方 宇, 呂 娜, 陳 坤
(空軍工程大學(xué)信息與導(dǎo)航學(xué)院, 陜西 西安 710077)
數(shù)據(jù)鏈作為網(wǎng)絡(luò)中心戰(zhàn)中連接作戰(zhàn)平臺的信息“紐帶”,憑借高效的信息交互和資源共享,實現(xiàn)實時態(tài)勢感知和靈巧作戰(zhàn)協(xié)同,發(fā)揮出強大體系作戰(zhàn)能力[1-2]。伴隨軍事思想和信息化戰(zhàn)爭的演進,數(shù)據(jù)鏈的信息交互需求與日俱增[3]。
多址接入技術(shù)作為數(shù)據(jù)鏈組網(wǎng)的關(guān)鍵技術(shù)之一,對網(wǎng)絡(luò)性能有決定性影響。戰(zhàn)術(shù)瞄準(zhǔn)網(wǎng)絡(luò)技術(shù)[4-5](tactical targeting network technology, TTNT)數(shù)據(jù)鏈采用基于優(yōu)先級概率統(tǒng)計的多址接入(statistic priority-based multiple access,SPMA)協(xié)議基于隨機競爭信道接入技術(shù)[6-8]、綜合時間域和頻率域擴展可用信道資源,大幅降低交互過程中的戰(zhàn)術(shù)信息碰撞概率。TTNT數(shù)據(jù)鏈也因此得以具備強實時能力、高服務(wù)技術(shù)保障以及高速數(shù)據(jù)傳輸能力[9-10]。
但SPMA協(xié)議未能完全解決隨機接入技術(shù)帶來的信息碰撞問題。在高負(fù)載情況下,信息碰撞概率迅速上升,帶來高優(yōu)先級信息可靠性降低,低優(yōu)先級信息無法獲取信道資源的現(xiàn)象,導(dǎo)致網(wǎng)絡(luò)吞吐量、傳輸時延、鏈路利用率等指標(biāo)難以滿足作戰(zhàn)需求[11]。
近些年,專家學(xué)者針對SPMA協(xié)議深入開展了大量研究。文獻[12]提出一種多優(yōu)先級單閾值接入控制協(xié)議,提高了無人機網(wǎng)絡(luò)的信道利用率、數(shù)據(jù)傳輸成功率和吞吐量。文獻[13]設(shè)計了一種混合式信道負(fù)載統(tǒng)計方法,有效降低了信道沖突,保證數(shù)據(jù)發(fā)送的實時性和高優(yōu)先級數(shù)據(jù)較高的成功傳輸概率。文獻[14]設(shè)計了一種新的動態(tài)回避算法,有效提升了網(wǎng)絡(luò)吞吐量。
但上述研究并未突破SPMA協(xié)議的時域和頻域信道資源基礎(chǔ)。非正交多址接入(non-orthogonal multiple access, NOMA)技術(shù)的出現(xiàn)為解決隨機多址接入的信號碰撞問題提供新的思路[15-17]。NOMA能夠通過串行干擾刪除(successive interference cancellation, SIC)手段,在功率域上實現(xiàn)相同時頻資源塊上信號的區(qū)分[18-20]。文獻[21]分析驗證了NOMA技術(shù)與ALOHA網(wǎng)絡(luò)的結(jié)合能夠有效提升網(wǎng)絡(luò)吞吐量和降低丟包率。文獻[22]進一步分析了NOMA技術(shù)與時隙ALOHA的結(jié)合。文獻[23]將博弈論思想應(yīng)用到ALOHA-NOMA中,為提升隨機多址接入技術(shù)的性能提供了新的研究方法??梢?NOMA技術(shù)對隨機多址接入系統(tǒng)的性能具有提升作用。
