本发明涉及一种用于降低基于自适应编码调制无线网络丢包率的方法。该方法首先确定目标误码率的初始取值区间,其次计算取值区间长度,判断取值区间是否小于预先设定的值。如果小于该值,则最佳目标误码率为(P
1.一种用于降低基于自适应编码调制无线网络丢包率的方法,其特征在于,该方法包括如下步骤:1)确定目标误码率的初始取值区间[P_min,P_max];2)计算取值区间长度,判断取值区间是否小于预先设定的值,如果小于该值,则最佳目标误码率为(P_max+P_min)/2;否则,计算试探点:λ=P_min
+0.382*(P_max-P_min)μ=P_min
+0.618*(P_max-P_min);计算ξ(λ),ξ(μ),当ξ(λ)>ξ(μ)时转步骤3,当ξ(λ)≤ξ(μ)时转步骤4,ξ(λ),ξ(μ)即为目标误码率为λ,μ时的丢包率的值;3)置 P min = λ P max = P max λ = μ μ = P min + 0.618 * ( P max - P min ) , ]]>转2;4)置 P min = P min P max = μ μ = λ λ = P min + 0.382 * ( P max - P min ) , ]]>转2。
2.根据权利要求1所述的一种用于降低基于自适应编码调制无线网络丢包率的方法,其特征在于,所述的预先设定的值为任意小的精度值。
3.根据权利要求1所述的一种用于降低基于自适应编码调制无线网络丢包率的方法,其特征在于,所述的初始取值区间[P_min,P_max]为[0.0001,0.1]。技术领域
本发明涉及一种用于降低基于自适应编码调制无线网络丢包率的方法。
背景技术
在传统的网络设计方案中,为有效利用网络资源,提高网络吞吐量,我们一般在物理层采用自适应调制(AMC)技术。自适应调制是在不同的信道状态下,选择不同的传输模式,以提高网络吞吐量。在传输模式的选取中,最重要的参数就是目标误码率的选择,不同的目标误码率下,得到的网络性能有很大的差异,固定的目标误码率将在一定程度上限制网络的性能,因此选择一个好的目标误码率,能有效提高网络吞吐量。图1为现有丢包率与目标误码率之间的仿真图,通过分析不同目标误码率下丢包率的性能,我们可以注意到不管信道的信噪比(SNR)为多大,丢包率随目标误码率的变化基本成二次曲线(实心五角星为曲线的最低点),即ξ=ξ(P₀)在整个目标误码率范围内为单峰函数,并且我们无法得到它的具体表达式,更写不出它的导数表达式。因此也不易找出合适的最小丢包率来使网络的吞吐量达到最大。
发明内容
为了避免以上现有技术的不足,本发明提供一种用于降低基于自适应编码调制无线网络丢包率的方法。本发明的目的通过以下技术方案来实现。一种用于降低基于自适应编码调制无线网络丢包率的方法,该方法包括如下步骤:1)确定目标误码率的初始取值区间[P_min,P_max];2)计算取值区间长度,判断取值区间是否小于预先设定的值,如果小于该值,则最佳目标误码率为(P_max+P_min)/2;否则,计算试探点:λ=P_min+0.382*(P_max-P_min)μ=P_min+0.618*(P_max-P_min);计算ξ(λ),ξ(μ),当ξ(λ)>ξ(μ)时转步骤3,当ξ(λ)≤ξ(μ)时转步骤4,ξ(λ),ξ(μ)即为目标误码率为λ,μ时的丢包率的值;3)置 P min = λ P max = P max λ = μ μ = P min + 0.618 * ( P max - P min ) , ]]>转2;4)置 P min = P min P max = μ μ = λ λ = P min + 0.382 * ( P max - P min ) , ]]>转2。进一步,所述的预先设定的值为任意小的精度值。进一步,所述的初始取值区间[P_min,P_max]为[0.0001,0.1]。本发明能够有效的利用网络资源,降低网络丢包率,提高网络吞吐量。
附图说明
图1:现有的丢包率与目标误码率之间的仿真图;图2:本发明方法流程图;图3:本发明方法得到的丢包率与目标误码率之间的仿真图;图4:本发明方法得到的丢包率与现有技术下的丢包率性能比较。
具体实施方式
本发明通过考察不同误码率下网络的吞吐量变化,提出通过黄金分割法寻找最佳的目标误码率,使得丢包率达到最小,即网络吞吐量达到最大。下面首先分析在自适应调制下网络的丢包率性能。一般假设物理层的目标误码率P₀为一定值,则根据假定的目标误码率要求,存在一个包含N个元素的调制方式阈值向量γ=[γ₀,γ₁,...,γ_N+1,]^T,将整个接收信噪比区域[0,+∞]划分为N+1个互不重叠的区域(其中γ₀=0,γ_N+1=∞)。采用一定的算法确定调制门限ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="164"/>即选择γ_n使每种调制方式下的平均误包率都等于目标误包率P₀:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="225"/>这样总的误包率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="110"/>必然等于P₀。每个信噪比区间分别对应一种速率模式。其信道模型采用有限状态信道转移模型(FSMC)来描述。