基于MDP的Zigbee网络信道接入优化研究文献综述

 2022-11-24 22:59:04

ZigBee是一种基于IEEE 802.15.4协议[1]的低功耗低速率短距离通信标准，近年来在工业、农业、智能家居等领域得到大规模的应用，日益成为物联网行主流技术。因此，对于Zigbee网络通信性能的分析和优化亦成为近年来的研究热点。尽管如此，已有研究往往存在假设网络设置静态不变或者仅针对某一传输模式进行动态优化的缺陷，无法根据不同数据业务特点对信道资源进行合理分配。鉴于此，本课题探讨如何使用MDP在给定性能指标下对IEEE 802.15.4竞争和非竞争传输模式进行分布式和集中式的优化，并提出可行的低复杂度算法。

IEEE 802.15.4标准支持低成本通信，已被应用于各种无线网络，如无线传感器网络部署。为IEEE 802.15.4介质访问控制（MAC）协议开发精确的分析模型，对于此类网络的设计和性能评估至关重要。文献[2],[3]针对IEEE 802.15.4建模提出了两种新的思路。周期性流量是在许多实际应用场景中产生的一种常见流量模式，对于这种情况，大多数现有的假设饱和或随机网络流量模式的分析模型都不适用。文献[2]中开发了一个精确的、可扩展的分析模型来分析具有周期性流量的IEEE 802.15.4 MAC协议。无论是否存在重发和单信道评估(CCA)或双信道评估，该模型可以准确地捕获协议随机行为在每个时期的情况。仿真结果表明，该模型能够较准确地捕捉到具有周期性流量的MAC行为。文章还讨论了扩展模型以考虑异构场景和隐藏节点问题。此外，IEEE 802.15.4标准广泛应用于功率受限的场景。因此，对该标准进行建模有助于预测网络性能和调整参数设置。以前的工作依赖于确定所有可到达的网络状态，通常是通过一个马尔可夫链，这往往是复杂和容易出错的。相反，文献[3]中为IEEE 802.15.4建模提供了一种新的行为方法，它弥补了评估所有感兴趣的指标、建模非对称流量条件和完全包含信标启用模式方面的文献空白。

IEEE 802.15.4e标准为无线传感器网络(WSNs)进一步提出了确定性和同步多通道扩展(DSME)模式，以支持工业、商业和医疗应用。文献[4]中，针对IEEE802.15.4e星型网络，设计了一种新的信道接入方案和信标调度方案，以减少网络发现的时间和精力消耗。此外，针对具有故障保证时隙(GTS)传输的设备，设计了一种新的动态保证重传时隙分配方案，以减少重传时延。

文献[5]，[6]对IEEE802.15.4标准[1]中混合MAC协议的性能进行了分析。文献[5]提出AT-MAC算法对介质访问控制(MAC)参数进行自适应调整，以最大限度地提高成功传送数据分组的机率或可靠性。此外，文献[5]考虑了一种基于马尔可夫链的分析方法，该方法承认具有重试限制的时隙CSMA/CA退避机制。文献[6]综述了无线传感器网络中的几种占空比机制，如占空比学习算法、有效的IEEE 802.15.4 自适应介质访问控制(MAC)协议(AMPE)、分布式占空比管理(DDCM)、分布式占空比管理低功耗传播(DDCM LPB)和分布式信标周期，并比较了不同节能机制的性能。结果发现，与其他机制相比，DDCM LPB的平均能效提高了约100%。两篇文章分别从动态规划和能源效率方面进行了研究。

在基于IEEE802.15.4的无线个人区域网络(WPAN)等无线网络中，基于冲突避免的载波侦听多址接入(CSMA/CA)的优势[7]可以与时分多址接入(TDMA)的优势[8]相结合，提高信道接入性能。文献[7]中提出的基于四维马尔可夫链的时隙载波侦听多址接入/冲突避免(CSMA/CA)算法分析，考虑了现有工作中未研究的退避冻结和肯定应答传输。文章引入了一个可变超帧持续时间信标间隔比(SBR)，通过调整几个MAC参数来实现与现有技术相比平均减少35%的延迟减少。文献[8]提出了一种使IEEE 802.15.4标准适用于侦听信息循环更新时间不超过10ms的无线控制应用中的低延迟确定性网络的技术。该技术采用了基于时分多址(TDMA)的星型拓扑协议，该协议对IEEE 802.15.4进行了轻微的修改。网络中的每个终端设备在响应协调器的周期性请求时经过一定的时间延迟后传输其数据帧。一些工作(例如，[9]，[10])考虑了基于队列长度的TDMA时隙分配方案，以提高混合随机接入和基于TDMA网络的吞吐量和能量性能。在文献[9]提出的模型中，协调器根据节点的队列长度分配时隙，以提高IEEE802.15.4网络的吞吐量和能量效率。类似地，在[10]中，协调器将节点的队列长度作为流量的指示器。这些工作中的时隙分配与被认为是吞吐量最大的LQF调度方法相似[11]。

