链路选择

2024-09-05

链路选择（精选5篇）

链路选择篇1

0引言

多种无线网络的存在,如LTE、WLAN、无线城域网、 3/4G、MANET网络等,由于每种网络中的用户数量与用户数据交流的数据大小不同导致每个网络在每个时刻的带宽使用情况不同。如何能够选择带宽较大(即网络比较空闲)的传输路径在短时间内完成用户的数据交流是用户对网络服务质量的评判标准之一。同时,当用户从一个无线环境移动到另一个无线环境中时,发送数据的速率到底该为多大(如当切换到新网络时,如果TCP/SCTP从慢启动状态重新开始,则效率低下),这时带宽的估算显得尤为重要。于是产生了一些用于相关用途的测量工具,如Pathchar(Jacobson 1997)［１］、Clink(Downey 1999)、Pchar (Mah 2005)［２］等。

1测量算法原理

采用测量工具进行网络带宽估算的方式,一般分为主动测量和被动测量两种。主动测量方式通过主动发送测量包来获取相应网络环境中的网络数据,可以获知端到端的带宽情况,通常不需要多个网络节点间的协作,具有灵活方便、可操作性强等优点。在进行大规模网络带宽测量初期或满足网络用户日常的测量需求时,主动测量是一种快速有效的方式。被动测量方式使用接入网络的探针来记录和统计路径上数据包的网络特性,难以了解端到端的性能,并且在测量异构网络路径带宽时需要多方协作,因此测量范围受限,实现复杂度较高。在高速的异构网络中,测量结果的准确性依赖于探针的性能和采用方法。另外,被动测量需要捕获和分析用户数据包信息,可能会侵犯用户隐私,影响网络安全。

包对算法［３］是Robert L Carter和Mark E Crovella提出的,用来测量路径的瓶颈带宽,该算法在Linux系统下已得到证实。它通过同时发出多个连续的数据包,使它们在路径瓶颈处排队,利用相邻两个数据包通过瓶颈路径的时间间隔计算出瓶颈路径的带宽,如图1所示。基于数据包对算法的工具有很多,例如Pathload［４］。

目前Internet中使用的可靠传输协议(如TCP、 SCTP),在建立连接或基站切换的初始阶段,默认情况下都通过“慢启动”方式来探知新路径的端对端瓶颈带宽,也有基于带宽估算的TCP变体(如TCP Westwood),但这种基于带宽估算的机制在拥塞窗口大小的控制上仍存在一些缺点(如瞬时流量的变化会使测量结果在一定程度上与实际带宽不符)。如果能通过一种简单的端到端的测量方法测得相应时间内的网络带宽,从而为多媒体流、大数据传输提供可靠的依据,在一定程度上将会提高传输协议的性能,从而提高网络利用率。

因此,本文在终端采用对于网络和终端透明的带宽预测技术,为移动用户数据发送速率的设定提供依据,进而提高网络利用率。在无线网络环境中,瞬时流量的变化会使测量结果在一定程度上与实际带宽不符。为此,本文利用非参数估计方法中的核密度估算方法来减少突发流量对测量结果的影响。主要采用数据包对的算法计算端到端的可用带宽,这种方法容易嵌入SCTP协议中,从而达到优化。

2端到端带宽测量模型

假设一条路径由n个节点串联而成,则:

其中,参数A为路径的瓶颈带宽,Cｉ为路径上第i跳(由第i和第i+1个节点构成)链路的带宽值,n-1为路径上的总跳数。通过上式可以获知,如果在该路径上移动用户以速率A或小于A的速率发送数据,数据包则会以较快的速度通过路径到达终端,相反则会在较窄的链路处造成网络拥塞,网络时延加大,吞吐量下降。假如发送速率过大,则会造成数据包大量丢失,严重时会发生Time- out,从而导致带宽利用率大大下降。依据香农理论,信源的发送速率必须小于或等于信道容量。因此,当源端带宽远大于路径瓶颈带宽,形成带宽瓶颈时,会导致数据包在网络节点排队等待,造成网络拥塞。

端到端的数据传输可以看作是n对数据包从源节点M０经过i条链路最终到达目的节点Mｎ的传输过程。链路i上的带宽值为Cｉ,路径的瓶颈带宽为A,数据包的长度为L。数据包从源端到目的端的途中所用的时延包括发送时延、传播时延、处理时延以及排队时延,这里主要考虑传播时延。数据包k、k+1到达目的节点Mｎ的时间间隔为:

带宽的计算为:

数据包之间的时间间隔会受到干扰流量影响,此时会比实际数据包之间的间隔时间增大或减小,当不受干扰流量限制时,则会符合实际情况,具体情况如下:

(1)当第k个数据包在传输过程中,在其前方有干扰流量插入,这时会导致第k个数据包的排队延时增加,而第k+1个数据包此时以原速率传输,从而导致第k个数据包与第k+1个数据包的时间间隔减小。由式(2)可知, 这种情况会导致测量计算的带宽比实际带宽偏大,如图2所示。

(2)当第k个数据包在传输过程中,与第k+1个数据包之间有干扰流量介入,此时会导致第k+1个数据包的排队与第k个数据包的时间间隔大于其正常情况下的时间间隔,从而会导致测量计算的带宽比实际带宽偏小,如图3所示。

(3)当第k个数据包在传输过程中,没有干扰流量的介入,这时计算所得的测量值即为实际情况下的带宽值, 如图4所示。

3多环境下端对端最优路径选择方案——— GPA算法/机制

本文提出的路径瓶颈带宽的估算方法是将包对算法与统计学中的非参数统计的核密度估算方法相结合,可以减少干扰流量对带宽测量结果的影响。核密度估算方法中,在已知某一事物概率分布的情况下,如果得到的某一个事物在观察中出现在已知的概率分布范围内,则可以认为该事物的概率密度相对较大。同理,和这个事物接近(如距离、范围、程度)的概率密度也会较大,而那些离该事物远的概率密度则较小。基于这种想法,本文将其用于带宽的估算上,在此过程中可以针对每一个测量出的结果拟合出概率密度分布函数。该概率密度函数的核函数为:

其中h为带宽(与本文所测带宽不同),{x１,……,xｎ} 为带宽的测量结果样本序列。对于减小干扰流量对测量结果的影响还有其它两种方法。一是利用平均值估算带宽值,在这种情况下,测量的边界值会大大影响最后的结果,导致误差太大,测量失败;二是利用直方图来测量,它的一个缺点是很难选择一个合适的箱尺寸。一方面,如果箱尺寸太小,则许多正常对象会落入空的或稀疏箱,从而被误识别为离群点。这将导致很高的假正例率和低精度; 另一方面,如果箱尺寸太大,则离群点对象可能渗入某些频繁的箱中,因而假扮成正常的［５］。所以综合考虑,为了解决这些问题,可以采用核密度估计来估计数据的概率密度分布,进而估算网络带宽值。

4实验

4.1实验背景

本实验的场景如图5所示,MN是移动用户,在移动到3G网络与WLAN交叉的环境下,MN进行数据传输之前,如果能知道各个无线网络环境的带宽,则可以选择合适的速率进行数据包发送,使数据包丢包率降低,网络吞吐量增加,数据可以以较快速度进行传输。本实验中假设AP１、AP２分别与3G网络基站、WLAN网络基站连接,移动端MN通过AP１、AP２分别测量各自的路径带宽,通过比较路径带宽大小来选择发送数据包的路径。MN会依据测量结果选择较优路径进行数据传输,从而提高路径利用率。在实际测量过程中,很难像实验那么理想,在干扰流量干扰的情况下,带宽测量结果偏大或偏小都会使移动终端发送数据速率比实际路径带宽偏大或偏小,从而导致网络拥塞或利用率不高。

4.2实验过程

实验在ns2环境下进行。如图6所示,节点n０表示现实中3G无线网络的AP,n１表示现实中WLAN无线网络的AP,n２、n３、n４代表现实中链路上的节点,n６、n７分别代表现实中的n１、n０所对应的接收端。

n０与n６之间建立的是以UDP为通信协议的CBR连接,n１与n７之间建立的是以SCTP为通信协议的FTP连接。n０~n２、n１~n２、n５~n６、n５~n７之间的带宽为10Mbps,延迟时间为10ms;n２~ n３之间的带宽为15Mbps,延迟时间为7ms;n３~n４之间的带宽为3Mbps, 延迟时间为5ms;n４~n５之间的带宽为10Mbps,延迟时间为6ms。

