文摘

的存在阻碍障碍严重降解在manet路由协议的效率。为了减轻这些阻碍障碍的影响,通常在manet路由是基于先天的知识地图的障碍。在本文中,我们研究的动态和自主检测的障碍可能站在网络中。这是使用增强的制图完成链路状态路由CE-OLSR优化没有额外的信令开销。我们提出的性能检测方案的评估是通过广泛的模拟使用OMNET + +。结果清楚地表明我们的能力提出计划准确划定障碍区和高覆盖率和高效精密比率。此外,我们该方案集成到CE-OLSR使它能够自动检测和避免障碍。仿真结果表明这种集成协议的有效性提供了相同的路由有效性的CE-OLSR-OA基于先天的妨碍障碍的知识地图。

1。介绍

在移动ad hoc网络(manet),节点一起合作以确保一个infrastructure-less多次反射遥远的移动节点之间的通信。马奈的主要优势在于他们的部署和低成本的速度相比,轨道网络。然而,他们的扩散仍受限于当前路由协议的效率低下,妥善处理节点移动,同时保留有限的和有价值的资源的网络1- - - - - -4]。资源稀缺的移动节点和无线介质排除了使用额外的控制信息为代价,因为它将减少数据流量(5]。

MANET路由协议面临着不可避免的权衡之间保持有效的路由和保护宝贵的网络资源(例如,节点,节点计算资源,无线电资源,等等)。这些权衡强调的存在阻碍障碍站的网络区域内,这将增加网络动力学。事实上,两个相邻节点之间的链接失败发生的范围不仅当这些节点离开彼此,也当他们之间的视线被一个障碍阻挠。减轻副作用的障碍,底层的路由协议应注意障碍地图或者能够计算路线,避免和克服这些障碍6,7]。

马奈,从本质上说,根据他们的目的,应该依靠高效的路由协议能够自动检测网络内的确切位置障碍区域。这确实是一个具有挑战性的任务要求额外的信号检测和共享障碍位置和轮廓应限于其最小资源留给数据的有效传输。在本文中,我们提出一种自主障碍检测方案,依赖于制图增强OLSR [6,8]。我们的方案不需要任何额外的信令开销,因为它完全依赖于使用CE-OLSR信号但诱发一些额外的计算时间在每个节点将识别和调查。

节点移动性设计面临的另一个挑战是一个自主障碍检测策略。一些障碍检测方法标记节点边界,而不是躺在障碍检测其确切位置(9,10]。这个标记阶段后,路由过程认为这条信息选择路径,以避免通过标记节点。然而,节点移动性将迅速失效节点标记的过程。有效地处理节点移动性,基于这样的标记方法应该大大增加他们的信令开销,因此消耗了宝贵的网络资源,否则留给有效的数据通信。

在本文中,我们表明,马奈中的每个节点可以动态地、自主地推断出障碍地图没有使用一个专门的技术(如激光测距仪、声纳、特种光学/红外传感器,等等)或者一个额外的信令开销。事实上,我们提出一种新颖的轻量级障碍检测方案完全基于制图的原始信号增强OLSR (CE-OLSR)协议(8]。更准确地说,我们使用的共同意识CE-OLSR关于链路状态和网络制图发现双节点(位置对)网络中由于妨碍障碍无法沟通。随后,我们处理这些位置对推断出一个近似真实的障碍边界和轮廓。我们的建议的好处是四倍。首先,我们的协议不是基于任何专门的技术,因此可以很容易地集成在任何基本的移动节点。其次,该方案不需要额外的开销,因为它使用同一CE-OLSR的信号。第三,通过专用的指标,我们表明,我们的方案能够准确地检测到真正的障碍区和轮廓。最后,使用该方案,我们达到几乎相同的路线与障碍CE-OLSR位置识别的有效性。我们的目的不是与障碍超越CE-OLSR意识(CE-OLSR-OA);而我们的目标是努力放松假设认为在我们之前协议(即。CE-OLSR-OA) (6),由地图作为实施的可用性障碍先天的在MANET中每个节点领域知识。

障碍检测和避免等研究了在静态网络无线传感器网络(网络)。然而,我们所知,没有重要的工作在manet的背景下。与固定网络不同,马奈天生和故意移动和动态。在本文中,我们将展示相反的移动节点和网络动力学障碍探测效率构成真正的杠杆。一些协议依赖于一个先天的知识给节点如障碍地图或街道地图,以避免交叉链接的选择障碍在路由。但是,在这篇文章中,我们提出一个自治方案,检测这些障碍的轮廓使用底层路由信号,然后动态集成这些障碍的信息进行有效的路由。

本文的其余部分组织如下。节2,我们审查和讨论一些相关的相关工作。节3,我们调查的功能CE-OLSR协议以及底层OLSR协议的核心概念。节4,我们详细提出障碍检测方案。节5,我们评估该方法通过广泛的性能模拟测试。一些专门的指标也提出我们的障碍检测协议的充分性进行评估。此外,我们研究提出的障碍检测方案的计算复杂度。在最后一节中,我们得出这样的结论。