本文采用NOMA技術(shù)思想,針對高負(fù)載情況下不同用戶信息的碰撞概率嚴(yán)重,網(wǎng)絡(luò)性能無法滿足協(xié)同攻擊要求的問題,提出一種聯(lián)合功率域的SPMA(SPMA based on joint power domain,SPMA-JPD)協(xié)議改進接入策略。通過引入功率參數(shù),給同時同頻信號分配不同的發(fā)送功率,在功率域上實現(xiàn)對用戶信號的區(qū)分,從而將信道資源擴展到時域、頻域、功率域,在降低高優(yōu)先級信息碰撞概率的同時增加低優(yōu)先級信息的發(fā)送概率,提高信道利用率。同時,針對在各優(yōu)先級戰(zhàn)術(shù)信息到達率動態(tài)變化的場景中,低優(yōu)先級戰(zhàn)術(shù)信息可能產(chǎn)生不必要的回退、信道利用率下降的問題[24],設(shè)計了一種基于差分整合移動平均支持向量回歸(autoregressive integrated moving average-support vector regression, ARIMA-SVR)模型預(yù)測信道狀態(tài)的動態(tài)閾值算法。
SPMA協(xié)議根據(jù)作戰(zhàn)緊急關(guān)系將戰(zhàn)術(shù)信息劃分為不同的優(yōu)先等級,當(dāng)信道資源無法滿足全部業(yè)務(wù)信息時,會優(yōu)先保障高優(yōu)先級信息進行可靠傳輸,其基本接入控制機制如圖1所示。SPMA協(xié)議為不同優(yōu)先級的戰(zhàn)術(shù)信息設(shè)置了不同的閾值,當(dāng)戰(zhàn)術(shù)信息到達后,會進入對應(yīng)的隊列排隊進行等候。SPMA協(xié)議會定期偵聽信道中脈沖數(shù)目,并將之與設(shè)定的閾值進行比較,如果大于閾值,則發(fā)送戰(zhàn)術(shù)信息,否則該戰(zhàn)術(shù)信息會回退一段時間,等待下一次檢測。
圖1 SPMA協(xié)議接入控制機制流程圖
圖2比較了SPMA協(xié)議與載波偵聽型多址接入(carrier sense multiple access, CSMA)協(xié)議的吞吐量性能??梢钥闯?SPMA協(xié)議通過其多信道發(fā)送機制以及多優(yōu)先級戰(zhàn)術(shù)信息退避機制,能夠有效降低碰撞概率,提升網(wǎng)絡(luò)吞吐量。CSMA協(xié)議的吞吐量達到飽和后會因為數(shù)據(jù)包碰撞問題迅速下降,而SPMA協(xié)議會停止信道中低優(yōu)先級戰(zhàn)術(shù)信息的傳輸,將其信道資源讓給高優(yōu)先級的戰(zhàn)術(shù)信息,從而避免碰撞問題,維持吞吐量的穩(wěn)定。然而在高負(fù)載的情況下,SPMA協(xié)議的碰撞問題未能完全解決,網(wǎng)絡(luò)吞吐量會迅速下降,造成高優(yōu)先級戰(zhàn)術(shù)信息的傳輸可靠性迅速降低,低優(yōu)先級信息始終無法獲取信道資源,最終被丟棄。
圖2 隨機多址接入技術(shù)負(fù)載與吞吐量關(guān)系
為進一步提升吞吐量,減緩高負(fù)載情況下SPMA協(xié)議的吞吐量下降趨勢,本文借鑒NOMA的思想,對SPMA協(xié)議的信道發(fā)送機制與信道檢測機制進行了改進,將功率域引入SPMA協(xié)議中,進一步擴充信道資源,降低戰(zhàn)術(shù)信息的碰撞概率。
為在信道資源中引入功率域的概念,SPMA-JPD協(xié)議需要對SPMA協(xié)議中原有的多信道發(fā)送機制進行改進。圖3(a)為SPMA協(xié)議信號發(fā)送機制示意圖,假設(shè)將頻率資源分為6個不同的頻率,將時間資源劃分為不同的時隙。SPMA協(xié)議在發(fā)送戰(zhàn)術(shù)信息時,會將其拆分成多個數(shù)據(jù)小包,并賦予這些小包不同的時延與頻率。在接收端對接收到的小包進行重組得到戰(zhàn)術(shù)信息時,由于SPMA協(xié)議采用Turbo碼進行編碼,接收端接收一半的小包即可恢復(fù)發(fā)送的戰(zhàn)術(shù)信息。