一种基于Markov位置预测模型的DTN路由算法
DTN网络中基于概率的散发等待路由算法的开题报告
DTN网络中基于概率的散发等待路由算法的开题报告一、研究背景分散传感器网络（DTN）是一种由一组在地理位置上分散的自主传感器节点组成的无线网络。
DTN在灾难救援、环境监测、智能交通等应用中有广泛应用。
DTN节点通常使用存储转发机制进行数据传输，需要寻找一种有效的路由算法来保证数据的可靠传输。
目前，常见的DTN路由算法包括概率传输（PRoPHET）、MaxProp、Spray and Wait等。
其中，概率传输是一种基于概率的路由算法，它通过维护节点之间的信息传递概率来选择下一跳节点，能够降低路由选择的时间开销和节点的能量消耗。
在DTN网络的大规模部署中，概率传输可以提高数据的传输效率并延长网络的寿命。
二、研究主体散发等待路由算法（Epidemic Forwarding）是一种DTN中常见的路由算法，它的核心思想是将数据包广泛地发送到网络中的所有节点，直到数据包传输到目的节点为止。
但是，这种算法会导致节点能耗大量消耗和网络拥塞。
为了解决这些问题，基于概率的散发等待路由算法被提出。
该算法根据节点之间的信息传递概率来选择下一跳节点，并适当地控制数据包的发送，以降低节点的能耗消耗和网络的拥塞程度。
三、研究内容和方法本文旨在研究DTN中基于概率的散发等待路由算法，主要研究内容和方法如下：1. 对现有的DTN路由算法进行调研和评估，重点研究概率传输和散发等待路由算法的特点和优缺点。
2. 提出一种基于概率的散发等待路由算法，重点研究算法的设计思路、路由选择机制和数据包控制策略。
基于NS2或者NS3网络模拟器开展性能测试，分析算法在不同网络节点密度、不同时间下的传输效率、数据包丢失率、能耗消耗等性能指标，并对算法进行性能比较分析。
3. 针对算法的不足之处，提出改进方案，并结合测试结果进行性能分析和比较。
四、研究意义本文通过研究基于概率的散发等待路由算法在DTN网络中的应用，有助于提高DTN网络的传输效率、降低节点的能耗消耗和网络拥塞程度。
移动互联环境下基于改进Markov融合模型的用户行为预测算法
当前，用户业务行为预测研究大 多 采 用 Ｍａｒｋｏｖ模 型［３］。 作为一种经典的 概 率 统 计 模 型，Ｍａｒｋｏｖ模 型 通 过 在 用 户 历 史 访问业务序列库中匹配用户的当前访问，预测用户下一步最可 能使用的业务。很多学者都对 Ｍａｒｋｏｖ模型进行了深入研究， 并取得了一定 的 研 究 成 果。文 献 ［４］提 出 了 一 种 简 单 而 有 效
的 Ｍａｒｋｏｖ模型用于预测用户的浏览路径，通过对用户的浏览 特征进行分析，建立用户的浏览转移概率矩阵，通过转移概率 矩阵来对用户的浏览行为进行预测；文献［５］提出了基于概率 模型的预取方法，根据业务连续使用的概率来预测用户的下一 业务请求；文献 ［６］通 过 构 造 用 户 业 务 访 问 路 径 树，采 用 最 长 匹配方法，寻找 与 当 前 用 户 业 务 访 问 路 径 最 为 匹 配 的 历 史 路 径；文献［７］通 过 利 用 多 阶 转 移 矩 阵，提 出 了 基 于 状 态 克 隆 的 行为预测方法，使 得 预 测 准 确 率 进 一 步 提 高；文 献 ［８］提 出 了 一种时间相关 Ｍａｒｋｏｖ链模型，根据用户在不同时段的业务使 用特点为其建立相对应的 Ｍａｒｋｏｖ预测模型，不同的模型针对 不同的时段对用户的业务行为进行预测。然而当前的 Ｍａｒｋｏｖ 预测模型虽然已经具有比较高的准确率，但依然有很多完善和 改进的空间。例如，现有的 Ｍａｒｋｏｖ预测模型中大多采用固定 或可变的预测阶数，而很少考虑将不同阶的 Ｍａｒｋｏｖ预测模型
物联网思考题(整理版)
IOT 习题汇总物联网：1.物联网的概念是什么？概念1(MIT,1999):物联网把所有物品通过射频识别技术与互联网连接起来,实现智能化识别和管理。
概念2(ITU物联网报告,2005):将各种信息传感设备,如射频识别装置、各种传感器节点等,以及各种无线通信设备与互联网结合起来形成的一个庞大、智能网络,这样,所有的物品都能够远程感知,并与现有网络连接在一起,形成一个更加智能的生产生活系统,即物联网生态系统。
物联网：是一个基于互联网、传统电信网等信息承载体，让所有能够被独立寻址的普通物理对象实现互联互通的网络。
2. 物联网中典型的感知技术有哪些？二维码，RFID，传感器，视频采集，卫星定位等3. 物联网中需要利用的无线传输技术有哪些？短距无线传输（WPAN）技术：WPAN目前主要技术是蓝牙(Bluetooth)、UWB(Ultra Wide Band)与Zigbee无线传感器网络：1、什么是无线传感器网络无线传感器网络是由一组传感器以Ad-Hoc方式构成的无线网络，它由大量节点组成，密集地部署在被检测区域的内部或附近，各个传感器节点的位置一般事先不确定，以便在环境恶劣的地理位置或灾难现场随机部署。
无线传感器网络汇集了传感器技术、无线网络通信和计算机技术。
2、无线传感器网络节点结构主要包括什么？数据采集模块（Sensors 和A/D Convert）；数据处理和控制模块：（CPU 、Memory 和嵌入式操作系统等）通信模块（无线通信系统）供电模块（Power Unit）定位系统（LFS）、移动装置（Mobilizer）、电源自供系统等。
3、无线传感器网络协议栈包括什么？应用层；传输层；网络层；数据链路层；物理层能量管理平面；移动性管理平面；任务管理平面4、短距离无线通信技术包括哪里技术？举出4中，并进行比较。
五大短程技术比较NFC 依附性太强；一方面，NFC技术可以刺激蓝牙、Wi-Fi等其他技术的发展; 另一面，NFC技术的最终实现也要依赖于这些技术。
一种基于区域划分的DTN路由算法
第１ ０期
计
算
机
科
学
２ ０ １ ５年 １ ０月
一
Ｃｏ ｍｐｕｔ ｅ ｒ Ｓｃ ｉ ｅ ｎｃ ｅ
Ｖｏ １ ． ４ ２ Ｎｏ ． １ ０ Ｏｃ ｔ ２ ０１ ５
种 基 于 区域 划分 的 ＤＴ Ｎ 路 由算 法
韩 进 石 进。 任 勇军
（ 南京信 息 工程 大学 江苏 省 网络监 控工程 中心 南京 ２ １ ０ ０ ４ ４ ）
（ 南京信 息 工程 大 学计算机 与软件 学 院 南京 ２ １ ０ ０ ４ ４ ） （ 南京 大学信 息 管理 学院 南 京 ２ １ ０ ０ ４ ６ ） 。
摘 要 在Ｄ ＴＮ 网络 组 成 的 无 向 图 中 ， 随 机 运 动 节 点 的运 动 范 围会 在 一 段 时 间 内局 限在 某 个 连 通 度 高 的 区域 ， 因此
ｓ ｅ ｎ ｄ ｅ ｒ ｎ ｏ ｄ ｅ ｓ ｉ ｎ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｌ ｏ ｃ ａ ｌ ｒ ｅ ｇ ｉ ｏ ｎ ｓ ｈ ｏ ｕ ｌ ｄ ｂ ｅ ｅ ｘ ｃ ｈ ａ ｎ ｇ ｅ ｄ ｆ ｉ ｒ ｓ ｔ ｗｈ ｅ ｎ ｔ ｈ ｅ ｎ ｏ ｄ ｅ ｓ ａ ｒ ｅ ｌ ｅ ａ ｖ ｉ ｎ ｇ ｔ ｈ ｅ ｍｅ ｓ ｓ ａ ｇ ｅ ｓ ｅ ｎ ｄ ｅ ｒ ’ Ｓ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｌ ｏ ｃ ａ ｌ ｒ ｅ ｇ ｉ ｏ ｎ ． Ａｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ Ｏ ｔ ｈ ｉ ｓ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ， ａ ｎ ｅ ｗ ＤＴＮ ｒ ｏ ｕ ｔ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗａ ｓ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ ｉ ｎ ｔ ｈｉ ｓ ｐ ａ ｐ ｅ ｒ ． Ｉ ｎ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ， ａ ｕ ｎ ｄ ｉ ｒ ｅ ｃ ｔ ｅ ｄ ｇ ｒ ａ ｐ ｈ ｉ ｓ ｓ ｅ ｇ ｍｅ ｎ ｔ ｅ ｄ ｉ ｎ ｔ ｏ ｒ ｅ ｇ ｉ ｏ ｎ ｓ ｂ ｙ ｒ ａ ｎ ｄ ｏ ｍ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｍｅ ｔ ｈ ｏ ｄ， ａ ｎ ｄ ＤＴＮ ’ Ｓ ｍｅ ｓ ｓ ａ ｇ ｅ ｓ ａ ｒ ｅ ｒ ｏ ｕ ｔ ｅ ｄ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ａ ｎ ｏ ｄ ｅ ’ Ｓ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｌ ｙ ｌ ｏ ｃ ａ ｌ ｒ ｅ ｇ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｈ ｅ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｌ ｙ ｌ ｏ ｃ ａ ｌ ｒ ｅ ｇ ｉ ｏ ｎ ｏ ｆ ｒ ｅ ｃ ｅ ｉ ｖ ｅ ｒ ｓ ｏ ｆ ｍｅ ｓ ｓ ａ ｇ ｅ ｓ ． Ｔｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｆ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｔ ｏ ＰＲＯ ＰＨ Ｅ Ｔ， Ｅｐ ｉ ｄ ｅ ｍｉ ｃ ， Ｓ ＡＷ ， ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｃ ａ Ｄ ｇ ｅ ｔ ｒ ｅ ｌ ａ ｔ ｉ ｖ ｅ ｌ ｙ ｈ ｉ ｇ ｈ ｍｅ ｓ ｓ ａ ｇ ｅ ｄ ｅ ｌ ｉ ｖ ｅ ｒ ｙ ｓ ｕ ｃ ｃ ｅ ｓ ｓ ｆ ｕ ｌ ｒ ａ ｔ ｅ ａ ｎ ｄ
面向能量感知的DTN地理位置路由算法在灾害地域的应用
摘 要 ：延迟容错网络 中的路由特 点是不存 在一条端到端的通路。这种特征可用 于基础设施 被摧毁的灾害地 区。使用现有的移 动平台如手机，建 立一个 能源感知 的通信 网络是一个有 吸引力的问题。本文基于预测的路 由和传 输控制机制，提出了一种地理位置的协议。通过 使用雅安地 区的实际地 图作为实验地图，对 比现有的经典协议 ，可 以 发现该算法增加 了消 息投递成功率，降低 了传输延时，并大大降低 了 路 由开销。此外，算法的消息传输跳数 比 其他算法更接近于传 染病路由算法。 关键词：地理路由；传输容忍网络；灾害地域；能量感知；传输控制
Ｄｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍ ａ ｎ ｄ Ｍａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ ，Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｄｅ ｆ ｅ ｎ ｓ ｅ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｃｈ ａ ｎ ｇ ｓ ｈ ａ ４ １ ０ ０ ７ ３ ，Ｃ ｈ ｉ ｎ ａ
ｔ ｒ ｎｓ ａ ｍｉ ｓ ｓ ｉ ｏ ｎ ｃ ｏ ｎ ｔ ｒ ｏ ｌ
引
今年，我 国四川省雅安市遭受 了严 重的地震灾难 ，许多城镇、村庄被摧毁，成千上万