2。相关工作

的存在阻碍障碍在网络领域挑战的设计在静态和移动ad hoc网络路由协议。在静态的情况下临时网络,链路状态路由协议相比,不受障碍的存在定位协议。链路状态路由协议,事实上,在弱或不对称的链接可能会发现使用一些专用的指标如预期的传输数(11)衡量数据包重发的平均数量为一个特定的链接。但是,在基于位置的路由协议,如贪婪的周边无状态路由(GPSR) [12贪婪(GFG)[]或贪婪的脸13),节点没有关于网络拓扑的全局视图。而不是依靠一个全球网络拓扑中,基于地理位置的路由协议依赖包的目的地的位置和邻居节点进行路由决策。在这类协议,遥远的目标节点的位置被认为是现成的通过一些专用的定位服务。所以说,这些协议不包括任何制图收集策略收集遥远的节点的位置。

与遥远的节点,直接邻居的位置是已知的通过当地的信号机制。每个节点周期性地广播局部控制消息通知1-hop邻国对其位置。由于缺乏基于地理位置的路由协议的网络拓扑结构,节点路由数据包对方向可能导致阻碍障碍或空洞在随后的啤酒花(1-hop)。

基于位置的路由协议像GPSR12]或GFG [13一般有两种操作模式:贪婪模式和恢复模式。给定的发送方(或货代)节点在贪婪的运营模式,如果它有一个邻居,比自己更接近最终的数据包的目的地。但是当一个发送者(或货代)检测到没有人的直接邻居可以把数据包更接近其最终目的地,推断它是空白或附近的一个障碍。在这种情况下,切换到恢复模式。在恢复模式下,数据包需要暂时滚离目的地使用发现右手法则绕过障碍或空白。一旦数据包到达一个节点靠近目的地的节点启动复苏模式,这个节点简历贪婪模式为了避免周围循环障碍或空白。

GFG和GPSR的主要优势在于保证交付静态节点的数据包和充分连接网络即使在阻碍的存在障碍。这两个协议的主要局限性驻留在忽视选择的最优路线。事实上,一个给定的包(路由的方向一个障碍或空白)到达在障碍边界节点切换到救援路径。因此,由此产生的路径较长最短的路径,这将导致一个无用的消费有价值的资源。

在随后的研究工作,如10,14- - - - - -17),提出减少所选路径长度通过应用早期障碍检测和避免方案。例如,在[10),作者利用当地的一个轻量级的声誉机制来分配地朝着目的地找到可能的最短路径,同时避免障碍。拟议中的声誉机制如下。定期,每个节点计算其声誉基于原来的路由决策。声誉正比于最优和nonoptimal以前的路由决策之间的比率。给定的路由决策称为最佳如果使用贪婪路由。否则,它称为nonoptimal。每个节点广播1-hop邻国的声誉。因此,节点拥有坏名声将阻止在贪婪转发转发数据包。尽管这个避障方案的能力逐步降低路由路径的长度,它有一些局限性。首先,这个计划使用一个惟一的信任值,因此它不能处理多个数据流。 In fact, a given node,这不是最优的对于一个给定的源/目的节点对,可能适合另一个节点。随后,第二个数据流的路径长度可能无益地增加。此外,这个方案没有考虑节点移动性。在动态网络中,节点的声誉将迅速改变与不同节点的移动性。这无疑会改变以后的路由决策的效率。从后者一部分事实,这些协议([10,14- - - - - -17)成功避开障碍物而减少生成的路线的长度,但真正的障碍边界或至少一个近似边界是未知的。这一问题是由王和半导体存储器(9]。

作者的9)提出了一个方案使网络探测障碍。这个解决方案接近障碍物边界标记周围的传感器节点。为了确定节点位于边界附近的一个障碍(或无效),作者介绍了“跨越的概念。”“穿越”一词与四肢的交点的两相邻节点的传感领域。给定称为交叉覆盖,如果站在第三个节点的传感领域。否则,它称为发现了穿越。根据建议的解决方案,如果一个节点检测到它的一个路口发现,标签本身作为一个边界节点。这是认为,边界节点站附近的障碍通常发现穿越。该方案的主要优势之一在于它的低开销,其鲁棒性等有关错误,和普遍的适用性。根据这个方案,传感器节点只依赖本地信息识别障碍界限。此外,这个方案不需要任何额外的硬件或位置敏感传感器探测障碍物边界。 However, the proposed scheme has several drawbacks and limitations. For instance, sensor nodes are assumed to remain static once they are deployed. As such, the proposed scheme is not suitable for sensor networks having some mobile nodes (sinks or regular nodes). In addition, authors did not explain how the detected obstacle information could be utilized to improve the operation of the network and did not mention how the obstacle information is shared among sensor nodes.