以往研究工作已将基于MDP的模型应用于无线网络信道接入的分析与优化[12]，[13]，[14]，[15]。在文献[12]中，作者提出了一种无线体域传感器网络的MDP模型，以平衡能量消耗和分组错误率之间的权衡。在文献[13]中，作者提出了一种基于强化学习的MDP模型解决方案，以最大化无线传感器网络的吞吐量和能量效率。文献[14]考虑了时隙ALOHA随机接入协议，提出了一种MDP模型来采取最优行动。根据状态(即空闲或积压)，用户在每个时隙开始时选择他们的最佳传输功率和重传概率。该模型还扩展到用户没有积压用户信息的一般情况。在文献[15]中，作者提出了一个基于IEEE 802.11 MAC的无线传感器网络中用户传输策略的MDP模型。使用MDP模型，用户根据状态（即信道状态、节点空闲或活跃状态）来决定是否传输或延迟传输，以最小化能量消耗和帧错误率。在[16]中，作者提出了一种后向判决状态来处理网络中的未知流量和信道情况。

传统的基于CSMA/CA的介质访问控制(MAC)方案在拥塞网络中的性能可以通过CSMA/CA-TDMA混合方案得到提高，同时保留了可扩展性。文献[17]提出了一种基于马尔可夫决策过程(MDP)的分布式、集中式信道访问模型，该模型采用基于马尔可夫决策过程(MDP)的传输策略[18]，实现了对竞争周期和无竞争周期的智能访问。在使用竞争访问时段（CAP）和非竞争访问时段（CFP）的传输模式之间进行动态切换，可以获得更好的信道访问性能[19]。如果所提供的流量不超过信道容量，则模型将缓冲区状态视为拥塞的指示。将该模型扩展到考虑由于信道衰落引起的信号衰减而导致的隐藏节点碰撞问题。仿真结果表明，基于MDP的分布式信道访问方案优于传统的时隙CSMA/CA方案。该方案在由异构节点组成的网络中也能有效地工作。集中式模型优于分布式模型，但需要网络的全局信息。

IEEE 802.15.4标准的性能指标使其成为短期环境监测和控制应用的唯一主导选择。将基于无线技术的异构传感器和执行器节点部署到智能建筑环境中。在建筑环境中部署的无线技术除了衰减损耗外，还会受到在同一未授权的ISM频段内运行的不同通信协议的干扰。文献[20]中对智能建筑相关的不同类型的干扰，信号到达方向和衰减损失进行了详细的实验分析和缓解报告。本研究还试图通过无线电信号的到达方向来寻找缓解的方法。

