用于移動自組織網(wǎng)絡(luò)穩(wěn)定路由建立的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于自組織無線通信領(lǐng)域，尤其是指一種用于移動自組織網(wǎng)絡(luò)穩(wěn)定路由建 立的方法。
【背景技術(shù)】
[0002] 作為一種典型的按需生成路由協(xié)議，無線自組織網(wǎng)絡(luò)按需距離矢量路由協(xié)議(Ad- hoc On-Demand Dis1:ance Vector Routing,A0DV) 具備實現(xiàn)單播和組播的雙重功能，在移 動自組織網(wǎng)絡(luò)中有重要的理論意義和應(yīng)用價值。按需的表現(xiàn)在當源節(jié)點S有向目的節(jié)點D發(fā) 送的數(shù)據(jù)包時，源節(jié)點S才在網(wǎng)絡(luò)中發(fā)起路由查找和建立的過程。和先驗式的網(wǎng)絡(luò)路由協(xié)議 相比，按需路由協(xié)議不用周期性的廣播報文來維護所有的路由，只需維護當前所需的路由， 減少了報文的發(fā)送。A0DV協(xié)議是在動態(tài)源路由協(xié)議(^Dynamic Source Routing,DSR)和目標 序列距離路由矢量算法（Destination Sequenced Dis1:ance Vector,DSDV)協(xié)議的基礎(chǔ)上 發(fā)展起來的，因此，它結(jié)合了DSR和DSDV協(xié)議的優(yōu)點，不僅包含了DSR協(xié)議中的尋找路由和維 護路由兩個重要部分，同時也包含了DSDV協(xié)議中的目的節(jié)點序列號思想、逐條路由機制和 定期廣播分組等多個部分，具有降低網(wǎng)絡(luò)數(shù)據(jù)分組的傳輸延遲和改善無線資源利用等多種 優(yōu)勢。移動自組織網(wǎng)絡(luò)節(jié)點的無規(guī)律快速運動，引起網(wǎng)絡(luò)拓撲結(jié)構(gòu)的劇烈變化。
[0003] 馬爾科夫過程是由俄國數(shù)學(xué)家馬爾科夫與1907年提出的，它的基本性質(zhì)是系統(tǒng)下 一時刻狀態(tài)變化和過去狀態(tài)沒有任何關(guān)系，只和現(xiàn)在狀態(tài)有關(guān)。馬爾可夫鏈是滿足馬爾可 夫性質(zhì)的隨機變量序列Xi，枯，X3，...即給出當前狀態(tài)，將來狀態(tài)和過去狀態(tài)是相互獨立的。 即：
[0004] Pr(Xl = Xl, . . . ,Xn = Xn)>〇,
[0005] Pr(Xn+l = X |Xl = Xl,枯= X2, . . .，Xn = Xn) =Pr(Xn+l = X |Xn = Xn)
[0006] 馬爾可夫鏈需要滿足的兩個必要條件：（1)時刻n的下一時刻n+1狀態(tài)轉(zhuǎn)移概率只 與時刻η當前所處的狀態(tài)有關(guān)，而與時間η之前任何時刻的狀態(tài)無關(guān)；（2)時刻η到時刻n+1狀 態(tài)的變化與時刻η為何值沒有任何關(guān)系。
[0007] 常用的馬爾科夫模型可W用(St，P，Q)來表示。
[000引St是系統(tǒng)的狀態(tài)集合，可W是兀素有限或兀素?zé)o限的，表不為：Sti,St2,St3, . . . ;P 是狀態(tài)轉(zhuǎn)移概率P=(Pij)n*n，Pij(n)=P(Xn+l = Stj|Xn=Sti)馬爾科夫鏈在時刻η的一步轉(zhuǎn)移 概率，其中Sti，StjΕSt，系統(tǒng)在時亥Ijn時的系統(tǒng)狀態(tài)Sti變化到Stj的概率Pij(η);Q是系統(tǒng)狀 態(tài)初始時的概率分布Q= [Qi，化，...]。
[0009] 狀態(tài)轉(zhuǎn)移概率矩陣P:
[0010]
