基于自适应p持续的移动自组网信道接入和资源分配算法

doi:10.11772/j.issn.1001-9081.2023030322

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (3): 863-868.DOI: 10.11772/j.issn.1001-9081.2023030322

基于自适应p持续的移动自组网信道接入和资源分配算法

秦鑫彤¹, 宋政育¹(), 侯天为¹, 王飞越¹, 孙昕¹, 黎伟²

^1.北京交通大学电子信息工程学院，北京 100044
^2.重庆金美通信有限责任公司，重庆 400030

收稿日期:2023-03-29 修回日期:2023-05-29 接受日期:2023-06-08 发布日期:2023-06-30 出版日期:2024-03-10
通讯作者: 宋政育
作者简介:秦鑫彤（1999—），男，山西长治人，博士研究生，主要研究方向：无线通信、移动自组网、资源分配
侯天为（1991—），男，天津人，副教授，博士，主要研究方向：无人机通信、大规模反射阵列、非正交多址接入
王飞越（1999—），男，甘肃金昌人，硕士研究生，主要研究方向：无线通信、移动自组网、资源分配
孙昕（1967—），女，吉林通化人，教授，博士，主要研究方向：专业移动通信、卫星通信、物联网
黎伟（1988—），男，重庆人，高级工程师，博士，主要研究方向：无线通信电磁频谱感知、电磁干扰对抗、下一代移动通信关键技术。
基金资助:
国家自然科学基金资助项目(61901027)

Channel access and resource allocation algorithm for adaptive p-persistent mobile ad hoc network

Xintong QIN¹, Zhengyu SONG¹(), Tianwei HOU¹, Feiyue WANG¹, Xin SUN¹, Wei LI²

^1.School of Electronic and Information Engineering，Beijing Jiaotong University，Beijing 100044，China
^2.Chongqing Jinmei Communication Company Limited，Chongqing 400030，China

Received:2023-03-29 Revised:2023-05-29 Accepted:2023-06-08 Online:2023-06-30 Published:2024-03-10
Contact: Zhengyu SONG
About author:QIN Xintong， born in 1999， Ph. D. candidate. His research interests include wireless communication， mobile Ad Hoc network， resource allocation.
HOU Tianwei， born in 1991， Ph. D.， associate professor. His research interests include UAV communication， large scale reflective array， non-orthogonal multiple access.
WANG Feiyue， born in 1999， M. S. candidate. His research interests include wireless communication， mobile Ad Hoc network， resource allocation.
SUN Xin， born in 1967， Ph. D.， professor. Her research interests include professional mobile communication， satellite communication， internet of things.
LI Wei， born in 1988， Ph. D.， senior engineer. His research interests include wireless communication electromagnetic spectrum sensing， electromagnetic interference countermeasures， next-generation mobile communication key technologies.
Supported by:
National Natural Science Foundation of China(61901027)

摘要/Abstract

摘要：

针对基于p持续的移动自组网（MANET）信道接入和资源分配问题，提出一种具有低复杂度的自适应信道接入和资源分配算法。首先，考虑到自组网无中心分布式组网特点，以每个节点的信道利用率最大化为目标建立优化问题；其次将该问题建模为马尔可夫决策过程并定义状态、动作和奖励函数；最后基于策略梯度训练网络参数，联合优化竞争概率、优先级增长因子以及通信节点数量。仿真实验结果表明，所提算法可以显著提高p-持续载波侦听多址接入（CSMA）协议的性能，与固定竞争概率和p值预定义的方案相比，所提算法的信道利用率提高了45%和17%；此外，当节点数量小于35时，所提算法优于固定接入节点数量的方案。同时，在节点数据包到达率较高时，所提算法可以充分利用信道，减少时隙资源浪费。

关键词: 移动自组网, 载波侦听多址接入, 深度强化学习, 信道利用率, 资源分配

Abstract:

