然而,从图3中还可以看到,随着SNR低于一定值时,吞吐量迅速下降为0。此时,求解式(11)得到不同通信距离下相应的最优数据包长L(d)*,进而得到吞吐量的最优曲线,如图3所示。从最优曲线可以看到,当SNR<2 dB时,T≈0,此时即使采用最优数据包长,提高不了吞吐量。因此,信道条件较差时,仅靠MAC优化并不能使吞吐量最大化。
3 物理层和MAC层跨层联合优化及自适应
在2.1~2.2节的分层优化中,只能求得吞吐量的极大值。为了使链路的吞吐量最大化,必须联合物理层和MAC实现跨层优化,即在WSN中,根据接收信噪比SNR和分层优化中所推导出的最优等式,计算出最优配置参数,然后自适应地在物理层调整Rs和b值,在MAC层调整L值。最优配置参数
可联立求解最优等式(7)、(10)、(11)而得到:
从图1~图3的分层优化仿真图中可以看到:当SNR较大时,优化后的吞吐量的大小关系为T(b)>T(L)>T(Rs);而当SNR低于一定值后,优化后的吞吐量的大小关系为T(Rs)>T(b)>T(L)。特别地,当SNR<2dB时,T≈0,调节L或b均已经失去优化能力;而从图1中可以看到,优化Rs后链路仍能获得不错的吞吐量性能。因此,为了使链路在不同的信噪比条件下都能有较高的吞吐量,必须进行跨层优化。
跨层优化后的最优吞吐量曲线如图4所示,同时给出了两种次优吞吐量曲线,以便进行对比分析。从图中可以看到,两条次优吞吐量曲线分别在较高信噪比(SNR>2dB)和较低信噪比(SNR<2 dB)条件下,与最优吞吐量曲线取得一致。因此,为了保证链路的最优吞吐量,可采取如下自适应调节策略:
①高信噪比(SNR>2 dB)区:在此区域内信道条件相对较好,误符号率很低,应尽可能采用高的符号速率;但由于受系统带宽的限制,Rs ≤B,所以单方面通过增大符号速率并不能使吞吐量达到最优。此时,可以通过让每个符号承载更多的位信息,即采用高阶调制方式以提高系统的吞吐量并联合最优数据包长,可使吞吐量达到最优。最优参数对(b*,L*)可以通过联立求解式(10)、(11)得到。
②较低信噪比(SNR<2 dB)区:在此区域内信道条件急剧恶化,误符号率Pe较大,此时应以尽量降低Pe为主。由式(8)知,MQAM调制的误符号率主要取决于b和rs,为了尽可能降低Pe,应该采用BPSK,即b=1;同时调节符号速率Rs以使。由式(11)可求解得到在此区域内应采用的最优数据包长L(d)*=L(b=1,rs*)。
通过上述自适应策略来配置相应的参数组(b,L,Rs),便可以保证在不同的信噪比条件下,链路的吞吐量始终能达到最优值。
结语
吞吐量是衡量无线传感器网络服务质量(QoS)好坏的重要标准。针对移动性无线传感器网络点对点链路的吞吐量问题,本文采用跨层优化分析的方法,定量地描述了两个移动节点之间无线通信链路的吞吐量表达式。根据吞吐量表达式,选择优化后的物理层参数符号速率Rs、调制星座体积b和MAC层参数数据包长度L,可以优化链路吞吐量。最后提出了一种能够根据节点间通信距离自适应跨层调节的优化策略。根据该跨层优化策略自适应调节物理层和MAC层参数,保证了在不同通信距离下链路的吞吐量始终保持最大化。
在进一步的研究工作中,将建立多跳移动性无线传感器网络吞吐量模型,并研究该模型下的吞吐量优化问题。