的居 民流 离失 所 ，造 成 了十分 严 重 的人员 和 物质 损失 。 ，因此 ，在 灾区 的应 急救 援 是一 个 十 分具 有挑 战性 的 问题 。 救援 人 员在 整 个 救灾 过 程 中 ，需 要 与应 急指 挥 中心 （ Ｅ Ｃ Ｃ）实 时联 系 ，并在 指 挥 中 心 的控 制下 高度 合作 ，所 有 救援信 息应 在 Ｅ Ｃ Ｃ进 行融 合 ，并将 信息 分发 给各个救 援者 。救助 信 息 可 分 为两 种 ：宏 观信 息和微 观 信 息 。宏 观 信 息通常 是 指可 以通过 卫星 拍 摄 的天气 或 地 形信 息 ，后 者通 常 是 指伤 员数量 或 者位 置 。但 是 ， 由于 受 灾地 域 的通 讯基 础 设施 受 到严 重 破坏【 １ 】 ，使得 灾 害地 域 的 人不 能通 过 互联 网或手 机 取得 联 系 ，微 观 信 息不 能在 第一 时 间送 回 Ｅ Ｃ Ｃ，耽 误 了宝 贵 的救援 时 间 。因此 ，在 灾 害地 域进行 救 援所 面 临的严 峻 问题 是 如何 使 救 灾人 员与 Ｅ Ｃ Ｃ保 持联 络 ，同 时将救 助 信息 发送 回 Ｅ Ｃ Ｃ。
DTN路由算法调研
在LFC算法中，首先要满足 ，其中 表示从源端IPNs到目的端IPNr的可用带宽，Rj表示第j个bundle数据包的传输速率。对每次接收到的转发连接，目的端都需要来更新Ni（Ni表示目前正在进行的连接数目），在bundle数据包传输开始后RTT/2的时间后，目的节点会受到特殊的bundle信息，如下：
RBAR算法中没有考虑缓冲的问题，整个算法基于缓冲大小无限的基础，而对于LFC算法，考虑了缓冲的大小，并针对缓冲溢出的问题采用了本地流量控制的方法。在节点的分类上，UWSN将节点分为sink（浮标）和sensor（传感器），而在IPN中也有两类分别为地面节点和卫星节点，这点可以使IPN中也能使用RBAR算法，只不过将地面节点和卫星节点与UWSN中的浮标和传感器做个替换并稍作修改就可以了。
【3】、Zheng Guo; Zheng Peng; Bing Wang; Jun-Hong Cui; Jie Wu,“Adaptive routing in underwater delay tolerant sensor networks,”Communications and Networking in China (CHINACOM), 2011 6th International ICSTConference.Page(s): 1044 - 1051
1、基于DTN结构的深空网络下本地流量控制（LFC）【2】
图1、深空网络结构
表1、深空网络网络参数
基于隐马尔可夫模型的移动终端定位算法
基于隐马尔可夫模型的移动终端定位算法路锦博;蔡丽萍;孙宗星【摘要】With the rapid development of mobile internet technology,new requirements have been set for the mobile terminal positioning method.In view of the problem that we cannot take into account of energy consumption,accuracy and versatility,we propose a Hidden Markov Model-based and personal habits-based network location algorithm.The algorithm divides the roads into sections in the area covered by the base stations according to the map,and records the personal walking trajectory,which helps build the hidden markov model of GSM signals with the statistical law.Thus,with only a station's signal sequence,we can get an accurate estimate of the user's current position.Experiments show that the algorithm can guarantee a good positioning accuracy with lower energy consumption.%移动互联网技术的快速发展,对移动终端定位方法提出了新的要求.针对传统方法在功耗、精度、通用性方面往往不能兼顾的问题,在充分挖掘个人行为习惯的基础上,提出了一种基于隐马尔可夫模型的定位算法.该算法根据地图信息对基站覆盖区域进行路段划分,通过记录个人的行走轨迹,利用其统计规律来辅助建立GSM信号的隐马尔可夫模型,通过测量基站的信号强度序列,完成对当前位置给出较为精确的估计.实验结果表明该算法在保证低功耗的同时有效提高了定位精度.【期刊名称】《计算机系统应用》【年(卷),期】2017(026)008【总页数】6页(P195-200)【关键词】基于位置的服务;手机定位;隐马尔可夫模型;行为习惯【作者】路锦博;蔡丽萍;孙宗星【作者单位】中国石油大学(华东)计算机与通信工程学院,青岛266580;中国石油大学(华东)计算机与通信工程学院,青岛266580;中国石油大学(华东)计算机与通信工程学院,青岛266580【正文语种】中文基于位置的服务(Location Based Service,LBS)得到飞速发展,LBS的基础是移动终端定位技术[1-3],目前最常用的定位方式是全球定位系统(Global Positioning System,GPS),利用太空中的人造卫星对移动终端进行定位[4,5],定位精度较高,但是能耗较大,而且有覆盖不到的盲区,也不适用于没有配备GPS装置的移动终端.而以手机为代表的移动终端对于低能耗要求越来越高,同时现存的大量的功能手机要求在不具备GPS功能的情况下实现定位.虽然借助于电子罗盘、陀螺仪等传感器的辅助可以降低GPS的能耗[6],但这会进一步限制其通用性.在这种情况下,依托移动通信网络的网络定位方式受到了广泛关注,仅利用网络基站等基础设施,不需要配备额外的装置,即可对移动终端进行定位,能耗低、盲区少,但定位精度比较低.本文在兼顾低能耗的基础上,提出了一种基于隐马尔可夫模型(Hidden Markov Model,HMM)结合个人行为习惯的高精度定位算法.移动通信网络的基础结构是由一系列的基站构成,这些基站把整个通信区域划分成蜂窝小区,小则几十米,大则几千米,移动设备必须通过某一个蜂窝基站接入移动网络,这就为利用基站进行定位提供了基础.最简单的是利用基站的ID号定位,即根据手机所处的小区基站的位置来确定自身位置,显然,定位的精度取决于蜂窝小区的半径,从几十米到几千米不等.TOA[7]是基于电波传播时间的定位方法,如果得到3个位置已知的基站信号,则可以计算位置.TOA算法对系统的时间同步要求很高,任何很小的时间误差都会被放大很多倍,同时易受多径效应的影响.TDOA[8]是TOA的改进,通过对传输时间求差,抵消一部分的时间误差以及多径效应带来的误差,可以提高定位的精度.AOA[9]是一种基于信号入射角度的定位方法,需要两个基站配合,同时也要求移动终端能够得到信号入射角度.近几年基于接收信号强度 (RSSI)的定位方法得到了广泛研究,文献[10]考虑到无线信号强度易受多种因素影响,提出结合指纹的方法进行定位,预先测量记录不同位置接收到的基站信号强度,多个基站信号构成一个向量,当移动终端测量当前信号强度之后,在数据库中寻找与自己最相近的一组信号,其位置即为当前位置.文献[11]认为无线信号在某个位置不是确定的,而是符合某种概率分布,提出基于RSSI的概率指纹定位算法.文献[12]提出了一种Cell-ID辅助的定位系统,该算法基于用户行走路线的连续性,会产生一段连续的Cell-ID序列的事实,从而在用户经常行走的路线上,利用Cell-ID 序列匹配技术可以唯一的确定位置.文献[13]利用与之关联的信号塔的信号强度来获得精确的GSM定位,将区域划分成小方格,然后在得到一系列GSM信号的情况下估计用户的位置.该算法不需增加其他辅助手段,在保持了低功耗的同时,定位精度得到较大提升.文献[14]提出了一种根据服务基站与相邻基站的稳定程度划分网格,然后利用HMM滤波的方法.但是,该类算法忽略了不同个人在行走路线上的不同,在多交叉路口易出现较大误差.在室内定位领域,采用客户端/服务端(C/S)模式将HMM广泛的应用于位置追溯[15]或者和滤波算法结合实现目标定位[16].但是,这种使用方式算法的复杂度比较高,主要应用于客户端/服务端(C/S)模式的定位系统,对于移动客户端而言,算法过于复杂. 本文利用室外的特点,根据道路和场地(例如广场、体育场等公共场所)进行区域划分与路径分段,以此降低离线指纹库的体量.此外,结合一段时间内人的行为习惯,优化了转移概率矩阵,提高了定位精度.相比已有工作,主要贡献如下:(1)充分利用每个人的行为习惯来确定模型参数,从而使模型更加精确.(2)只对可达的道路、广场和建筑进行区块划分,根据每个人行走路线的不同,分别剔除不可达的区域,有效地减少了相似信号的干扰.在GSM网络中,移动终端可以非常容易地收集周边基站的信号,但无线信号的传播易受到多种因素影响,导致测得的基站信号强度并不能与地理位置一一对应,一个基站信号强度可能出现在多个位置,一个位置在不同的时间也会测出不同的信号强度.但是终端的移动总是从一个位置到紧邻的另一个位置,不可能跳跃,因此如果已知连续的多个位置(P0-Pn)的信号强度(X0—Xn),此时测得Xn+1,则完全有可能预测位置Pn+1,这类问题的求解可以借助于隐马尔可夫模型.同时移动终端一般被人持有,而人的行为模式在时间和空间上都表现出一定规律性[17,18],例如在交叉路口不同的人左转和右转的概率不同;再例如在居住的小区里面有些地方经常去,而某些地方却始终没有去过,这些规律都可以为我们的定位算法提供帮助.本文的基本思想就是利用隐马尔可夫模型,结合个人不同的行为模式设计低功耗、高精度的定位算法. 隐马尔可夫模型是一个双重随机过程,包含一组不能直接观测的状态和一组可观测的状态序列,当获知到一个可观测状态序列时,利用Viterbi算法寻找某种意义上最优的隐含状态序列,不仅仅考察前后两个观察状态的关系,而是全面考察整个观测序列,得出一个最大似然的结果.隐马尔可夫模型一般用五元组{S,O,π,A,B}进行描述,五元组参数的含义如下:S:系统的隐含离散状态集合,势为N.O:系统的可观察状态序列集合,O = {O0,O1,...,OM},势为M.π:系统的初试概率矩阵,表示初始时刻,系统处于S中各状态的概率.且A:转移概率矩阵,其中每个元素aij,表示t时刻状态为Si,而t+1时刻状态为Sj的概率.B:其中每个元素且有很显然本文中提出的定位算法非常适合用隐马尔可夫模型求解,模型元素含义如下: S,将某一区域的道路划分成的各个小段或者区域块.O,指手机检测到的GSM信号强度.π,指初始时刻,位于某个路段的概率.A,指从一个路段到另一个路段的概率.B,指在各路段上,出现各种信号强度的概率.定位问题可以描述为,在得出路段集S,初始时刻位于各路段的概率矩阵π,各路段之间的转移概率矩阵A,以及各路段上出现各种信号强度的概率矩阵B的前提下,再给出一个观测到的GSM信号序列,利用Viterbi算法得出用户最有可能走过的路段序列,用户的当前位置,即为最优路段序列的最后一个路段所在位置.首先要把一个基站区域划分为足够小的小区块,平均划分的方法是不可取的,因为一些无法或者不易到达的地方是可以忽略的.实际上整个区域只有两种地形:道路和场地(例如广场、体育场等公共场所).对于道路,将其划分为小的路段,一个基本原则是:交叉路口不能包含在路段中央,即交叉路口处作为一个段的终点和另一个段的起点,因为在这些地方行走方向会变化.同时路段长度是决定测量精确度的一个重要因素,一方面路段越长,可以更好地统计各路段上的GSM强度信息,使得不同路段之间差异增大,有利于提高算法精度;另一方面较长路段内的估计误差也将越大,降低了定位精度.因此需要在路段长度上进行均衡,得出一个比较合适的长度.对于较大面积的场地,需要进行小区域网格划分,同样网格的边长也是影响定位精确度的一个重要因素.