程少良
(长春工业大学人文信息学院,吉林 长春 130122)
频谱资源需要根据相应的频谱分配策略进行使用,分配策略将频谱资源分配到相应的区域内,其中部分频带将会被分配给特定的应用系统中[1-2]。但是高速网络中的频谱资源十分稀少,导致系统中只有部分频带能够使用。因此,相关专家在高速网络中引入无线电来解决频谱不足的问题。在上述环境中,频率一致的区域内中有两个共存的用户,也就是初级用户和二级用户。前者就是所谓的授权用户,它具有使用授权的频谱带,并且能够在设定范围内访问指定的频谱带[3]。后者则是指未经过验证的用户,它只能够在用户没有占用的范围内伺机进入频谱空间,传统数据串隔离式传输方法存在模式单一,数据串相似度不高的问题。
在上述问题的基础上,本文提出了高速网络多模式相似数据串隔离式传输方法,通过具体的实验数据分析充分验证了所提方法的综合有效性。
如果在CogWMN中,能够将频谱划分成一组正交信道,确保高速网络中数据的正常传输[4]。在上述分析的基础上,设定S代表一组可使用的信道集合;d代表数据包需要进行传输的总距离;dr代表干扰距离的大小。如果数据包在传输的过程中需要两个跳的距离,则说明两个节点之间相互干扰。实质上是就是相邻两个节点数据包的传输需要两跳[5-6],也就是说明两个节点不可能在相同的信道传输数据。各个高速网络中都有可用的频道,并且各个高速网络不会对用户之间的通信产生不良影响。在实际应用的过程中,不同的信道所支持的链路容量以及传输范围是不同的。
假设存在一个相同的公共信道s,并且该信道能够为不同的节点提供通信功能。则各个节点之间的距离需要满足以下的约束条件:dij≤ds,此时,还存在另外一条通信链路eij∈E。在高速网络中,含有一种特殊的虚拟汇聚节点sink以及一个有向虚拟链路[7-8]。为了有效解决通信链路上的干扰问题,需要对不同链路信道上相似节点的可用性进行评估。
如果利用χ代表任意一组链路信道对,当s=s′,并且dij≤ds时,两个链路之间的关系为互相干扰。
本文利用对称干扰模型有效消除接收器和干扰器之间的干扰,保证数据的正常传输。分析相关的先验知识可知,针对不同的数据包,需要通过确认链路层消息,采用接收器将消息发送至系统服务器[9]。数据传输模型主要是由与链路通道相对应的子集所组成,整个过程中各个子集所对应的通信链路之间互不干扰。
通常各个链路的干扰无向图都是通过任意一组通信链路中的相互干扰情况进行详细描述。在网络干扰无向图中组建一组相对应的链路通信节点Vij,通信链路节点是由节点pi、节点pj组成,则有
Gij=(Vij,Eij)
(1)
式中,Eij代表上述两个节点在高速网络中的全部链路集合。
如果设定干扰无向图边缘为(lij,lrij),其中lij代表两个节点的通信链路,假设两个节点在相同的信道中彼此相互干扰,则利用lrij代表对链路lij造成干扰的其它链路[10]。
在实际的应用过程中,一个干扰无向图的概念能够利用干扰模型来表示,以下给出针对于干扰无向图的相关定义:
如果在干扰无向图中包含两个节点pi、pj,利用Ψ(i,j)表示两个节点之间链路的干扰电平,以下各处干扰无向图总的网络干扰为:
(2)
式中,O(pi)代表节点pi的归一化向量;O(pj)代表节点pj的归一化向量。通过分析式(3)可知,各个链路之间的干扰主要取决于链路上的数据流量。
在链路请求传播的过程中,由源节点在其所在的信道上广播一个路由发送请求消息,根据采集到的初始阶段即时消息,能够获取邻近相似节点的信道信息[11],通过相应的广播修改得到的消息,并将其发送至系统服务中心。
如果设定W=(wj1,…,wjn)代表高速网络上的负载数据,Ψj代表中间节点i感知的信道j的干扰电平。其中,竞争电平的值能够根据初始阶段握手过程中进行信息交换的即时消息计算获取。
如果设定中间节点i中含有邻居节点Vi,且邻居节点中包含多个可用信道,以下详细给出路由指标函数
(3)
通过节点i的感知能够得到信道j的干扰电平计算式
(4)
在进行信道分配的过程中,能够利用信道干扰的平均值进行决定,设定在一个包含h个信道的网络中,分配信道j的权重值能够表示为
(5)
高速网络Mesh模型主要是由一个个高速无线Mesh网络组成,网络中包含由N个SU节点和M个PU节点组成的信道。如果在上述两个信道中任意选取一个信道,则能够组建无向图,具体表达为
G=(V,E,kj)
(6)
式中,V代表高速网络的节点集合,E代表节点链路集合。
在上述组建的多模式无向图中,假设路由源节点U和路由目的节点W固定并且处于相对稳定的状态时,为了不增加跳数,需要满足如下的相关协议:
路由源节点U计算从出发点到目的地节点W每一跳的路由距离为x1,…,xn,其中xi≠xj,则有
(7)
节点U对路由距离所形成的向量为
x=[x1,…,xn]
(8)
设定初始化值的取值为1,其中emax代表向量中最大的元素,emin代表向量中的最小元素,将向量归一化到[0,1]的范围内,将第i个元素Ei进行归一化处理,则有
(9)
以下给出节点U选择第i个路由进行第一跳路由,则有
(10)