与静态特设网络,障碍检测和回避策略的上下文中阐述了VANETs和马奈。我们所知,路由协议依赖于一些先验知识如街道地图或一个障碍地图能够避免障碍。例如,在报纸上7,18- - - - - -20.]对待城市VANETs路由,作者依靠周围街道地图路由数据包的意识障碍。

在我们之前的工作(6),我们提出了一个OLSR [21]基于避障协议指定制图增强OLSR的障碍感知(CE-OLSR-OA)。我们假设每个节点知道站在网络区域内的所有障碍。联合网络制图和意识障碍地图成为可能避免链接断了,因为阻碍的障碍。事实上,两个节点都能够一起交流当且仅当它们在彼此的稳定范围和它们之间的视线不跨越任何障碍。然而,根据manet的本质,这样的信息(障碍地图)通常是不知道或不能保证是可用的。因此,一个更实际的计划允许放松这一困难的假设是必需的。

这里值得注意的是,以上路由协议但6满足要求的一个有效的障碍检测计划。一个有效的障碍检测算法应该包含一些重要的特性。首先,它必须应对网络资源的稀缺性最小化所需的任何额外的信号。其次,它必须考虑到固有的不可靠性无线介质对控制包丢失是健壮的。第三,获得普遍性、障碍物检测方案既不使用专用设备在其操作也没有先天的知识网络地形(障碍/街道地图)。第四,适合马奈,节点移动性支持。最后,障碍检测方案应提供一个精确的近似边界,以确保一个可行的意识的障碍。

在本文中,我们提出一个障碍检测计划,满足上述要求。我们建议的动态和自治方案检测阻碍障碍及其轮廓,然后将这些信息进行一个有效的路由。推断出障碍边界,它完全依赖CE-OLSR [8),OLSR的一个增强版本,信号由链接状态信息以及动态计算网络制图。在这项工作中,我们只关注单个静态凸或微凹妨碍障碍。进一步考虑,必须开展调查处理数的存在和高度凹移动妨碍障碍。

3所示。制图增强OLSR协议(CE-OLSR)概述

CE-OLSR是著名的链路状态路由优化的改进(OLSR)协议(21]。在本节中,我们首先回顾OLSR的主要特点。然后我们在OLSR突出节点移动性的影响。最后,我们调查所做的增强CE-OLSR面对问题造成节点移动性。

OLSR协议最初构思适应链路状态路由马奈。马奈常常遭受无线电资源的稀缺性,OLSR旨在减少路由信号最小。为此,OLSR链路状态路由协议相比,基本实现了两个优化。

第一个优化在于使用两种不同的控制消息(你好消息和拓扑控制(TC)消息),用不同的频率,跟踪网络拓扑。虽然你好消息用于追踪当地拓扑变化,TC消息用于传播这些地方遥远的节点在网络拓扑变化。OLSR认为路由信号分裂成两种类型自局部拓扑变化更重要在及时跟踪比遥远的拓扑变化。

第二次优化中引入OLSR在于使用多点继电器(mpr)。mpr特定节点,其余节点广播subtopology网络。每个节点选择一个子集1-hope邻国的mpr和求职2-hope邻国。MPR选择策略可以以不同的方式实现根据优化参数:节点的最小ID (22,1-hop邻国的覆盖程度23),带宽和/或延迟1-hop和/或2-hop链接(24,25]。节点选择一个给定的MPR称为MPR-selectors。mpr减少广播开销的OLSR TC等信号的信息。尽管成功的OLSR的妥善处理资源的稀缺性特设网络,其性能是高度增加的节点移动的影响。我们已经证明了在我们以前的工作8),一旦节点开始OLSR路由性能的恶化。为了减轻这种不良影响OLSR的流动性能,我们提出了一个名为CE-OLSR的增强路由协议,而由比网络拓扑网络制图。CE-OLSR依赖于两个主要概念:网络制图(节点位置)和稳定路由方案。CE-OLSR使用网络制图代替链接国家建立一个更精确的网络拓扑。我们将演示在2,4,8],建立一个基于节点位置减轻网络拓扑的流动性问题主动路由协议。在CE-OLSR,我们收集网络制图使用同一OLSR的原始信号(不引入额外的信号)。我们假设每个节点知道它的位置。每个节点嵌入你好消息的地位以及其邻国的位置(从收到你好消息收集)。CE-OLSR还嵌入了节点位置在TC消息相关联,每个发布的链接对应的节点的位置。增强的有效性选择路线,CE-OLSR依赖于一个稳定路由方案(26),避免使用路由过程中薄弱环节。给定的链接表示弱如果是建立两个邻国之间接近离开彼此的范围。从本质上讲,路由稳定性是通过自愿低估了感知网络拓扑(2,4,26]。

制图增强OLSR的障碍感知(CE-OLSR-OA) [6)是一个增强版的CE-OLSR避免妨碍障碍站网络区域内。CE-OLSR-OA需要知道一个障碍地图和最初输入系统。更准确地说,在构建网络拓扑时基于收集到的网络制图(节点位置),CE-OLSR-OA过滤掉所有的链接交叉通过障碍。它执行一个最短路径算法(迪杰斯特拉)结果连接图来选择候选人通往每一个可到达的目的地。正如我们前面所说的,假设关于障碍地图的可用性挑战CE-OLSR-OA的有用性在实践中真正特别的场景。在下面,我们提出一个动态和自主障碍检测方案,不需要这样一个严格的假设,而是能够检测障碍驻留在网络中具有高准确性和检测与高精度的边界(轮廓),然而它自我整合产生的障碍信息的路由决策避免障碍,达到同样的路线与CE-OLSR-OA有效性。

