论文部分内容阅读
物联网(Internet of Things,IoT)中有效的链路调度可以提高节点能量负载均衡、降低信息传输时延,其包含两个子问题:(1)最大化链路调度(Maximization Link Scheduling,MLS),即最大化单时隙内并发链路的数量;(2)最短链路调度(Shortest Link Scheduling,SLS),即最小化每条链路至少成功传输一次的时隙数量。Signal-Interference-Noise Ratio(SINR)模型是研究链路调度问题常见的干扰模型,Rayleigh衰落模型比SINR模型更加真实,但由于接收信号强度的不确定性,理论上,Rayleigh衰落模型下链路成功传输的概率达不到1,因此允许链路以很小的概率传输失败。于是当链路成功传输的概率大于或等于1-ε时,则认为该链路被成功调度,其中ε记作可接受的传输失败概率。针对Rayleigh衰落模型下无线网络中链路调度问题,论文的主要工作和创新点如下:(1)首先分析流行的链路调度算法GHW,得到任意两条成功链路之间的最短距离,使用该距离实现全局干扰局部化。然后利用干扰局部化思想设计集中式Distance-based Link Scheduling(DLS)算法和分布式 DLS(Distributed DLS,DDLS)算法解决 MLS 问题,重复执行DDLS解决SLS问题,并给出O(nlnn)近似因子,其中n是链路数量。最后,与当前流行的链路调度算法比较,仿真验证所设计算法提高了其调度性能。(2)协议干扰模型(protocol interference model,PIM)是一种常见的干扰局部化模型,但由于其简单性,该模型通常得不到准确结论。通过建立PIM的干扰半径与Rayleigh衰落模型下链路成功传输概率1-ε之间的关系,得到Rayleigh衰落模型下应用PIM获得1-ε成功传输概率的充分条件,于是在保证其准确性的同时实现干扰局部化。利用该思想设计集中式和分布式算法解决MLS问题,仿真结果表明所设计算法提高了 GHW的调度性能。(3)利用节点传输范围与链路长度之间的关系实现干扰局部化,并证明传输范围之外的累加干扰有上界且不会对链路成功传输与否产生影响,在此基础上应用PIM分别设计分布式的异步和同步算法解决链路调度问题,从而实现高传输可靠性和低传输时延。然后,使用局部信息为每条链路的发送端设置发起传输的概率来设计分布式算法解决SLS问题。最后,仿真验证所设计算法可以从不同程度上提高传输可靠性与延迟性能。(4)分析传统链路多样性划分算法LDP,得到任意两条成功链路之间的最短距离,并实现干扰局部化,然后结合相继干扰消除技术(successive interference cancellation,SIC)和载波侦听机制,分别提出了改进的LDP算法和分布式Carrier Sensing based Distributed Recursive Link Elimination(CSDRLE)算法解决链路调度问题。最后,仿真结果表明CSDRLE算法的调度性能明显优于GHW和LDP算法的调度性能,并在某些场景下优于(3)中同步分布式链路调度算法的调度性能。