SPMA協(xié)議采用多信道發(fā)送機制使不同戰(zhàn)術(shù)信息以多個小包的形式,離散的分布在不同的時間與頻率上,只有當(dāng)小包處于相同的時間與頻率時,才會由于碰撞導(dǎo)致小包的丟失。圖3(b)為SPMA-JPD協(xié)議的信號發(fā)送機制示意圖,從圖中可以看出,信道資源在原有的時間與頻率的基礎(chǔ)上,添加了“功率”這一因素。為使小包離散的分布在不同的功率等級上,需要對信道發(fā)送機制進一步改進。具體改進方法為:各個節(jié)點預(yù)先設(shè)定Np個不同的功率,發(fā)送戰(zhàn)術(shù)信息時,對拆分的數(shù)據(jù)小包不僅賦予不同的時間與頻率,還要對該戰(zhàn)術(shù)信息隨機選擇功率進行發(fā)送。當(dāng)多條戰(zhàn)術(shù)信息在信道中傳輸時,數(shù)據(jù)小包能夠在時域、頻域、功率域上得以區(qū)分。由于原有SPMA協(xié)議的接收設(shè)備無法對不同功率域上的小包進行區(qū)分,SPMA-JPD協(xié)議在改進發(fā)送機制的同時,還要在接收端添加相應(yīng)的SIC接收機,用來對接收到的數(shù)據(jù)進行解碼。由于SIC接收機解碼難度會隨著功率的提升而增大,考慮到SPMA-JPD協(xié)議的時延問題以及SIC接收機的設(shè)計成本,預(yù)設(shè)的功率數(shù)量不宜過多,本文假設(shè)各節(jié)點設(shè)定兩個不同功率對SPMA-JPD協(xié)議進行分析。通過對信道發(fā)送機制的改進,戰(zhàn)術(shù)信息以小包的形式隨機分布在時域、頻域與功率域上,只有在3個維度都重合時,才會發(fā)生碰撞。通過對信號發(fā)送機制的改進,將SPMA中原有包含時間頻率的二維信道資源擴展為時間頻率,加上功率的三維信道資源,可以有效提升網(wǎng)絡(luò)吞吐量,降低碰撞概率。
圖3 信號發(fā)送機制示意圖
SPMA-JPD協(xié)議保留SPMA協(xié)議中的多優(yōu)先級發(fā)送機制,根據(jù)作戰(zhàn)緊急關(guān)系將戰(zhàn)術(shù)信息劃分為不同的優(yōu)先等級,當(dāng)信道資源無法滿足全部業(yè)務(wù)信息時,會優(yōu)先保障高優(yōu)先級信息進行可靠傳輸,當(dāng)戰(zhàn)術(shù)信息到達后,會進入對應(yīng)的隊列排隊進行等候。為充分利用功率域的信道資源,SPMA-JPD協(xié)議對各優(yōu)先級等待隊列根據(jù)預(yù)設(shè)的功率等級再次拆分,當(dāng)戰(zhàn)術(shù)信息到達時,會根據(jù)其優(yōu)先級與發(fā)射功率進入相應(yīng)的隊列進行等待。但是由于SPMA協(xié)議中不存在功率域的概念,只對脈沖的頻率加以區(qū)分,無法統(tǒng)計各脈沖的功率大小。直接采用原有的脈沖統(tǒng)計方法,會使SPMA-JPD協(xié)議無法獲取功率域的狀態(tài),造成即使在網(wǎng)絡(luò)中存在可用的功率域信道資源,但是因為無法感知而被浪費的情況發(fā)生。為解決這一問題,要求SPMA-JPD協(xié)議在偵聽脈沖數(shù)量的同時,還對各個脈沖的功率進行檢測,并根據(jù)功率的不同,對脈沖數(shù)進行分類統(tǒng)計。SPMA-JPD協(xié)議的接入機制如圖4所示,通過對接入控制機制改進,使網(wǎng)絡(luò)能夠檢測并充分利用功率域的信道資源。
圖4 SPMA-JPD協(xié)議接入控制機制模型