For the channel access and resource allocation problem in the p-persistent Mobile Ad hoc NETwork （MANET）， an adaptive channel access and resource allocation algorithm with low complexity was proposed. Firstly， considering the characteristics of MANET， the optimization problem was formulated to maximize the channel utility of each node. Secondly， the formulated problem was then transformed into a Markov decision process and the state， action， as well as the reward function were defined. Finally， the network parameters were trained based on policy gradient to optimize the competition probability， priority growth factor， and the number of communication nodes. Simulation experiment results indicate that the proposed algorithm can significantly improve the performance of p-persistent CSMA （Carrier Sense Multiple Access） protocol. Compared with the scheme with fixed competition probability and predefined p-value， the proposed algorithm can improve the channel utility by 45% and 17%， respectively. The proposed algorithm can also achieve higher channel utility compared to the scheme with fixed number of communication nodes when the total number of nodes is less than 35. Most importantly， with the increase of packet arrival rate， the proposed algorithm can fully utilize the channel resource to reduce the idle period of time slot.

Key words: Mobile Ad hoc NETwork (MANET), Carrier Sense Multiple Access (CSMA), deep reinforcement learning, channel utility, resource allocation

中图分类号:

TP393.04

秦鑫彤, 宋政育, 侯天为, 王飞越, 孙昕, 黎伟. 基于自适应p持续的移动自组网信道接入和资源分配算法[J]. 计算机应用, 2024, 44(3): 863-868.

Xintong QIN, Zhengyu SONG, Tianwei HOU, Feiyue WANG, Xin SUN, Wei LI. Channel access and resource allocation algorithm for adaptive p-persistent mobile ad hoc network[J]. Journal of Computer Applications, 2024, 44(3): 863-868.

图/表 9

图1 移动自组网拓扑结构

Fig. 1 Topology structure of MANET

图2 移动自组网时隙结构

Fig. 2 Time slot structure in MANET

图3 虚拟传输时间段

Fig. 3 Virtual transmission time period

图4 DRL-CARA算法的流程

Fig. 4 Flow of DRL-CARA algorithm

表1 仿真参数

Tab. 1 Simulation parameters

参数	取值	参数	取值
样本大小 $e$	32	T_SIFS	7.5 $μ s$
缓存大小 $B$	10 000	$T r e q$	22.2 $μ s$
目标网络更新率 $ε$	0.003	$T A C K$	7.5 $μ s$
折扣因子 $φ$	0.99	$α$	3
时隙数 $N$	10	$β$	3
通信时延 $τ$	0.03 s	$w i a c t o r$	256~512
$T B I F S$	2.5 $μ s$	$w i c r i t i c$	256~512

表1 仿真参数

Tab. 1 Simulation parameters

参数	取值	参数	取值
样本大小 $e$	32	T_SIFS	7.5 $μ s$
缓存大小 $B$	10 000	$T r e q$	22.2 $μ s$
目标网络更新率 $ε$	0.003	$T A C K$	7.5 $μ s$
折扣因子 $φ$	0.99	$α$	3
时隙数 $N$	10	$β$	3
通信时延 $τ$	0.03 s	$w i a c t o r$	256~512
$T B I F S$	2.5 $μ s$	$w i c r i t i c$	256~512