对于HMM算法而言,路段和网格是没有区别的,为了叙述方便,统称为路段.为了建立B,需要在各路段上选取多个观测点,分别测量GSM信号强度,然后统计该路段上的信号强度直方图,由此可得出该路段上出现各种信号强度的概率值.同理对其他路段进行类似处理,就可以得出整个B.另外由于GSM信号受天气影响较大,考虑到不同天气状况下GSM信号的差异性,可以选择在不同天气条件下,分别进行采样,单独记录,具体使用时,根据实际情况,系统自动选择对应的GSM样本下得出的B,这样有利于提高精确度.概率转移矩阵A是HMM模型的重点,也是决定定位算法精度的核心.在基于HMM 模型的定位算法中,一般假设各相邻路段之间等概率转移,从而确定概率转移矩阵A.但是,此类方法忽略了不同个人在行走路线上的不同.为了充分利用个人行为习惯以提高定位精度,提前统计用户在一段时间内的行走路线.根据用户在一段时间内的行走路线,重点关注了三种行为习惯:在不同路口的选择、路段的选择及工作日与休息日的路线选择差异.对于路口绘制每个路口的转移状况图,得出转移概率,并根据用户工作日与休息日的路线差异及路段差异,建立不同的转移矩阵A.在定位阶段,根据当前的日期以及用户所在路段,自动选择采用哪种转移矩阵.如果已知初始时刻位于各路段的概率,则可直接使用;如果不知道,可以利用转移概率矩阵的稳定状态概率矩阵来代替.一般一个路段最多和4-5个路段相连,因此,如果采用传统的矩阵进行存储的话,矩阵的规模会很大,严重浪费存储空间,带来较大的计算复杂性.同时注意到矩阵大部分元素为0,因此采用稀疏矩阵来对转移概率矩阵A进行存储,一方面节约存储空间,另一方面可以很大程度地降低计算复杂性.用户在行走过程中,可能存在某一地点停留一段时间的情况,在这一地点采集到的信号差别不大.考虑一种极端情况,用户在某一地点停留的时间足够长,将会导致用来定位的整个GSM信号序列的信号值大小都一样,因此就失去了隐马尔可夫模型预测作用.此时需要在定位前对信号序列进行处理.如果采集到的信号序列中的信号有70%的在一个阈值范围内可以看作是一致的,则可认为用户在这几个采集点没有移动,只保留其中一个,再向前取几个信号,补足信号传长度;对连续定位的应用,如果信号序列中有超过70%的信号强度是一致的,则认为用户位置基本没动,可取上一次的定位置作为当前用户的位置.考虑到GSM信号容易受到天气情况的影响,以及用户的出行规律有一定的周期性,采用自适应的方法来应对,当利用该算法进行定位时,系统会自动根据天气选择一种合适的B,并根据日期选择合适的A.算法的具体流程如下所示:Step1.地图获取与路段划分,通过此步骤可以得到隐藏状态集S;Step2.对各路段,不同天气情况下进行GSM信号信息采集,获取各种天气状况下的矩阵B;Step3.统计用户在一周或更长时间内的行走轨迹,分别统计工作日和休息日的情况并得出各路段之间的转移概率矩阵A;Step4.利用公式计算出初试概率矩阵π;Step5.采集GSM信号一段时间,得到信号强度序列,并对信号强度序列进行处理,移除信号强度序列中的重复值,并产生有效的信号序列,从而排除用户是否在此信号序列采集过程中基本没有移动的情况;Step6.系统自动获取天气和日期,选择合适的A和B;Step7.利用Viterbi算法计算出用户最有可能走过的路段序列,用户的当前位置估计为此路段序列的最后一个路段.以大学校园作为实验场地,选用Android系统实现本文定位算法,选取十名匿名同学参与实验.定义系统的两个评价指标:平均能量消耗(Average Energy Consumption,AEC)和平均定位错误(Average Location Error,ALE).(1)平均能量消耗:能量消耗是指连续运行定位应用一段时间之后,消耗的手机电量与时间的比值没,即单位时间的平均能量消耗.(2)平均定位错误:将n个时刻的测量值序列与真实值序列做差,然后求平均.首先将道路进行路段划分,需要对路段的长度进行控制,这一点将在模型检验部分详细介绍.各路段构成了隐藏状态集S,然后在各路段上选取多个点采集GSM信号信息,绘制直方图,如图1所示.利用各路段的GSM信号强度统计信息构造出矩阵B. 对十名匿名同学,分别记录他们一周内行走路线的情况.图2展示了一名同学的行走轨迹,红色线条的粗细代表走过路线的频率,由此图可验证个人的行走路线的规律性,然后结合之前构造的S中的各路段,统计出各路段之间的转移情况,由此得出转移概率矩阵A.利用公式计算出转移矩阵A的稳定概率矩阵,作为初始概率矩阵π.至此,该算法的隐马尔可夫模型已经基本建立起来,系统自动记录用户刚才走过的一段轨迹的GSM 信号强度,来估测用户的当前位置.线条粗细,表示走过的次数,越粗,表示走过次数越多.从五个方面对系统性能进行评估.图3展示了不同路段长度对定位精度的影响,可以看出随着路段的长度增加,定位误差值,先减小,后增大.这是因为路段越长,就可以更好地统计各路段上的GSM强度信息,能够得到效果更好的矩阵B,有利于提高定位精度;同时路段越长,在该路段内的估计误差也将越大,降低了定位精度.实验表明在路段长度为70 m左右时,可以达到最好的定位精度,因此在以后的试验中,我们使用的路段长度为70 m.图4展示了选取不同的隐马尔可夫链的长度对于定位精确度的影响.可以看出,当序列长度为11时,定位精确度较高.建立不结合个人行为习惯的隐马尔可夫模型,也即各相邻路段之间等概率转移.然后随机选择10个点,分别利用结合与不结合个人行为习惯的隐马尔可夫模型进行定位,同时记录GPS定位准确值,对比二者与准确值之间的误差,如图5所示.可以看出相对于不学习而言,结合个人行为习惯的算法,在性能上有很大提高.将本文算法与文献[10]中算法进行对比.图6展示测量误差的累积分布函数实验结果表明,本文算法要优于文献[10]中算法.本文提出的定位算法可以达到50 m左右的精度,具有很好的定位效果.(5)能量消耗情况使用本系统连续定位5小时,每隔5分钟定位一次.在另一个手机上利用GPS进行同样频率的定位.分别每隔1 h记录一次手机剩余电量,手机剩余电量如图7所示,可以看出5个小时的定位本文算法只消耗了约200 mAh左右的电量,而GPS定位消耗了乐600 mAh的电量.本文算法达到了很好的节能目的.定位过程的平均能量消耗图,如图8所示,可以看出,本文算法每小时的能耗大约为40 mAh,相比于GPS优势明显.本文提出了一种利用隐马尔可夫模型和个人行为习惯的GSM信号定位方法,该算法的特色是充分利用个人的行为习惯,来确定转移概率矩阵,从而使模型更加适应于使用此系统的个人,并且对天气和时段有一定的自适应性,进而达到了提高定位精度和个性化定位的目的.实验的结果表明,本方法可以在保证较低能耗的前提下有效地提高定位精度.【相关文献】1罗军舟,吴文甲,杨明.移动互联网:终端、网络与服务.计算机学报,2011,34(11):2029–2051.2周傲英,杨彬,金澈清,等.基于位置的服务:架构与进展.计算机学报,2011,34(7):1155–1171.3Xue MH,Liu Y,Ross KW,et al.I know where you are:Thwarting privacy protection in location-based social discovery services.Proc.of 2015 IEEE Conference on Computer Communications Workshops.Hong Kong,China.2015.179–184.4Lin K,Kansal A,Lymberopoulos D,et al.Energy-accuracy trade-off for continuous mobile devices location.Proc.of the 8th International Conference on MobileSystems,Applications,and Services.New York,USA.2010.285–298.5Paek J,Kim J,Govindan R.Energy-efficient rate-adaptive GPS-based positioning for smartphones.Proc.of the 8th International Conference on MobileSystems,Applications,and Services.New York,USA.2010.219–324.6Youssef M,Yosef MA,El-Derini M.GAC:Energy-efficient hybrid GPS-accelerometer-compass GSM localization.Proc.of 2010 IEEE Global Telecommunications Conference.Miami,FL,USA.2010.1–5.7Wann CD,Chin HC.Hybrid TOA/RSSI wireless location with unconstrained nonlinear optimization for indoor UWB channels.Proc.of 2007 IEEE Wireless Communications and Networking Conference.Kowloon,China.2007.3940–3945.8Vankayalapati N,Kay S,Ding Q.TDOA based direct positioning maximum likelihood estimator and the cramerrao bound.IEEE Trans.Aerospace and ElectronicSystems,2014,50(3):1616–1635.[doi:10.1109/TAES.2013.110499]9Elnahrawy E,Francisco JA,Martin RP.Bayesian localization in wireless networks using angle of arrival.Proc.of the 3rd International Conference on Embedded Networked Sensor Systems.New York,USA.2005.272–273.10Paek J,Kim KH,Singh JP,et al.Energy-efficient positioning for smartphones using cell-id sequence matching.Proc.9th International Conference on MobileSystems,Applications,and Services.New York,USA.2011.293–306.11Chen MY,Sohn T,Chmelev D,et al.Practical metropolitanscale positioning for gsm phones.International Conference on Ubiquitous Computing.BerlinHeidelberg,Germany.2006.225–242.12Ibrahim M,Youssef M.CellSense:An accurate energyefficient GSM positioning system.IEEE Trans.Vehicular Technology,2012,61(1):286–296.[doi:10.1109/TVT.2011.2173771]13Ibrahim M,Youssef M.A hidden markov model for localization using low-end gsm cell phones.Proc.of 2011 IEEE International Conference onCommunications.Kyoto,Japan.2011.1–5.14竹博,王建辉,胡捍英,等.