数据链路层采用有限长缓冲区,因此当缓冲区队列已满的时候,新到达的数据包将会溢出,假设包溢出率为P_d,数据包只有在信道中被正确传输,且没有被溢出时才算成功传输,因此丢包率可以表示为:ξ=1-(1-P_d)(1-P_ch),网络吞吐量可以表示为:η=(λT_f)(1-ξ)=(λT_f)(1-P_d)(1-P₀),其中λT_f是包达到率。因此可以看出要评估网络的吞吐量和丢包率性能,最主要的问题是计算溢出包率P_d。为分析网络的溢出包率,我们进行以下几点分析。1)首先分析节点处得输入流情况。假设节点的输入流分布服从参数为λT_f的Poisson分布时,其分布为: P ( Θ t = a ) = ( λT f ) a e ( - λT f ) a ! - - - ( 1 ) ]]> 2)队列服务状态分析。假设信道的带宽为b,则每帧可传输的数据包数为:c_n=bR_n。3)队列和服务状态稳态分布。假设联合队列长度和服务速率的状态转移矩阵为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="333"/>其中矩阵元素的定义为: P ( u , c ) ( v , d ) E = P ( C t + 1 = d / C t = c ) × P ( U t = v | U t - 1 = u , C t = c ) - - - ( 2 ) ]]> 其中速率转移概率P(C_t+1=d/C_t=c)用FSMC模型计算,P(U_t=v/U_t-1=u,C_t=c)可以进一步分解为: P ( U t = v / U t - 1 = u , C t = c ) ]]> = P ( Θ t = v - max { 0 , u - c } ) if 0 ≤ v < K 1 - Σ 0 ≤ v < K P ( U t = v | U t - 1 = u , C t = c ) ifv = K - - - ( 3 ) ]]> 经过上述分析,可以得到由于缓冲区满而溢出的数据包的数目均值为: E { D } = Σ ∀ a , ∀ u , ∀ c max { 0 , a - K + max { 0 , u - c } } - - - ( 4 ) ]]> × P ( Θ = a ) × P ( U = u , C = c ) ]]> 其中K为缓冲区最大队列长度。进一步得到数据包溢出率为: P d = E { D } E { Θ } = E { D } λT f - - - ( 5 ) ]]> 由上述推导我们可以看出,当我们确定目标误码率P₀的值时,就可以计算出溢包率P_d的值,因此丢包率ξ可以看作是目标误码率的函数,即ξ=ξ(P₀)xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(6)本发明通过取试探点和进行函数值的比较,使包含极小点的搜索区间不断缩短,当区间缩短到一定程度时,区间上的各点的函数值均接近极小值,从而各点可以看作为极小点的近似。这类方法又称为分割方法,典型的有黄金分割法(0.618法)和斐波那契法(Fibonacci法)。因此在这里我们可以采用黄金分割法求最佳目标误码率,使得丢包率最小。黄金分割法也叫0.618法,它是基于区间收缩的极小点搜索算法,通过不断的缩小搜索区间,在这里即目标误码率的取值范围,最终使搜索区间的端点,即目标误码率的取值逼近丢包率的最小点。本发明中,我们假定搜索区间的两个端点,即目标误码率最小取值P_min=0.0001,最大取值P_max=0.1,黄金分割法首先根据黄金比例生成两个内点,即目标误码率的两个探测点p₁和p₂,其中p₁=P_min+0.382*(P_max-P_min)p₂=P_min+0.618*(P_max-P_min)然后根据ξ(p₁),ξ(p₂)的大小关系来重新选择搜索区间。若ξ(p₁)<ξ(p₂),则搜索区间变为[P_min,P_max];若ξ(p₁)>ξ(p₂),则搜索区间变为[P_min,p₂];具体的算法步骤为:1.选定初始区间[P_min,P_max]=[0.0001,0.1],及任意小的精度ε>02.计算P_max-P_min的值,如果P_max-P_min<ε,则停止计算。否则,计算试探点:λ=P_min+0.382*(P_max-P_min)μ=P_min+0.618*(P_max-P_min);并通过公式(1)-(6)计算ξ(λ),ξ(μ)的值,当ξ(λ)>ξ(μ)时转3,当ξ(λ)≤ξ(μ)时转4;3.置 P min = λ P max = P max λ = μ μ = P min + 0.618 * ( P max - P min ) , ]]>转2;4.置 P min = P min P max = μ μ = λ λ = P min + 0.382 * ( P max - P min ) , ]]>转2;由上述算法可知,最后当P_max-P_min<ε时,循环结束,则最佳目标误码率可以表示为(P_max+P_min)/2,求得的最小丢包率为ξ((P_max+P_min)/2)。以上算法可以用图2的流程图表示。利用上文中提到的黄金分割法对网络的目标误码率进行优化,找到不同信噪比下的最小丢包率,如图3所示。其中图中实心圆圈为通过黄金分割法得到的做小丢包率点,从图中可以看出,其基本与实心五角星重合。即我们通过黄金分割法找到了最优的目标误码率值,使网络丢包率最小。本发明这种方法能够有效的降低网络丢包率,图4为利用黄金分割法得到的网络丢包率性能与目标误码率分别为0.1、0.01、0.001和0.0001时的丢包率性能的比较,从图4可以看出,该方法的丢包率性能优于任何一种目标误码率一定的情况。