图5 信道利用率与迭代次数之间的关系

Fig. 5 Relationship between channel utility and iteration times

图6 时隙长度与信道利用率之间的关系

Fig. 6 Relationship between time slot duration and channel utility

图7 数据包到达率与信道利用率之间的关系

Fig. 7 Channel utility versus packet arrival rate

图8 节点数与信道利用率之间的关系

Fig. 8 Channel utility versus number of nodes

参考文献 23

1	闫涛，赵一帆，高明虎，等. 移动自组网中的自适应MAC协议研究综述［J］. 计算机工程与应用， 2023， 59（11）： 46-56. 10.3778/j.issn.1002-8331.2211-0090
	YAN T， ZHAO Y F， GAO M H， et al. Survey of adaptive MAC protocols in mobile Ad Hoc networks ［J］. Computer Engineering and Applications， 2023， 59（11）： 46-56. 10.3778/j.issn.1002-8331.2211-0090
2	任智，杨迪，胡春，等. 一种高信道利用率的无人机自组网单阈值接入协议［J］. 计算机工程， 2021， 47（2）：206-211.
	REN Z， YANG D， HU C， et al. Single threshold access protocol for UAV Ad-Hoc network with high channel utilization rate ［J］. Computer Engineering， 2021， 47（2）： 206-211.
3	LI Z， LI Y， WANG W. Deep reinforcement learning-based collaborative routing algorithm for clustered MANETs ［J］. China Communications， 2023， 20（3）： 185-200. 10.23919/jcc.2023.03.014
4	HU J， JIANG M， ZHANG Q， et al. Joint optimization of UAV position， time slot allocation， and computation task partition in multiuser aerial mobile-edge computing systems ［J］. IEEE Transactions on Vehicular Technology， 2019， 68（7）： 7231-7235. 10.1109/tvt.2019.2915836
5	TUN Y K， PARK Y M， TRAN N H， et al. Energy-efficient resource management in UAV-assisted mobile edge computing ［J］. IEEE Communications Letters，2021， 25（1）： 249-253. 10.1109/lcomm.2020.3026033
6	IEEE Computer Society LAN/MAN Standards Committee. IEEE Standard for Information Technology — telecommunications and information exchange between systems local and metropolitan area networks-specific requirements part 11： wireless LAN medium Access Control （MAC） and Physical Layer （PHY） specifications ［S/OL］. ［2022-10-21］. .
7	HO T S， CHEN K C. Performance analysis of IEEE 802.11 CSMA/CA medium access control protocol ［C］// Proceedings of the 7th International Symposium on Personal， Indoor， and Mobile Communications — Volume 2. Piscataway： IEEE， 1996： 407-411.
8	BRUNO R， CONTI M， GREGORI E. Optimal capacity of p-persistent CSMA protocols ［J］. IEEE Communications Letters， 2003， 7（3）： 139-141. 10.1109/lcomm.2002.808371
9	LIU Y， YUEN C， CAO X， et al. Design of a scalable hybrid MAC protocol for heterogeneous M2M networks ［J］. IEEE Internet of Things Journal， 2014， 1（1）： 99-111. 10.1109/jiot.2014.2310425
10	LEE M W， HWANG G. Adaptive contention window control scheme in wireless ad hoc networks ［J］. IEEE Communications Letters， 2018， 22（5）： 1062-1065. 10.1109/lcomm.2018.2813361
11	DANG D N M， QUANG N T， HONG C S， et al. An enhanced multi-channel MAC protocol for wireless ad hoc networks ［C］// Proceedings of the 14th Asia-Pacific Network Operations and Management Symposium. Piscataway： IEEE， 2012： 1-4. 10.1109/apnoms.2012.6356048
12	CORDEIRO J R S， MACEDO D F， VIEIRA L F M. FS-MAC： a flexible MAC platform for wireless networks ［C］// Proceedings of the 2018 IEEE Wireless Communications and Networking Conference. Piscataway： IEEE， 2018： 1-6. 10.1109/wcnc.2018.8376981
13	WANG W， DONG C， WANG H， et al. Design and implementation of adaptive MAC framework for UAV ad hoc networks ［C］// Proceedings of the 12th International Conference on Mobile Ad-Hoc and Sensor Networks. Piscataway： IEEE， 2016： 195-201. 10.1109/msn.2016.039
14	YE Q， ZHUANG W， LI L， et al. Traffic-load-adaptive medium access control for fully connected mobile ad hoc networks ［J］. IEEE Transactions on Vehicular Technology， 2016， 65（11）： 9358-9371. 10.1109/tvt.2016.2516910
15	HUANG X， LIU A， ZHOU H， et al. FMAC： a self-adaptive MAC protocol for flocking of flying ad hoc network ［J］. IEEE Internet of Things Journal， 2021， 8（1）： 610-625. 10.1109/jiot.2020.3007071
16	LI Z， ZHAO J， HAN T. The performance analysis of SPMA protocol in high speed mobile ad hoc network ［J］. IEEE Access， 2023， 11： 23485-23494. 10.1109/access.2023.3253759
17	SHU R， LIU L， WANG J， et al. Discretized channel access mechanism based on CSMA contention and TDMA reservation［C］// Proceedings of the 2020 Information Communication Technologies Conference. Piscataway： IEEE， 2020： 22-27. 10.1109/ictc49638.2020.9123293
18	WANG Y， LI X， WAN P， et al. Intelligent dynamic spectrum access using deep reinforcement learning for VANETs ［J］. IEEE Sensors Journal， 2021， 21（14）： 15554-15563. 10.1109/jsen.2021.3056463
19	吕君伟. 分布式频谱共享系统的动态p坚持CSMA接入算法研究［D］. 成都：电子科技大学， 2011： 32-35.
	LYU J W. Research on dynamic p-persistent CSMA access algorithm of distributed spectrum sharing system ［D］. Chengdu： University of Electronic Science and Technology of China， 2011： 32-35.
20	杨思明，单征，丁煜，等. 深度强化学习研究综述［J］. 计算机工程， 2021， 47（12）： 19-29.
	YANG S M， SHAN Z， DING Y， et al. Survey of research on deep reinforcement learning ［J］. Computer Engineering，2021， 47（12）： 19-29.
21	沈国丽，李君，李正权. D2D通信中基于深度强化学习的资源分配［J］.电子测量技术， 2022， 45（24）：76-84.
	SHEN G L， LI J， LI Z Q. Resource allocation based on deep reinforcement learning in D2D communication ［J］. Electronic Measurement Technology， 2022， 45（24）：76-84.
22	ERTURK I， CHMIELEWSKI I. Improving drone data gathering WSN application performance with a predefined p-based approach for slotted p-persistent CSMA MAC ［C］// Proceedings of the 2022 International Conference on Electrical， Computer and Energy Technologies. Piscataway： IEEE， 2022： 1-5. 10.1109/icecet55527.2022.9872904
23	WANG Y P， FANG W W， DING Y， et al. Computation offloading optimization for UAV-assisted mobile edge computing： a deep deterministic policy gradient approach ［J］. Wireless Networks， 2021， 27（4）： 2991-3006. 10.1007/s11276-021-02632-z