在非满环状态下,通过相关定理中路由跳数的不确定性可知,路由源节点无法实现计算从路由节点U到路由目的地W之间的不同跳的路由距离,以下详细给出:
路由源节点U删除指针表中长度相同以及长度大于|U-W|的路由距离所剩下路由距离组成的向量为
z=[z1,…,zh]
(11)
则与之相对应的评价向量为
e=[e1,…,eh]
(12)
经过归一化处理后的向量为
E=[E1,…,Eh]
(13)
在路由源节点和目的地节点处于相对稳定的状态下,需要通过路由协议来降低路由失败率。
为了全面分析高速网络多模式相似数据串隔离式传输的性能,需要进行如下的研究:
每步随机选取2个相似节点分别作为高速网络多模式相似数据串的路由源节点以及路由目的节点。针对路由源节点分别选取不同的路由协议向目的地发送相关的信息,最后针对不同的路由跳数进行统计分析[12]。
设定路由协议中ID的位数在7-11位之间,非满环时的节点数量需要为满环时数量的十分之七,在经过100步之后计算路由总跳数。满环动态多路由算法的跳数个满环CHord的跳数完全一致。
在上述基础上,两个不同节点的干扰电平为
(14)
(15)
通过上述计算式能够得到两个高速网络多模式相似数据串的路由平均抗干扰程度
(16)
(17)
式中,γ代表信道环境中存在的干扰因子。分别对比φ1、φ2的取值,它们的取值越大,则说明外界的干扰程度越大,根据干扰程度的对比结果选取干扰程度相对较小的路径,以达到高速网络多模式相似数据串隔离式传输的目的。
实验将从多个不同的角度对高速网络多模式相似数据串隔离式传输方法的性能进行分析,进而验证所提方法的综合有效性。其中,实验环境为:AMD Athlon(tm)64X2Dual Core Processor5000+的CPU,内存为2G,采用C#,采用RS-2329针串口传输线,3011L+型高精度定位定向GPS罗经。
图1 RS-2329针串口传输线与GPS罗经
1)平均传输延迟(s):
以下给出实验100次不同数据传输方法的的传输延迟,计算方法如下所示
(18)
式中,πi表示回到第i条路由的平稳分布,Ti表示第i条路由的传输实验。
具体对比结果如图2所示。
图2 不同方法平均传输延迟
分析图2可知,不同方法的数据传输延迟随着实验次数的变化而变化。文献[7]方法的传输延迟是处于不稳定状态的,忽高忽低。文献[8]方法的传输延迟呈直线直线上升趋势,所提方法的传输延迟处于相对稳定的状态,并且所提方法的传输延迟明显低于其它两种方法。
2)吞吐量(Mbps):
在测试中以一定速率发送一定数量的帧,并计算待测设备传输的帧,如果发送的帧与接收的帧数量相等,那么就将发送速率提高并重新测试;如果接收帧少于发送帧则降低发送速率重新测试,直至得出最终结果。吞吐量测试结果以比特秒或字节秒表示。吞吐量越大,说明该方法的网络负载承受力越好,吞吐量计算方法如下所示
(19)
式中,VU表示虚拟用户个数,R表示每个虚拟用户发出的请求数,T表示性能测试所用的时间。
具体如下表所示:
分析表1可知,随着信道数量的不断变化,不同方法的吞吐量也在不断发生变化,各个方法的吞吐量都在随着信道数量的增加而增加。在信道数量为4时,所提方法的吞吐量为8.5Mbps,文献[7]方法的吞吐量为6.0Mbps,文献[8]方法的吞吐量为4.5Mbps。所提方法的吞吐量相比其它两种方法分别高了2.5Mbps、4.0Mbps。分析相关数据可知,所提方法的吞吐量明显高于其它两种方法,由此可见所提方法的性能相对较好。
表1 不同方法在不同信道数量下的吞入量
3)网络的传输速率(Mb/s)
千兆网络的数据传输速率测试结果如图3所示:
图3 网络测试
由上图可以看出,千兆网络的传输速率可以达到52Mb/s,理论上千兆网络传输速率最高可达到125Mb/s,因此,本文设计的数据传输效率能够达到40%左右,处于较高的水平。
通过上述实验分析,能够得到以下结论:
1)所提方法的综合性能相比传统方法得到了一定程度的提升,其中选取的信道选择方法如果较为理想时,能够很大程度上减少数据传输延迟,也就是说能够通过数据延迟对比各个方法的所选取的信道是好还是坏。
2)数据传输的成功率越高则说明算法所选择的信道能够有效利用空闲信号,并且整个过程中用户所受到的干扰相对较少。
3)通过具体的数据分析可知,所提方法的网络负载能力相比其它两种方法较好。
针对传统的数据传输方法存在的一系列问题,提出了一种高速网络多模式相似数据串隔离式传输方法,通过与其它方法的实验对比可知:所提方法能够有效提升数据传输成功率以及网络吞吐量,并且有效降低数据传输延迟。未来阶段,将重点针对以下几个方面展开深入研究:
1)未来阶段将深入研究如何大幅度提升数据的传输速率,获取较为理想的数据传输效果。
2)由于数据中心具有较强的带宽,当多个数据同时出现在一个链路上时,就会形成短暂的流量爆发,如何在这段时间内提升数据传输的成功率,也是下一阶段研究的重点内容。
3)现阶段大部分的数据传输方法都是基于终端的传输方法,这些方法无法在数据中心网络中获取理想的管道模型,未来阶段,将会重点针对该方面展开深入研究。