  1. IEEE Standard 802.15.4-2011: Wireless Medium Access Control (MAC) andPhysical Layer (PHY) Specifications for Low Rate Wireless Personal Area Networks (LR-WPANs).Available online: http://standards.ieee.org/getieee802/download/802.15.4-2011.pdf (accessed on 7 June 2017).
  2. X. Cao, J. Chen, Y. Cheng, X. Shen, and Y. Sun,“An analytical MAC model for IEEE 802.15.4 enabled wireless networks with periodic traffic,”IEEE Trans. Wireless Commun., vol. 14, no. 10, pp. 5261–5273, Oct. 2015.
  3. R. C. A. Alves and C. B. Margi,“Behavioral model of IEEE 802.15.4 beacon-enabled mode based on colored petri net,”ACM Trans. Modeling and Performance Evaluation of Computing Systems, vol.2 no. 4, pp. 1-31, 2017.
  4. P. K. Sahoo, S. R. Pattanaik, S.-L. Wu, “A Novel IEEE 802.15.4e DSME MAC for Wireless Sensor Networks,”Sensors 2017, 17, 168.
  5. S. Moulik, S. Misra, D. Das, “AT-MAC: Adaptive MAC-frame payload tuning for reliable communication in wireless body area networks,”IEEE Trans. Mobile Comput., vol. 16, no. 6, pp. 1516-1529, Jun. 2017.
  6. A. A. Shabaneh et al.,“Review of energy conservation using duty cycling schemes for IEEE 802.15.4 wireless sensor network (WSN),”Wireless Pers. Commun., vol. 77, no. 1, pp. 589–604, Jul. 2014.
  7. S. Moulik, S. Misra, D. Das, “Performance evaluation and delay-power trade-off analysis of ZigBee protocol,”IEEE Trans. Mobile Comput., vol. 18, no. 2, pp. 404-416, Feb. 2019.
  8. M. Anwar., Y. Xia, Y. Zhan,“TDMA-Based IEEE 802.15.4 for Low-Latency Deterministic Control Applications”, IEEE Trans. Ind. Inform. vol. 12, pp. 338–347, 2016.
  9. M. H. S. Gilani, I. Sarrafi, M. Abbaspour, “An Adaptive CSMA/TDMA Hybrid MAC for Energy and Throughput Improvement of Wireless Sensor Networks,” Ad Hoc Networks (2011), pp. 1–8, 2011.
  10. S. Zhuo, Y. Song, Z. Wang, and Z. Wang, “Queue-MAC: A Queuelength Aware Hybrid CSMA/TDMA MAC Protocol for Providing Dynamic Adaptation to Traffic and Duty-cycle Variation in Wireless Sensor Networks,” in Proc. of 9th IEEE International Workshop on Factory Communication Systems (WFCS), pp.105–114, 21-24 May 2012.
  11. M. Leconte,N. Jian, R. Srikant, “Improved Bounds on the Throughput Efficiency of Greedy Maximal Scheduling in Wireless Networks,”IEEE/ACM Transactions on Networking, 19(3), pp. 709–720, June 2011.
  12. A. Seyedi and B. Sikdar, “Energy Efficient Transmission Strategies for Body Sensor Networks with Energy Harvesting,” IEEE Transactions on Communications, 58(7), pp. 2116–2126, July 2010.
  13. Z. Liu and I. Elhanany, “RL-MAC: A Reinforcement Learning Based MAC Protocol for Wireless Sensor Networks,” International Journal of Sensor Networks (IJSNET), 1(3/4), pp. 117–124, April 2006.
  14. G. d. Angel and T. L. Fine, “Optimal Power and Retransmission Control Policies for Random Access Systems,” IEEE/ACM Transactions on Networking, 12(6), pp. 1156–1166, December 2004.
  15. C. V. Phan, Y. Park, H. H. Choi, J. Cho, and J. G. Kim, “An EnergyEfficient Transmission Strategy for Wireless Sensor Networks,” IEEE Transactions on Consumer Electronics, 56(2), pp. 597–605, May 2010.
  16. N. Mastronarde and M. van der Schaar, “Fast Reinforcement Learning for Energy-Efficient Wireless Communications,” IEEE Transactions on Signal Processing, 59(12), pp. 6262–6266, December 2011.
  17. B. Shrestha, E. Hossain, and K. W. Choi,“Distributed and centralized hybrid CSMA/CA-TDMA schemes for single-hop wireless networks,”IEEE Trans. Wirel. Commun. vol. 13, no. 7, pp. 4050-4065, 2014.
  18. M. L. Puterman, Markov Decision Processes: Discrete Stochastic Dynamic Programming. New Jersey: John Wiley and Sons, Inc., 1998.
  19. H. I. Liu and J. D. Wu, “A Hybrid MAC Protocol for HFC Networks,”in Proc. of IEEE ICCrsquo;98. vol. 2, pp. 859–863, Atlanta, 1998.
  20. H. Ghayvat, S. C. Mukhopadhyay, X. Gui, “Issues and mitigation of interference, attenuation and direction of arrival in IEEE 802.15.4/ZigBee to wireless sensors and networks based smart building,” Measurement, vol. 86, 209–226, 2016.

2.本课题要研究或解决的问题和拟采用的研究手段：

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章