基于队列优化的多优先级媒体接入控制协议

于必成，赵学军，袁修久，任耀军，侯 蓓

(空军工程大学研究生院，陕西 西安 710051)

0 引言

随着科学技术不断发展以及作战环境日趋复杂，无人机将在未来战争中起着举足轻重的作用。由于单个无人机生存能力较弱，可扩展性较差，无法完成对整个战场环境的感知，无人机自组网应运而生。无人机自组网[1-4]是移动自组网[5]和车载自组网[6]概念的拓展，其基本思想是网络中各无人机不依赖于固定的基础设施，而是将自身作为网络节点，相互之间分发和传递指控指令、态势信息。无人机自组网是一类特殊的无线自组网，不仅具有多跳、自组织、无中心等特点，同时由于无人机的高速移动，使其具有高动态的网络拓扑结构以及大尺度稀疏分布等特点。由于无人机自组网有着区别于传统自组网的诸多特性，使其在军事上具有极高的应用价值，但同时也面临着诸多技术挑战。随着战争形态的不断演变，战争节奏不断加快，无人机发送控制指令必须满足低时延和较高的一次接入成功概率的需求[7]，多无人机系统才能实现对时延敏感目标的精确打击，同时对于语音、图片、视频等态势信息则需要保证其较高的吞吐量和时效性。这就需要无人机为不同类型业务提供相应的服务质量(QoS)支持。媒体接入控制(MAC)协议是无人机自组网协议栈的重要组成部分，作为数据链路层的核心机制，在保证通信系统吞吐量、数据传输成功率和时延等性能方面起着至关重要的作用。

按照节点对信道资源的不同占用方式，无人机自组网MAC协议大致可以划分为3类： 1) 以时分多址(TDMA)[8-9]为代表的固定分配类协议，该类协议无竞争冲突，重负载时吞吐量稳定，但是时延较大，鲁棒性较差，一般难以满足时延敏感信息毫秒级别的军事需求； 2) 以IEEE 802.11 DCF[10-11]为代表的预约竞争类协议，该类协议采用请求发送/清除发送(RTS/CTS)交互机制预约竞争时隙，能够保证系统稳定的吞吐量，但预约信道可能存在竞争冲突，对于拓扑结构变化大的无人机网络，将会产生较大的时延; 3) 以Aloha[12-13]为代表的随机竞争类协议，网络节点通过竞争使用信道，大大降低接入时延，符合无人机自组网的需求。美军新一代战术目标瞄准网络技术采用的统计优先级多址接入(SPMA)协议[14]，利用多信道随机竞争、信道监测、多优先级发送判决、数据包编码以及流量控制等机制，可以支持大量用户传输多种不同优先级业务，并且保证最高优先级业务传输延迟在2 ms以内，一次接入成功概率达到99%以上，但是其技术相对保密。文献[15]在无线自组网时隙Aloha协议的基础上，提出了一种传输控制算法，得到了最优的排队性能，降低了数据分组的传输时延，但系统传输业务单一。文献[16]提出了面向无人机网络的媒体接入控制协议，该协议基于时间重用思想，利用较大的传播时延使并发传输成为了可能，通过这种方法提高了信道利用率和网络吞吐量，但在重负载时，协议时延性能较差。文献[17]提出了一种支持混合业务传输的多路访问控制协议，该协议中最高优先级业务和其他优先级业务分别采用不同的信道接入策略，并且采用基于信道忙闲感知的多优先级避退机制，保证了最高优先级业务的低时延和高可靠性，但其他优先级业务的性能较差。

鉴于此，针对无人机自组网多优先级业务并行传输，以及高优先级业务低时延、高可靠服务质量(QoS)需求的问题，本文提出一种基于队列优化的多优先级媒体接入控制(QO-MAC)协议。

1 协议描述

为了保证无人机自组网中多优先级业务并行传输的需求，QO-MAC协议采用多信道机制传输多种优先级业务，同时为保证在重负载情况下最高优先级业务严格的时效性(小于2 ms)、可靠性(大于99%)，和其他优先级业务的性能均能保持在一个较高水平，该协议采用多优先级队列优化算法，自适应调整发送概率和选择发送信道。多优先级队列优化算法是该协议的核心机制，其目标是最小化每个发送节点缓存队列中数据分组总和，该算法通过对节点缓存队列中不同优先级数据积压监测和信道忙闲程度反馈，自适应调整各节点当前分组的发送概率以达到最优的排队性能。

