多层中继网络通信时延高容忍度控制算法分析

蔡波　杨露平　邓飞1

摘要：为解决多层中继网络（MLRN） 中的通信时延问题，提高其在复杂网络环境下的数据传输效率和稳定性，本研究构建多层中继网络通信时延高容忍度控制算法模型，包括动态路由选择、数据包调度机制以针对网络拥塞和故障的自适应调整机制。在NS-3网络模拟器上进行实验测试，模拟了各种网络条件下通信过程，以验证所提算法有效性。结果表明，相比于传统的时延控制策略，本研究提出的算法能降低通信时延，提高网络数据传输效率yu 稳定性，研究发现可为多层中继网络的优化与应用提供价值参考。

关键词：多层中继网络通信（MLRN） ；算法框架；优先级调度机制（PSM）

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）14-0076-03 开放科学（资源服务）标识码（OSID） ：

随着无线通信技术发展，多层中继网络（MLRN） 已经成为提高网络覆盖范围、增强信号质量、提升数据传输效率关键技术。多层中继网络（MLRN） 通过在发送端和接收端之间部署一系列中继节点，支持数据通过多个跳跃点进行传输，扩展通信距离，增强网络的连通性与可靠性。随着网络规模扩大与应用场景多样化，网络通信面临着严峻的时延挑战。在大数据、实时通信应用日益增多背景下，有效控制并优化通信时延，成为提升网络服务质量与用户体验的关键。在多层中继网络（MLRN） 中，通信时延不仅受到物理传输距离影响，还与中继节点处理能力、网络拥塞状况、路由选择策略等因素紧密相关[1]。传统时延优化方法专注于某一特定因素，如优化路由算法或提高节点处理速度，但这些方法很难全面应对网络动态变化带来影响，在网络规模大、节点多、环境复杂情况下。因此，研究一种能综合考虑各种因素、自适应网络变化、高效管理通信时延的控制算法，对实现MLRN高效、稳定通信具有重要意义。

1 系统模型与问题描述

1.1 多层中继网络通信模型

多层中继网络通信模型设计基于一系列层次化布置的中继节点，这些节点分布在发送端与接收端之间，以支持多跳传输机制。在模型中网络被划分为多个层级，每个层级包含若干中继节点，这些节点负责接收上一跳的信号，进行处理后再向下一跳转发。这种结构目的是在增加通信距离、提高信号质量的同时，降低单跳通信能耗与增强信号可靠性。模型从源节点开始，数据通过第一层的一个或多个中继节点，传输到下一层的中继节点，如此类推，直至到达目标节点[2]。每一条传输都会经历不同的信道条件，包括路径损耗、多径衰落、干扰等，这些因素都会影响到最终通信效率与质量。中继节点在转发之前对接收到的信号进行必要处理，如放大、编码、解码，以确保信号质量并减少传输误差。该模型还考虑了中继节点的选择策略，动态调整传输路径以应对网络状态变化，如节点故障、信道质量变化等，从而优化整个网络通信性能[3]。通过对模型的深入研究优化，旨在提出一种既能够适应复杂多变的网络环境，又能满足高效稳定通信需求的多层中继网络通信方案。

1.2 通信时延问题描述

通信时延问题在多层中继网络（MLRN） 设计占据着核心地位，它直接影响到网络性能与用户体验。在多层中继网络（MLRN） 中，通信时延主要包括传播时延、处理时延、排队时延和传输时延。传播时延是信号在节点间传播所需的时间，取决于中继节点之间物理距离与信号在介质中传播速度。处理时延涉及信号在每个中继节点被接收、处理（如解码、放大等）与重新编码所消耗时间[4]。排队时延是指数据包在中继节点等待被处理或转发时间，这个时延长度取决于网络的拥塞程度及节点处理能力。传输时延是指数据在信道中传输所需的时间，与数据包大小和信道带宽有关[5]。在多层中继网络（MLRN） 中，由于数据需要通过多个中继节点进行多跳传输，这些会出现时延累积效应，造成总体通信延迟。网络环境动态变化，如节点故障、信道质量波动、网络拥塞等，都会加剧时延问题，从而影响数据传输实时性、可靠性[6]。因此，精确测量多层中继网络（MLRN） 中的通信时延成为确保网络通信质量、提高用户满意度的关键。

2 通信时延高容忍度控制算法设计

2.1 算法框架设计

为设计一种能提高多层中继网络（MLRN） 通信时延容忍度的控制算法，本研究提出了一种基于动态路径选择和优先级调度的算法框架。该框架旨在实时适应网络状态变化，优化数据传输路径，通过智能调度策略降低关键数据流的通信时延，在设计中，首先建立了一个数学模型来表达多层中继网络的通信过程。网络被建模为一个加权图，具体如公式（1） 所示：