基于隐马尔可夫模型的Cell-ID定位跟踪方法.太赫兹科学与电子信息学报,2013,11(4):561–566.15Nicoli M,Morelli C,Rampa V,et al.HMM-based tracking of moving terminals in dense multipath indoor environments.Proc.of the 13th European Signal Processing Conference.Antalya,Turkey.2005.1–4.16Viol N,Link JAB,Wirtz H,et al.Hidden markov modelbased 3D path-matching using raytracing-generated Wi-Fi models.Proc.of 2012 International Conference on Indoor Positioning and Indoor Navigation.Sydney,NSW,Australia.2012.1–10.17González MC,Hidalgo CA,Barabási AL.Understanding individual human mobility patterns.Nature,2008,453(7196):779–782.[doi:10.1038/nature06958]18Simini F,González MC,Maritan A,et al.A universal model for mobility and migration patterns.Nature,2012,484(7392):96–100.[doi:10.1038/nature10856]。
基于Markov模型的接入网络选择算法
基于Markov模型的接入网络选择算法马礼;张涛;马东超;傅颖勋【摘要】针对异构环境下不同业务类型的终端对于接入网络的不同质量需求,提出一种基于改进Markov模型的网络选择算法.利用Markov模型的预测能力对即时类业务与非即时类业务终端构建相应的收益函数,应用数学迭代求解法得到长期期望收益最高的网络选择策略.仿真结果表明,该算法能有效提高网络资源利用率,降低网络阻塞率及终端网络切换次数.【期刊名称】《计算机工程》【年(卷),期】2019(045)005【总页数】6页(P105-109,115)【关键词】物联网;网络选择;异构网络;Markov模型;阻塞率【作者】马礼;张涛;马东超;傅颖勋【作者单位】北方工业大学计算机学院,北京100144;北方工业大学计算机学院,北京100144;北方工业大学计算机学院,北京100144;北方工业大学计算机学院,北京100144【正文语种】中文【中图分类】TP3930 概述随着物联网和移动互联网的发展,各种新型无线网络应运而生。
不同的无线网络在性能、功耗及适用场景等方面各不相同,因此出现了多种无线网络系统,如城域网、局域网、4G以及5G。
移动通信技术与多媒体、人工智能、物联网等技术相结合,使得越来越多的终端设备可接入到不同的网络中。
未来的无线网络将由不同技术的网络相互融合构成[1-2]。
融合不同网络技术的异构网络能够较好地接入各种终端设备。
然而,终端的业务类型越来越多,而各种网络接入技术及网络覆盖均存在较大差异,这就给异构无线网络融合增加了难度,网络选择与切换技术成为其中重要的研究内容。
近年来,如何高效实现异构网络切换成为网络融合技术领域的研究热点之一[3]。
不同类型的网络性能不同,导致在业务支持能力上存在差异。
因此,需选择合适的网络使其在满足不同业务网络需求的同时,提升网络资源利用效率[4-6]。
本文在上述研究的基础上,提出一种基于Markov模型的网络选择优化算法。
基于Markov模型与轨迹相似度的移动对象位置预测算法
基于Markov模型与轨迹相似度的移动对象位置预测算法宋路杰;孟凡荣;袁冠【摘要】针对低阶Markov模型预测精度较差,以及多阶Markov模型预测稀疏率高的问题,提出一种基于Markov模型与轨迹相似度(MMTS)的移动对象位置预测算法.该方法借鉴了Markov模型思想对移动对象的历史轨迹进行建模,并将轨迹相似度作为位置预测的重要因素,以Markov预测模型的预测结果集作为预测候选集,结合相似度因素得出最终预测结果.实验结果表明,与k阶Markov模型相比,该方法的预测性能不会随着训练样本大小及阶数k的变化受到很大的影响,并且在大幅降低k阶Markov模型预测稀疏率的同时将预测精度平均提高了8％以上.所提方法不仅解决了k阶Markov模型的预测稀疏率高及预测精度不足的问题;同时提高了预测的稳定性.【期刊名称】《计算机应用》【年(卷),期】2016(036)001【总页数】6页(P39-43,65)【关键词】轨迹相似度;位置预测;移动对象;马尔可夫模型;稀疏性【作者】宋路杰;孟凡荣;袁冠【作者单位】中国矿业大学计算机科学与技术学院,江苏徐州221116;中国矿业大学计算机科学与技术学院,江苏徐州221116;中国矿业大学计算机科学与技术学院,江苏徐州221116【正文语种】中文【中图分类】TP311随着移动便携设备的普及和定位技术的发展，基于位置的服务得到了广泛的应用。
当前基于位置的服务主要集中于定位查询及位置共享，这些应用主要关注于给用户提供有关当前位置的服务。
为了使服务更具前瞻性，移动对象位置预测技术越来越受到国内外研究学者的关注[1]。
移动对象位置预测具有高度的研究价值和广阔的应用领域，如果能够实时动态地预测出用户将来的位置，可以提供更加灵活的预报服务，例如：推荐服务[2]、提醒服务、广告推送、智能化交通服务等。
一般来说，当前存在的移动对象位置预测方法可以分为基于欧氏空间和基于受限路网两类位置预测方法。
基于位置预测的社会性DTN路由算法
基于位置预测的社会性DTN路由算法张滔;徐建波【摘要】This paper presents a social DTN routing based on node location prediction on low success rate and long latency in data transmission of delay tolerant network. The proposed algorithm measures the social characteristics of nodes according to node betweenness centrality and the similarity among nodes;it then predicts the next position of the nodes by using the Markov model with their historical track and current position;it determines the better forwarding nodes for data transmis-sion after comprehensive analysis. The simulation results indicate that, compared with the existing social characteristics routing algorithms SimBet and Prophet, LPSN performs better on transmission rate and cost.%针对延迟容忍网络数据传输成功率低、延迟较大，提出一种基于节点位置预测的社会性DTN 路由LPSN（Lo-cation Prediction and Social Network based routing）。
基于投递概率预测的DTN高效路由_彭敏
第34卷 第1期2011年1月计 算 机 学 报CH IN ESE JOU RNA L OF COM PUTE RSVo l .34N o .1Jan .2011收稿日期:2010-03-01;最终修改稿收到日期:2010-12-09.本课题得到国家“八六三”高技术研究发展计划重点项目(2009AA012002)和国家自然科学基金项目(60832005,60772033,60903216)资助.彭 敏,男,1983年生,博士研究生,主要研究方向为移动自组织网络和延迟容忍网络.洪佩琳(通信作者),女,1961年生,教授,博士生导师,主要研究领域为下一代网络体系结构与网络安全.E -mail :plhong @u stc .edu .cn .薛开平,男,1980年生,博士,讲师,主要研究方向为下一代网络体系结构与网络安全.卢汉成,男,1977年生,博士,副教授,主要研究方向为下一代移动互联网.基于投递概率预测的DTN 高效路由彭 敏 洪佩琳 薛开平 卢汉成(中国科学技术大学电子工程与信息科学系 合肥 230027)摘 要 在延迟容忍网络中,基于配额的多拷贝路由通过对消息拷贝数量的限制来控制开销,如何在控制开销的前提下尽可能提高消息投递成功率是其需要解决的关键问题.文中首先分析了提高消息投递成功率的配额分配策略,然后据此提出一种基于投递概率预测的配额路由算法.该路由算法根据节点的本地信息预测到其它节点的投递概率,在复制消息时,根据节点间投递概率的差别分配拷贝配额.仿真结果表明,该算法能较为明显地提高投递成功率并减小延时.关键词 延迟容忍网络;路由;投递概率;本地信息;拷贝配额中图法分类号T P 393 DOI 号:10.3724/SP .J .1016.2011.00174Delivery Probability Prediction Based Efficient Routing in DTNPENG M in H ONG Pei -Lin XUE Kai -Ping LU H an -Cheng(Dep artment o f E lectron ic En gineer ing and In f or mation S cience ,University o f S cience and Technolog y o f China ,H ef ei 230027)A bstract In the Delay Tolerant Netw o rk (DTN ),the multiple copies routing scheme w as pro -posed to improve message deliv ery ratios .Due to the large o verhead w hich m ultiple copies bring ,the quo ta -based routing algo rithm limited the number of replicas to control o verhead .In the quo -ta -based routing scheme ,one po ssible criticism is how to im prov e delivery ratios as m uch as pos -sible .In this paper ,the autho rs analyze the o ptimum strategy for replicas allocatio n to achieve the highest delivery ratios ,and pro po se a Delivery Probability Prediction based Efficient Ro uting (DPER )Algo rithm .In DPER ,each node predicts the delivery probabilities to o ther node s thro ug h the local info rmatio n .W hen sending messag e to other nodes ,replicas are allocated ac -cording to the delive ry pro babilities .Because different delivery probabilities amo ng nodes are con -sidered ,DPER could utilize the characteristics of nodes 'mo vement and im prove delivery ratios .Sim ulation results show that DPER can improve delive ry ratio and reduce m essage delivery delay obviously .Keywords delay tolerant netw o rk ;ro uting ;delivery probability ;local info rmation ;quo ta of replicas1 引 言延迟容忍网络(Delay Tolerant Netw ork ,DTN )是一种具有长延时和链路频繁中断等特性的新型网络体系结构.