论文部分内容阅读
随着M2M(Machine to Machine,Man to Machine,Machine to Mobile network)业务的大量涌入,网络中的终端呈异质性。对于实时类业务,时延抖动成为最关键的Qo S(Quality of Service)指标之一。当前网络结构呈现多元化,业务在一个网络单元的服务影响着其在另一个网络单元的服务。因此,探究混合业务背景下,多元网络中实时类业务端到端时延抖动特性,对网络性能评价及Qo S优化极具意义。本文主要分析了IEEE 802.15.4 WSN(Wireless Sensor Network)和IP核心网级联网络中受非实时业务影响的实时业务时延抖动特性,提供了求解端到端时延抖动概率分布的一般方法。研究了影响实时业务时延抖动的主要因素,为今后网络设计提供可靠的理论依据。本文主要工作论述如下:(1)在异质业务到达下,本文建立了IEEE 802.15.4 WSN和IP核心网级联网络排队模型。在IEEE 802.15.4 WSN中,本文建模了CAP(Contention Access Period)与CFP(Contention Free Period)混合接入模型。基于Markov理论,建模了异质业务CAP阶段的随机接入过程与CFP阶段的动态资源分配过程,将GTS(Guaranteed Time Slot)分配过程建模为一个一维Markov链。通过分析CAP阶段成功接入的GTS请求个数,建立了CAP与CFP间的联系,从而得到了完整的IEEE 802.15.4混合接入模型。进一步,本文分别求得了在无线接入阶段实时业务包与非实时业务包的离去过程,此离去过程即为IP核心网中两种业务包的到达过程。(2)在IP核心网中,系统队长瞬态变化,难以分析。因此,我们站在实时业务包到达时刻这一新的视角观察系统队长变化。在分析队长动态变化时存在四重随机变量,即:1)实时业务包的到达时间间隔是随机的;2)实时业务包到达时间间隔内,非实时业务包到达的个数是随机的;3)重传等机制使得IP核心网中实时业务包的服务速率是可变的;4)非实时业务包的服务时间不再固定不变。上述四重随机变量使得系统队长分析难上加难,为了克服由于这四重随机过程带来的分析困难,我们在实时业务包到达时间间隔内,逐个时隙分析系统队长的动态变化,得到了实时业务包到达时刻系统队长间的关系式。对于两种业务包的服务时间均可变,我们将实时业务包的服务时间和非实时业务包的服务时间映射成一种等效业务包的服务时间,而这种等效业务包的服务时间固定。由于我们只能得到各个随机变量间的加减关系,在时域难以分析,因此我们将队长在时域间的关系转换成其在概率生成域间的关系,利用生成函数的一些性质进行进一步求解。根据队长与时延抖动的关系,我们得到了在第一个路由节点处实时业务时延抖动的概率分布。进一步,我们分析了实时业务包的离去过程,前一个路由节点的输出即为下一个路由节点的输入,根据递归原理,我们得到了级联网络中实时业务端到端时延抖动的概率分布。(3)本文探究了影响级联网络中实时业务时延抖动概率分布的各个因素,如:实时与非实时终端数量、两种业务的到达率、IEEE 802.15.4协议中退避指数以及最大重传次数的设置、CAP与CFP时隙数量比例、IP核心网中两种业务的服务速率以及节点跳数等。掌握这些影响因素,对网络流量准入控制、网络所能容纳终端数的估计以及节点跳数的权衡设计起着至关重要的作用。