4所示。材料与方法:障碍检测方案描述

障碍有几个功能的有害影响manet中概述部分3。为了避免障碍副作用,马奈应该实现自己的战略来检测阻碍障碍的确切位置和界限。在本节中,我们提出一个新颖的轻量级障碍检测策略,本地考虑马奈的内在约束。首先,它可以节省宝贵的MANET资源,因为它不引入任何新的控制流量和完全依赖于准确的CE-OLSR信号。其次,马奈无线信道是出了名的不可靠,我们的战略容忍一定的控制包丢失。最后,我们提出了策略适用于移动环境。事实上,它不依赖于任何节点标签机制是在静止的传感器网络。而不是检测节点周围的障碍,我们的计划识别的位置阻碍障碍及其轮廓精度高。

让我们首先定义一些术语用于检测方案的设计和规范我们的障碍。

4.1。定义

定义1(障碍信息)。障碍是一对位置信息(),两个给定的邻居节点无法交流,因为站在他们之间的阻碍障碍。和分别表示相应的左右肢体障碍信息(阻塞链接)。

定义2(障碍)信息的准确性。障碍信息比障碍被认为是更准确的信息如果位置形成它的四肢更接近障碍边界比。

定义3(互补的障碍信息)。两个障碍的信息和至少是互补的,如果其中一个可以用来增强其他信息的准确性。

定义4(障碍信息有相似的方向)。两个障碍的信息和如果内部角有相似的方向由他们直接段是小于等于一个固定的参数调用如图1。

定义5(障碍信息属于同一个网络地区)。两个障碍的信息和属于同一个网络地区当且仅当他们满足以下两个条件。首先,至少有一个肢体的正交投影的信息(比如其中的一个障碍)在直线上携带第二个(说段内)必须代表第二个障碍的信息。其次,预计肢体及其正交投影之间的距离小于参数。

定义6 (prunable障碍信息)。两个给定的障碍的信息和prunable如果他们有类似的方向和地区属于同一个网络。

4.2。障碍检测概述

我们的障碍检测策略由4步骤(如图2):识别noncommunicating位置,修剪,过滤和凹船体结构。为了维持以下描述的清晰,我们说明每一步的输出通过一个专用的图。

在步骤,我们推断出障碍物的信息。我们代表障碍物信息,根据上下文,通过一条线段或一对点。图3显示了障碍任意节点收集的信息在100年代第一次的模拟执行。在这段时间里,大量的障碍的信息收集的所有节点。

在步骤我们的障碍检测方案,我们设想一个专用的修剪方法。这种方法旨在提高障碍收集信息的准确性。图4描述了障碍信息保留在执行第二步。通过比较图4与图3,我们注意到第二步所带来的障碍信息更接近真正的障碍比原来的边界。尽管成功的第二步提高障碍收集信息的准确性,保留数据可能还包括一些信息不准确或错误的障碍。不准确造成的障碍信息通常是没有修剪的机会(见图4箭头1)。换句话说,一个或两个四肢的一些障碍信息仍然远离障碍物边界由于缺少修剪机会与其他的信息收集的障碍。信息错误的障碍主要是由于连续碰撞CE-OLSR控制消息(请参见图4箭头2)。

一步我们的战略消除信息不准确或错误的障碍的信息保留设置的障碍。图5显示该过滤步骤的结果。

最后,在步骤,我们构建包含过滤的凹船体肢体障碍的信息。图6说明了障碍边界推断我们的障碍检测方案。随后的部分提供上述每个步骤的详细操作。

4.3。步骤1:识别Noncommunicating位置(障碍信息)

在这一步中,我们使用CE-OLSR信号来检测位置对其中两个给定的邻居无法沟通在一起因为妨碍它们之间的障碍。

当一个节点N给定MPR节点检测到M有邻居V推断从网络制图而不是直接发表在TC消息生成的M,它增加了M和V的位置noncommunicating位置对的列表。第一步我们的障碍检测方案集成到CE-OLSR协议如下。我们稍微调整OLSR违约行为。在OLSR MPR节点发送一个TC消息,默认情况下,它宣称只有MPR-selector节点,然而,在我们的战略MPR邻居节点发送整个列表。请注意发送整个邻居列表中TC消息没有违反OLSR规范(21]。采用这种调整TC消息允许扣除的障碍信息。事实上,如果一个给定的MPR (S)只包括其MPR-selectors在TC消息,即通过将TC_redundacy等于零,那么没有一个链接状态给定的邻居(V)并不意味着(V)不是一个邻居(S)。例如,在图7如果我们TC_redundancy参数设置为0,(S)只包含MPR-selector节点(A、C、E和F)在它的TC ()。在这种情况下,没有链接向剩下的邻居节点(B、D和G)并不意味着他们没有邻居的。我们只能得出结论,(B), (D)和(G)节点不MPR-selectors(年代)。

然而,当我们发送整个TC消息(即邻居列表中。TC_redundancy = 2),这种演绎成为可能。例如,在图7所有节点的传输范围内都包含在(见TC的内容当TC_redundancy = 2),在图8之间的直接沟通(S)和(B)(分别地。、(S)和(C))由一个障碍阻挠。在这种情况下,(B)和(C)中声明尽管他们在美国的传播范围随后,每个节点接收可以推断出之间有一个障碍(S)和(B)(分别地。(S)和(C))。

