自组织竞争网络

无线自组网竞争类MAC协议分析及研究无线自组网是一种没有任何中心实体的，由一组带有无线通信收发装置的移动终端节点组成的自治性网络。

依靠节点间的相互协作可在任何时刻、任何地点以及各种移动、复杂多变的无线环境中自行成网，并借助多跳转发技术来弥补无线设备的有限传输距离，从而拓宽网络的传输范围，为用户提供各种服务、传输各种业务。

在现代化战场上，如数字化与自动化战场、各种军事车辆、士兵之间的协同通信、发生地震等自然灾害后、搜救与营救以及移动办公、虚拟教室、传感器网络等通信领域应用非常广泛。

其中MAC协议是无线自组网协议的基础，控制着节点对无线媒体的占用，对自组织网的整体性能起着决定性的作用。

从自组织网出现至今，MAC协议设计一直是研究的重点。

目前，移动自组织网采用的信道访问控制协议大致包括3类：竞争协议、分配协议、竞争协议和分配协议的组合协议(混合类协议)。

这3种协议的区别在于各自的信道接入策略不同。

由于MAC协议的研究主要集中在基于竞争的机制，本文着重针对竞争类协议中几种较常用的典型MAC协议进行对比分析，并在OPNET 仿真建模软件中创建出各协议的状态模型，这对无线自组织网络仿真研究及选择高效适用的MAC技术方案具有实际参考价值。

1 竞争协议的概念及特点竞争协议是使用直接竞争来决定信道访问权，并且通过随机重传来解决碰撞问题。

ALOHA协议和载波侦听多址访问CSMA 协议就是竞争协议的典型例子。

除了时隙化的ALOHA协议，大多数竞争协议都使用异步通信模式。

这种协议在低传输负荷下运行良好，如碰撞次数少，信道利用率高、分组传输时延小。

随着传输负荷的增大，往往使协议性能下降、碰撞次数增多。

在传输负荷很重的时候，竞争协议可能随着信道利用率下降而变得不稳定。

这就可能导致分组传输时延呈指数形式增大，以及网络服务的崩溃。

这就对MAC协议的设计提出了较高的要求。

当前无线自组网中MAC协议的设计面临如下几个问题。

1．1 隐藏终端和暴露终端无线自组网的无线信道是一个共享的广播信道，但它不是一跳共享的，而是多跳的共享信道。

竞争型神经网络是基于无监督学习的神经网络的一种重要类型，作为基本的网络形式，构成了其他一些具有组织能力的网络，如学习向量量化网络、自组织映射网络、自适应共振理论网络等。

与其它类型的神经网络和学习规则相比，竞争型神经网络具有结构简单、学习算法简便、运算速度快等特点。

竞争型神经网络模拟生物神经网络系统依靠神经元之间的兴奋、协调与抑制、竞争的方式进行信息处理。

一个竞争神经网络可以解释为：在这个神经网络中，当一个神经元兴奋后，会通过它的分支对其他神经元产生抑制，从而使神经元之间出现竞争。

当多个神经元受到抑制，兴奋最强的神经细胞“战胜”了其它神经元的抑制作用脱颖而出，成为竞争的胜利者，这时兴奋最强的神经元的净输入被设定为 1，所有其他的神经元的净输入被设定为 0，也就是所谓的“成者为王，败者为寇”。

一般说来，竞争神经网络包含两类状态变量：短期记忆变元（STM）和长期记忆变元（LTM）。

STM 描述了快速变化的神经元动力学行为，而 LTM 描述了无监督的神经细胞突触的缓慢行为。

因为人类的记忆有长期记忆（LTM）和短期记忆（STM）之分，因此包含长时和短时记忆的竞争神经网络在理论研究和工程应用中受到广泛关注。

竞争性神经网络模型图自组织特征映射神经网络（简称SOM），是由输入层和输出层组成的单层神经网络，主要用于对输入向量进行区域分类。

SOM是一种无导师聚类，能将一维输入模式在输出层映射成二维离散图形，此图形分布在网格中，网格大小由m*n 表示，并保持其拓扑结构不变，从而使有相似特征的神经元彼此靠近，不同特征的神经元彼此远离，最终实现区分识别样品的目的。