在实验过程中,在0ms时开始发送10个FTP数据包,在0.4ms时以速率2Mbps发送CBR数据包,并且同时发送5个FTP数据包,在0.6ms时结束CBR数据包发送,在1.0ms时结束所有数据包发送。实验测得的带宽值根据GPA算法中h值的不同分别如图7~ 图9所示。

根据上图可知:1当h=0.3时,密度函数曲线比较粗糙,如图7所示;2当h=1时,密度函数曲线比较平滑, 较为理想,如图8所示;3当h=3时,密度函数曲线最平滑,但是信息损失较多,如图9所示。

在这部分实验中,若采用平均值对实验结果进行处理,得出的带宽值为2.2Mbps,远远大于实际瓶颈带宽值, 主要原因是受边界数值影响而造成测量值偏大。若采用直方图估算,则受箱尺寸影响,估算结果同样不准确。

4.3实验结果

综合以上实验结果,实验验证最后选取h=1的结果作为0.4~0.6秒之间的带宽值,即在这个时间段内的带宽值为0.87Mbps。因此,在该时段内发送数据包将会大大减少网络拥塞现象发生。该结果与假设的带宽1Mbps虽然不完全相等,但是已经很接近,达到了本实验目的。

5结语

在多环境下,准确测量路径瓶颈带宽是移动通信中正确进行切换的基础,很多端到端瓶颈带宽的测量方法已经得到了一定应用,大方向主要包括主动测量和被动测量。本文进行了在多种无线网络环境中基于主动测量,通过测量端到端路径的瓶颈带宽来选择较优路径进行数据的传输实验,并给出实验结果。其主要思想是利用包对测量算法与非参数估计方法结合来优化测量结果,达到了比较好的预想结果,使移动终端能够根据测量结果选择较优路径进行数据传输。本方法操作简便,容易扩充和实现。然而此方法仍然存在一定不足,例如在较多路径的选择中,如何快速而又使移动终端在负载轻的条件下通过路径估算来进行数据传输,这也是将来需要改进的方向。

链路选择篇2

多径效应引发的衰落现象严重影响到无线通信的传输可靠性[1]。Sendonaris和Laneman等人在协作分集领域的奠基性工作为解决无线信道的衰落问题带来了新的希望[2,3]。

随着无线通信技术的高速发展,频谱资源越来越匮乏。J. Mitola博士1999年提出的认知无线电技术 (Cognitive Radio, CR) 为解决频谱资源匮乏的问题指明了新的方向[4]。频谱共享技术作为认知无线电的关键技术之一,有效地提高了无线频谱的利用率。在频谱共享环境下的无线通信系统同样存在衰落现象,因此,频谱共享与协作分集技术的结合成为了目前无线通信研究的一个热点。

在以往,对频谱共享下协作分集技术研究中[5,8],通常采用固定两阶段传输的放大转发(amplify-and-forward scheme,AF)传输策略和译码转发(decoded-and-forward scheme,DF)传输策略。这种固定两阶段传输,造成信息传输谱效率的降低,与频谱共享的本质是相悖的,若在信息传输之前对最佳传输链路进行选择,可以有效地提高信息传输谱效率[9]。对频谱共享下协作分集系统传输链路选择时,通常将链路选择集中于某个节点,在本文中称这种方式为中心式链路选择算法。然而,系统采用中心式链路选择算法时,由于需要链路状态反馈至决策节点,造成了系统反馈开销和链路选择时延的增加,不利于在实际通信系统中应用。

因此,本文以频谱共享下三节点协作分集系统为模型,提出一种分布式链路选择算法以降低系统反馈开销和链路选择时延。

1 系统模型

本文系统模型由两部分组成,即提供共享频谱资源的一级用户(Primary User,PU)和二级系统(Secondary System,SS)组成,如图1所示。

SS为基本的三节点模型,基站(Base Station,S)通过中继(Relay,R)采用AF传输策略与目的节点(Destination,D)进行通信。假设所有终端均为单天线,且所有节点都工作于半双工模式,系统任意两节点间的信道均经历独立的瑞利衰落。

PU采用Underlay的方式与SS共享其频带,即SS对PU干扰必须小于PU的干扰温度值Q。以往研究中,通常采用反馈SS与PU之间信道状态信息的方式,以控制SS中节点发射功率达到减小SS对PU影响的目的[4,5,6,7]。设S和R发射功率的峰值均为P,其实际发射功率PS和PR。因此, S和R的实际发射功率如式(1)所示:

式(1)中,|hSPU|2和|hRPU|2分别为S与PU及R与PU之间信道系数,服从均值为ΩSPU、ΩRPU的指数分布。

为分析方便,以X、Y、W分别表示S→R、R→D及S→D信道的瞬时链路信噪比(Signal Noise Ratio,SNR),即 $X = Ρ_{S} | h_{S R} |^{2} / Ν_{0}$ , $Y = Ρ_{R} | h_{R D} |^{2} / Ν_{0}$ , $W = Ρ_{S} | h_{S D} |^{2} / Ν_{0}$ 。其中,|hSR|2、|hRD|2和|hSD|2分别服从均值为ΩSR、ΩRD和ΩSD的指数分布,N0表示高斯白噪声均值。

2 算法描述

所谓最佳传输链路选择是指在每次信息传输之前,以选择最大端到端信噪比为原则,选定直传链路(S→D)或协作链路(S→R→D)作为最佳传输链路。文献[10]在考虑直传链路存在情况下,给出了一种最佳传输链路选择准则,如式(2)所示。

$Ζ = \max [W ‚ γ_{ϕ}] (2)$

式(2)中,W表示经直传链路,D处获得的传输信噪比,γφ表示经协作链路,D处获得的传输信噪比。对可变增益的AF传输策略来说,γφ的取值如式(3)所示。

$γ_{ϕ} = \frac{X Y}{X + Y} (3)$

系统采用中心式链路选择算法时,若以S作为最佳链路选择的决策节点,S在每次信息传输之前,需要对比W与γφ大小。对S来说,其作为S→R,S→D链路一端,对于X、W的获取比较容易,但对于Y值通常需经R→S或者D→S链路进行反馈。

系统分布式算法时,若仍以节点S作为链路选择决策节点,但所有节点均参与链路选择的过程。研究表明,在高SNR下,γφ近似等于min[X,Y]。根据这一特点,具体分布式链路选择算法过程如下:

在S处,X<W时,选择直传链路作为信息传输链路,否则,S发送‘0’到D。

在D处,Y>W时,选择中继链路作为信息传输链路,D发送“1”到S,反之,D发送“0”到S,选择直传链路作为信息传输链路。结合频谱共享协作分集系统模型,分布式算法具体流程,如图2所示。

综上所述,分布式链路选择算法的最终结果,如表1所示。

3 算法性能分析

本小节中以中断概率和平均信息传输谱效率作为分析指标,对系统性能进行分析,并结合算法设计的目的,对链路选择反馈信息和链路选择时延大小的进行对比。

3.1 中断概率分析

从数学角度讲,对于预设的传输速率Rs bit(s·Hz-1),中断事件发生在直传和中继链路都失败的情况下。因此,采用分布式选择算法的中断概率可表示为:

$\begin{array}{l} Ρ_{o u t} = \frac{Ρ r (X > W, Y > W, X Y / (X + Y) < τ = 2^{R s} - 1)}{Ι_{1}} + \\ \frac{Ρ r (\min [X ‚ Y] < W ‚ W < τ)}{l_{2}} (4) \end{array}$

分别计算I1和I2。首先,I1可表示为

$Ι_{1} = \int_{0}^{\infty} f_{W} (w) \frac{Ρ r (X > w, Y > w, X Y / (X + Y) < τ)}{θ} d w$ 。

对于上式的计算,通过分析,可以分别考虑三种情况:(1) w<τ; (2) τ<w<2τ;(3) w>2τ。对于θ计算十分复杂,且不能得到一个准确闭式解,因此,转而求解θ的上下界。

$θ < Ρ r (\min [X, Y] > w, \frac{1}{2} \min [X, Y] < τ) = θ^{U B}$ (5a)

$θ > Ρ r (\min [X, Y] > w, \min [X, Y] < τ) = θ^{L B}$ (5b)