本文提出的QO-MAC协议具体过程如下：

1) 编码：对节点产生的数据分组均采用RS-Turbo级联的纠错编码[18]，并将其拆分为长度相等的若干个突发包，在每个突发包中加入分组序号和突发序列号。

2) 排队过程：系统中不同优先级业务具有不同的分组到达率，在节点的队列缓冲区中不同优先级业务按照优先级顺序进行排列，高优先级分组较低优先级分组具有抢占优先权。

3) 信道忙闲监测：通过统计各个信道在一段时间内接收到的突发数对信道忙闲程度进行量化，计算处于各忙闲等级的信道数，并将结果反馈给各发送节点。

4) 发送节点分组积压监测：监测当前系统中各发送节点将要发送突发包的优先级，统计当前发送相同优先级突发的节点数，并将结果反馈给各发送节点。通过与不同优先级业务发送阈值比较，确定突发的发送权限，从而实现多优先级业务区分传输。

5) 队列优化算法：通过对节点缓存队列中不同优先级数据积压监测和信道忙闲程度反馈，自适应调整各节点分组的发送概率和发送信道，使各节点缓存队列达到最优。

6) 解码：通过识别突发MAC头部包含的分组号及突发序列号，对原分组进行重组，对重组分组进行译码，根据Turbo编码原理，接收端只要接收到一半数量以上的突发包便可还原分组。

2 协议建模

2.1 信道忙闲程度量化

对于多信道网络，单个信道可以通过接收机统计突发包接收的历史数量信息，以N个时隙内接收到的突发数量表示信道忙闲程度。如图1所示为信道接收时频图，N为统计周期，f1,…,fM表示信道，M表示网络中信道总数。

图1 信道接收时频图Fig.1 Time-frequency diagram of channel reception

设在N个时隙内，信道fi接收到的突发数为Nfi，Nfi反映信道忙闲程度，Nfi越大，信道越忙，反之，信道越闲。

2.2 设置各优先级分组接入门限Wth

不同优先级分组接入门限Wth不同，优先级越高，接入门限Wth越高。当信道忙闲程度低于该突发的优先级门限时，则允许该优先级突发发送；若信道的忙闲程度高于该分组的优先级门限时，则禁止该优先级突发发送。

2.3 发送节点缓存队列模型

系统中节点共产生n种不同优先级数据分组，各优先级分组数据产生均服从泊松分布，各优先级数据的分组到达率分别为λ1,…,λn，则根据泊松公式，在σ时间内，节点i产生ki,j个数据的概率为：

(1)

式(1)中，ki,j表示优先级j数据分组到达节点i缓存队列的数目。发送节点缓存队列模型如图2所示。

图2 发送节点缓存队列模型Fig.2 Sending node cache queue model

(2)

由排队论理论知：

(3)

(4)

由此可得Tk的表达式为：

(5)

2.4 多优先级队列优化算法

该算法是一个最小化每个发送节点队列长度总和的优化算法。我们用Qi,j(t)表示t时刻发送节点i的缓存队列中优先级j的突发数。随着时间的推移，每个发送节点缓存队列中优先级j的突发数演变为：

Qi,j(t+1)=
max(Qi,j(t)-Di,j(t),0)+Ai,j(t)

(6)

式(6)中，在t时刻，发送节点i将优先级j的突发包传输成功，Di,j(t)取1，否则取0；Ai,j(t)是t时刻发送节点i中优先级j的突发包到达数。

ΔLj(Q(t))=Lj(Q(t+1))-Lj(Q(t))

(7)

(8)

(9)

式(9)中，Si= 1或0表示突发包在通道i上传输成功或失败，Mj表示t时刻信道忙闲程度低于优先级j阈值的信道总数。

设P(Si|Qj)为给定发送优先级j突发的缓存节点总数为Qj，突发包在通道i上传输成功的条件概率，则：

E[Si]=1·P(Si|Qj)+0·(1-P(Si|Qj))

(10)

我们可以将式(10)改写为：

(11)

(12)

(13)

将式(12)、式(13)代入式(11)整理得：

(14)

p*=min(1,Mj/Qj)

(15)

所以，当我们已知Qj和Mj就可以求出最佳发送概率p*。为了保障最高优先级业务的时效性，优先级1分组的发送概率恒为1。

2.5 接入阈值求解

(16)

定义Pp为分组成功接收概率。根据译码原理，一个分组中只要有Mp个突发被成功接收，就能解码出原分组，根据排列组合原理得：

(17)

2.6 算法性能指标

1) 分组的成功传输率

(18)

