一种新的WSN随机多址MAC协议设计与性能分析_图文

1、 第1 期 佘明辉毛等：一种新的 WSN 随机多址 MAC 协议设计与性能分析 23 图6 时隙式 p 检测和概率检测与 1 坚持联合控制 吞吐量比较（ p = 0. 001 ） 图7 时隙式 p 检测和概率检测与 1 坚持联合控制 时延比较 Fig. 6 Comparison of throughput between slotted p detection and joint control with probability detection and 1 persistent （ p = 0. 001 ） Fig. 7 Comparison of delay between slotte

2、d p detection and joint control with probability detection and 1 persistent 时延的对比图. 图 8 给出了改进型 PDPRM 与 PDPRM 的能量有效性的分析结果图. 对改进型， 非坚持 11 ， 1 坚持协议在实际无 线传感器网络中的运行情况进行实验 ， 分别记录下 相应的发送包数， 坏包数， 丢包数. 结果如表 1 和 2 所示. 表1 到达率为 20 ms 时发送情况表 Tab. 1 Send state when reach rate is 20 ms 到达率为 20 ms 图8 改进型和概率检测与 1 坚持

3、联合控制的节点 生命周期比较 Fig. 8 Comparison of node life time between improved and joint control with probability detection and 1 persistent 表2 到达率为 50 ms 时发送情况表 改进型（ p 值为 0. 1 ） 非坚持 1 坚持 接收包数 134 621 134 222 134 512 bad 包数 176 342 141 Tab. 2 Send state when reach rate is 50 ms 4 计算机仿真实验与结果分析 在以上分析结果的基础上， 对 PD

4、PRM 协议性 到达率为 50 ms 改进型（ p 值为 0. 1 ） 非坚持 1 坚持 接收包数 98 867 97 715 95 478 bad 包数 68 70 61 能进行了仿真. 仿真实验采用 Matlab7. 0 ， 仿真环境 为：假定通道为理想状态通道， 同时设通道到达率 取延时 a = 0. 1 ， 分组长度为 1. 为 G， 对时隙式 p 检测 CSMA 和概率检测与 1 坚 持联合控制的吞吐量进行了比较， 结果如图 6 所 示. 图 7 给出了 p = 0 . 001 时时隙式 p 检测 CSMA 和概率检测与 1 坚持联合控制的信息分组发送 从给出的图表可以看出： 首先对

5、于 PDPRM 协议， 从图中可以看出： （ 1 ） 当 p 取 0. 001 时， 概率检测与 1 坚持联 合控制协议， 可以取得最大的吞吐量值 0. 624 5 ， 此 24 云南大学学报（ 自然科学版） 第 32 卷 时时隙式概率 p 检测不能取到最大值， 从图 3 中我 轻负载时， 概率检测与 1 坚持联合 们可以看到， 控制协议性能优于时隙式概率 p 检测. 这也与实际 相符， 当轻负载时， 引入 PDPRM 可以减小信道的 增加分组发送的成功率. 因而具有较优的信 浪费， 道利用率. （ 2 ） 从图 7 可以看出， 如图所示情况下， 概率 检测与 1 坚持联合控制在轻负载时时延比

6、时隙 式 p 检测的时延小. 结合图 3 知， 当负载轻时无论 是在时延还是吞吐量上， 前者都具有较优的性能. （ 3 ） 从表 1 和表 2 可以看出， p 当在轻负载， 取较小值时， 改进型都具有较优的吞吐量. 但是随 着到达率的增加， 会存在丢包的问题， 主要原因是 串口的接收速率太小的原因. 在实际的网络当中到 因此改进型协议是一种适应于 达率也是比较小的， 无线传感器网络的协议. 其次， 对于改进型 PDPRM 无线传感器网络协 从理论分析和仿真实验可以看出 ： 议， 改进型 PDPRM 和 PDMRM 协议相比较， 改进 型接入时节点的生命周期较长. 最长使用年限分别 为 4. 3

7、84 a 和 0. 663 a. PDPRM 的节点生命周期随 着负载的加重而逐渐减小， 这是因为随着负载的增 加， 系统中的碰撞也随之增大， 所耗费的能量也逐 渐增加， 因此， 生命周期减小. 改进型的生命周期是 随着负载的加重逐渐减小， 原因是随着负载的加 ， ， 重 空闲期减小 休眠的时间相应减小， 因此生命周 期减小. 从图中可以清晰地看到， 改进型 PDPRM 协议下， 节点的最长生命周期比时隙式概率检测下 的节点最长生命周期长 3. 721 a. 这对于能量难以 补充的无线传感器网络来说， 是极其有利的. 解决了无线传感器网络能量问题 . 仿真实验分析也 改进型 PDPRM 进一步

8、验证了理论分析的正确性， 是一种更适用于无线传感器网络的协议 10 11 . 参考文献： 1 刘阿娜， 于宏毅， 李宏. 无线传感器 MAC 协议研究 J . 电信科学， 2008 ， 24 （ 2 ） ：6065. 2 SHIH E， CHO S， ICKES N， et al. Physical layer driven protocol and algorithm design for energyefficient wireC / / Proceedings of the ACM Moless sensor networks 2001 ：272286. biCom 2001. Rome