在DTN 中,网络分割的出现导致端到端路径不一定存在,因此先寻路后转发的传统路由方式不再适用.为了应对网络分割状态,DTN 采用先存储后转发的路由方式,使消息可以逐跳向目的节点转发[1-2].按照是否对消息进行复制,可以把现有DTN 路由算法分为两类:单拷贝路由和多拷贝路由.在单拷贝路由中,节点将消息发送给所遇到的节点后不再保存该消息的备份,因此网络中只存在消息的一份拷贝[3].由于网络分割现象频繁出现,只保持消息的一份拷贝容易导致投递失败.为了提高投递成功率,可以在节点向其它节点发送消息后并不删除所缓存的数据,而是继续将该消息复制给后续遇到的节点,此时网络中会存在同一消息的多份拷贝,这种路由方式就是多拷贝路由[4-5].根据消息的拷贝数量是否受限,多拷贝路由又可分为两类:基于泛洪的多拷贝路由和基于配额的多拷贝路由.Epidemic[5]是一种典型的基于泛洪的多拷贝路由算法.在Epidemic中,节点将自身所拥有的消息复制给所遇到的所有节点,通过泛洪来提高投递成功率,其代价是会过多地消耗节点的存储空间和通信带宽.为了减小泛洪开销,M axProp[6]和ProPH ET[7]采用基于概率的消息复制方式.相比于Epidemic, Max Prop和Pro PH ET能明显减小网络开销,但随着网络中节点数量的增加,消息的复制次数也会增加,使得开销迅速上升并导致网络性能明显下降[8].为了更有效地控制开销,Spray and Wait[9]算法采用配额的方式对消息的拷贝数量进行控制.该算法将消息转发分为喷射(Spray)和等待(Wait)两个阶段:在喷射阶段,源节点将消息传输给L个与之相遇的节点;在等待阶段,收到消息的节点等待与目的节点相遇并将消息传输给目的节点.这样,网络中最多只能存在L份相同的消息.在基于配额的多拷贝路由中,消息的拷贝数量L不会随着网络中节点数量的增加而增大,因此其可扩展性更好,可以更为有效地控制开销.基于配额的路由方式是基于泛洪的多拷贝路由和单拷贝路由的折衷,它在控制开销的同时会使投递成功率有所下降,因此,怎样尽可能提高其投递成功率是一个备受关注的问题.在基于配额的多拷贝路由中,配额的分配策略是影响投递成功率的关键.本文分析了限定拷贝数量时使投递成功率最高的配额分配策略,由于这种配额分配策略复杂度很高,并且在DTN中难以实现,因此,本文随后提出了一种基于投递概率预测的高效路由(Delivery Probability Prediction based Efficient Ro uting,DPER)算法.该路由算法根据节点的本地信息预测本节点到其它节点的投递概率,然后根据各节点到目的节点的投递概率分配消息的拷贝配额.由于考虑了不同节点间投递概率的差别, DPER可以在分配拷贝配额时充分利用节点的运动规律,从而明显提高投递成功率,同时,由于预测投递概率时考虑了时间因素,因此这种投递策略也会使延时明显减小;另一方面,由于投递概率预测的复杂度不高,并且仍然严格限制了拷贝配额,因此DPER的额外开销并不大.2 基于投递概率预测的高效路由2.1 拷贝配额分配策略分析在基于配额的多拷贝路由中,消息投递成功率取决于拷贝数量的阈值和拷贝配额的分配策略. Spy ropoulos对拷贝数量L进行了分析并提出了两种配额分配方案:源端喷射(source spray)方案和二分喷射(binary spray)方案[9].在源端喷射方案中,源节点每遇到一个节点,都将消息发送一份给对方,并将本节点中该消息的拷贝配额减1,因此,L份拷贝被发送给最先遇到的L个节点;在二分喷射方案中,节点遇到其它节点后,将消息复制给对方并将拷贝配额的一半分给对方,直到拷贝配额减小到1.多拷贝路由对消息进行复制是为了使消息能从多条路径同时传递,从而提高投递成功率.因此,在分配拷贝配额时,到目的节点的投递概率高的节点应该获得较大的拷贝配额.然而,Spray and Wait的两种拷贝配额分配方案都没有考虑不同节点间投递概率的差别.EBR[8]对此作了改进,在分配拷贝配额时考虑节点的活跃程度,即活跃的节点(与其它节点相遇概率较大的节点)将获得较大的配额值.由于活跃的节点更有机会遇到其它节点,因此赋予活跃节点较大的拷贝配额有利于消息投递.然而,节点的活跃程度并不能完全反映节点到目的节点的投递概率,所做的决策可能并不合理.如图1所示,节点2在节点1与节点7之间运动,运动周期为5s;节点3、4在节点1、5、6之间运动,运动周期为4s;节点7与节点8处于稳定连接状态.假设节点1需要向节点8发送消息,网络中最多允许出现同一消息的2份拷贝(L=2),如果仅考虑节点的活跃程度,由于节点3、4遇到其它节点的概率比节点2更大,节点1的两份拷贝会分别发送给节点3和节点4.实际上,由于节点2可以通过节点71751期彭 敏等:基于投递概率预测的D T N高效路由将消息投递给节点8,为了提高投递成功率,节点1需要将一份拷贝预留给节点2.图1 拷贝配额分配示例(1)获得最高投递成功率的配额分配策略假设网络中共有N 个节点,消息拷贝配额的阈值为L (即网络中最多允许存在L 份相同的消息),若当前节点n (1≤n ≤N )需要向节点j 发送消息(1≤j ≤N ,j ≠N ),应该采用怎样的策略才能使投递成功率最高?在DTN 中,节点间的链路频繁中断,因此节点的邻居频繁更换.为了描述方便,本文把节点n 的邻居节点集定义为T ={i p c (n ,i )>0,1≤i ≤N }(1)其中,p c (n ,i )为节点n 与节点i (1≤i ≤N )在给定时间单元内的相遇概率.若节点i (i ∈T )到目的节点j 共有Y 条路径(不经过节点n ),其投递成功率用p d (i ,j )y (1≤y ≤Y )表示.如果不对消息拷贝数量进行限制,并且不考虑节点的缓存空间和节点间的通信带宽,则沿每条路径都发送一份拷贝(泛洪)能获得最高投递成功率:p d (n ,j )max =1-∏i ∈T1≤y ≤Y(1-p c (n ,i )p d (i ,j )y )(2)在限制拷贝数量为L 的情况下,为了使投递成功率最高,应该将这L 份拷贝沿L 条投递成功率最大的路径转发.因此,首先需要获取节点的相遇概率,并据此求出L 条投递成功率最大的路径,然后根据这L 条路径的分布情况确定消息拷贝配额的分配策略.配额分配的原则为:若L 条投递成功率最大的路径中有m 条的第一跳是节点i ,则节点n 在复制消息给节点i 时需要分配的拷贝配额为m .在限定拷贝数量的情况下,上述方法能使投递成功率最大化,但它在DTN 中并不适用:一方面,在DTN 中,当前节点仅能获取本节点与其它节点的相遇概率,而获取网络中其它节点间的相遇概率开销很大;另一方面,在获取了节点间的相遇概率后,通过全局相遇概率求解L 条投递成功率最大的路径是一个K 最短路问题,K 最短路问题过高的复杂度[10]使其不适用于DTN .(2)基于投递概率预测的配额分配策略通过与邻居节点的交互,节点n 所能获得的信息为:节点n 与邻居节点i 的相遇概率p c (n ,i )、任意邻居节点i 到目的节点j 的总投递成功率p d (i ,j ),其中p d (i ,j )是由节点i 逐步得到的.在仅获取邻居节点信息的前提下,如何在较低的复杂度下做出合理的转发决策呢?如果把节点i 到节点j 的所有可能路径(不经过节点n )看作一条虚拟的链路,则这一链路的投递成功率p d ,i ,n -(j )可以通过p d (i ,j )、p c (n ,i )等信息得到.于是,整个网络可以简化为一个只有两跳的网络,简化的网络中只有源节点n 、目的节点j 以及节点n 的邻居节点集T ,如图2所示.图2 简化网络示例在这样一个只有两跳的虚拟网络中,如果T 有m 个元素,则从源节点到目的节点一共有m 条可能的路径,只需按照这m 条路径的投递成功率的比值分配拷贝配额即可.经过节点i 投递到目的节点j 的投递成功率为p c (n ,i )p d ,i ,n -(j ),因此该消息从节点n 复制到节点i 的拷贝配额为L i =L n p c (n ,i )p d ,i ,n -(j )∑r ∈T ,r F[p c (n ,r )×p d ,r ,n -(j )](3)其中,L n 为当前节点n 中该消息的拷贝配额,F ={f }为转发节点集,表示该消息已转发给节点f .由于p c (n ,i )可以由节点n 与节点i 的历史相遇信息得到,p d ,i ,n -(j )可以由节点i 获得并在节点n 与节点i 相遇时交互,因此,这种基于投递概率预测的配额分配方式的实现难度不大.p c (n ,i )和p d ,i ,n -(j )是由节点的历史相遇信息得到的,随着时间的推移,相遇概率和投递概率可以得到逐步更新,从而使得拷贝配额能够按照当前的节点运动规律进行分配.2.2 DPER 算法根据2.1节的分析,本文提出一种基于投递概率预测的高效路由(Delivery Pro bability Prediction based Efficient Routing ,DPER )算法,在仅能获取本节点和邻居节点信息的情况下,根据节点间投递概率的差别分配消息拷贝配额.176计 算 机 学 报2011年由式(3)可知,拷贝配额分配依赖于本节点与邻居节点的相遇概率和邻居节点能投递到目的节点的概率.为了得到相遇概率和投递概率信息,DPER 需要节点维护3个矩阵(或向量):相遇记录CR 、转移投递概率TDP 和总投递概率DP .相遇记录CR 是一个N ×K 的矩阵,记录了本节点在最近K 个时间单元内与其它节点的相遇信息.若本节点n 在第k (1≤k ≤K )个时间单元内与节点i (1≤i ≤N )相遇,则相遇记录矩阵的对应元素c n (i ,k )=1,否则c n (i ,k )=0.获得CR 矩阵后,可以得到节点n 与其它节点的相遇概率.节点n 在时间单元内与节点i 的相遇概率p c (n ,i )定义为p c (n ,i )=∑K k =1c n(i ,k )K(4)CR 记录的是最近K 个时间单元的相遇信息,它需要在每个时间单元进行一次更新.在CR 矩阵更新后,相遇概率也应该及时更新.转移投递概率TDP 是一个N ×N 的矩阵,其元素p t ,n (i ,j )表示本节点n 经过节点i 能投递到目的节点j 的概率,其中,p t ,n (j ,j )=p c (n ,j )、p t ,n (n ,j )=0.总投递概率DP 是一个具有N 个元素的向量,其元素p d ,n (j )表示本节点n 到目的节点j 的总投递概率.显然,节点n 到节点j 的总投递概率可以直接由转移投递概率得到p d ,n (j )=1-∏Ni =1(1-p t ,n (i ,j ))(5)而节点n 经过节点i 投递到节点j 的转移投递概率为p t ,n (i ,j )=p c (n ,i )×p d ,i ,n -(j )(6)其中,p c (n ,j )为节点n 与节点i 的相遇概率,p d ,i ,n -(j )表示节点i 到节点j 的投递概率(不经过节点n ).