中实现，并通过仿真结果证明了该方法的有效性。下面给出本专利技术的具体实施步骤：步骤1：采用离散四维马尔科夫链对无人机集群网络中节点的动态接入过程进行数学建模。在定长时隙建模的基础上，本专利技术对无人机集群网络中节点的接入过程进行数学建模。附图2为所建立的四维离散时间马尔科夫模型。对于网络中任意节点n的状态可以由四维变量{i(n)，b(n)，k(n)，l(n)}表示。四个变量含义如下：i(n)可取0，1，2，3，四个值，当i为0时，表示当前节点处于退避阶段；当i(n)取1时，表示当前节点处于发送成功阶段；当i(n)取2时，表示当前节点处于发送失败过程；当i(n)取3时，表示当前处于挂起过程。b(n)和k(n)分别表示当前节点所处的退避阶数与当前节点剩余退避计数器的值。每一次退避时隙结束时，退避计数器的值会减1。当节点n首次发送数据包时，节点n会从最小退避窗口中选择随机退避值。若发送失败，退避阶数加1。当重传次数上限时，则会丢弃当前数据包，退避阶数重置为最小。当节点传输成功时，该节点会以不同的概率回到不同的退避阶数，等待下一次退避。l(n)表示维持当前状态剩余的时隙数，当i(n)为0，即节点处于退避状态时，l(n)的值与k(n)的值保持一致。为了对传输过程和挂起过程进行有效分析，我们在马尔科夫链模型中引入了“伪状态”的概念，通过使用不同形式的伪状态来表示节点的挂起过程和传输过程。图中灰色的实线边框椭圆为挂起状态，其Fb(n)，k(n)表示在退避阶数为b(n)，退避计数器的值为k(n)时，节点进入的挂起状态。当节点完成退避之后，节点进入传输阶段。在上图中，灰色虚线边框椭圆表示传输阶段，传输阶段使用Tb(n)来进行表本文档来自技高网...

【技术保护点】
1.一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法，所采用的步骤是：/n步骤1：采用四维离散马尔科夫链对无人机集群网络中节点动态接入的过程进行数学建模，对于网络中任意节点n的状态可以由四维变量{i(n)，b(n)，k(n)，l(n)}表示；四个变量含义如下：/ni(n)可取0，1，2，3，四个值，当i为0时，表示当前节点处于退避阶段；当i(n)取1时，表示当前节点处于发送成功阶段；当i(n)取2时，表示当前节点处于发送失败过程；当i(n)取3时，表示当前处于挂起过程；/nb(n)和k(n)分别表示当前节点所处的退避阶数与当前节点剩余退避计数器的值；每一次退避时隙结束时，退避计数器的值会减1；当节点n首次发送数据包时，节点n会从最小退避窗口中选择随机退避值；若发送失败，退避阶数加1；当重传次数上限时，则会丢弃当前数据包，退避阶数重置为最小；当节点传输成功时，该节点会以不同的概率回到不同的退避阶数，等待下一次退避；/nl(n)表示维持当前状态剩余的时隙数，当i(n)为0，即节点处于退避状态时，l(n)的值与k(n)的值保持一致；/n步骤2：根据四维离散马尔科夫链非空一步状态转移概率，求解出无人机集群节点在各个状态的稳态概率分布，对节点处在退避阶段、传输阶段及挂起阶段的概率进行求解；/n步骤3：分别求解出无人机集群节点所在链路的冲突概率、发送概率的数学表达式；/n步骤4：对无人机节点在信道上的平均时隙长度进行分析，结合上述步骤求解出的传输概率的表达式，求解出无人机集群网络节点所在链路的饱和吞吐量的数学表达式。/n...