接到TC消息(最初由一个给定的MPR (S)),接收方节点(R)操作如下。让是发表在TC和邻居列表已知的邻居列表(S)通过网络收集的制图接收者节点(R)。为每个节点(V)存在的而不是在、节点(R)添加一双新职位(,)noncommunicating位置对的列表。为了维持我们方案的鲁棒性控制包丢失,我们构建使用一个减少传输范围比真正的传播范围小。实际上,节点新进入的范围和尚未发表的(S) TC消息可能错误地视为阻塞障碍。我们使用一个传输范围,以减少减少这样一个虚假的障碍信息检测。使用这种方案,逐步推导出每个节点的位置对邻近的节点无法由于妨碍沟通的障碍。因此随着时间的推移,每个节点将收集足够的noncommunicating位置对列表。

在搬到算法细节之前,让我们关注复杂性或执行时间的第一步。让节点的数量,让MPR的平均数量节点(出版TC消息)。让ObstacleDetectionPeriod障碍的周期性检测方案和TcPeriod TC消息的周期性。在一个时间窗口等于ObstacleDetectionPeriod,每个MPR节点生成TC消息,是由

对于每一个收到TC的信息,我们需要比较来。让这些列表的最大长度。这一步是最糟糕的总计算时间 每个列表的长度和mpr的数量都是有限的节点的数量然后,整个计算时间

收集到的障碍(即信息。,the noncommunicating position pairs) should be mutually compared, processed, and pruned so that they are brought closer to the real obstacle boundaries (contour). This is achieved using a straightforward pruning procedure detailed next.

4.4。步骤2:修剪过程

修剪过程是基于一个简单的互补性的概念,可能存在两个障碍的信息收集。例如,图9(一个)代表一个信息互补的障碍。在这种情况下,一双更加准确的障碍信息可以推断出从noncommunicating位置对(和)。事实上,从第一个障碍信息(),我们推断出驻留之间的障碍和。同样,从第二条信息(我们得出结论,之间有一个障碍和。以来,我们假设只有一个凸障碍在网络领域,它必然是位于公共区域有界和。在这种情况下,左边的肢体可以修剪(正交投影在直线上携带)和正确的肢体可以修剪(正交投影在直线上携带)。这样,最初的障碍信息对可能被更准确(和);参见图9 (b)。同样,使用定义的互补的概念,在图10 (),由障碍信息可以修剪(见图10 (b))的四肢更接近障碍物边界比吗。

为了清晰、障碍信息由竖线将被忽略。每个障碍收集信息相比迭代剩余的障碍信息。让与我们当前的障碍信息比较。和表示左四肢这两个障碍的信息,和表示他们的四肢。如果和有类似的方向,我们试图修剪他们的四肢(分别地离开了。彼此,对四肢)。让我们考虑一下左边的四肢和(和)。首先,我们测试是否可以删除使用。为此,正交投影的在直线上携带必须在(见图10 (b))和欧氏距离和必须小于。可以裁剪使用如果这个条件是满意的。所以,左边的肢体()是修剪(取而代之的是)。如果不能删除使用吗如果,我们测试可以裁剪使用(使用相同的以前的程序应用和)。修剪之后,同样的过程,我们应用和执行了四肢的四肢。算法1的伪代码描述修剪步骤。

让我们调查修剪过程执行时间。让是障碍的数量的信息在输入列表中。让是ProcessTC算法的次数叫做执行期间有界的一个常数根据路由过程。然后

因为我们需要调查每两个障碍的信息在列表中的总执行时间修剪过程

4.5。步骤3:过滤过程

执行第二步后提出障碍检测过程中,障碍显著提高信息的准确性。然而,给定数量的不准确或错误的障碍的信息可能会持续由于没有修剪的机会或者检测到一个错误的障碍。随后,我们要设想一个专门的过滤过程允许删除这些信息不准确或错误的障碍。

提出了过滤过程是基于内部和周围的障碍边界(见图5(一))的点代表障碍治疗四肢的信息密度比其他地方。结果,我们提出消除障碍的一小部分信息四肢最密集的地区,即四肢轮廓之外的障碍。这个比例是由一个参数表示这是由用户设定。描述,如图5,这样一个简单的启发式信息成功地消除障碍边界四肢远离真正的障碍。

提出了过滤过程如下工作。我们首先计算每个点的局部密度(肢体障碍信息)。一个给定的点的局部密度对应的点(邻居)的距离小于。然后我们计算的局部密度直方图将有用的统计数据基础上,我们选择过滤阈值(localDensityThreshold)。一旦我们发现过滤阈值,我们只保留点有一个当地的密度大于这个阈值过滤。完整的过滤过程中描述算法的伪代码2。

让我们计算过滤程序执行时间。让的长度包含修剪的障碍信息列表。回想一下,这个列表的长度是一样的列表采集的原始障碍修剪前的信息。在过滤过程中,障碍的列表的信息转换为列表点(LP)在线性时间内执行的函数。然后,LP列表是用来计算每个点的局部密度。这一步骤有一个二次函数的执行时间。作为MaxLocalDensity总数是有限的点,然后计算的局部密度直方图在线性时间内执行。随后,整个过滤过程的时间复杂度