节点i 到节点j 的消息投递有两种可能的选择:经节点n 转发和不经过节点n 转发.因此,p d ,i (j )=1-(1-p t ,i (n ,j ))(1-p d ,i ,n -(j )),于是,p d ,i ,n -(j )可由节点i 到节点j 的总投递概率p d ,i (j )与转移投递概率p t ,i (n ,j ))得到p d ,i ,n -(j )=1-1-p d ,i (j )1-p t ,i (n ,j )=p d ,i (j )-p t ,i (n ,j )1-p t ,i (n ,j )(7)在节点n 与节点i 相遇时,可以根据式(6)和(7)更新节点n 经过节点i 到任意节点j (1≤j ≤N )的转移投递概率p t ,n (i ,j ).在式(3)中,p c (n ,i )p d ,i ,n -(j )表示节点n 经过节点i 投递到目的节点j 的投递成功率,实际上这就是转移投递概率,因此,得到转移投递概率后,便可利用节点间投递概率的差别分配拷贝配额.当节点n 向节点i 复制消息时,分配给节点i 的拷贝配额为L i =L n ×p t ,n (i ,j )∑r ∈T ,r Fp t ,n (r ,j )(8)节点n 的DPER 算法如图3所示,它包括两部分:投递概率预测和拷贝配额分配.1.if cur ren t time %time unit =0then2. update C R3. update p c (n ,i )as (4)for each node i4.endif5.if node n contact node i th en6. update p t ,n (i ,j )and p d ,n (j )as (5)and (6)for each j7. for All message M in local bu ffer8. F →M 's Forward List9. if M is not in node i 's buffer and i F then 10. j →M 's destination11. L n →M 's num ber of replicas 12. calculate L i as (8)13. if L i >0then14. sen d L i replicas of M to node i 15. add node i to F and update L n 16. end if 17.end if 18.end for 19.end if图3 节点n 的D PER 算法在投递概率预测方面,主要需要解决相遇概率、转移投递概率和总投递概率的更新问题.在当前时间(current time )为时间单元(time unit )的整数倍时,执行相遇记录的更新,并按照式(4)更新节点n 与其它所有节点的相遇概率;当节点n 与节点i 相遇时,需要按照(5)和(6)更新转移投递概率TDP 和总投递概率DP .得到投递概率的预测值之后,便可以按照给定的配额分配策略进行消息投递.对于需要从节点n 复制给节点i 的消息M ,首先应该获取消息的目的节点j 和拷贝配额L n ,然后根据节点n 所保存的转移投递概率和消息M 的转发节点集F ,利用式(8)计算分配给节点i 的配额L i ,最后,将节点i 加入消息M 的转发节点集F 并更新节点n 处消息M 的配额L n .3 性能评估本文采用ON E 仿真平台[11]评估DPER 和现有1771期彭 敏等:基于投递概率预测的D T N 高效路由典型路由算法.仿真在赫尔辛基城市地图(ONE 仿真平台默认地图)上进行,仿真区域范围为5000m ×4000m .网络中的节点共有3类:第1类节点以0.5～1.5m /s 的速度在整个仿真区域中随机游走,用于模拟行人;第2、3类节点的运动速度分别为2.7～13.9m /s 和7～10m /s ,它们只能在城市道路上运动,用于模拟普通汽车和公交车,不同的是后者的运动路线固定.在城市地图中存在4个热点地区,节点运动到4个热点地区的概率分别为0.3、0.1、0.1和0.1.在默认情况下,网络中共有120个节点,其中,第3类节点占10%,其它两类节点各占45%,数据产生速率为每个节点每分钟产生一条消息,消息拷贝数量阈值L =10(根据文献[8-9]选取).网络中的每个节点都以同样的概率发送消息,消息大小为10KB .节点能缓存并转发消息,每个节点的缓存空间都为2M B .节点的通信范围为50m ,数据传输速率为20Kbps .DPER 算法中与投递概率预测相关的其它参数为:时间单元为200s 、相遇记录矩阵中记录最近20个时间单元内的信息(K =20).为了全面验证DPER 算法的性能,本文使用3个性能评价指标:投递成功率、平均延时和投递效率.投递成功率为最终投递成功的消息比例;平均延时是指从消息产生到最终投递到目的节点所需时间的平均值;投递效率则定义为投递成功的消息数量与消息转发的总次数的比值.投递效率的倒数的物理意义为:完成一条消息的投递平均需要进行多少次消息转发.因此,投递效率越高则表示完成投递所需的数据开销越小.为了衡量Spray and Wait 、EBR 和DPER 在不同场景下的性能,本文分别改变节点数量、数据产生速率和固定节点所占比例进行仿真.不同节点数量对网络性能的影响如图4所示.随着节点数量的增加,节点间的相遇概率会逐渐增大,由于数据传输机会更多,消息的投递成功率会有所提高,同时,消息的投递延时会减小;然而,节点数量的增加会增加网络中的总数据量,导致节点缓存空间和通信带宽更为紧缺,由于缓存空间的限制,使得延时大的包被丢弃,因此,随着节点数量的进一步增大,投递成功率反而有所下降,但由于丢弃的是延时较大的消息,平均延时不会上升,只是减小的幅度变小.投递效率为投递成功的消息数量与消息转发次数的比值,随着节点数量的增加,相遇概率的增大会使消息转发总次数和投递成功的消息数量都明显增加,但由于消息转发总次数的增长速率更大,投递效率显示出逐渐下降的趋势.图4 节点数量对网络性能的影响由图4可以看出,相比于Spray and Wait 和EBR ,DPER 能获得更高的投递成功率和更小的延时,但投递效率不如Spray and Wait .首先看投递成功率,在Spray and Wait 路由算法中,源节点直接将消息发送给最先与之相遇的L 个节点,这种方式没有考虑节点的运动规律,完全依赖于这L 个节点能与目的节点相遇,其投递成功率相对较低;EBR 算法考虑了节点的运动特性,在分配拷贝配额时,活跃的节点能获得更高的拷贝配额,从概率上说,活跃的节点更可能将消息转发出去,因此,其投递成功率相比于Spray and Wait 有较大的提升;DPER 在分配拷贝配额时,主要考虑节点能将消息投递到目的节点的概率,更有机会将消息投递到目的节点的节点将获得更高的拷贝配额,与仅考虑节点活跃程度相比,这种配额分配方式能更好地利用节点的运动规律,因此,DPER 能获得更高的投递成功率.在延时方面,消息投递延时由发送延时、传输延时和等待延时三大部分构成,其中,等待延时又分为节点运动延时和排队延时.由于DTN 中节点分布178计 算 机 学 报2011年较为稀疏,节点运动延时很大,在缓存空间较小的情况下,比发送延时、传输延时和排队延时要大得多,因此,消息投递延时主要取决于消息传输前的节点运动延时.Spray and W ait 中消息的投递完全依赖于最先与源节点相遇的L 个节点能与目的节点通信,节点运动延时取决于这L 个节点与目的节点相遇所需的时间,在这种情况下,消息投递延时会比较大.在EBR 中,活跃的节点能获得更高的拷贝配额,但节点的活跃程度与节点运动延时并没有必然联系,从整体上说,EBR 的延时性能与Spray and Wait 相差不大.根据配额分配式(8),DPER 中消息的投递与转移投递概率相关,而转移投递概率是由相遇概率得到的,由式(4)可知,相遇概率取决于本节点在时间单元内与其它节点的相遇记录,因此消息的投递策略实际上已经考虑了节点运动延时的因素———在选择投递路径时,DPER 选择节点运动延时较小的路径的可能性较大.也就是说,DPER 能获得更小的节点运动延时,因此,与Spray and Wait 和EBR 相比,DPER 可以较为明显地减小延时.在投递效率方面,从图4中可以看出,在节点数量过多或过少时,DPER 的投递效率不如Spray and Wait .在Spray and Wait 中,源节点将消息发送给L 个节点后,这些节点只有在与目的节点相遇后才传输消息,因此,无论是否投递成功,最多只能传输L +1次;而DPER 和EBR 只对复制次数做了限制,配额减小到1之后仍然可以传输,传输的次数可能会比Spray and Wait 多一些,因此投递效率可能反而不如Spray and Wait .数据产生速率对网络性能的影响如图5所示,其中,数据产生速率用平均每个节点每分钟产生多少条消息来表示.数据产生速率的上升会使网络中的总数据量上升,由于节点的缓存空间有限,总数据量的增加必然会导致节点缓存空间更容易溢出,因此投递成功率明显下降.在数据产生速率上升后,虽然丢包变得更为严重,但由于节点缓存优先抛弃延时更长的消息,保留下的消息都是相对延时较小的,因此延时反而有所减小.随着数据产生速率的增大,消息转发的总次数和成功投递的消息数量都有所增加,投递效率的变化将取决于两者的增长速度.由于缓存中丢弃的消息增加,网络中消息转发的总次数增长速度并不是特别快,当消息转发总次数比成功投递的消息数量增长速度更慢时,投递效率会呈现上升趋势.由于DPER 会根据节点在时间单元内投递到图5 数据产生速率对网络性能的影响目的节点的概率来分配拷贝配额,因此无论在何种数据产生速率下,DPE R 在投递成功率和平均延时方面都要优于其它两种路由协议;而在投递效率方面,由于传输的次数比Spray and Wait 更多,DPER 可能会比Spray and Wait 更差,在数据产生速率较大的情况下,这一现象尤为突出.可以认为DPER 是以牺牲一定的投递效率为代价换取投递成功率和延时性能的提升,另外,DPER 对投递概率的预测会带来一定的计算开销,虽然开销并不是很大,但这也是DPER 能获得较好性能的重要原因.固定路线节点的比例对网络性能的影响如图6所示.无论在哪种路由算法中,消息投递都依赖于节点间的相遇机会,固定节点比例的增加会在一定程度上提高投递成功率,但由于节点的缓存有限,投递成功率、延时和投递效率方面的性能提升幅度不会很大.在实际网络中,节点运动的规律性是普遍存在的,包括热点地区、相对固定的运行轨迹、群组运动等,因此,DPER 和EBR 这类利用节点运动规律性的路由协议比随机转发的方式具有一定的优势.在限定拷贝配额的基础上,DPER 通过对投递1791期彭 敏等:基于投递概率预测的D T N 高效路由图6 固定线路节点所占比例对网络性能的影响概率的预测,为投递概率更高的节点分配更大的拷贝配额,这样能够充分利用节点的运动规律,从而选择在当前已知条件下的合理决策.这种决策既包括对消息投递成功率的考虑,也会影响到投递延时,因此,对于不同的节点数量、数据产生速率和固定路线节点比例,相对于没有考虑运动特性的Spray and Wait和仅考虑节点活跃程度的EBR来说,DPER 都可以较为明显地提高投递成功率和减小延时.由于DPER的决策依赖于节点间的投递概率预测,可能该决策的路径不止两跳,因此完成投递所需的转发次数可能会增加,使得投递效率在部分情况下不如Spray and Wait.虽然开销在部分情况下有所上升,但由于能较为明显地提高投递成功率和减小平均延时,因此,用少量可接受的开销换取投递成功率和延时性能的提升是值得的.4 总 结在DTN中,基于配额的路由方式能较好地控制网络开销,其关键问题在于在限制拷贝数量的前提下怎样尽可能提高投递成功率.