本文中,為戰(zhàn)術(shù)信息設(shè)定4個不同的優(yōu)先級,假設(shè)戰(zhàn)術(shù)信息在各節(jié)點間單跳傳輸且在數(shù)量上滿足泊松分布。為分析SPMA-JPD協(xié)議性能,本文參考文獻[25],將SPMA協(xié)議抽象成M/G/1優(yōu)先級排隊模型的思想,類比圖5(a)所示的SPMA協(xié)議模型圖,對SPMA-JPD協(xié)議建模分析。與SPMA協(xié)議不同,在SPMA-JPD協(xié)議中,不同功率的戰(zhàn)術(shù)信息需要排不同的隊列,將圖5(b)中的單條M/G/1優(yōu)先級列隊變?yōu)槎鄺l優(yōu)先級隊列。本文中假設(shè)預(yù)設(shè)兩個不同的發(fā)送功率,建立了SPMA-JPD協(xié)議模型,根據(jù)建立的協(xié)議模型,即可通過排隊理論對其性能進行分析。
圖5 協(xié)議模型
假設(shè)優(yōu)先級為m的戰(zhàn)術(shù)信息服從到達率為λm的泊松分布,則在時間段t中有k個優(yōu)先級為m的戰(zhàn)術(shù)信息的概率為
(1)
由于SPMA-JPD協(xié)議需要保證先發(fā)送高優(yōu)先級的戰(zhàn)術(shù)信息,其排隊方式為搶占式,即高優(yōu)先級的戰(zhàn)術(shù)信息到達時,如果存在低優(yōu)先級的戰(zhàn)術(shù)信息正處于回退過程或等待發(fā)送時,高等級的戰(zhàn)術(shù)信息會搶占低等級戰(zhàn)術(shù)信息的位置,而低等級的戰(zhàn)術(shù)信息將取消回退過程。本文設(shè)定兩個不同的發(fā)射功率,即每條戰(zhàn)術(shù)信息的發(fā)送功率滿足兩點分布。對于一個優(yōu)先級為m的戰(zhàn)術(shù)信息來說,在時間t內(nèi)沒有比其更高級的同功率戰(zhàn)術(shù)信息到達的概率可以表示為
(2)
假設(shè)數(shù)字越小,優(yōu)先等級越高,即優(yōu)先級0為最高優(yōu)先級,永遠(yuǎn)不會因為回退而造成傳輸中斷。如果優(yōu)先級為m的戰(zhàn)術(shù)信息在發(fā)送時,沒有高優(yōu)先級戰(zhàn)術(shù)信息到達搶占位置,其平均服務(wù)時間應(yīng)為
(3)
式中:ls為回退窗長;γm為回退概率;K為最大回退次數(shù)。戰(zhàn)術(shù)信息經(jīng)過n次回退后能夠成功發(fā)送的概率為
(4)
由式(4)可以得出戰(zhàn)術(shù)信息能夠成功發(fā)送的概率為
(5)
根據(jù)M/G/1排隊理論可知,優(yōu)先級為m的戰(zhàn)術(shù)信息正處于發(fā)送狀態(tài)的概率為
(6)
式中:Pmax為最低的優(yōu)先級數(shù)。
根據(jù)式(3)、式(5)和式(6),即可求出時隙傳輸概率為
(7)
假設(shè)成功發(fā)送的概率為pout,信道檢測窗口中出現(xiàn)k條戰(zhàn)術(shù)信息的概率為
(8)
當(dāng)優(yōu)先級m的戰(zhàn)術(shù)信息設(shè)定的閾值小于檢測到信道中的脈沖數(shù)時,該戰(zhàn)術(shù)信息將進入回退狀態(tài)。假設(shè)回退閾值為Rm,根據(jù)式(8)可以得出其回退概率為
(9)
根據(jù)式(7)和式(9)可以得出,pout與pSTP之間存在一種映射點系Γ:
Pout=Γ(PSTP)
(10)
通過對式(10)進行仿真分析,即可求出傳輸成功概率。
假設(shè)網(wǎng)絡(luò)中存在nodeNUM個節(jié)點,發(fā)送戰(zhàn)術(shù)信息時,將其分成Nb個數(shù)據(jù)小包,在Nf個頻點上隨機發(fā)送,每個時隙的長度為lslot。單信道內(nèi),單位時間內(nèi)出現(xiàn)數(shù)據(jù)小包的個數(shù)可表示為
(11)
假設(shè)一個數(shù)據(jù)小包的長度為lb,在單個信道內(nèi),數(shù)據(jù)小包未發(fā)生碰撞的概率可以表示為
Pb s=e-2lbλ
(12)
式中:λ為泊松分布的到達率。
