论文部分内容阅读
目前无线自组织网络(Ad Hoc Network)已越来越普及,适用于多跳、自组织、去中心化场景。但网络中干扰攻击也日益增加,常造成节点间通信数据丢失或信道被长期占用,导致网络性能下降。面对愈加智能多元化的干扰攻击手段,传统的MAC抗干扰手段有待加强。基于此,本文围绕Ad Hoc网络中MAC层干扰问题,研究了抗干扰MAC协议的设计以及一种可重构MAC协议系统来应对网络中复杂的随机干扰、协议级干扰以及时变的传输环境。本文主要研究内容和工作有:(1)针对干扰特性时变的随机干扰,基于IEEE 802.11标准设计并实现了一种对MAC帧无速率编码(Spinal编码)进行帧分片的抗干扰MAC协议Spi-MAC。整体思路为发端持续发送帧分片,收端收到一定数目分片成功译码就返回确认帧ACK请求发端停止发送该数据帧,准备发送下一帧,否则返回否认帧NAK请求继续发送。分片帧头携带了地址等重要信息因此采用具有强纠错能力的卷积编码,分片载荷采用Spinal编码。收端接收到分片先校验帧头,失败则传NAK要求重传,头部校验成功再对载荷继续译码。此法无需提前估计信道质量,哪怕干扰攻击造成丢包,发端会持续发送分片直到接收端成功译码,避免了信道估计带来的精度误差和额外开销。在GNU Radio上搭建了包含MAC层模块、编译码等物理层模块的整体框架,并连接USRP X310外设实现。测试系统连通性后,在干扰特性不断变化下对Spi-MAC性能进行实验,并对比了干扰特性时分片传输机制与直接传输原数据两种方式的系统吞吐量,验证了Spi-MAC的抗干扰性能。(2)针对动态变化的网络传输环境,设计了基于Q-学习的MAC协议可重构系统SC-MAC。系统集成了基于竞争/调度的MAC协议,利用强化学习Q-学习方法,根据当前环境(网络节点规模、有无干扰)决策出当前最佳的MAC协议及相应物理层模块。在Q-学习模型中考虑了贪心算法、UCB算法和Softmax算法三种策略,为得到最适合的的策略超参数,将参数“悔改值regret”作为指标来计算各策略参数的组合,最终得到学习速率、折算因子、温度T、常数等参数最佳值。实验中设计了三种不同的网络场景对SC-MAC与单一基于竞争/调度的MAC协议在不同传输环境下的性能对比,验证SC-MAC在复杂环境里性能更优越。最后在外部有干扰场景下,研究干扰特性变化时Spi-MAC协议内部最佳匹配参数,使得协议参数可重构来避免协议级干扰(如ACK干扰)带来的额外开销。