本文分析了限定拷贝数量时的配额分配策略,并据此提出一种基于投递概率预测的高效DTN路由(DPER)算法. DPER可以在当前已知条件下根据本节点和邻居节点到目的节点的投递概率选择合适的拷贝配额,因此可以较好地利用不同节点间投递概率的差别.仿真结果表明,DPER能在增加少量开销的情况下较为明显地提高投递成功率和减小延时.参考文献[1]Burleigh S,Hooke A,Torgerson L,Fall K,Cerf V,Du rstB,S cott K,Weiss H.Delay-tolerant netw orking:An ap-proach to interplanetary intern et.IEEE Commu nication sM agazine,2003,41(6):128-136[2]Fan Xiu-M ei,Shan Zhi-Gu ang,Zhang Bao-Xian.S tate of theart of the architecture and techniques for delay-tolerant net-w orks.Chinese Jou rn al of Electronics,2008,36(1):161-170(in Chinese)(樊秀梅,单志广,张宝贤.容迟网络体系结构及其关键技术研究.电子学报,2008,36(1):161-170)[3]Jain S,Fall K,Patra R.Routing in a delay toleran t net-w ork//Proceedings of ACM SIGCOM M.Portland,US A,2004:145-158[4]Li Xiang-Qu n,Liu Li-Xiang,Hu Xiao-H ui,Zeng Kai-Xiang.Delay/disruption-tol eran t netw ork study.Jou rnal of ComputerResearch and Developm ent,2009,46(8):1270-1277(in Chi-nese)(李向群,刘立祥,胡晓惠,曾开祥.延迟/中断可容忍网络研究进展.计算机研究与发展,2009,46(8):1270-1277) [5]Vahdat A,Becker D.Epidemic routing for partially-connect-ed ad hoc netw orks.Du ke University,Du rham,US A:T echnical Report CS-2000-06,2000[6]Burgess J,Gallagh er B,Jen sen D,Levine B N.M axprop:Rou ting for vehicle-based disrup tion-tolerant netw ork s//Proceedings of the IEEE INFOCOM.Barcelona,Spain,2006:1-11[7]Nguyen H A,Giordan o S,Puiatti A.Prob abil istic routingprotocol fo r intermittently connected mobile ad hoc net-w ork//Proceedings of IE EE International Symposium on aW orld of Wireless,M obile and M u ltim edia Netw ork s.Es poo,Finland,2007:1-6[8]Nelson S C,Bakh t M,Kravets R.En counter-based routingin DTNs//Proceeding s of IE EE INFOCOM.Rio de J aneiro,Brazil,2009:846-854[9]Spy rop ou los T,Psounis K,Raghavend ra C S.Spray andW ait:An efficient rou ting sch eme for intermittently connect-ed mobile netw orks//Proceedings of th e ACM SIGCOM MW orkshop on Delay-T olerant Netw orking.Philadelphia,Pen nsylvania,US A,2005:252-259180计 算 机 学 报2011年。
一种基于区域划分的DTN路由算法
一种基于区域划分的DTN路由算法
韩进;石进;任勇军
【期刊名称】《计算机科学》
【年(卷),期】2015(42)10
【摘要】在DTN网络组成的无向图中,随机运动节点的运动范围会在一段时间内局限在某个连通度高的区域,因此在该时间段内节点应优先处理目标接收节点与其同区域的消息,而其离开该区域时,应优先交互接收节点在其它区域的消息.由此,提出基于区域划分的DTN路由算法.该算法使用随机实验的方法实现对DTN网络无向图的区域划分,并以节点自身所在区域及消息接收节点所在区域作为消息中转的依据实现DTN消息的路由.实验结果表明,该算法与PRoPHET、Epidemic、SAW相比,能达到较高的消息传输率,并有效降低消息副本的传输与复制.
【总页数】5页(P113-116,125)
【作者】韩进;石进;任勇军
【作者单位】南京信息工程大学江苏省网络监控工程中心南京210044;南京信息工程大学计算机与软件学院南京210044;南京大学信息管理学院南京210046;南京信息工程大学江苏省网络监控工程中心南京210044;南京信息工程大学计算机与软件学院南京210044
【正文语种】中文
【中图分类】TP309.2
【相关文献】
1.一种基于水声DTN网络的QoS路由算法 [J], 刘蕴络;胡佳慧;冯艳娟;黄秋香
2.一种基于传输容量控制的DTN动态分段编码路由算法 [J], 邓燕;张新有;邢焕来
3.DTN中一种基于分离时间的改进路由算法 [J], 刘占军;杜杨;刘期烈;曹傧;王祥;李云
4.一种基于连接持续时间预测的DTN路由算法 [J], 黄勇萍
5.一种基于最近相遇节点树的DTN多副本路由算法 [J], 许子涵;纪俊维
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Markov预测模型的ETX路由判据研究
基于Markov预测模型的ETX路由判据研究苏浩明;黄晞;施文灶;刘一粟【摘要】在传统ETX路由判据的基础上,提出了一种改进的ETX路由判据.通过在ETX路由判据中加入Markov数学模型,建立先验的地理位置预测机制.在无线Mesh网络节点运动频繁的情况下,使用Markov模型预测节点下一时刻的地理位置,进而根据节点下一时刻的地理位置,判断原路由是否失效,若原路由已失效,则重新选择ETX值次之路由,以此类推,直至选出可用的最佳路由.在仿真实验平台NS-2中分别提高节点的运动速度和业务速率,从吞吐量、丢包率和平均时延三方面对ETX 路由协议进行仿真模拟实验和分析,保持节点的移动速度为30 m/s,使用改进的ETX理由判据,网络的平均吞吐量提高约40％,丢包率和平均时延分别降低约30％和60％.保持节点的业务速率为25 kpbs,使用改进的ETX理由判据,网络的平均吞吐量提高约30％,丢包率和平均时延分别降低约30％和80％.【期刊名称】《计算机技术与发展》【年(卷),期】2018(028)010【总页数】5页(P49-52,69)【关键词】无线Mesh网络;路由协议;ETX路由判据;Markov预测模型;NS-2【作者】苏浩明;黄晞;施文灶;刘一粟【作者单位】福建师范大学光电与信息工程学院,福建福州 350007;福建师范大学光电与信息工程学院,福建福州 350007;福建师范大学光电与信息工程学院,福建福州 350007;福建师范大学地理科学学院,福建福州 350007【正文语种】中文【中图分类】TP393.170 引言无线Mesh网络结合了ad hoc网络和传统无线网络的优点。
其核心指导思想是让网络中的每个移动或固定节点都可以发送和接收信号，节点间的通信不再需要接入点转接。
通过多跳网络的构造，数据可以通过相邻节点间的转发传送到目的地，减小了流量拥塞的可能性，大大提高了网络整体性能[1-2]。
路由判据用来计算源节点到目的节点的开销最小的路径，需确保路由稳定、网络性能良好、算法明确、无路由环路。
DTN 中基于节点偏好地点的路由
DTN 中基于节点偏好地点的路由覃广荣【期刊名称】《大众科技》【年(卷),期】2014(000)012【摘要】With the development of science and technology, there are some people the environment cannot use the TCP/IP protocol for network communication, such as the battlefield wireless network, because the receiving data device or send data in these environments equipment, is constantly moving, and receiving device and transmitting device is not prepared to intermediate device fixed between connected, makes the the entire network data transmission may occur in high latency, data long hair does not go out, so they propose a new network called the delay tolerant network (DTN). As a member of society will appear frequently in some locations, it also makes people carry mobile devices appear frequently in some locations, This paper define the place preference for location.%随着科技的发展，目前有一些环境人们不能使用TCP/IP协议进行网络通信，比如战场上无线网络等，因为在这些环境下接收数据的设备或发送数据的设备，是不断的移动中，而且接收设备和发送设备之间没有固定的中间设备来相连，使得在整个网络数据传输中会出现高的延迟，数据长时间发不出去，于是人们提出了一种新型网络叫延迟容忍网络（DTN）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
i i 节点 i 携带有两个路由表项： 历史位置表项 (Ht ) 和预测位置表项 (Pti ). 历史位置表项 (Ht ) 记录 i 自己和其他节点的位置矢量, 这些矢量由其采样的 n 个历史位置组成; 预测位置表项 (Pt ) 记录预测的 i 节点 i 下个时刻位置和需转发数据包的目标节点 D 在当前时刻的位置. 节点 i 根据 Ht 由 (5) 式建立 转移矩阵 M , 由 M 得到本节点下个时刻位置, 和目标节点 D 的预测位置, 将这两个位置记录至 Pti . 网络场景由一些标志的位置点组成, 节点 i 将其采样的位置信息写入位置信息库, 并将信息库中 i i 所有节点的位置矢量置于 Ht . 根据 Ht , 建立 Pti . 在路由表更新阶段, 每个节点向邻节点广播一个控
2.2
喷射转发算法
节点周期性的更新位置信息, 预测目的节点位置后, 喷射转发算法采用多路径贪婪转发机制进行 数据传输. 喷射转发算法可分为两个阶段: 路由表更新阶段和数据转发阶段. 当节点相遇, 它们先互相 更新路由表再完成数据的转发. 图 1 为喷射转发算法的流程图, 具体说明如下.