SPMA-JPD協(xié)議在發(fā)送戰(zhàn)術(shù)信息時,會使用Turbo碼對其進行編碼,在接收端至少收到一半的數(shù)據(jù)小包,才能將發(fā)送的戰(zhàn)術(shù)信息恢復(fù)出來,其概率可表示為
(13)
(14)
本節(jié)針對各優(yōu)先級戰(zhàn)術(shù)信息到達率在動態(tài)變化場景中,為提高信道利用率,基于固定閾值的回退策略可能會造成低優(yōu)先級數(shù)據(jù)包不必要的回退或丟包的問題,設(shè)計了一種動態(tài)閾值算法。該算法先采用ARIMA-SVR預(yù)測模型對信道狀態(tài)進行預(yù)測,再根據(jù)預(yù)測得到的數(shù)據(jù)小包個數(shù)動態(tài)調(diào)整閾值,算法流程描述如下。
階段 1根據(jù)前一段時間內(nèi)偵聽到到信道中的脈沖數(shù)目,預(yù)測下一時刻信道中各功率與頻率的數(shù)據(jù)小包個數(shù)。
階段 2根據(jù)預(yù)測的數(shù)據(jù)小包個數(shù),設(shè)計各優(yōu)先級戰(zhàn)術(shù)信息的最優(yōu)閾值;
階段 3更新各節(jié)點對戰(zhàn)術(shù)信息的發(fā)送閾值設(shè)定。
在實際作戰(zhàn)場景中,網(wǎng)絡(luò)中傳輸?shù)膽?zhàn)術(shù)信息隨時間變化具有非線性與非平穩(wěn)性的特征。為了盡可能準(zhǔn)確預(yù)測信道中的負(fù)載情況,本文采用ARIMA-SVR預(yù)測模型[26-27]對信道狀態(tài)進行預(yù)測。首先調(diào)用之前一段時間內(nèi),檢測到的脈沖數(shù)據(jù),將連續(xù)的同頻同功率脈沖數(shù)目組成脈沖數(shù)目序列,利用ARIMA模型對脈沖數(shù)目序列的線性部分進行預(yù)測,然后利用SVR模型預(yù)測脈沖數(shù)目序列中非線性部分,最終得到較為精確的預(yù)測結(jié)果[28]。ARIMA-SVR預(yù)測模型具體預(yù)測流程如圖6所示。
圖6 ARIMA-SVR預(yù)測模型預(yù)測流程圖
步驟 1調(diào)用最近統(tǒng)計的連續(xù)m個同頻同功率的脈沖個數(shù),組成脈沖數(shù)目序列,利用ARIMA模型對其線性部分進行建模。ARIMA模型的思想為先使用差分法對非平穩(wěn)的脈沖數(shù)目序列進行逐級差分,使其成為平穩(wěn)序列,再對得到的平穩(wěn)序列建模逆變化,最終預(yù)測分析得到結(jié)果。ARIMA模型結(jié)構(gòu)描述如下:
(15)
用脈沖數(shù)目序列減去預(yù)測的值,即可得到包含非線性特征的脈沖殘差序列。
步驟 2將脈沖殘差序列代入到SVR模型,對脈沖數(shù)目序列的非線性部分進行預(yù)測。SVR模型通過將輸入的非線性數(shù)據(jù)映射到高維特征空間,在高維特征空間中,使用線性函數(shù)f(x)即可對原來非線性特征進行預(yù)測。SVR模型結(jié)構(gòu)描述如下:
f(x)=hφ(x)+b
(16)
式中:f(x)表示在高維特征空間的得到的預(yù)測值;φ(x)表示線性高維特征空間的映射函數(shù);x表示輸入的殘差序列,h和b分別表示高維特征空間中用于預(yù)測的向量和常數(shù),通常可以通過如下公式得到:
s.t.yn-hφ(x)-b≤ε+ζn
(17)
式(17)可以看作是帶有不等式約束的優(yōu)化問題,對其求解即可得出h的表達式為
(18)
(19)
通過SVR模型可以在高維特征空間中對脈沖數(shù)目序列的非線性特征進行預(yù)測并得出預(yù)測結(jié)果。
步驟 3將上述兩個步驟中的預(yù)測結(jié)果求和,即可得到最終的預(yù)測結(jié)果。
