基于时间复杂度的无线网络编码数据包平均传输次数优化分析

谢小军 苏涛

摘   要：为提高无线网络编码数据包传输效能，提出了基于时间复杂度的无线网络编码数据包平均传输次数优化方法。首先分析无线网络编码数据包传输信道的多径特性，并根据数据包的多径特性采集有效且安全的数据包，同时在IEEE802.3EFM通信协议下构建数据包的传输信道模型。为提升数据包的传输及存储性能，需建立缓存反馈机制，在该机制作用下设计混合编码。最后采用自适应量化融合编码的方法，进行无线网络编码数据包传输的调制解调处理，结合时间复杂度的衡量算法实现无线网络编码数据包传输的传输次数优化，提升了无线网络混合编码下数据包的传传输效能。仿真结果表明，采用该方法进行无线网络编码数据包传输的输出均衡性较好，传输误码率较低，时间开销较短。

关键词：时间复杂度;无线网络;编码;数据包;平均传输次数

中图分类号：TN911                                              文献标识码：A

Optimization Analysis of Average Transmission Number of

Coded Packets in Wireless Networks Based on Time Complexity

XIE Xiao-jun?，SU Tao

（lnformation and Communication Branch，State Grid Anhui Electric Power Co.，Ltd.，Hefei，Anhui 230061，China）

Abstract：In order to improve the transmission efficiency of encoded packets in wireless networks，an optimization method of average transmission times of encoded packets in wireless networks based on time complexity is proposed. Firstly，the multi-path characteristics of wireless network coding data packet transmission channel are analyzed，and effective and safe data packets are collected according to the multi-path characteristics of data packets. At the same time，the transmission channel model of data packets is constructed under IEEE802.3EFM communication protocol. In order to improve the transmission and storage performance of packets，it is necessary to establish a cache feedback mechanism. In this mechanism，the hybrid coding is designed. At last，the adaptive quantization fusion coding method is used to modulate and demodulate the wireless network coding data packet transmission. The transmission times of the wireless network coding data packet transmission are optimized with the time complexity measurement algorithm，which improves the transmission efficiency of the wireless network mixed coding data packet. The simulation results show that the output balance of wireless network coding packet transmission is good，the transmission error rate is low，and the time cost is short.

Key words：time complexity;wireless network;coding;packet;average number of transmissions

無线网络是当前应用范围最广的网络之一，人们通过这种网络传输各色信息、数据，不仅提升了计算机应用层次，还加强了人与人之间的沟通与交流，无线网络进行数据信息传输已然成为了大数据传输的主要方式。但在无线网络信息传输的过程中，由于无线信道具有一定的不可靠性，存在着数据包丢失的现象，为了确保数据的可靠传输，网络编码能够有效地提高传输效率，研究无线网络编码数据包的优化传输方法，提高无线网络的信息传递效率和质量[1-2]，实现无线网络编码数据包的优化传输，在提高无线网络的通信质量方面具有重要意义。

文献[3]在预成型、信道编码、NS2仿真过程及环境中对信号传输的传输带宽进行优化，过程中应用了跨层编码技术及超带宽叠加编码传输等技术，不仅消除信号滚降系数的频谱锐化特性，还获取码元的最佳能量，有效提升信号传输效率。但该方法存在局限性，仅分析了5G信号的传输，且未考虑其传输过程中的时延性。文献[4]为解决WSAN技术缺乏实时性、动态性的问题，提出基于Kautz图设计容错、实时、高效、可靠的先验式路由FRER，通过节点IDs的匹配长度查询网络信息传输过程中存在的故障，并根据最优能量匹配信息传输的最短路径，利用邻居节点信息构建多样性网络数据传输路径，实现信息数据的高效传输。但该方法存在应用环境的局限性。文献[5]提出基于无线传感器网络的分布式功率联合速率分配方案，在限定环境下构建完全信息静态非合作博弈模型，根据模型进行数据收集节点系统容量的优化，一定程度上提升了资源信息的分配效率。但该方法仅用实验证明了该算法收敛于纳什均衡点，未证明该方法在不同信道运行状态下的信息的传输效率。文献[6]提出，通过三个步骤来实现传输节点选择算法的搭建，完成传输效率和节点覆盖面积优化，其步骤分别为Co MP传输节点选择、节点数据预编码和优化判决门限计算，根据模拟算法运行环境，其结果表明此方法虽提高了传输效率，但仍存在着网络信息传输质量不足的情况。文献[7]中提出了利用多通道进行无线传输的思路，根据正交旋转误差精度，提升无线传感网络节点信道的优化算法，对多个节点数据的并发进行多路传输，以此来降低数据误码率。此方法虽具有更高、更强的数据压缩性能和抗干扰能力，但该算法针对编码数据包的传输速度，未有明显的优化提升，仍存在一定的弊端。文献[8]提出一种多通道无线传输系统的新思路，分别分析单通道和多通道的无线传输系统，并根据该系统研究了数据传输过程，以及该系统的工作流程。