2.2.1
路由表更新阶段
a1 a2 . . . ai ak . . . am−1 am a1 P11 . . . ··· ··· .. . ··· . .. ··· aj ··· P1j . . . Pij . . . Pnj ··· . .. ··· .. . ··· am P1 m . . . Pim . . . Pnm ,
引用格式: 党斐, 阳小龙, 隆克平. 喷射转发算法: 一种基于 Markov 位置预测模型的 DTN 路由算法. 中国科学: 信息科学, 2010,
40: 1312–1320
中国科学 : 信息科学 第 40 卷 第 10 期
泛路由策略 (即向网络中散发包副本进行数据传递). 具有代表性的 spray and wait(SWR) 算法 [6] 向 网络节点随机喷射 r 个数据包副本, 当转发节点只含有一个包副本时, 采用直接发送的方式传递给目 的节点. 对包副本数 r 的控制和直接发送一定程度上减少了流行病算法 [9] 的高代价, 但直接发送方 式的采用, 降低了数据传输率. 为了结合洪泛策略的高传输速率和转发策略的低网络开销, 本文采用 多副本转发的混合策略进行数据传输. 由于网络中目的节点的位置未知, 所以洪泛路由算法在发送包副本时采用随机散发的方式, 使得 数据包成功投递率比较低, 网络开销大. 文献 [10] 在现实环境中模拟比较了多种路由算法, 证明文献 [6] 中的 SWR 比其他算法具有更好的网络性能. 为了进一步提高 SWR 算法的网络性能, 本文结合 节点位置预测模型, 提出基于 Markov 位置预测模型的 y and forward). 该算法的实现: 相遇节点首先互相更新路由表, 其次完成数据的转发. 在数据转发过程中, 节 点根据携带的包副本数 n 或进入二元喷射 (binary spray) 阶段对包进行扩散, 或进入贪婪转发 (greedy forward) 阶段根据路由表中预测的目的节点位置对数据包完成转发. 针对一些 DTN 网络环境 (如水 下传感器网络 [11] ), 不能依靠 GPS 等设备得到节点的位置信息, 喷射转发算法提出用节点经过路径的 历史位置信息, 通过 Markov 位置预测模型得到节点的位置, 依据这些位置信息来进行数据包的贪婪 转发. 该算法将多副本发送方式与节点位置预测模型结合, 使包副本在传送过程中具有方向性, 能减 小网络开销, 提高数据包的成功投递率. 最后通过计算机仿真, 将本文的喷射转发算法与 SWR 算法进行比较. 仿真结果表明, 无论是节 点密度、包副本数还是节点移动速度的影响, 喷射转发算法都比 SWR 在数据包投递率和平均延迟上 表现出很好的性能. 同时, 也能看出喷射转发算法有很好的扩展性.
摘要 典型的容迟网络 (DTN) 场景常表现出大延迟、易中断、高误码率等特点, 其中高效节能的路由算法更是一个亟待解决的问题. 现有方法主要是通过发送多 个副本来提高数据传输的可达性概率, 但网络开销很大. 为了同时兼顾成功投递 率、网络延迟和网络开销, 文中提出了基于 Markov 位置预测模型的 DTN 路由算 法 (喷射转发算法). 该算法根据节点经过路径的历史信息, 用 2 阶 Markov 预测机 制预测目的节点可能的位置, 针对该位置进行多路径的贪婪转发, 使包有方向地 扩散, 减少网络中包的副本数. 采用多副本转发的混合发送模式, 在保证成功投递 率的基础上, 有效地减少包副本数, 弥补了使用单一模式时不能兼顾网络开销和 成功投递率的不足. 仿真结果显示, 在小节点密度、 节点移动速度较快的网络环境 下, 与 spray and wait 算法相比, 喷射转发算法能有效地提高成功传输率, 减小网络 开销.
2
基于 Markov 位置预测模型的 DTN 路由算法
喷射转发算法的基本工作原理是节点记录自己经过的位置, 并将其写入建立的历史位置信息库. 网络中的节点被动地更新路由, 共享位置信息库的内容. 源节点根据位置信息库中目的节点的历史位 置, 利用 Markov 位置预测模型, 预测目的节点的位置, 并对该位置进行数据转发. 喷射转发算法使 包副本在传送过程中具有方向性, 能很好的提高网络性能. 下面将详细介绍位置预测模型和喷射转发 算法.
1314
中国科学 : 信息科学 第 40 卷 第 10 期
制包. 该控制包包含有 Ht 中节点位置矢量的时间列表和 Pt 中的节点位置列表. 当节点 i 接收到节 点 j 的控制包, 节点 i 将其中的位置矢量的时间列表与本节点携带的进行比较, 发送节点 j 需要更新 的节点历史位置矢量, 完善 j 的历史位置表项; 并将接收到的 Ptj 中的位置列表写入本节点 Pti 中, 节 点 j 也经历同样的步骤. 路由表项 Pt 将决定数据包的转发, 对于位置信息库中过于陈旧的信息将予 删除.
2.1 Markov 位置预测模型
因为节点的移动具有连续性, 其下一时刻的位置不但与现在的位置有关, 还与以前的位置有关, 所 以可用多阶 Markov 来预测节点下一时刻的位置. 文献 [12] 证明： 多阶 Markov 预测中, 2 阶预测的效 果最好. 因此, 本文采用 2 阶 Markov 来进行位置预测. 假设节点当前所处的位置变量 X 是一个随机变量, 且随机变量序列 Xi 构成一个时齐的 Markov 过程, 2 阶 Markov 预测模型要求随机时齐的 Xi 满足以下要求:
M=
P i1 . . . Pn1
(4)
其中 n = m2 , 矩阵元素表示在行向量代表的当前状态下, 节点移动到列向量代表的下一时刻位置的概 率. 转移概率的计算公式为 N (ca, L) . (5) P (Xn+1 = a|L) = N (c, L) 式中: a 是节点下一时刻位置, c 为节点上一时刻和当前的位置 (an−1 an ), ca 表示节点上时刻、 当前和 下时刻的 3 个位置 (an−1 an a), N (c, L) 表示在整个 L 中 c 出现的次数. P (Xn+1 = a|L) 表示节点在 当前情况下, 移动到位置 a 的概率. 节点根据位置信息库中目标节点当前所在转移矩阵 M 中的相应位置行 ai ak , 找出该行中最大的 元素值 Pij 对应的列所代表的位置 aj 即为预测结果, 表示预测的目标节点的下一时刻位置.
P {Xn+1 = a|X (1, n) = L} = P {Xn+1 |Xn Xn−1 = an an−1 }, P {Xn+1 = a|Xn Xn−1 = an an−1 } = P {Xk+1 = a|Xk Xk−1 = an an−1 }. (1) (2)
式中：L = a1 a2 · · · an 表示节点采样的 n 个历史位置队列, 采样间隔为 ∆T ; ai 表示节点在 i 时刻的 位置.
关键词
容迟网络 喷射转发算法 Markov 位置预测 路由算法
1
引言
容迟网络 (delay tolerant network, DTN) 主要是指数据传输延迟大的网络环境. 典型的 DTN 场 景会出现频繁的连接中断和网络分割, 使网络间断地或者部分地连接在一起, 通信节点间很难有端 到端链路存在, 如航天探测领域的航天通信、星际网络、战地互联网络、Ad Hoc 网络和无线传感器 网络等. 因为 DTN 网络环境复杂, 还没有形成统一的路由算法标准. 现有路由策略可以分成两大类： 转发 [1∼4] [5∼9] [1] 策略 (forwarding) 和洪泛策略 (flooding) . 其中转发策略 将节点的移动模式映射为 n 维欧 氏坐标, 数据包被转发给与目的节点坐标相似的节点, 以此来增加数据包的投递率. 文献 [2] 介绍了 5 种不同强度先验知识下 (knowledge oracle) 的转发路由算法, 并证明较多的先验知识, 能更好地提高路 由算法的有效性. 然而在频繁分割网络中, 节点要获得高强度的先验知识几乎是不可能的, 因为其无 法及时获得全部网络节点的状态信息. 为了提高成功传输率, 减少对先验知识的依赖, 有文献提出了洪
2.2.2
数据转发阶段
路由表更新后, 节点进入数据转发阶段. 该阶段由二元喷射阶段 [6] 和贪婪转发阶段组成. 节点根 据携带的包副本数 n, 进入相对应的转发阶段. 当 n > 1 时, 节点进入二元喷射阶段; 当 n = 1 时, 进 入贪婪转发阶段. 二元喷射阶段: 含有数据包 n 个副本 (1 < n N, N 是源节点携带的包副本数) 的节点 A(源或 中继) 采用二元喷射的方法, 向其邻节点 B 喷射 n/2 个包副本, 自己保留 n/2 个. 贪婪转发阶段: 当节点仅含有一个包副本 (n = 1) 时, 该节点采用贪婪转发方式发送数据, 如图 2 所示. 假设转发节点 F 只含有一个包副本, 其邻节点为 A1 , . . . , An . 箭头为这些邻节点的移动方向. L1 , L2 , Li (1 i N ) 分别为 Pt 记录的这些邻节点下一时刻的预测位置, LF 为转发节点 F 下一时 刻的预测位置, LD 为预测的目的节点位置. 比较预测的邻节点下一时刻位置和目的节点位置的距离 d, 令 dmin = min{D(LF , LD ), (L1 , LD ), D(L2 , LD ), . . . , D(LN , LD )}(D(L1 , LD ) 为位置 L1 和 LD 之间 的距离). 如果有 dmin = D(L2 , LD ), 则下一跳节点就为 An , F 就将去往 D 的数据转发给 An ; 如果 dmin = D(LF , LD ), 则转发节点将继续携带数据包. 在包格式里增加一个控制字段, 该字段用来存储目的节点的历史位置, 当节点的 Ht 未包含目的 节点位置矢量时, 节点可以从该字段中共享到目的节点的位置信息. 如果 F 和其邻节点都不含目的节 点位置信息, 则 F 采用直接发送的方式发送数据包, 即发送节点只将数据包传递给目的节点. 当有携 带目的节点位置信息的节点出现时, 转发节点 F 进入贪婪转发阶段继续转发数据包. 喷射转发算法中, 包在到达目的节点后, 向上一个节点发送确认包. 节点在收到确认包后, 删除存 留的该包的副本, 并继续向上一个节点发送确认, 直到源节点. 每个包副本都携带有生存时间 (TTL, time to live) 计时器, 当计时器为零时, 包被销毁. 在一定网络延迟要求下, 文献 [6] 对 spray and wait 算法需要最少副本数 Nmin 进行了公式推导, 并且对 SWR 算法的可扩展性进行了证明. 当网络副本数和节点数比例 (N/M ) 保持不变时, 随着节 点数的增加, 网络平均延迟以 1/M 的比例减小. 本文用 N/M 等于 1/4 的比例进行了模拟比较, 图 3 为在节点数变化的情况下, SWR 和喷射转发算法平均延迟的变化曲线. 可以看出, 随着节点数的增加, 喷射转发算法平均延迟的下降斜率比 SWR 的要陡. 说明喷射转发算法具有很好的网络扩展性.