[0011]對于網(wǎng)絡(luò)鏈路穩(wěn)定性的研究，一般采用兩種方式。第一種是一些輔助的通訊設(shè)備 (如GI^等)來定位節(jié)點實時坐標，但是GI^硬件功能成本高，且定位精度有限，在時變的網(wǎng)絡(luò) 拓撲結(jié)構(gòu)中優(yōu)勢不明顯。另外一種方式采用了跨層的思想，通過底層協(xié)議獲取的節(jié)點信號 強度信息預(yù)測節(jié)點的穩(wěn)定性來預(yù)測節(jié)點的穩(wěn)定性，來預(yù)測節(jié)點的穩(wěn)定性，運種方式需要多 層協(xié)議之間進行協(xié)作，同時，底層干擾的存在會影響節(jié)點信號強度的實時獲取，使得運種檢 測方法的實際效用大打折扣。

【發(fā)明內(nèi)容】

[0012] 本發(fā)明提供一種用于移動自組織網(wǎng)絡(luò)穩(wěn)定路由建立的方法，W解決傳統(tǒng)的A0DV協(xié) 議在快速移動的網(wǎng)絡(luò)環(huán)境下，存在路由開銷大，傳輸鏈路不穩(wěn)定的問題，并提供了一種實現(xiàn) 低路由開銷、高穩(wěn)定性的路由建立的方法。
[0013] 本發(fā)明采取的技術(shù)方案是，包括下列步驟：
[0014] 步驟一:對于包含有四個或四個W上節(jié)點，且每個節(jié)點有八個運動方向的移動自 組織網(wǎng)絡(luò)，其中節(jié)點八個運動方向分別是：東E，東南SE，南S，西南SW，西W，西北NW，北N，東北 NE，在節(jié)點間路由未建立前，對網(wǎng)絡(luò)中的所有節(jié)點的A0DV路由數(shù)據(jù)進行統(tǒng)計，計算出節(jié)點的 狀態(tài)轉(zhuǎn)移概率Pij，確定系統(tǒng)的狀態(tài)轉(zhuǎn)移概率矩陣(pij)，i，j EI = {1，2，...，m}，m=8;
[00巧]假設(shè)網(wǎng)絡(luò)系統(tǒng)狀態(tài)St =陽1，St2，. . .，Stm}，I = {1，2，. . .，m}，將f ij (i，j EI)看做 狀態(tài)轉(zhuǎn)移頻數(shù)，fu表示下一時刻從狀態(tài)Sti轉(zhuǎn)移到狀態(tài)Stj的總次數(shù)
表示從狀態(tài)Sti 下一時刻遍歷m個狀態(tài)的所有次數(shù)，用兩者的比值表示狀態(tài)轉(zhuǎn)移概率，用pu(i，j e I)表示：
[0016]
[0017] 表示從狀態(tài)Sti-步轉(zhuǎn)移到狀態(tài)Stj的概率；
[0018] 由狀態(tài)轉(zhuǎn)移概率得到轉(zhuǎn)態(tài)轉(zhuǎn)移概率矩陣：
[0019]
[0020] 步驟二:當源節(jié)點S有數(shù)據(jù)發(fā)往目的節(jié)點D時，源節(jié)點S就發(fā)起路由建立請求；
[0021] 步驟Ξ:由節(jié)點的運動狀態(tài)St={Stl，St2, . . .，Stm}和狀態(tài)轉(zhuǎn)移概率矩陣(Pij)，計 算出節(jié)點的統(tǒng)計量是W自由度為(111-1)2的^分布。
[0022] 節(jié)點的運動狀態(tài)St= {Sti，St2, . . .，Stm}，用fリ表示從狀態(tài)Sti經(jīng)過一步轉(zhuǎn)移到達 狀態(tài)St撕頻數(shù)，ijel。將轉(zhuǎn)移狀態(tài)矩陣(PU)的j列之和除W各行各列的總和所得的值為 "邊際概率"，記為P.J，即：
[0023]
[0024] 則統(tǒng)計量
W自由度為(m-l)=^x2分布的極限分布。
[0025] 給定顯著性水平α，則查詢表格可W得到托3 (柄-礦)的數(shù)值。如果;P2 >來;(如-齡）， 則認為序列Ixi}符合馬爾科夫的性質(zhì)，可用馬爾可夫鏈來處理;如果/=</,;((?!--1Π ，則認 為序列Ixi}不符合馬爾科夫的性質(zhì)，不可用馬爾可夫鏈來處理；