2) 丢包率

(19)

3) 平均时延

(20)

(21)

式(21)中，d为单跳最大通信距离，v为光的传播速度。

4)系统吞吐量

定义系统吞吐量Sthroughput为单位时间内系统正确接收的分组比特数之和，即：

(22)

式(22)中，LP为分组比特长度，η为编码效率，T为传输时间。

5)信道利用率

定义信道利用率为单位时间内信道传输的分组数，即：

(23)

式(23)中，Cch信道传输的分组数，T为传输时间。

3 仿真分析

本文采用OMNeT++仿真平台对该协议性能进行分析。仿真场景大小设置为200 km×200 km×10 km，所有节点在该场景中随机分布，每个节点随机选择目的节点通信，并且构成一个全连通网络。根据无人机自组网的应用需求，协议设定4种优先级业务，其中优先级1 业务分组到达率固定为100包/s，优先级2、3、4业务的分组到达率的比例为1∶1∶1，具体仿真参数设置见表1。

表1 仿真参数设置Tab.1 Simulation parameters

随着网络负载的不断增加，协议中各优先级分组成功传输率、平均时延、丢包率以及网络吞吐量等性能也在不断变化。

如图3(a)所示，随着网络负载的增加，网络碰撞加剧，各优先级分组成功传输率随之下降，但是优先级1分组始终保持99%以上的成功传输率；由图3(b)知，在网络负载为104包/s时，其他优先级业务依然能够保证50%以上的成功传输率。图4所示为各优先级分组平均时延，随着网络负载的增加，各优先级分组的平均时延依次增加，在重负载时，优先级1分组的平均时延仍然保持在2 ms以内，此外，由于各优先级负载增加，为保证高优先级业务的传输，优先级4分组被发送概率降低，在重负载时，优先级4分组几乎不能被发送，所以优先级4分组的平均时延略有下降。由图4(b)可知，当网络处于负载在104包/s以内时，各优先级分组的平均时延均能保持一个较低值。

图3 分组成功传输率Fig.3 Rate of successful transmission

图4 平均时延Fig.4 Mean delay

图5所示为各优先级分组丢包率，各优先级分组丢包率随着网络负载增加不断增加，而优先级1分组丢包率始终为0。文献[17]提出的MPS-MAC协议可以保证最高优先级分组严格的时效性和可靠性，但是在重负载时，优先级3、4分组的成功传输率低于0.5，且平均时延均在200 ms以上。文献[20]提出的PAJ-MAC协议中最高优先级分组的成功传输率只能维持在95%。与之相比，本文提出的QO-MAC协议在保证最高级优先级分组的低时延、高可靠性的同时，其他优先级分组的成功传输率、平均时延、丢包率等性能均有较大提升。

图5 各优先级分组丢包率Fig.5 Packet loss rates for each priority group

图6对协议的吞吐量进行统计，在轻负载时，随着网络负载增加，各优先级吞吐量均在不断增加，系统最大的吞吐量达到20 Mb/s，在重负载时，随着碰撞的增加，吞吐量有所下降，在较大负载区间，系统的吞吐量仍然保持在12 Mb/s以上。图7所示为协议信道利用率，由于采用时隙竞争方式，协议信道利用率有了较大提升，并且最大信道利用率达到0.3，在较大负载区间，信道利用率保持在0.23以上。

图6 各优先级分组吞吐量和系统吞吐量Fig.6 Packet throughput and system throughput for each priority

图7 信道利用率Fig.7 Channel utilization

4 结论

本文提出了基于队列优化的多优先级媒体接入控制协议。该协议通过多优先级队列优化算法自适应调整不同优先级业务的发送概率和选择发送信道，实现多优先级业务区分服务。仿真结果表明：

1) 在重负载情况下，QO-MAC协议可以保证最高优先级业务低时延(小于2 ms)、高可靠性(大于99% )的QoS需求以及系统较高的吞吐量，并且其他优先级业务性能均能保持在一个较高的水平。系统的吞吐量最大能够达到20 Mb/s，在较大网络负载区间，系统的吞吐量保持在12 Mb/s以上。

2) 由于采用了时隙竞争信道资源的方式，QO-MAC协议的数据分组碰撞区间减小，信道利用率得到了提升，信道利用率最大值达到0.3，并且在较大负载区间，信道利用率保持在0.23以上。

3) 与其他协议对比，QO-MAC协议在各优先级业务的时延、成功传输率、信道利用率等性能方面均有较大提升。