SPMA-JPD協(xié)議采用多優(yōu)先級發(fā)送機制,根據(jù)作戰(zhàn)緊急關(guān)系將戰(zhàn)術(shù)信息劃分為不同的優(yōu)先等級,并通過為其設(shè)定不同的閾值實現(xiàn)對流量的控制。為滿足TTNT數(shù)據(jù)鏈的需求,閾值的設(shè)定應(yīng)當(dāng)滿足下列條件:
(1)為保證網(wǎng)絡(luò)中優(yōu)先發(fā)送高優(yōu)先級的戰(zhàn)術(shù)信息,高優(yōu)先級戰(zhàn)術(shù)信息的閾值需大于低優(yōu)先級戰(zhàn)術(shù)信息的閾值;
(2)為滿足最高優(yōu)先級戰(zhàn)術(shù)信息的首發(fā)成功率高于99%,其閾值設(shè)定不宜過高。
為滿足上述條件,SPMA-JPD協(xié)議各優(yōu)先級戰(zhàn)術(shù)信息的閾值具體計算方法如下。
步驟 1確定最高優(yōu)先級戰(zhàn)術(shù)信息的閾值。按照規(guī)定,最高優(yōu)先級的戰(zhàn)術(shù)信息會一直優(yōu)先發(fā)送,只要將其閾值設(shè)定為滿足不區(qū)分優(yōu)先級的條件下,實現(xiàn)數(shù)據(jù)小包傳輸成功的個數(shù)達到99%即可。
假設(shè)最高優(yōu)先級戰(zhàn)術(shù)信息的閾值設(shè)定為T,SPMA-JPD協(xié)議信道檢測窗口每次檢測W個時隙,則單個信道內(nèi)出現(xiàn)的小包個數(shù)可以表示為
(20)
式中:Nf為頻點數(shù)。
結(jié)合式(20),即可確定最高優(yōu)先級戰(zhàn)術(shù)信息的閾值。
步驟 2利用ARIMA-SVR預(yù)測模型預(yù)測各個優(yōu)先級數(shù)據(jù)小包的個數(shù)Ni。
步驟 3假設(shè)戰(zhàn)術(shù)信息被分為n個不同優(yōu)先級,優(yōu)先級0為最高,優(yōu)先級n-1為最低。最后應(yīng)當(dāng)從優(yōu)先級1到優(yōu)先級n-1依次確定閾值,具體實現(xiàn)方法為使用設(shè)定的最高優(yōu)先級閾值減去預(yù)測到的比自身優(yōu)先級高的戰(zhàn)術(shù)信息的個數(shù),計算具體流程如圖7所示,計算公式為
圖7 閾值設(shè)計流程圖
(21)
本文采用Matlab仿真平臺對SPMA-JPD協(xié)議性能進行仿真分析。假設(shè)網(wǎng)絡(luò)中各節(jié)點預(yù)設(shè)兩個不同的發(fā)射功率P1、P2且發(fā)送戰(zhàn)術(shù)信息時會隨機選取其中一個作為自身的發(fā)送功率。設(shè)網(wǎng)絡(luò)中戰(zhàn)術(shù)信息設(shè)定從優(yōu)先級0到優(yōu)先級3的4個優(yōu)先級,數(shù)字越小表示該優(yōu)先級等級越高,這4種不同優(yōu)先級的戰(zhàn)術(shù)信息均滿足泊松分布,且到達率之比為λ0∶λ1∶λ2∶λ3=1∶2∶3∶4,回退閾值分別為24,20,16,12。其他仿真參數(shù)如表1所示。
表1 仿真參數(shù)
圖8所示為不同優(yōu)先級戰(zhàn)術(shù)信息的丟包率。從圖8中可以看出,高優(yōu)先級戰(zhàn)術(shù)信息具有較低的丟包率,最高優(yōu)先級戰(zhàn)術(shù)信息的丟包率在單節(jié)點數(shù)據(jù)到達率小于14 000 packets/s時,始終能維持在0左右。隨著業(yè)務(wù)負(fù)載的增加,丟包率在不斷的提升,且優(yōu)先級低的戰(zhàn)術(shù)信息的丟包率上升更快。不難看出,當(dāng)高負(fù)載時,網(wǎng)絡(luò)犧牲了低優(yōu)先級的數(shù)據(jù)傳輸來保障高優(yōu)先級的數(shù)據(jù)正常傳輸。使用SPMA-JPD協(xié)議可以保證最高優(yōu)先級的戰(zhàn)術(shù)信息在單節(jié)點數(shù)據(jù)到達率在15 000 packets/s以下時,達到99%的傳輸成功率,SPMA-JPD協(xié)議可以滿足TTNT數(shù)據(jù)鏈的高可靠性要求。
