0 引言

海上自组网是海上通信网络的一种组网形式.由于海面环境复杂、海面粗糙度多变以及天气频繁变化等因素^[1-2]，海上通信网络经常发生分组丢失和传输中断^[3-4].因此，如何提升海上自组网的稳定性和可靠性成为了一个不可忽视的问题.

在无线自组网中，媒体接入控制（Medium Access Control，MAC）层与网络传输的稳定性和可靠性直接相关.与现有的无线移动自组网一样，海上无线自组网的MAC层面临的主要挑战之一就是退避算法.作为协议体系中较为底层的算法，退避算法为网络中的所有节点提供可靠的信道接入时机，在保证和平衡节点的数据传输速率、端到端时延、分组成功率和公平性上起到了至关重要的作用.但与现有无线自组网不同的是，海上无线自组网MAC层的退避算法必须能够抵抗多样的海上信道干扰和随机变化的传输损耗对于网络性能的影响^[5-6].因此，对于海上自组网的MAC协议退避算法的研究是非常必要的.

针对海上自组网的MAC协议退避算法的研究进展缓慢，现有的海上网络依旧使用无线移动自组网的退避算法.其中最为经典的是二进制指数退避（Binary Exponential Backoff，BEB）^[7]算法，其对于竞争窗口的调整方法是指数增加、定值缩小.因BEB算法存在节点竞争不公平和吞吐量受限等缺陷，所以提出改进的退避算法^[8-9]，大致可以分为两种类型：基于竞争窗口变化方式的退避算法和基于网络状态估计的退避算法.

基于竞争窗口变化方式的退避算法的设计思路是更新竞争窗口的变化规则.目前大多改进算法属于这一类，例如，旨在提升网络收敛速度的指数增加指数减少（Exponential Increase Exponential Decrease，EIED）^[10]的退避算法和能够兼顾所有负载情况下网络性能要求的乘性增加、乘性/线性减少（Multiplicative Increase Multiplicate/ Linear Decrease，MIMLD）^[11]的退避算法等.这些算法机制简单，没有额外开销，但是由于其仅通过信道竞争调整退避窗口，无法区分分组碰撞和丢失，且窗口变化的参数固定，无法针对海上动态信道环境进行自适应调整，其网络性能仍存在很大的提升空间.

基于网络状态估计的退避算法的设计思路是让节点通过信道信息估测网络负载变化，对窗口变化因子进行自适应调整.例如，基于碰撞的自适应退避算法（Collision-Aware Backoff Mechanism，CABM）^[12]通过统计固定周期内的发送失败次数和发送总数来计算自己的碰撞概率，进而调整自身竞争窗口变化策略.该类算法相较于基于竞争窗口变化方式的算法，其理论性能更加优秀.但由于需要一定时间和周期采集计算网络信息，该类算法收敛速度更慢，且会误判海上信道的分组丢失为分组碰撞，错误估计网络负载状态，造成节点出现不必要的等待，导致网络延迟增加，所以该类算法对变化迅速的海上环境适应性较差.

为了解决当前自组网退避算法在海上信道性能表现不佳的问题，本文提出一种新的MAC的退避算法，为海上无人艇节点间提供可靠通信传输，其设计思路是通过侦听机制对邻近活跃节点数目进行感知，估计信道实际负载状态，自适应调整竞争窗口，使其能够在海上组网中保持良好的网络性能.

1 系统模型

海上无线自组网的系统模型如图1所示.假设该自组网络仅由海基（无人艇、舰船等）节点构成，在该网络中一共存在n个相同节点，所有节点随机分布在一个X×Y矩形区域内；假设存在信道干扰和环境噪声干扰.在该模型中，干扰较小时，相距最远的两个节点恰好能够正常通信，即所有节点可以进行点对点通信，此时整个系统可以视为一个单跳网络.考虑到海上组网的信道损耗与海洋环境密切相关，因此仿真将采用由Timmins等^[13]所提出的广义海上路径损耗指数模型.