G = （V，E，W ） （1）

其中：V 表示网络中的节点集，包括源节点、目标节点及中继节点；E 代表节点间的连接边；W 代表边的权重函数，表示边上的通信时延或者传输成本。

1） 动态路径选择算法（DPS）

动态路径选择算法基于实时网络状态来优化数据包的传输路径。具体实现采用迪杰斯特拉算法（Di?jkstra） 算法，对每个数据包pi，计算从源节点到目标节点的最路径Pi，以最小化路径上的总时延。设d （v）表示从源节点到节点v 的最短路径的时延，则Dijkstra算法更新步骤如公式（2） 所示：

dv = min（dv，du + w（u，v）） （2）

式中：dv 为当前已知的从源节点到节点u 的最短路径时延，w（u，v） 是从节点u 到节点v 的边的时延权重。通过迭代更新所有节点的dv，算法最终找到每个节点到源节点的最短时延路径。

2） 优先级调度机制（PSM）

考虑到不同数据包对时延的敏感性不同，本算法框架引入了优先级调度机制。每个数据包pi 被赋予一个优先级P （ pi ），基于其时延敏感性。在每个中继节点，数据包按照优先级进行排队和处理，确保高优先级的数据包能够优先转发。优先级调度可以表示为一个排队优化问题，目标是最小化关键数据流的平均等待时延。设Q为节点的数据包队列，Twait （ pi ）为数据包pi 在队列中的等待时延，则优化目标为如公式（3）所示：

综合以上设计，本算法框架通过动态路径选择、优先级调度提高多层中继网络（MLRN） 在面对网络变化时的通信时延容忍度，保证数据传输效率与可靠性。

2.2 动态路由选择算法

在多层中继网络（MLRN） 中，本研究设计一个高效的动态路由选择算法需要实时响应网络状态变化，包括拥塞、链路故障，以优化数据包传输路径，从而最小化通信时延和增加网络鲁棒性[7]。动态路由选择目标是找到一条从s 到t 的最短路径Ps，t，使得路径的总时延最小。具体表示如公式（4） 所示：

式中：Ps，t 表示从s 到t 的最短路径；W （e） 表示边e的时延权重。

在动态环境中，W （e）可以是时间变化的，会根据实时流量数据、链路状态信息等动态调整。因此，路由算法可通过优先级调度机制（PSM） 来实时更新W （e），以便快速适应网络变化，高效地选择下一个最短路径节点。在网络状态发生变化时，算法可重新计算并调整当前最短路径，确保数据包总是沿着最佳可用路径传输，确保多层中继网络（MLRN） 的通信效率与可靠性[8]。

2.3 网络拥塞与故障自适应调整机制（CAF）

在多层中继网络（MLRN） 中应对网络拥塞和节点故障是保持网络稳定性的关键。本研究进行了网络拥塞与故障自适应调整机制（CAF） 设计，该机制核心目标是实时识别网络的拥塞和故障状况，并动态调整路由和传输参数以最小化它们对通信性能的负面影响[9]。

假设每个节点可以监测到其传输队列长度Ln 和每条出链路的时延Dn，e，CAF机制基于指标动态调整数据包路由与传输速率。可引入拥塞指标函数C （n，e），它将节点n 的队列长度和链路e 的时延结合起来，评估链路的拥塞程度。C （n，e）可以表示如公式（5）所示：

C （n，e） = α ? Ln + β ? Dn，e （5）

式中：α，β 是调价参数，用于根据网络环境调整队列长度与链路时延的影响权重。

具体如下：

1） 自适应路由调整

当链路e 的拥塞指标C （n，e） 超过某个预设阈值时，CAF机制将触发自适应路由调整。包括为经过节点n 的数据包计算备用路径P'，以避免经过拥塞链路e。备用路径P'的选择依据是新路径上链路拥塞指标的总和最小，可表示如公式（6） 所示：

2） 自适应传输速率调整

除路径重新计算外，CAF机制会根据拥塞程度调整数据的传输速率。设定调整因子Rn 为节点n 的传输速率，当网络拥塞时减小Rn，反之则增大；可表示如公式（7） 所示：

Rn = Rn ? （1 - γ ? C （n）） （7）

其中，C （n）是节点n 的拥塞指标，γ 是速率调整灵敏度参数。

综合上述策略，CAF机制可实现网络拥塞和故障的快速响应，通过自适应地调整路由和传输速率，优化网络性能，确保多层中继网络（MLRN） 在多变的网络环境下通信稳定性与高效。