4.6。步骤4:凹船体结构

过滤步骤的执行之后,我们获得一个点集(四肢的障碍信息)边界接近真正的障碍。然后,我们执行一个算法来推断的轮廓检测到障碍,包括保留点。为了妥善处理障碍有小的凹陷了,我们心甘情愿地选择使用一个凹船体结构算法而不是一个凸包算法。回想一下,该修剪方案主要是设计来处理只有凸障碍。但是,正如我们将随后显示,它可以处理障碍有小的凹陷了。凸包相反,凹船体的结构是不明显的。这主要是由于这一事实对于一个给定的散点图通常有大量的可能的凹壳。在本文中,我们选择使用凹船体结构算法中引入基于一个(27]。该算法的主要思想在于构建一个凹船体从任何标准获得的凸包算法(在本文中,我们使用贾维斯算法(3月28])。然后,每条边的船体,遇到内部的算法决定是否应该挖凹性或不使用一个专门的标准设定的用户,这限制了nonsmoothness(障碍边境)造成的挖掘过程。

凹船体结构的完整的伪代码步骤是详细算法3。在这个伪代码中,我们使用一个函数调用FindNearestInnerPointToEdge中描述的算法是算法4。

现在,我们将计算凹船体结构程序的执行时间。让的四肢的障碍信息保留后过滤步骤。初始化计算凹壳的计算使用众所周知的贾维斯的凸包算法3月。贾维斯的复杂性算法= 3月在哪里是点的数量(顶点)形成凸包29日]。在最坏的情况下,3月贾维斯的复杂性的算法=。

然后,凹船体迭代细化使用挖掘标准如下。对于每一个优势,我们试图找到最近的内部点()。最近的点在哪来这样没有一个邻国的边缘更接近于比。如果存在,我们测试是否挖掘准则(/ decisionDistance))是否满意。如果验证,当前的边缘是爆炸成两个新的边缘(由当前边缘和点的四肢)。在最坏的情况下,我们可以挖掘次凹船体。

另一方面,算法的计算时间4它允许找到最近的内部点(如果它存在的话)。随后,凹船体结构的整体执行时间过程

5。结果与讨论

在本节中,我们首先描述中使用的不同的参数进行了模拟。然后,我们定义所需各种评价指标来评估我们的障碍检测方案的性能。之后,我们概述该方案用于选择最佳参数值最大化我们的障碍检测方案的性能。最后,我们详细讨论的结果,我们的模拟场景。

5.1。仿真设置

我们发展我们的提议障碍检测方案INETMANET框架下在OMNeT + +网络模拟器(版本4.1)。模拟马奈面积等于500米到500米。在这个网络中,移动节点最初分散60。这些节点按照随机路点移动模型(30.]零等待时间,更新时间间隔0.1秒,一个恒定的速度。节点传输范围是固定到200米。网络容量设置为54 Mbps。CE-OLSR协议参数设置如下。TC_redundancy设置为2,这意味着MPR节点发布整个列表的邻国TC消息。TC消息周期设置为8秒,你好消息等于2。OLSR发送抖动是随机挑选的[0,0.5]区间。CE-OLSR稳定参数是固定的50米的距离。

障碍检测的性能评估使用专用指标(查准率和覆盖率),我们在以下部分细节。独特的参数不受参数优化是降低参数范围。回想一下,这减少范围是用于构建在我们的障碍检测计划的第一步。省略该参数的优化过程返回的事实主要相关节点的速度。我们愿意降低范围值设置为150;仿真结果表明,这种价值是适合节点速度范围10 m / s。进一步详情将稍后详细的参数选择和优化部分5.2。4。

在进行模拟,每个节点运行障碍检测过程每50年代为了评估时间影响我们的计划。但在实践中,障碍检测可以更轻松的周期性维护网络资源。最后,我们考虑一个网络只包含一个静态障碍(凸或凹)描绘人物11(一)和11(b)。每个障碍类型(凸/凹),我们考虑三种不同大小的名字一个大,一个媒介,一个小障碍。凸障碍的情况下,的边框3考虑尺寸如下:120米,120米,60 m×60米,30 m×30米。对于凹障碍的情况,我们也考虑3大小的边界框如下:216米,180米,108米,90米,54 m×45米。

5.2。评价指标

我们的障碍检测方案的最终目标在于推断障碍边界仅使用CE-OLSR信号。我们所知,没有其他研究工作,试图推断出阻碍障碍边界使用基本的manet路由消息或另一个通常的信号。因为这个原因我们自我评估障碍检测方案使用专用指标。第一个指标称为覆盖率反映了障碍检测过程的完整性。第二个指标命名查准率揭示了亲密的障碍检测输出的真正障碍边界。我们也使用路由有效性指标来评估我们的障碍检测策略的影响在CE-OLSR的整体性能。

5.2.1。覆盖率

覆盖率度量突出障碍检测的完整性。它衡量我们的能力障碍检测方法的障碍区。根据(8),覆盖比率的比率被定义为正确检测到障碍区(CDOA)真正的障碍区(ROA):

图12示意图描述了不同区域用于我们的提出的指标。在左边的图的一部分12(一个),我们描述一个案件的nonoptimal参数值(MaxToleratedFarness = 40米,MaxAngleAperture = 10, LocalDensityRadius = 6米,= 6,PercentageOfFilteredInformation = 6%)为了突出不同地区在我们的指标。在这个图中,ROA与网络区域真正的障碍所在。公共区域(即CDOA对应。,the intersection) between the total area detected as obstacle (TADO) and the real obstacle area (ROA). When the real obstacle area is totally covered by the TADO, the coverage ratio is equal to 1.