[1]	罗华亮, 李全忠, 张旗. 融合信息通信和空中计算的认知无线网络鲁棒资源分配优化[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1195-1202.
[2]	陈发堂, 黄淼, 金宇峰. 面向用户需求的低轨卫星资源分配算法[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1242-1247.
[3]	唐睿, 岳士博, 张睿智, 刘川, 庞川林. UAV协助下非正交多址接入使能的数据采集系统中能效优化机制[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1209-1218.
[4]	李源潮, 陶重犇, 王琛. 基于最大熵深度强化学习的双足机器人步态控制方法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 445-451.
[5]	邓辅秦, 官桧锋, 谭朝恩, 付兰慧, 王宏民, 林天麟, 张建民. 基于请求与应答通信机制和局部注意力机制的多机器人强化学习路径规划方法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 432-438.
[6]	龙杰, 谢良, 徐海蛟. 集成的深度强化学习投资组合模型[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 300-310.
[7]	马勇健, 史旭华, 王佩瑶. 基于两阶段搜索与动态资源分配的约束多目标进化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 269-277.
[8]	王昱, 任田君, 范子琳. 基于引导Minimax-DDQN的无人机空战机动决策[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2636-2643.
[9]	李磊, 张国富, 苏兆品, 岳峰. 体系结构动态变化的软件测试资源分配算法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2261-2270.
[10]	王子腾, 于亚新, 夏子芳, 乔佳琪. 融合好奇心和策略蒸馏的稀疏奖励探索机制[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2082-2090.
[11]	方和平, 刘曙光, 冉泳屹, 钟坤华. 基于深度强化学习的多数据中心一体化调度优化[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1884-1892.
[12]	李校林, 江雨桑. 无人机辅助移动边缘计算中的任务卸载算法[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1893-1899.
[13]	黄晓辉, 杨凯铭, 凌嘉壕. 基于共享注意力的多智能体强化学习订单派送[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1620-1624.
[14]	曹腾飞, 刘延亮, 王晓英. 基于改进深度强化学习的边缘计算服务卸载算法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1543-1550.
[15]	丁正凯, 傅启明, 陈建平, 陆悠, 吴宏杰, 方能炜, 邢镔. 结合注意力机制与深度强化学习的超短期光伏功率预测[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1647-1654.

基于自适应p持续的移动自组网信道接入和资源分配算法

Channel access and resource allocation algorithm for adaptive p-persistent mobile ad hoc network

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 23

相关文章 15

编辑推荐

Metrics