为解决上述方法中存在的问题，将吸取传统方法的优秀经验，在上述研究结果基础上，设计本方法，最后进行仿真测试分析，并得出有效性结论。本方法的主要内容有：

（1）首先分析时间复杂度算法过程，通过时间复杂度的衡量，为数据包传输提供可依数据基础;

（2）分析数据包传输信道的多径特征，提取有效且安全的数据包，为后续分析提供理论数据;

（3）构建数据包缓存反馈机制，实现数据包的有序传输，并提供正确的数据包存储空间;

（4）构建数据包传输中的混合编码算法，最后结合时间复杂度的衡量算法进行数据传输;

（5）进行仿真实验。

基于上述，进行基于时间复杂度的无线网络编码数据包平均传输次数优化分析。

1   时间复杂度的衡量算法

时间复杂度衡量算法将网络高维数据集用Di来表示，Di = {di1，di2，…，diM}。uij為数据集中第i个样本在j的分量，且uij需满足式（1）至式（3）条件：

0 ≤ uij ≤1，i  = 1，2，…，N;j  = 1，2，…，j   （1）

uij = 1，i  = 1，2，…，i           （2）

0

其中，R表示子集数量，N为常数。将网络高维数据时间复杂度表示为vi，vi = {vi1，vi2，…，viQ}。

定义时间复杂度的衡量算法目标函数为：

其中，Q表示网络数据维度。通过上述计算，为无线网络编码数据包的传输构建约束条件。

2   无线网络编码数据包传输方法

为采集到有效且安全的数据包，首先需分析数据包特征，并根据特征进行数据包的采集，以提升本方法的可信性。结合缓存反馈机制，进行数据包传输的混合编码，增强数据传输的安全性，同时，也为时间复杂度衡量算法下无线无功编码数据包的传输，提供可行实践数据。

2.1   无线网络数据包采集

2.1.1   数据包特征分析

为分析传输信道的多径特征，需计算无线网络编码数据包传输的扩频特征[9]，首先构建自适应迭代函数，得到相位空变特征分布函数，则有迭代函数为：

采用最小二乘与梯度下降算法，得到出无线网络编码数据包传输优化问题的最优解为d（ti），采

用空间信道均衡调制方法，进行无线网络编码数据包传输相位调制[10]，将利用接收数据样本和估计的杂波子空间知识进行随机分布式扩频处理，进行信道的多径扩展，得到相位空变特征分布函数为：

式中，[s][^]R（k）和[s][^]I（k）为杂波散射系数。

利用相位空变特征分布函数，构建无线网络编码数据包传输信道的冲激响应特征分布模型，得到无线网络编码数据包传输的扩频特征为：

采用大数据融合处理方法进行无线网络编码数据包传输输出的多径调制[11]，利用公式（5）的迭代函数，并结合杂波子空间的知识约束方法，构建数据包传输的多径特征分析模型，其表达式为：

通过上述，完成无线网络数据包的多径特征分析，根据其多径特征进行数据包采集。

2.1.2   数据包提取

由于无线网络的传输信道是一个扩展信道，在进行数据包发送过程中存在一定的数据拓展性，信道与数据包节点之间的存在N = 2v的关系，即无线网络编码数据包传输系统由N = 2v节点组成。在信道多径传输的过程中，不同数据包之间的分布节点距离为d，为实现数据包的均衡调制，则有信道均衡调制模型为：

其中，si（t）为无线网络编码数据包传输节点中第 个节点的接收数据特征量，nm（t）为无线网络编码数据包在节点m处接收到的比特序列流，给出无线网络编码数据包传输的信道冲击响应表达式为：

上式中，θi（t）表示无线网络编码数据包传输信源的分布带宽，线性调频时段长度为Ts，采用两维空变的相位误差估计的方法，进行无线网络编码数据包传输提取强度计算，该过程可以表示为：

利用式（7）进行无线网络数据包的提取，则有提取公式为：

基于上述，完成无线网络数据包的采集。

2.2   数据包缓存反馈机制

数据包的传输需遵循数据缓存反馈机制，以实现数据包的有序传输，而数据缓存反馈机制要求数据接收点能够存储正确的原始数据包以及编码数据包，同时，通过同步反馈方法向源节点发送相关数据。