[0026] 步驟四：在建立路由時，路由節(jié)點的選擇，對于滿足馬爾可夫性質(zhì)的節(jié)點，采取路 徑最小概率最大算法作為路由節(jié)點選擇的準則;對于不滿足馬爾可夫性質(zhì)的節(jié)點，采取最 小路徑算法作為路由節(jié)點選擇的準則；
[0027] 步驟五:將選定的路由中間節(jié)點作為源節(jié)點重復(fù)"步驟和"步驟四"直到建立到 目的節(jié)點D的有效路由。
[00%]本發(fā)明所述的路徑最小概率最大算法的實現(xiàn)方法如下：
[0029] 步驟一:移動自組織網(wǎng)絡(luò)中，源節(jié)點S滿足馬爾可夫模型，源節(jié)點S需建立到目的節(jié) 點D的有效路由，源節(jié)點S到目的節(jié)點D的物理方向記為路由方向；
[0030] 步驟二:源節(jié)點S通信范圍內(nèi)的所有節(jié)點都可W作為路由中間節(jié)點；
[0031] 步驟Ξ:若源節(jié)點S的下一時刻的是向北運動記為N，源節(jié)點S通信范圍內(nèi)的所有節(jié) 點下一時刻運動方向為N的概率PN= {pNl，PN2, . . . ,ΡΝη}，n為源節(jié)點S通信范圍內(nèi)所有節(jié)點的 數(shù)目；
[0032] 步驟四：對PN中的所有元素作比較，選出PN中最大的PN-max，即PN-max所對應(yīng)的節(jié)點作 為路由的中間節(jié)點；
[0033] 步驟五：當節(jié)點U和節(jié)點V出現(xiàn)相同的PN-maJ寸，若節(jié)點U在隨后的路由中只需t跳就 能到達目的節(jié)點D，節(jié)點V需要W跳才能到達目的節(jié)點D，若t<w則選擇節(jié)點U作為路由的中間 節(jié)點，若t〉w則選擇節(jié)點V作為路由的中間節(jié)點；
[0034] 當源節(jié)點S的運動方向是其他方向時，重復(fù)"步驟Ξ"、"步驟四"和"步驟五"就可找 到最佳的路由中間節(jié)點；
[00對當出現(xiàn)S個或立個^上的節(jié)點，有相同的pf-max，f={E，SE，S，SW，W，NW，N，WW^ 擇到目的節(jié)點D跳數(shù)最小的節(jié)點作為路由的中間節(jié)點。
[0036] 本發(fā)明所述的最小路徑算法的實現(xiàn)步驟如下：
[0037] 步驟一:對于移動自組織網(wǎng)絡(luò)環(huán)境，源節(jié)點S需建立到目的節(jié)點D的有效路由，源節(jié) 點S不滿足馬爾可夫模型；
[0038] 步驟二:節(jié)點U和節(jié)點V都位于源節(jié)點S的通信范圍內(nèi)，若節(jié)點U需要1跳才能到達目 的節(jié)點D，節(jié)點V需要q跳才能到達目的節(jié)點的，當l〉q時，選擇節(jié)點V作為路由的中間節(jié)點，當 Kq時，選擇節(jié)點U作為路由的中間節(jié)點。
[0039] 本發(fā)明的有益效果：（1)在傳統(tǒng)的A0DV協(xié)議的基礎(chǔ)上，用統(tǒng)計的方法對各節(jié)點的 A0DV路由數(shù)據(jù)進行分析，確定網(wǎng)絡(luò)中節(jié)點的運動狀態(tài)和狀態(tài)轉(zhuǎn)移概率矩陣，聯(lián)合馬爾可夫 的預(yù)測機制，使整個網(wǎng)絡(luò)具有了對節(jié)點的運動狀態(tài)感知和預(yù)測的能力；（2)在移動自組織網(wǎng) 絡(luò)中，絕大部分的節(jié)點都滿足馬爾可夫性質(zhì)，在路由建立時，絕大部分路由中間節(jié)點，都是 通過路徑最小概率最大算法選擇的，減少了路由建立所需要的跳數(shù)，減少了路由開銷，增強 了網(wǎng)絡(luò)傳輸?shù)姆€(wěn)定性。本發(fā)明引入馬爾可夫預(yù)測機制，提出了路徑最小概率最大算法，在路 由建立