SOM 通过学习输入向量的分布情况和拓扑结构，靠多个神经元的协同作用来完成模式分类。

当神经网络接受外界输入模式时，神经网络就会将其分布在不同的对应区域，并且记忆各区域对输入模式的不同响应特征，使各神经元形成有序的空间分布。

当输入不同的样品光谱时，网络中的神经元便随机兴奋，经过SOM 训练后神经元在输出层有序排列，作用相近的神经元相互靠近，作用不同的神经元相互远离。

自组织网络SON所谓自组织网络（SON：Self-Organized Network）是由一组带有无线收发装置的移动终端节点组成的无中心网络，是一种不需要依靠现有固定通信网络基础设施的、能够迅速展开使用的网络体系，是没有任何中心实体、自组织、自愈的网络；各个网络节点相互协作、通过无线链路进行通信、交换信息，实现信息和服务的共享；网络中两个无法直接通信的节点可以借助于其他节点进行分组转发，形成多跳的通信模式。

自组织网络具有一系列的自主智能功能，比如自我配置、自我规划、自我优化、自我修复等等，可以自适应网络的变化，动态调整，使网络达到最佳。

在网络拓扑变动和链路断开的情况下，SON技术的自动愈合和自动组织特性增强了移动Adhoc网络的健壮性。

SON也能够保证优化带宽使用效率。

SON多跳路由技术扩展了Adhoc和网络的覆盖范围。

基于IP层的SON 技术，支持多种无线和有线接口。

SON将智能和自动化引入到移动通信网络中，使得运营商在运营复杂网络的同时能够以最低、最优化的资源给终端用户提供最优的网络性能和最优的业务体验。

SON避免了大量重复性的人工劳动，简化了流程，能够显著提高运营商的运营效率，提升整个网络的业务体验。

自组织网络中，每个移动终端具备路由器和主机两种功能：作为主机，终端需要运行面向用户的应用程序；作为路由器，终端需要运行相应的路由协议，根据路由策略参与分组转发和路由维护工作。

由于终端的无线传输范围有限，两个无法直接通信的终端节点往往会通过多个中间节点的转发来实现通信。

自组织网络同时具各移动通信网络和计算机网络的特点，可以看作是一种特殊的移动计算机网络。

自组织网络具有如下显著特点：（1）网络拓扑结构动态变化自组网中，用户终端的移动具有很大的随机性，加上无线发射装置发送功率的变化、无线信道间的互相干扰以及地形等综合因素的影响，网络的拓扑结构可能随时发生变化，而且这种变化的方式和速度难以预测。

（2）采用分布式控制方式在自组网中，不设专门的控制中心，把网络的控制功能分散配置到各节点，网络的建立和调整是通过各节点的有机配合实现的。

自组织网络中的自适应动态路由算法研究自组织网络是由一组自主节点组成的网络系统，它们在互联网上没有中央控制器。

这些节点通过无线信号相互连接，构成了一个分布式的网络结构。

由于它的灵活性和可靠性，成为了现代网络的一个关键技术。

而自适应动态路由算法则是自组织网络中保障数据传输的一项核心技术，本文主要探讨自组织网络中的自适应动态路由算法的研究现状。

一、自组织网络简介自组织网络是一种分布式的网络系统，它的一个主要特点是没有中央控制器。

节点之间通过无线信号建立连接，并可以根据需要自动组建或解散网络。

自组织网络可以同时使用多种通信技术，例如移动节点和无线传感器网络。

这种网络结构能够提供高可靠性和灵活性，因为它们具有去中心化、分布式、无线连接、自治、可扩展和灵活性等特征。

目前，自组织网络已经在各个领域得到应用，例如车联网、无人机网络、智能家居等等。

二、动态路由算法概述动态路由算法是指在网络中最佳寻路算法，它利用不同节点之间的链路状况动态地选择最佳路径。

自适应动态路由算法就是在网络拓扑时发生变化时，能够自动确定新的路由表。

自适应动态路由算法的本质是通过路由选择器，根据网络拓扑变化和链路状况来动态调整节点之间的路由路径，以确保数据传输的高效性和可靠性。

三、自适应动态路由算法的分类根据网络的特点和适用场景不同，自适应动态路由算法可以分为以下几种类型。

1.状态-响应路由算法。

状态-响应路由算法是根据每个节点对当前链路状况进行监测和评估的。

当链路质量发生变化时，路由就会根据新状况进行优化。

每个节点将实时更新邻居之间的距离，而这个距离代表了从一个点到另一个点的链路状况。

例如，OSPF和BGP路由协议就是典型的状态-响应路由算法。

2.分布式虚拟路径路由算法。

分布式虚拟路径路由算法是指网络中的节点会形成一个虚拟网格，每个节点在路由时就按照一定的分布式算法来进行路由，例如Ad-Hoc On-Demand Distance Vector Protocol（AODV）和Destination-Sequenced Distance Vector（DSDV）。