当接收节点ai接收到一个数据包B，且B中包含所有发送数据，则ai需向源节点S上传A，S可根据A更新传输系统的传输状态，则其更新算法如表1所示。具体步骤如下所示：

Step1：首先需确定并获取P的目标节点，若得到目标节点为ai，则进入step2，若不是，则进入step4;

Step2：利用获取节点组建数据集合g（x），更新 g（x）中数据向量g;

Step3：检测节点ai是否接收到P，若显示已接收，则更新传输系统状态;

Step4：更新g，及传输状态;

表1   数据包B的更新算法 的更新算法

[（ai，P）的更新算法 If ai∈g（x） then   For [g][→]∈g（x） do 将向量[g][→]对应元素位置设为1 End if ]

在上述的数据包缓存反馈机制可实现数据的缓存。

3.3   数据包传输中的混合编码算法

上述构建传输信道结构模型时需结合通信协议进行，以提升信道传输的准确性及保密性，在此将采用IEEE802.3EFM通信协议。同时，在该协议规则下利用空间扰动聚类分析方法，构建无线网络的混合编码。在构建传输信道混合编码时，需在3.1计算基础上，计算无线网络编码数据包传输的归一化空间频率特征s+

k，其表达式为：

k > Vmax时，视为无线网络编码数据包传输具有可靠性，当0 ≤ x+

k ≤ Vmax时视为信道均衡补偿控制在无线网络编码数据包传输中得以实现。根据无线网络编码数据包传输信道的频域特性进行多径扩展[12]，结合大数据融合的方法进行无线网络编码数据包传输过程中的自适应调制和解调处理，采用最小均方误差估计，无线网络编码传输的多径增益为：

输出无线网络编码数据包传输信号稀疏表示矩阵W的最优解：

利用接收数据样本和估计的杂波子空间知识，构建无线网络编码数据包传输扩频序列模型，扩频序列的传递函数为：

根据非均匀采样的方法进行多普勒频率调制，求得杂波协方差矩阵，将自适应量化编码进行融

合[13]，调制无线网络编码数据包传输。得到优化的表达式为：

利用无线网络编码数据包传输信道的频域特性进行多径扩展，提高传输能力。

3   基于时间复杂度的数据包改进传输方法

结合时间复杂度区分的方法，将无线网络编码数据包传输的次数进行优化后，得到的无线网络编码数据包传输码元第j = 0，1，…，M组频谱分量为Ej = Cj（k）2，创建无线网络编码数据包传输序列的概率分布模型，在限定码元的速率下进行信道均衡配置，得到无线网络编码数据包传输的时间复杂度分量pr（t）：

式中，h（t）为无线网络编码数据包传输信道的冲激响应函数，np（t）为点源对应频率。采用最小二乘与梯度下降算法进行无线网络编码数据包传输的信道均衡设计，结合自适应码间干扰抑制方法，得到无线网络编码数据包传输的均衡配置为：

式中，A为无线网络编码数据包传输码元的时延扩展幅度，k为无线网络编码数据包传输信道传输的初始频率，采用量化融合跟踪识别方法进行无线网络编码数据包传输的次数优化分析，得到无线网络编码数据包传输的倒谱特征。该特征满足Rb<1/Δ，将得到的W代入到线性均衡器中，得到无线网络编码数据包传输的平均传输次数为：

综上分析，结合时间复杂度区分的方法不仅提升了数据包的传输安全性，还优化了平均传输次数，提高无线网络编码数据包传输的输出均衡性。

4   实验检测及结果分析

为验证无线网络编码数据包传输次数优化的有效性及可靠性，本文将利用Matlab7.0软件进行仿真[14]，无线网络的节点分布区域为300 m*300 m的均匀阵列区域[15-16]，无线网络编码数据包的采样幅度为12 V，均衡系数为0.36，信道的扩展带宽为100 dB，输出信噪比为SNR = 0 ～ 24 dB，无线网络编码数据包的输出链路冲激响应强度为120 Buad，码元传输速率为1.58 kBaud，自适应载波频率为40 KHz，根据上述仿真环境和参数设定，进行无线网络，得到输入端的无线网络编码数据包时域波形如图1所示。

[0           0.5          1.0          1.5          2.0          2.5          3.0][峰值/dB][1.2

以图1的数据为研究对象，建立无线网络编码数据包输出的信道均衡模型，采用自适应量化融合编码的方法，进行无线网络编码数据包传输的调制解调处理。在上述提出优化算法中，假设数据包传输过程中有四种信道状态，分别为a0、a1、a2、a3，不同信道状态下的数据包传输概率如式（21）所示。