圖8 不同優(yōu)先級戰(zhàn)術(shù)信息丟包率
圖9所示為不同優(yōu)先級戰(zhàn)術(shù)信息的吞吐量隨業(yè)務(wù)負(fù)載的變化關(guān)系。從圖9中可以看出,隨著單節(jié)點到達率的提升,最低優(yōu)先級的戰(zhàn)術(shù)信息的吞吐量快速下降,將信道資源讓給高優(yōu)先級的戰(zhàn)術(shù)信息。其余優(yōu)先級戰(zhàn)術(shù)信息的吞吐量呈現(xiàn)先上升后下降的趨勢。當(dāng)單節(jié)點數(shù)據(jù)達到率達到14 000 packets/s時,信道中只有最高優(yōu)先級的戰(zhàn)術(shù)信息在傳輸,且基本達到飽和狀態(tài),此時吞吐量在21 Mbps左右。當(dāng)業(yè)務(wù)負(fù)載繼續(xù)提高時,最高優(yōu)先級戰(zhàn)術(shù)信息的服務(wù)質(zhì)量會受到影響。
圖9 不同優(yōu)先級數(shù)據(jù)吞吐量
圖10在吞吐量方面針對SPMA-JPD協(xié)議與SPMA協(xié)議進行了比較,從仿真結(jié)果來看,在業(yè)務(wù)負(fù)載比較低時,SPMA協(xié)議與SPMA-JPD協(xié)議的吞吐量相差不大,這是因為此時業(yè)務(wù)負(fù)載較低,兩種協(xié)議的信道資源都足夠承載所有的戰(zhàn)術(shù)信息。隨著業(yè)務(wù)量的提升,SPMA協(xié)議的信道先達到飽和狀態(tài),無法承載更多的業(yè)務(wù)流量,而SPMA-JPD協(xié)議由于使用功率域,擴展了信道資源,還沒有達到飽和狀態(tài)。通過對比可以看出,SPMA-JPD協(xié)議可以使數(shù)據(jù)鏈網(wǎng)絡(luò)承載更多的流量,且吞吐量有著一定的提升。
圖10 吞吐量對比圖
DTS算法主要用來應(yīng)對各個優(yōu)先級戰(zhàn)術(shù)信息到達率動態(tài)變化的場景,若使用固定的閥值回退策略可能造成低優(yōu)先級數(shù)據(jù)包不必要的回退或丟包,降低了系統(tǒng)的公平性和信道利用率。本節(jié)通過仿真實驗對算法和固定閾值設(shè)定進行了驗證對比。仿真場景與第4.1節(jié)一樣,只是信道負(fù)載和各優(yōu)先級的回退閥值設(shè)定有所變化。假設(shè)在某段時間內(nèi)沒有優(yōu)先級為0和1的數(shù)據(jù)包存在,優(yōu)先級2和優(yōu)先級3的數(shù)據(jù)包到達率滿足λ2∶λ3=3∶4。
圖11所示為動態(tài)閾值的SPMA-JPD協(xié)議和使用固定閾值的SPMA-JPD協(xié)議進行通信時,網(wǎng)絡(luò)吞吐量與單節(jié)點數(shù)據(jù)包到達率之間的關(guān)系。從圖11中可以看出,在業(yè)務(wù)負(fù)載較低的時候,使用動態(tài)閾值算法對吞吐量的提升不大,這是因為當(dāng)業(yè)務(wù)負(fù)載較低時,即使不調(diào)整閾值,原有的固定閾值設(shè)定也可以使低優(yōu)先級的戰(zhàn)術(shù)信息全部發(fā)送。隨著業(yè)務(wù)負(fù)載的提升,固定閾值的低優(yōu)先級戰(zhàn)術(shù)信息先達到飽和狀態(tài),總吞吐量上升變慢,但動態(tài)閾值算法能夠通過調(diào)整閾值的方式,將空閑的信道資源加以利用,使總的吞吐量仍能夠保持線性的快速增長。從仿真結(jié)果來看,動態(tài)閾值算法更加適用于高業(yè)務(wù)負(fù)載的情況。與固定閾值相比,動態(tài)閾值在吞吐量方面有著顯著的提升。
