基于CSMA-CA无线多跳网中干扰特征仿真.doc

基于CSMA/CA无线多跳网中干扰特征仿真 　　摘要：近年来，无线多跳网络快速发展，冲突干扰作为影响无线多跳网络性能的关键因素，越来越受到研究者的重视针对网络中干扰节点的不同分布情况，采用随机点过程的模拟方式，重点研究了在载波侦听多路访问/冲突避免（CSMA/CA）协议下，节点基于不同随机点过程分布的累积干扰特征；并搭建基于NS2的干扰仿真平台，模拟实际网络干扰分布特征最后，将两者进行对比，发现基于随机点过程的干扰分布特征与实际网络干扰分布特征存在一定差异，并指出了存在差异的原因 关键词：冲突干扰； 载波侦听多路访问/冲突避免； 随机点过程； 干扰分布； 干扰建模 中图分类号：TP393.0； TP391.97 文献标志码：A 0引言 无线网络中频谱资源复用技术可以提高网络容量，但同时会增加信道的冲突干扰，直接导致网络性能的下降，因此研究信道的冲突干扰特征对提高网络系统性能的影响显得尤为重要在早期的蜂窝系统中，干扰分布通常被描述成高斯分布[1]随着蜂窝网络逐渐向数字通信系统转变，一些更为精确的干扰模型相继被提出，如物理干扰模型、协议干扰模型等特别是近年来，移动自组网的兴起，大大促进了干扰建模领域的发展一般来说，一个全面的干扰模型主要由信道模型、干扰节点空间分布模型、网络操作模型以及业务流模型四个部分组成[2] 信道模型主要刻画了无线传播对于接收信号强度的影响，如确定性路径损耗、小规模衰落等； 干扰节点空间分布模型体现了干扰节点在网络范围内的空间分布情况； 网络操作模型描述了网络中终端接入信道的方式技术，如随机接入方式（载波侦听多路访问（Carrier Sense Multiple Access，CSMA）， Aloha）或者确定性接入方式（时分多址（Time Division Multiple Access， TDMA），码分多址（Code Division Multiple Access， CDMA），频分多址（Frequency Division Multiple Access， FDMA））等； 业务流模型则简单表示了发送端的活动 在实际情况下模拟干扰时有一个必须要考虑的问题，即建立此干扰模型的目的它决定了在整个干扰建模中，应该重点考虑上述何种子模型比如，评价一个给定的检测技术的性能，所采用的干扰模型应该重点强调物理层方面的干扰信号和干扰的统计特征，即应重点考虑信道模型和干扰节点空间分布模型 本文将重点研究子模型之一：节点空间分布模型由于网络中的累积干扰产生于同时发送的节点，并主要取决于这些节点的空间位置分布，且大量节点在网络中的随机分布导致了移动自组网较高的随机性因此对节点空间分布模型进行深入研究具有重要意义另外，本文的相关研究都是在假设节点是静止的条件下进行的[3] 实际上，大量的节点空间分布模型都采用了随机几何过程的方式来模拟网络中的节点分布比如泊松点过程（Poisson Point Process，PPP）[4]，由于其简要性和易分析性，受到了广泛的使用然而在实践中，如在本文重点考虑的载波侦听多路访问/冲突避免（Carrier Sense Multiple Access with Collision Avoidance，CSMA/CA）协议下，由于节点要遵循冲突避免机制，不是某一范围内的所有节点都能同时作为发送端，因此泊松点过程已不再适用为此，研究人员将CSMA/CA协议中的关键参数载波监听范围r纳入了泊松点过程中，对其进行改进得出了修正泊松点过程（Poisson Point Process modified， PPPmd）[5]随着进一步研究，接着提出了Matern点过程（Matern Point Process，MPP）[6]，但它仍然存在着空间分布异常和低估干扰点密度的缺陷继而简单顺序抑制点过程（Simple Sequential Inhibition，SSI）被提出，它能够有效地弥补干扰节点密度被低估的缺陷本文在介绍上述常用的随机点过程的同时，搭建了NS2干扰仿真平台，对实际网络中干扰分布进行了统计分析，并与不同随机点过程模拟情况下所得出的干扰分布之间进行了对比得出了以下结论： 实际网络中，干扰分布与很多实际系数，如节点的连接数、发送速率等紧密相关，基于四种随机点过程的干扰模型都不能准确地刻画实际干扰最后利用Matlab工具将NS2得出的实际网络干扰分布与Generalized extreme value进行曲线拟合，发现两者极为相似，从而明确了接下来的工作目标，即利用多元统计方式对NS2得出的实际网络干扰分布进行分析，从而进行更为准确地干扰建模 1随机点过程 1.1泊松点过程 由于泊松点过程的易分析性和简