【技术特征摘要】
1.一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法，所采用的步骤是：
步骤1：采用四维离散马尔科夫链对无人机集群网络中节点动态接入的过程进行数学建模，对于网络中任意节点n的状态可以由四维变量{i(n)，b(n)，k(n)，l(n)}表示；四个变量含义如下：
i(n)可取0，1，2，3，四个值，当i为0时，表示当前节点处于退避阶段；当i(n)取1时，表示当前节点处于发送成功阶段；当i(n)取2时，表示当前节点处于发送失败过程；当i(n)取3时，表示当前处于挂起过程；
b(n)和k(n)分别表示当前节点所处的退避阶数与当前节点剩余退避计数器的值；每一次退避时隙结束时，退避计数器的值会减1；当节点n首次发送数据包时，节点n会从最小退避窗口中选择随机退避值；若发送失败，退避阶数加1；当重传次数上限时，则会丢弃当前数据包，退避阶数重置为最小；当节点传输成功时，该节点会以不同的概率回到不同的退避阶数，等待下一次退避；
l(n)表示维持当前状态剩余的时隙数，当i(n)为0，即节点处于退避状态时，l(n)的值与k(n)的值保持一致；
步骤2：根据四维离散马尔科夫链非空一步状态转移概率，求解出无人机集群节点在各个状态的稳态概率分布，对节点处在退避阶段、传输阶段及挂起阶段的概率进行求解；
步骤3：分别求解出无人机集群节点所在链路的冲突概率、发送概率的数学表达式；
步骤4：对无人机节点在信道上的平均时隙长度进行分析，结合上述步骤求解出的传输概率的表达式，求解出无人机集群网络节点所在链路的饱和吞吐量的数学表达式。


2.根据权利要求1所述的一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法，其特征在于对无人机集群网络中节点动态接入过程数学建模的具体方法为：
在定长时隙建模的基础上，本发明对无人机集群网络中节点的接入过程进行数学建模；对于网络中任意节点n的状态可以由四维变量{i(n)，b(n)，k(n)，l(n)}表示；
为了对传输过程和挂起过程进行有效分析，在马尔科夫链模型中引入了“伪状态”的概念，通过使用不同形式的伪状态来表示节点的挂起过程和传输过程；Fb(n)，k(n)表示在退避阶数为b(n)，退避计数器的值为k(n)时，节点进入的挂起状态；当节点完成退避之后，节点进入传输阶段；传输阶段使用Tb(n)来进行表述；将使用非空一步转移概率函数p{b|a}来表示节点从状态a变为状态b的概率。


3.根据权利要求1所述的一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法，其特征在于分析无人机集群节点所在链路的退避阶段的具体方法为：
定义p{i，b，k，l}为节点处在{i，b，k，l}状态的稳态概率；定义节点进入挂起阶段的概率为pf，节点成功发送数据的概率为ps；可以得出节点的一步转移概率为：



在退避阶段，对于节点的任意一个时隙而言，它的概率都是不一样的；从上述一步转移概率方程可以得出以下表达式：



当k＝Wb-1时则有：



其中，ps为数据包被成功接收的概率；则在退避过程中，节点在任意时隙的概率可以表示为：



由上述非空一步转移概率可得，当节点传输失败，退避阶数增大时：



此时可以通过使用p(0，0，0，0)来表示节点任一时刻的状态：



将节点所有处于退避时隙的概率相加，则可以得到对于任意一个时隙，节点处于退避过程的概率A(n)为：



由上文可知，当节点退避计数器的值为0时，节点将开始发送数据包，由马尔科夫链模型可得节点处于发送状态的概率可表示为：





4.根据权利要求1所述的一种基于四维马尔科夫链的无人机集群网络饱和吞吐量求解方法，其特征在于分析无人机集群节点所在链路的传输阶段的具体方法为：
使用伪状态Tb(n)来表示节点n的传输过程；节点传输分为传输成功和传输失败两种情况；由前文分析可知，节点冲突有瞬时冲突和持续冲突两种情况，定义在传输开始时刻发生瞬时冲突的概率为pi，在后续时隙发生持续冲突的概率为pc，ps为节点成功传输的概率；
定义节点的传输过程共持续D个时隙；传输过程中，节点的非空一步转移概率为：



当节点退避计数器的值减到...

【专利技术属性】
技术研发人员：雷磊，葛以震，王顺章，姜阳，蔡圣所，张莉涓，宋晓勤，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32