圖11 動態(tài)閾值算法的吞吐量
圖12所示為戰(zhàn)術(shù)信息的回退閾值隨數(shù)據(jù)到達率的變化情況。從圖12中可以看出,隨著到達率與業(yè)務(wù)負(fù)載的提升,高優(yōu)先級戰(zhàn)術(shù)信息的回退閾值可以穩(wěn)定在24左右,而低優(yōu)先級的戰(zhàn)術(shù)信息的回退閾值整體呈現(xiàn)下降的趨勢。這是因為業(yè)務(wù)負(fù)載提升時,多優(yōu)先級控制機制會通過降低低優(yōu)先級戰(zhàn)術(shù)信息回退閾值的方式,減少其信息的傳輸,用更多的信道資源保障高優(yōu)先級戰(zhàn)術(shù)信息的服務(wù)質(zhì)量。
圖12 閾值設(shè)計
圖13中比較了使用動態(tài)閾值算法與固定閾值算法時,丟包率與業(yè)務(wù)負(fù)載之間的關(guān)系。從仿真結(jié)果可以看出,丟包率會隨著業(yè)務(wù)負(fù)載的提升而不斷上升,且低優(yōu)先級戰(zhàn)術(shù)信息的丟包率隨業(yè)務(wù)負(fù)載的提升迅速上升。對于同一優(yōu)先級的戰(zhàn)術(shù)信息,使用動態(tài)閾值算法可以有效降低丟包率。仿真結(jié)果表明,在各個優(yōu)先級戰(zhàn)術(shù)信息到達率動態(tài)變化的場景下,使用動態(tài)閾值算法可以有效降低丟包率。
圖13 動態(tài)閾值算法的丟包率
圖14比較了不同業(yè)務(wù)負(fù)載情況下,4種不同協(xié)議的吞吐量情況。其中SPMA采用固定閾值;DTS協(xié)議在SPMA協(xié)議的基礎(chǔ)上,基于之前統(tǒng)計的信號脈沖數(shù)動態(tài)調(diào)整各優(yōu)先級戰(zhàn)術(shù)信息的閾值[29];LDTA協(xié)議為低時延閾值自適應(yīng)接入?yún)f(xié)議,可以動態(tài)調(diào)整,能夠基于傳輸成功率,自適應(yīng)調(diào)整最高優(yōu)先級戰(zhàn)術(shù)信息的閾值[30]。
圖14 不同負(fù)載情況網(wǎng)絡(luò)吞吐量
仿真結(jié)果表明,與SPMA協(xié)議相比,3種動態(tài)閾值均可以提升網(wǎng)絡(luò)吞吐量,在低負(fù)載(業(yè)務(wù)負(fù)載<10 Mbps)情況下,由于信道資源充足,4種協(xié)議的吞吐量基本相同。但隨著業(yè)務(wù)負(fù)載的不斷提升,DTS協(xié)議不斷調(diào)整閾值,對空閑的信道資源加以利用可以提升吞吐量;LDTA協(xié)議通過自適應(yīng)調(diào)整最高優(yōu)先級戰(zhàn)術(shù)信息閾值的方式進一步降低碰撞概率,提升吞吐量,但由于原有的時頻域信道資源有限,與SPMA-JPD協(xié)議相比,吞吐量提升不多。與DTS協(xié)議和LDTA協(xié)議相比,SPMA-JPD協(xié)議先通過引入功率域的方式,對信道資源進行擴充,再隨著業(yè)務(wù)負(fù)載的提升,不斷優(yōu)化閾值,合理分配信道資源,使其可以承載更高的業(yè)務(wù)信息。
NOMA技術(shù)作為5G的重要技術(shù)之一,可以有效地緩解隨機多址接入中的信息碰撞問題。針對SPMA協(xié)議在高負(fù)載情況下,數(shù)據(jù)包碰撞嚴(yán)重的問題,本文提出了一種聯(lián)合功率域的SPMA協(xié)議性能改進策略,并針對各優(yōu)先級數(shù)據(jù)包不穩(wěn)定的情況下采用固定閾值會導(dǎo)致吞吐量下降的問題,設(shè)計了動態(tài)閾值算法。實驗結(jié)果表明,該策略可以降低碰撞概率,使網(wǎng)絡(luò)承載更多的業(yè)務(wù)流量,吞吐量得到較大提升。