9、：ACM Press， 3 SOHRABI K， POTTIE G J. Performance of a novel selforganization protocol for wireless Ad hoc sensor networksC / / Proceedings of the IEEE 50th Vehicular Technology Conference. Amsterdam， 1999 ：1 2221 226. 4 YE W， HEIDEMANN J， ESTRIN D. An energy effi/ cient MAC protocol for wireless sen

10、sor networkC Proceedings of the INFOCOM 2002. San Francisco： IEEE Computer Society， 2002 ：1 5671 576. 5 刘彬彬， 赵东风， 丁洪伟. 基于概率检测的时隙式多 . 通信学 通道随机多址无线通信网络协议分析J 2006 ， 27 （ 12 ） ：7075. 报， 6 赵 东 风. 时 隙 式 随 机 争 用 多 址 系 统 分 析 方 法 研 究 J . 通信学报， 1999 ， 20 （ 8 ） ：8085. 7 赵东风， 等. 一种新的时间连续随机多址系统分析方 J . 电子科学学刊， 19

11、99 ， 20 （ 1 ） ：3741. 法研究 8 ElHoiydi A. ALOHA with preamble sampling for sporadic traffic in ad hoc wireless sensor networksC / IEEE International Conference on Communications （ ICC） ， New York， 2002. 9 佘明辉， 林琳， 赵东风. 自适应多通道二维概率型时 . 云南大 隙式随机多址开线通信网络协议分析J 2009 ， 31 （ 3 ） ：232237. 学学报：自然科学版， 10 Pelin C

12、Nar， Erdal Cayirci， PCSMAC. A power controlledsensor MAC protocol for wireless sensor networks C / / Proceedings of the second European Workshop on Wireless Sensor Networks， 2005 ：8192 . 11 蹇强， 龚正虎， 朱培栋， 等. 无线传感器网络 MAC 协 J . 软件学报， 2008 ， 19 （ 2 ） ：389-403. 议研究进展 5 结束语 通过以上分析， 本文提出的改进型 PDPRM 无 通过 p 值

13、的选取， 保证了系统 线传感器网络协议， 的吞吐量， 在分组侦听到信道忙时， 适时地进入休 眠；空闲时， 让系统进入休眠， 起到节能的作用. 改 进型 PDPRM 与 PDPRM 相比， 大大地节省了能量， Design of a new WSN random multi access MAC protocol and analysis its performance 2 SHE Minghui1， ，HUANG Maomao1 ，ZHAO Dongfeng1 ，DING Hongwei1 第1 期 佘明辉毛等：一种新的 WSN 随机多址 MAC 协议设计与性能分析 （ 1. Departme

14、nt of Communication Engineering， Yunnan University， Kunming 650091 ， China； 2. Meizhouwang College of Technology， Putian 351254 ， China） 25 Abstract：This paper presented a new random multi access MAC protocol for WSN， through dividing the 1 + a of packet transmit， using probability detection and 1 p

15、ersistent control， gave the flow chart and part of program code， realized protocol on GAINZ hardware platform. We analyzed multi channel random multi access WSN in terms of theory， then gave some import system parameters include throughput of system， delay of packet transmit and analyzed the energy

16、efficiency. Then， we proved theoretical analysis was true through computer simulation experiment. Key words：Wireless Sensor Networks； random multi access； probability detection；1 persistent CSMA； protocol designing （ 上接第 17 页） 4 CHEN Z， ZHAO D H， RUAN J. Dynamical analysis of high order Cohen Grossb

17、erg neural networks with time delay J . 2007 ， 32 ：1 5381 546. Chaos Solitons and Fractals， 5 LIAO X F， LI C G， WONG K W. Criteria for exponentialstability of Cohen Grossberg neural networks J . Neural Networks， 2004 ， 17 ：1 4011 414. 6 MAO Z， ZHAO H Y. Dynamical analysis of Cohen Grossberg neural n

18、etworks with distributed delays J . Physics Letters A， 2007 ， 364 ：38-47. 7 WAN A H， QIAOJIU H， PENG J G， et al. Delay independent Criteria for exponential stability of generalized Cohen GrossJ . Physics Letters A， 2007 ， 353 ：151157. berg neural networks with discrete delays 8 周冬明. 具有变时滞的细胞神经网络的全局指

19、数稳定 J . 云南大学学报：自然科学版， 2002 ， 24 （ 2 ） ：9395. 9 周冬明， J . 云南大学学报：自然科学版， 2000 ， 22 （ 1 ） ：2628. 曹进德. Hopfield 型连续反馈神经网络的全局指数稳定 10 WANG B X， JIAN J G， GUO C D. Global exponential stability of a class of BAM networks with time varying delays andcontinuously distributed delays J . Neurocomputing， 2008 ， 7

20、1 （ 5 ） ：495501. 11 WANG L. Stability of Cohen Grossberg neural networks with distributed delays J . Applied Mathematics and Computation， 2005 ， 160 ：93110. 12 WAN A H， WANG M S， PENGJ G， et al. Exponential stability of Cohen Grossberg neural networks with a general class of activation functions J .

21、 Physics Letters A， 2006 ， 350 （ 1 ） ：96102. 13 LI T， FEI S M. Stability analysis of Cohen Grossberg neural networks with time varying and distributed delays J . Neuro2008 ， 71 （ 10 ） ：1 0691 081. computing， Exponential stability of generalized Cohen Grossberg neural networks with distributed delays HUA Yuchun1 ，LIU Xingui2 ，LI Yongkun1 （ 1. Department of Mathematics，Yunnan University， Kunming 650091 ， China；