5.2.2。查准率

一个障碍检测的精度比量化精度的策略。因为它所示(9),计算精度比减去1的检测误差。检测误差量化之和除以检测到区域外的障碍(DAOO)和nondetected区域的真正障碍(NDA)塔度、ROA的结合。查准率范围从0到1。值接近于0反映弱障碍检测,而值接近于1的意思是一个很好的障碍检测:

5.2.3。线路有效性

除了上述指标(精度和覆盖率),我们定义一个第三度规,措施的影响我们的障碍检测方案CE-OLSR路由决策的性能。使用线路路由决策的绩效评估有效性指标衡量一个给定节点的路由表的一致性与真实的网络拓扑。注意,在这两个OLSR CE-OLSR,每个路由表条目分只有到下一个网关,导致最终的目的地。因此,要知道整个路线向给定的目的地,我们必须经通过中间网关的路由表,直到到达目的地。给定的路线称为有效如果它确实存在在现实网络拓扑(如由模拟器维护)。标记为不可到达的路线在一个给定节点的路由表也称为有效如果他们不存在于真实的网络拓扑。在剩余的情况下,被认为是无效的。一个给定节点的路由的有效性的定义是有效的路线的百分比保留的路由表。

5.2.4。选择障碍检测参数

在我们的障碍检测方案,我们使用修剪的几个参数,控制操作,过滤,凹船体结构程序。对于每个参数,我们必须找到优化的价值我们的障碍检测方案的性能。

执行此选择/优化过程中,我们需要一个地面真理,我们测量障碍检测的质量。在这项工作中,我们使用构思指标(精度/覆盖率)作为地面真理我们执行参数选择过程。我们反复测试几所有参数值的组合。然后我们保持最佳性能的组合导致的平均精度和覆盖率。总而言之,我们测试了1296种组合为每个障碍大小,每个节点的速度,每个障碍类型(凸/凹)。

参数选择过程的伪代码描述了算法5。表1总结不同参数的值导致最佳的性能在任何情况下考虑。我们注意到以下参数组合运行在几个障碍大小和节点速度:“MaxToleratedFarness”= 45米,“MaxAngleAperture”= 5度,“LocalDensityRadius”()= 6米,“PercentageOfFilteredInformation”= 6%,“”= 8。

5.3。仿真结果

我们的模拟场景目标如下:(我)调查我们的障碍检测方案的能力检测凸障碍或障碍有轻微凹陷;(2)研究节点速度的影响以及障碍大小障碍检测的准确性;(3)评估我们的障碍检测方案的影响路线CE-OLSR的有效性;(iv)评估方案的存储复杂性。

5.3.1。障碍边界检测功能

在第一个模拟集,我们评估我们的能力障碍检测方案检测凸障碍和障碍有轻微的凹陷了。回想一下,我们的障碍检测方案不是怀孕首先处理凹障碍。然而,我们将展示我们的方案能够应对障碍有轻微的凹陷了。

图13(职责。,图14)描绘了覆盖率和精确率随时间的演变在MANET中包含一个凸(分别地。凹)障碍有中等大小,位于中心的网络。这里的节点速度设置为5 m / s。结果表明,覆盖率和查准率指标随时间逐步增加。但覆盖率度量收敛速度比查准率。

数据显示13和14,两个障碍类型(凸/凹),我们到达一个覆盖率大于或等于0.98在50秒。注意,对于一个凸障碍,覆盖比率略有下降(超过50年代)0.95。这轻微的降低是加上一个明显增加的查准率在200年代达到0.8。我们也注意到,查准率是更好的收敛速度的一个凸的障碍。中所描绘的一样,确实的数字13和14,两指标达到静止的政权在400年代的凸障碍(精度比= 0.85)。但在凹障碍的情况下,应跑到900年代达到这个静止的政权(精度比= 0.71)。图15显示了我们的单一障碍检测方案的结果获得了一个模拟时间等于1000秒。

请注意,我们的障碍检测方案提供了一个极好的覆盖率足够的查准率。回想一下,我们的目标是避免困难的假设认为在我们之前设想CE-OLSR协议与意识障碍(6]。在这样一个协议,每个节点应该是意识到地图驻留在网络领域的障碍。我们建议的障碍检测方案显示了轻微高估障碍区,但这并不是关键,只能进一步保护的障碍。相反,低估了障碍领域至关重要的路由协议可以选择链接,越过阻碍障碍。

