基于水下自组织网络MAC层公平接入技术的研究

发布时间：2024-04-06 22:22

　　随着海洋资源开发以及国家海洋安全领域发展,水下自组织网络对于海洋资源勘探、灾害预警、军事情报收集等军用民用各方面具有十分重要作用。与陆地无线电通信不同,水下自组织网络采用水声声波通信,水声信道时延长、带宽窄以及面临水下复杂环境带来信号衰减大、误码率高等问题。针对这些问题,研究适应水声通信的媒体接入控制(Media Access Control,MAC)技术至关重要。针对节点竞争接入信道时间不公平问题,本文结合水下自组织网络水声信道时延动态性,提出了基于Q学习的CW动态自适应退避算法---QL-UACW算法。算法利用强化学习思想,通过自主学习网络通信过程而自适应调整竞争窗口。首先将竞争窗口及其调整映射为强化学习中的状态-动作;然后通过学习发包过程获得的反馈奖赏值来调节竞争窗口值;最终通过迭代累积奖赏值更新竞争窗口的状态值函数,获得竞争窗口最优调整策略。算法根据网络状态对退避机制中的竞争窗口进行自适应调整,以避免固定调整机制中存在节点长期占用信道情况,从而解决了节点间接入信道时间不公平问题。理论研究与仿真分析可知,QL-UACW算法有效地提高了节点接入信道公平,降低数据帧冲突率及提高网络吞...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图3.2QL-UACW算法整体流程图

-31-14：更新状态值函数参数=++(;)(;)(;)；15：状态对应的可能最大奖赏值动作()=(;′′)；16：=′；17：endfor；输出：策略；（2）QL-UACW算法整体流程图节点竞争接入信道，QL-UACW算法退避整体流程图如下图3.2所示：图3.2QL-UACW算....

图3.3公平性指数随发包负载变化

-35-图3.3公平性指数随发包负载变化Fig.3.3Thefairnessindexchangeswiththepacketload由图3.3可知，QL-UACW算法的公平性指数曲线明显低于AVAB算法和MIMLD算法，其算法公平性明显提升。其原因在于MIMLD算法利用固定线性....

图3.4数据帧冲突率随发包负载变化

-36-定阈值适应调节情况，明显增加了对水下自组织网络环境的动态适应性，提高了公平性。如下图3.4为数据帧冲突率随节点发包负载变化曲线图。图3.4数据帧冲突率随发包负载变化Fig.3.4Theframecollisionratechangeswithpacketload由图3.4....

图3.5归一化吞吐量随发包负载变化

-37-图3.5归一化吞吐量随发包负载变化Fig.3.5Normalizedthroughputchangeswithpacketload由图3.5可知相比于MIMLD以及AVAB算法，QL-UACW算法网络吞吐量整体有一定提升。QL-UACW算法适应于水声动态变化信道，`对竞争....

本文编号：3947247