3 算法测试分析

3.1 测试过程

在算法测试阶段，本研究采用了网络模拟器NS-3进行测试，测试中模拟真实网络环境下的多层中继网络（MLRN） 行为。测试过程分为以下几个步骤：1） 通过NS-3建立了一个包含多个层级的中继节点的MLRN模型，配置了各个节点的处理能力、链路容量及延迟特性，以模拟现实世界中网络复杂性、动态性。在此基础上注入了多种数据流，包括TCP和UDP流量，包含不同大小与不同优先级的数据包，以评估网络在不同流量负载下表现[10]。2） 测试中引入了各种网络条件，如随机节点故障、链路拥塞等，以考察算法在非理想状态下的鲁棒性。数据包传输路径根据本算法进行实时调整，观察了拥塞和故障自适应调整机制的响应效率。3） 测试关键性能指标包括端到端通信时延、数据包丢失率、吞吐量和网络的负载均衡能力。端到端时延测量了数据包从发送到接收的总时间，数据包丢失率反映网络可靠性，吞吐量衡量了网络的数据传输能力，网络的负载均衡能力则通过分析各节点和链路利用率来评估[11]。 整个测试过程自动记录所有指标的性能数据，使用Python脚本进行数据收集分析，确保测试结果准确性与可重复性。通过对比本算法与传统算法的性能数据，全面评估所提出算法有效性与优势。

3.2 测试结果

如表1 所示，本算法（通信时延高容忍度控制算法）与传统算法对比测试结果在端到端通信时延指标上，在没有网络拥塞和节点故障情况下，平均端到端通信时延为50毫秒。在引入随机节点故障和链路拥塞后，采用动态路由选择与自适应调整机制下，时延增加到了平均70毫秒，相比于传统算法100毫秒，时延减少了30%。在数据包丢失率指标上，在标准操作条件下，数据包丢失率维持在0.5%。即便在高负载情况下，通过自适应调整机制，丢包率仅上升至1.2%，传统算法在类似负载下丢包率为2.5%。在网络吞吐量指标上，显示网络平均吞吐量从传统算法800 Mbps提升到了新算法下的950 Mbps，增幅达到了18.75%。在网络负载均衡指标上，自适应调整机制作用下，网络负载更加均衡，节点和链路平均利用率从80% 提高到了均衡状态下90%，且无任何节点超载。在响应时间上，自适应调整机制对网络故障平均响应时间为2秒，较传统算法5秒有显著改善。在稳定性指标上，算法能够在99.9% 的时间内保持网络性能稳定，优于传统算法的95% 稳定性水平。测试结果表明，本算法在提高多层中继网络性能、稳定性方面具有较强的有效性，特别是在处理网络动态变化与不确定性方面相比传统系统具有明显优势。

4 结束语

本研究提出了一种针对多层中继网络（MLRN） 的通信时延高容忍度控制算法。通过构建精确数学模型与实现包括动态路由选择、数据包调度机制、网络拥塞与故障自适应调整机制在内的综合策略，本算法可提升了MLRN 在复杂网络环境下的性能。通过NS-3模拟器进行的实验测试结果显示，相比传统算法，新算法在端到端通信时延、数据包丢失率、网络吞吐量、网络负载均衡及对故障响应时间等多个关键性能指标上均有显著改善。特别是在网络出现拥塞和故障时，新算法仍能保持较低通信时延与高稳定性，证明了本算法在实际应用中的高效性、鲁棒性。研究成果也为未来网络技术发展开辟了新方向。

参考文献：

[1] 陈俊，蒋正帅，陈磊.多层中继网络通信时延高容忍度控制算法仿真[J].计算机仿真，2024，41（1）：429-432，484.

[2] 张盼.物联网环境下多层协作通信网演化建模与分析[D].太原：山西大学，2023.

[3] 周莉，闫攀.无线协作中继网络多层不良数据辨识方法[J].计算机仿真，2021，38（6）：278-281，409.

[4] 张艳，陈建华，唐猛.多层中继网络上的分布式LT码[J].电子与信息学报，2019，41（7）：1548-1554.

[5] 周秦阳.蜂窝网络中D2D通信资源分配和功率控制策略的研究[D].北京邮电大学，2023.

[6] 付康.基于快速加幂积分有限时间控制算法的遥操作机器人系统研究[D].南昌：南昌大学，2023.

[7] 杨玉净.间歇性网络传输下遥操作系统的同步控制[D].秦皇岛：燕山大学，2023.

[8] 张俊英，王勇.通信时延和感知时延对车辆编队稳定性的影响[J].中国公路学报，2023，36（4）：202-220.

[9] 刘雨莹.协同自适应巡航鲁棒模型预测控制算法研究[D].成都：电子科技大学，2023.

[10] 张向鹏.面向多UUV协同围捕任务的管控问题研究[D].北京：中国舰船研究院，2023.

[11] 殷康超.基于V2X通信的智能车队纵向协同跟车系统研究[D].长安大学，2023.

【通联编辑：光文玲】