海上信道的信道模型和传输损耗与陆地环境和空中环境都不尽相同.海面作为一个粗糙的平面，能在通信过程中形成多条路径，这些路径相互叠加作用，对于信号的能量、相位、频率都产生了干扰，故在模拟仿真海上无线移动自组网时，使用简单的两径模型、瑞利-莱斯模型等信道模型，都不能完全准确估算海洋的多径干扰以及海浪等因素对于节点的影响^[14-15].为了让仿真的环境更加真实，使得后续的仿真结果具有说服力，本文采用一种新的海上多径信道传输损耗模型——广义海上路径损耗指数模型^[13]，该模型充分考虑了海洋多径干扰等因素对传输损耗的影响，其公式如下：

其中，α参数的定义为

式（1）也可以写作：

$P_{h,d,f}=P_{d_0}+10\left[\left(0.498{\mathrm{l}\mathrm{o}\mathrm{g}}_{10}\left(f\right)+\right.\right.$

式中：P_h，d，f表示传输过程中海面海浪最高高度为h的情况下，距离发射机d（单位：m）的位置上，发射机发射的频率为f的信号在此处的信号强度（单位：dB）；P_d0为距离发射机为d₀处的信号强度（单位：dB）；X_f表示均值为0，标准差为σ的高斯随机变量：

可以看出，海上信道损耗与海浪高度、信号频率和传输距离有直接的关系.根据文献^[16]的说明，在简单的线性理论框架下，依据中心极限定理，海浪波面高度分布服从正态分布，即在海况等级确定的情况下，海浪最高高度在其所在海况等级的区间值内处于正态分布.因此，在海浪最高高度服从正态分布时，海上信道传输损耗是一个随海浪高度变化的随机值.

2 理论建模与ALBI退避算法设计

由于海洋信道是快速随机变化的，无法迅速适应海洋信道的网络会因为信道冲突和重传而导致网络整体的可靠性和稳定性下降.本节首先利用数学建模分析最小冲突概率与邻居节点数目关系，进而得到最佳竞争窗口的计算方法，最后提出基于侦听机制的对数退避算法（Adaptive Logarithm Backoff based on Interception，ALBI）.

2.1 自组网MAC层传输过程建模

假设网络处于饱和状态，P为节点的碰撞概率，且P独立固定，不依赖网络重传次数；另已知整个网络节点数据为n.设b（t）与s（t）分别为节点在t时刻退避计数器的值和当前退避计数器的阶数.假定自组网MAC层使用IEEE802.11的分布式协议功能（Distributed Coordination Function，DCF）机制，根据文献^[17-18]，整个DCF自组网络可以视为由b（t）与s（t）组成的一个二维随机过程，且是一个典型的二维离散马尔可夫链.其结构如图2所示.

文献^[17]推导得出该马尔可夫链发送概率与碰撞概率之间的关系：

$\tau =\sum _{i=0}^m{b}_{i,0}=\frac{b_{\mathrm{0,\; 0}}}{1-p}=$

其中m为重传的阶数，当m=0时，可以将式（5）改写为

式（6）说明了第一次发送时发送概率和竞争窗口大小的关系.同时，由文献^[17]，可以得到使得网络性能最佳的发送概率与竞争节点数目的关系式：

通过联立式（6）和式（7），有

所以，若使吞吐量最大，每个节点的发送概率就必须趋向于式（7）所得出的最优值，即要使得节点的竞争窗口值的初始大小趋近于式（8）.最优初始窗口值的变化取决于节点数目n、碰撞时间T_c和时隙长度σ.在网络建立完毕后，T_c和σ一般都是固定值，可以由其他参数计算而来，故最优初始窗口值的变化一般由当前与本节点竞争的周围节点数目决定.对于海上无线自组网而言，节点的加入/退出网络，信道的损耗、干扰导致的最大通信范围的变化等，都使得竞争信道的邻居节点数目n存在动态变化的可能，因此想要网络达到最佳传输，其初始发送窗口应该随周围情况进行变化，具有动态性.

2.2 基于侦听机制的对数自适应退避算法

由2.1节可知最佳竞争窗口与邻居节点数目存在对应关系，故本文提出一种新的改进退避算法——基于侦听机制的对数退避算法（ALBI）.本算法对初始最佳竞争窗口和竞争窗口调整因子进行自适应设计，使得竞争窗口的调整方式对网络的动态变化更具有适应性.