Px = f0 T/B         （21）

进一步假设在无线网络编码中可用的数据包优化传输次数方法有三种，即Q0、Q1、Q2、Q3，在不同传输方法下，不同信道状态对应數据包传输错误率Px如表2所示。

在上述基础上，假设无线网络中的数据包传输过程符合泊松过程，传输成功率为ka。设数据包缓冲队列长度为Va，基于公式（17）及表2给出的数据包传输概率和数据包错误传输概率，进行最佳数据包传输方法，如图2所示。

由上图给出四种不同数据包传输情况的传输方法。分析可知，当数据包大小增加，数据包传输的错误率也随之增加，该变化表明了在网络系统数据传输的过程中，该方法能够保持数据传输的稳态，即保证了数据传输与网络系统信息接收之间的平衡。

在上述分析基础上进行形同的误码率测试。分别检测文献[6]、文献[7]以及本文方法，设置迭代次数为300次，得到实验结果如表3所示。

分析表3可知，本文方法的输出误码率，误码率最低可实现“0”误差。这是由于本文方法在采集数据包的过程中，分析了传输信道的多径特征，并根据多径特征经多次采集得到有效安全的数据包，故降低了数据包传输的误码率，同时，为提升数据传输可靠性本文还引入了缓存反馈机制，使数据包的传输和存储符合网络环境要求，排除错误信息的干扰。

5   结   论

研究了无线网络编码数据包的优化传输方法，从而提高无线网络的通信质量。提出了基于时间复杂度的无线网络编码数据包平均传输次数优化方法，结合空间扰动聚类分析方法，进行幅度调制。

采用大数据融合处理方法进行无线网络编码数据包传输输出的多径调制，建立无线网络编码数据包传输的优化次数调节模型。采用最小二乘与梯度下降算法进行无线网络编码数据包传输的信道均衡设计，结合自适应码间干扰抑制方法实现无线网络编码数据包输出优化。采用本方法进行数据包传输次数优化调节，降低输出误码率，提高了无线网络通信质量。

参考文献

[1]    冯正勇. 衰落信道数据包传输跨层优化模型改进[J]. 计算机工程，2016，15（11）：125-130.

[2]    袁慧，查志勇. 优化监控网络测点数据传输效率数学建模仿真[J]. 计算机仿真，2019，6（5）：218-221.

[3]    陈惠敏，裴大容，刘帅. 基于跨层编码加性复用机制的5G信号带宽优化传输算法[J]. 电子测量与仪器学报，2018，12（7）：157-164.

[4]    齐小刚，王振宇，刘立芳，等. 无线传感器和执行器网络可靠高效路由[J]. 浙江大学学报（工学版），2018，52（10）：1964-1972.

[5]    刘连光，潘明明，田世明，等. 无线传感器网络分布式能量非合作博弈优化技术[J]. 武汉大学学报（工学版），2017，50（03）：384-389.

[6]    陈芳妮. 船舶无线通信网络传输节点选择算法优化[J]. 舰船科学技术，2018，40（14）：125-127.

[7]    罗兴宇，黄智勇，宋华. 基于正交旋转精度提升的WSN节点数据优化传输算法[J]. 计算机工程与设计，2017，36（7）：1737-1745.

[8]    吴仕勇，张钊，徐佩. 煤矿地震勘探仪无线传输速率优化研究[J]. 矿产勘查，2019（4）：1020-1024.

[9]    张刚，徐联冰，张天骐. 基于频分复用的无信号内干扰多用户相关延迟键控通信系统[J]. 上海交通大学学报，2019（05）：575-583.

[10]  谭俊，陈伟，刘建国，等. 透明光网络耦合干扰系统实验研究[J]. 北京邮电大学学报，2018，41（03）：20-26.

[11]  孙志国，徐天宇，邓昌青，等. 16-QAM信号的最佳干扰分析[J]. 哈尔滨工程大学学报，2018，39（07）：1245-1250.

[12]  WANG Wei-ke，WANG Yu-tong.The well-posedness of solution to semilinear pseudo-parabolic equation[J]. Acta Mathematicae Applicatae Sinica，English Serie，2019，35（2）：386-400.

[13]  DOU Q，CHEN H，YU L Q，et al. Multi-level contextual 3D CNNs for false positive reduction in pulmonary nodule detection[J]. IEEE Transactions on Biomedical Engineering，2017，64（7）：1558-1567.

[14]  王昌辉. 无线网络中基于优化网络编码的广播重传算法[J]. 内蒙古师范大学学报（自然科学汉文版），2017，46（1）：86-89.

[15]  牛腾，张冬梅，许魁，等. 最小化重传次数的无线网络编码广播重传算法[J]. 信号处理，2017（10）：1368-1376.

[16]  孟超，金龙，孙知信. 基于无线传感网的数據传输优化算法研究[J]. 南京邮电大学学报（自然科学版），2018，38（3）：65-71.