5.3.2。节点速度的影响

我们现在调查的影响节点速度的精度和覆盖率指标。根据图16,覆盖率度量节点下降速度的影响。这样的行为可以解释的事实为低速的概率检测noncommunicating位置接近障碍物边界更高。跑后凹船体结构的步骤,挖掘真正的障碍区域的风险比在高速的情况下高。此外,你好消息的周期设置为2 s参与延迟感知节点的位置变化。随后,速度越高,我们越障碍检测方案高估了障碍区域。这个观察结果证实的图17。事实上,查准率指标与节点的增加速度降低。低2米/秒的速度,精度比指标随着时间的递增到1000年代仿真时间内达到0.85。但对于高速等于10 m / s的查准率几乎达到0.71相同的仿真时间(1000年代)。中5 m / s的速度,我们获得的平均性能的查准率相似的2米/秒。

5.3.3。障碍大小的影响

在第三组模拟,我们学习障碍的影响大小考虑评价指标。图18表明我们的障碍检测方案能够达到覆盖率大于0.95在50年代,所有被认为是凸的障碍大小。对于大型凸障碍,我们获得一个高覆盖率(0.99)比在几乎整个模拟时间,收敛时间。图19查准率度量表明障碍大小影响。事实上,对于大中型障碍大小,我们获得一个精度比大于0.83。但是对于小障碍的精度是0.74。此外,查准率度量的收敛时间的中小障碍比的一大障碍。对于一个中小型的障碍,我们在400年代达到稳定状态,但对于一个大障碍精度不断提高仿真的结束时间。

5.3.4。影响路径有效性

在第四组模拟,我们评估我们的障碍检测方案的后效应的路线CE-OLSR的有效性。图20.描绘了CE-OLSR的性能障碍检测的性能CE-OLSR意识有或没有障碍。在这些模拟,障碍检测是由每个节点每20年代。我们愿意减少了障碍的周期性检测及时路线上的障碍检测有效性的影响。正如我们前面所提到的,在实践中,障碍检测周期可以增加保护节点资源。注意,每个点图20.表示所有节点的路由计算的平均有效马奈的相应模拟瞬间。我们可以看到在图20.,路线CE-OLSR的有效性没有意识障碍地图是高度的影响相比CE-OLSR意识与障碍。与障碍CE-OLSR意识,路线有效范围在96%和100%之间几乎所有的时间。CE-OLSR没有先验知识的障碍地图,路线有效期间多次模拟会降到74%。当我们应用障碍检测计划,路线的有效性通过CE-OLSR变成了类似于CE-OLSR意识与障碍。注意,模拟时间少于60年代移动节点没有足够的障碍进行障碍检测的信息。在某些情节曲线(时间= 140年代、160年代和180年代),线路有效性通过我们的新构想的协议(CE-OLSR障碍检测)是更好的比CE-OLSR意识与障碍。这基本上是由于轻微高估的障碍区域避免使用薄弱环节(即。链接,通过障碍区附近)。事实上,这样的薄弱环节可能由于节点移动迅速被打破。

5.3.5。存储复杂性的影响

现在我们把调查的存储复杂性提出障碍检测方案。即使我们的障碍检测方案不添加任何底层协议信令开销,其操作需要一些额外的存储功能在每个节点参与马奈。事实上,在接待TC消息,每个节点可能推断出新的障碍信息必须存储在本地为以后使用。列表中推断出长时间的障碍的信息。每个信息由一对节点位置。因此,每个障碍的信息需要4倍需要存储一个整数。注意,默认情况下节点的位置在OMNET + +双。但是,对于我们的用法,我们只保留整数部分。数据21和22描述速度(职责的影响。,obstacle size) on the number of collected obstacle pieces of information. Figure21表明低2米/秒的速度节点收集更多的障碍信息比在更高的速度。这是一个预期的结果,因为对于这样一个低速,花更多的时间节点附近的障碍。随后,它更有可能发现新的障碍比更高的速度信息。图22显示一个媒介障碍节点收集更多的障碍信息比大或小凸障碍。这种行为本质上是由于传输范围(150米),直径接近障碍(边界框= 120×120)。由此可见,新的障碍信息检测的可能性减少,而在一个小障碍障碍大小的减少降低了寻找noncommunicating位置对的可能性。

6。结论

CE-OLSR的信号,这是OLSR的一样,用于自动和动态地推断出轮廓的静态障碍站在网络中。我们开发了一个自主障碍检测方案划定静态凸障碍。仿真结果表明,这种方案也能够界定障碍,轻微的凹陷了。

我们定义专用指标,即覆盖率和查准率,分别测量的能力,我们的障碍检测方案的真正障碍区和精度的检测。获得的结果显示我们的建议的有效性,因为它很好地覆盖整个障碍区域所有考虑大小和类型(凸/凹)障碍无论节点的速度。提出了检测方案提供了一个适当的精度比足够的自主有效地实现我们的目标,避免失效链接没有阻碍所造成的障碍“先验”知识地图的障碍。

我们建议的检测方案然后集成到CE-OLSR允许自动检测和避免网络中可能存在的障碍。仿真结果表明,CE-OLSR增强与我们提出的检测方案提供了相同的路由有效性CE-OLSR-OA它先天的知识地图的障碍。

正在进行进一步的调查检测多个移动障碍和一般凹障碍轮廓。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

作者扩展他们的感谢院长以来在沙特国王大学科研资助这项工作通过研究小组。以序列- 1436 - 002。