令W_C，i（i为退避次数，0≤i≤m，m为最大重传次数）为当前竞争窗口，W_C，min与W_C，max分别为最小竞争窗口和最大竞争窗口，W_C，gate为理论最佳竞争窗口，B_i为当前退避计数器的值，其单位为DCF帧间间隔（DCF Inter-Frame Space，DIFS）.ALBI算法可以描述如下：

Step0：节点在发送数据之前，需要监听信道，若检测到信道忙碌，则转向Step4，当信道空闲后，转回Step1.当监听到信道空闲一个DIFS时间，进入退避竞争阶段，初始化窗口值为W_C，init，即：

Step1：节点进入退避阶段后，根据当前竞争窗口值获取一个随机的以时隙为单位的退避时间，并存入退避计数器，如：

其中：random（）为随机数函数，其取值范围为$（\mathrm{0，1}]$；$\mathrm{i}\mathrm{n}\mathrm{t}\left[\right]$为取整函数，其取整逻辑为向上取整.

Step2：节点继续监听信道，信道每空闲一个时隙，退避计数器的值就会减少1，若退避计数器B_i的值为0，则节点开始发送数据，进入Step3，否则继续Step2.若节点在退避过程中，检测到信道被占用，则会冻结退避计数器B_i的值，并进入Step4，直到检测到信道空闲DIFS长度，再回到Step2.

Step3：若数据发送失败，那么下一次竞争窗口需要根据维护的活跃竞争节点表中记录的节点数目进行调整，即

若没有超过最大重传次数m，节点会依据新的竞争窗口传送当前数据包；若超过最大重传次数，节点会放弃传输当前的数据包，转而传输下一个数据包.若数据发送成功，那么下一次竞争窗口需要根据维护的活跃竞争节点表中记录的节点数目和当前最佳初始竞争窗口值进行调整，即：

Step4：当节点检测到信道被占用，会尝试接收当前信道上传输的数据.若接收失败，则保持在当前阶段，等待信道空闲；若接收成功，节点会维护活跃竞争节点更新表，将当前占用信道节点的MAC地址和发送时间更新在表中，同时删除过期的活跃节点数据，然后保持在当前阶段，等待信道空闲.

综上所述，算法的竞争窗口CW调整公式可以表示为

式（14）是由式（8）改写而来，描述的是最佳初始竞争窗口值与周围节点数目（n）的关系.T_c是单次数据传输的时间长度，传输总时间为信道空闲后发送前等待的DIFS时间（T_DIFS）、单个数据包（包含MAC帧头帧尾和物理层帧头帧尾）的传输时间（T_MSG）、等待ACK的SIFS时间（T_SIFS）和ACK传输时间（T_ACK，包含MAC帧头帧尾和物理层帧头帧尾）之和.σ则为单个时隙时间长度.

3 仿真条件与性能分析

为了验证基于侦听机制的自适应对数退避（ALBI）算法的有效性，本节利用OMNET++实现ALBI算法的仿真分析，并将其与其他现有的退避算法进行比较.

3.1 仿真场景与参数设计

基于OMNET++建立的仿真网络，场景模型参考图1，该网络是由n个移动节点（例如船只、舰艇等）组成的单跳网络，随机分布在400 m×300 m的区域中，节点的目标地址随机选择，仿真参数如表1所示，网络仿真时间为300 s.

3.2 性能分析

本小节主要将ALBI算法与传统BEB^[7]、EIED^[10]、MIMLD^[11]和CABM^[12]算法进行比较分析，分别从网络归一化吞吐量、公平性、端到端时延和丢包率4个指标来评估算法性能.

通过对比网络中不同竞争节点数目的情况，本文得到几种退避算法的性能比较，如图3—6所示.

从图3可以看出：退避算法的网络整体吞吐量在16个竞争节点时到达峰值，此时网络负载饱和，之后增加的竞争节点会对吞吐量产生负面收益，其中CABM、EIED和BEB算法都随着网络节点数目的增加产生了明显的下降趋势，而MIMLD算法只是略有下降，基本保持稳定；ALBI算法吞吐量性能最好，在网络负载最大、节点数目最多时，ALBI算法相比MIMLD、EIED、BEB和CABM算法吞吐量分别提高4.5%、13.72%、28.67%和52.89%.

从图4可以看出：所有算法的公平性指标在网络竞争不激烈时都处于最佳状态，随着网络中竞争节点的增多，公平性指标因为网络负载的增大而降低，其中EIED、CABM和BEB算法的公平性在高负载下急剧下降，MIMLD算法公平性指标在高负载下略有下降，而ALBI算法的公平性基本不受影响.在网络负载最大、节点数目最多时，ALBI算法相比MIMLD、CABM、BEB和EIED算法公平性分别提高7.82%、44.32%、62.00%和90.40%.

从图5可以看出，端到端延时性能随着节点数目的增加而下降，这是因为竞争节点数目的增加导致信道争用时碰撞的概率增加，所以传输时延增加.在低负载时，ALBI算法的延时性能最佳，随着节点数目增加，网络负载进入饱和状态，ALBI算法的延时性能逐渐下降，但与其他算法之间依旧存在性能优势；在网络负载最大时，ALBI算法相比于MIMLD、EIED、BEB和CABM算法端到端延时分别减少1.10%、2.60%、2.84%和4.72%.

从图6可以看出：CABM算法的丢包率随着节点数目增加，上升很快，其性能甚至劣于传统的BEB算法；EIED丢包率基本保持稳定；ALBI和MIMLD丢包率基本不变，约等于0，但ALBI算法更接近于0.ALBI算法相比于MIMLD、EIED、BEB和CABM算法的丢包率分别减少0.29%、2.06%、15.10%和34.88%.

上所述，基于碰撞情况估计信道竞争的CABM算法无法适应海上变化的信道环境，这主要是因为海上信道的传输损耗随机变化，使得节点传输失败的原因不仅仅是信道争用失败，也可能是节点之间因为信道传输损耗过高无法通信，但通过信道碰撞和信道占用情况预测下一时刻信道竞争态势的方法无法区分二者；同时，由于信道传输损耗的随机变化，不同时刻存在信道竞争的邻居节点数目也会随机发生改变，因此基于平均碰撞概率的信道情况分析方法无法根据过去的数据准确预测未来网络竞争的随机性的变化，所以CABM算法经常发生节点之间的信道碰撞和不必要的信道等待，导致该算法的稳定性和可靠性要远低于预期，其性能表现甚至远低于传统的BEB算法.BEB、EIED和MIMLD等静态竞争窗口调节因子的算法在海上自组网中的综合性能要略优于CABM算法，但因为窗口调节因子固定，只能依赖过去分组竞争的成败来调整现在的竞争窗口等缺陷.随着网络节点数增加，网络负载增大，使用BEB、EIED和MIMLD等算法的网络节点冲突加剧，其吞吐量、公平性和延时等性能都存在着不同程度的下降.其中，由于MIMLD算法采用门限窗口的机制，对于高负载和低负载网络的竞争窗口采取不同的变化逻辑，所以其性能表现比较稳定，但仍与ALBI算法之间存在性能差距.相比于仿真测试的其他算法，ALBI算法的性能最为优秀.ALBI算法采用侦听机制和自适应竞争窗口调整因子和最佳初始竞争窗口的设计，不再过分依赖过去的信道争用情况来调整竞争窗口，而是根据邻居节点数目来调整竞争窗口，使得竞争窗口维持在一个动态的合理的数值.ALBI算法虽然会略微增加网络延时，但避免了因为分组碰撞而损失过多的网络性能，并且改善了激烈信道竞争时节点发送成功后退避时间太短的缺陷，减少了不必要的信道碰撞和传输时间浪费，提升了网络的公平性.同时，自适应竞争窗口调整因子可以促使竞争窗口快速收敛，使得网络发生重构时，当前节点的竞争窗口可以迅速适应当前网络的变化情况.对比仿真结果可以得出结论：ALBI算法是当前算法中最适合海上无线自组网的选择.

4 结束语

本文提出一种高效可靠的海上网络的竞争式MAC退避算法，该算法通过侦听机制来收集邻近活跃竞争节点信息，通过自适应竞争窗口调整因子和自适应最佳初始竞争窗口两种机制，提高了网络的综合传输性能.OMNET++仿真结果表明，相较于已有算法，ALBI算法在高负载的海上网络环境下能够取得更好的性能.未来将会进一步研究基于ALBI的改进方法，在保证公平性的同时继续提高算法的吞吐量、降低延时和丢包率.

参考文献