经分析可以求得对于X、Y、W的分布函数如式(6)所示。

${\begin{cases} F_{X} (x) = (1 - e^{- Q / (Ρ Ω_{S R})}) (1 - e^{- Ν_{0} Q x / (Ρ Ω_{S Ρ U})}) + \\ e^{- Q / (Ρ Ω_{S R})} {1 - [Q Ω_{S Ρ U} / (Q Ω_{S Ρ U} + Ν_{0} Ω_{S R} x)] e^{- Ν_{0} Q x / (Ρ Ω_{S Ρ U})}} \\ F_{Y} (y) = (1 - e^{- Q / (Ρ Ω_{R D})}) (1 - e^{- Ν_{0} Q y / (Ρ Ω_{R Ρ U})}) + \\ e^{- Q / (Ρ Ω_{R D})} {1 - [Q Ω_{R Ρ U} / (Q Ω_{R Ρ U} + Ν_{0} Ω_{R D} y)] e^{- Ν_{0} Q y / (Ρ Ω_{R Ρ U})}} \\ F_{W} (w) = (1 - e^{- Q / (Ρ Ω_{S D})}) (1 - e^{- Ν_{0} Q w / (Ρ Ω_{S Ρ U})}) + \\ e^{- Q / (Ρ Ω_{S D})} {1 - [Q Ω_{S Ρ U} / (Q Ω_{S Ρ U} + Ν_{0} Ω_{S D} w)] e^{- Ν_{0} Q w / (Ρ Ω_{S Ρ U})}} \end{cases} (6)$

在高SNR下近似可得到X、Y、W的分布函数的渐进表达式如式(7)所示。

${\begin{cases} F_{X} (x) = (x / γ) (1 / Ρ Ω_{S Ρ U} + e^{- Q / (Ρ Ω_{S R})} Ω_{S R} / Q Ω_{S Ρ U}) \\ F_{Y} (y) = (y / γ) (1 / Ρ Ω_{R Ρ U} + e^{- Q / (Ρ Ω_{R D})} Ω_{R D} / Q Ω_{R Ρ U}) \\ F_{W} (w) = (w / γ) (1 / Ρ Ω_{S Ρ U} + e^{- Q / (Ρ Ω_{S D})} Ω_{S D} / Q Ω_{S Ρ U}) \end{cases} (7)$

利用式(5a)来求I1的上界,令a=min[X,Y],则a的累积分布函数为:

Fα(t)=FX(t)+FY(t)-FX(t)FY(t)=

(t/γ)(1-e-Q/PΩSR)[ΩSPUΩRPU/P(ΩSPU+ΩRPU)+

ΩRDe-Q/PΩRD/QΩRPU]+(t/γ)[(1/PΩRPU+

ΩRDe-Q/PΩRD/ΩRPU)Γ(1,Q/PΩSR)+

1/(QΩSPUΩSR)Γ(2,Q/PΩSR)]。

其中,Γ(.,.)表示不完全Gamma函数。因此,可以求得I1的上界为:

$\begin{array}{l} Ι_{1}^{U B} = F_{α} (2 τ) F_{W} (2 τ) - \int_{0}^{2 τ} f_{W} (w) F_{α} (w) d w = \\ F_{α} (2 τ) F_{W} (2 τ) - F_{α} (2 τ) F_{W} (τ) (8) \end{array}$

对于其下界,只需将式(8)中的2τ变为τ即可,之后求得I2的值为:

I2=∫ $_{0}^{τ}$ fW(w)Fα(w)dw=FW(τ/2)Fα(τ) (9)

通过上述计算,可以得到中断概率的上界和下界表达式。通过表达式,可以清楚的看到,中断概率与γ-2成正比,系统可以获得2阶分集增益,即满分集增益。

3.2 平均信息传输谱效率

对传输链路选择的另一个目的在于提高系统采用AF传输策略时系统信息传输谱效率。

通过对分布式链路选择算法描述,可以看出,采用分布式链路选择算法时,信息传输过程可以分为两类,一类是选择直传链路作为最佳传输链路,此时,信息传输过程需要一个时隙,另一类是选择协作链路作为最佳传输链路,信息的传输需要两个时隙。因此,采用分布式链路选择算法对传输链路进行选择,可以提高固定两阶段传输策略的信息传输谱效率。

设在采用直传链路时,信息传输谱效率为Rs bit/s/Hz,而协作链路作为最佳传输链路时,系统的传输效率为直传效率的1/2。因此,通过上述分析,信息传输的平均谱效率为,式(10)所示:

$\bar{R}_{s} = R_{s} Ρ r (X < W) + \frac{R_{s}}{2} Ρ r (X > W) (10)$

3.3 反馈信息及时隙比较

研究表明,每次传输信息的反馈信息在大于等于4 bit时,才能保证系统性能不受反馈信息误差的影响[10]。因此,在采用中心式链路选择算法时,每一次链路选择至少需要12 bit的反馈信息。

若系统采用分布式链路选择算法,假设两种极限情况。第一种情况:即系统完全可以根据第一跳信道状态选择出最佳传输链路,系统需要反馈开销为4bit,仅需要PU对S反馈信息即可;第二种情况:系统在信息传输过程,需要利用第二跳信道状态信息才能选择出最佳传输链路,系统需要11 bit反馈信息。因此,系统总的反馈开销为:

$11 Ρ r (X > W) + 4 Ρ r (X < W) < 11$ bit (11)

3.4 时延分析

由于链路选择过程会对系统造成时延,而时延是影响系统性能的一种因素。假设系统的每一次信息反馈造成时延为1,则采用中心式算法时,系统链路选择总时延为3,即PU对S和R信息反馈、R与D之间信道状态信息反馈到S处。

若系统采用分布式链路选择算法,时延分析过程与反馈信息分析过程相近,也是在假设两种极限情况进行分析。

第一种情况:即系统完全可以根据第一跳信道状态选择出最佳传输链路,此时系统产生时延为1,仅需要PU对S反馈信息即可。

第二种情况:系统在信息传输过程中必须全部利用第二跳信道状态信息才能选择出最佳传输链路。这种情况下,由于R参与到链路选择过程中,PU需要对PU与R之间信道状态信息进行反馈,造成时延为1。由于D需要将链路选择结果D反馈信息到S,又会造成1次时延。因此,在这种情况下,系统总反馈时延为3。

通过上述描述,得到系统链路选择总的反馈时延表达式,如式(12)所示:

$1 < 1 Ρ r (X < W) + 3 Ρ r (X > W) < 3 (12)$

4 仿真验证

频谱共享下三节点协作分集系统模型:对分布式链路选择算法,在Matlab环境下进行了Monte Carlo仿真。

图3为二级系统的中断概率随干扰温度Q变化的理论曲线。参数设置分别为ΩSR=ΩRD=ΩSD=0.1,传输功率P分别为4 dB和6 dB,噪声功率N0=1 dB。由图3可以看出,当干扰温度Q的取值增大到一定程度时,即PU对二级系统的容忍性极好时,系统的中断概率趋于常数,说明此时系统的中断概率不受干扰温度Q影响。同时,在P小于Q时,系统的中断概率受到Q的影响比较大,干扰温度越大系统可以达到的中断概率越小。中断概率的拐点出现在P=Q附近。

图4分布式链路选择算法仿真曲线。根据图3的仿真结果,设置干扰温度Q=100 dB,系统可以达到最大中断概率趋于常数,其他参数设置分别为ΩSPU=ΩSR=ΩRPU=ΩRD=ΩSD=0.1,中心式算法每个反馈信息采用4 bit。由图4可以看出,分布式链路选择算法与中心式链路选择算法的系统中断性能相近,均可获得2阶分集增益。验证了分布式链路选择算法在链路选择中时的可行性。

由于信道衰落性能与终端之间的距离有一定关系[10]。X与W比较在分布式链路选择算法中,对提高信息传输谱效率、减少系统链路选择的量化反馈开销和时延起到决定性作用,因此,如何放置协作节点位置,使系统根据X与W就能准确得到链路选择结果值得探究。设K1作为节点R与S之间距离和S与D之间距离比值,对系统采用分布式链路选择算法的平均信息传输谱效率、链路选择时延及反馈信息大小进行仿真,仿真结果如图5—7所示。

由仿真结果可以看出,系统性能随节点R与S之间距离和S与D之间距离比值的变化而不断改变。当协作节点位置放置合适时,采用AF传输策略的平均传输谱效率接近于直传的传输谱效率;系统链路选择造成的反馈开销和时延趋于常数。根据这种变化趋势,可以为协作节点的位置选择提供一定的理论依据。

5 小结

文章对频谱共享下采用AF传输策略协作分集系统链路选择问题进行研究,提出了一种分布式链路选择算法。研究表明,分布式链路选择算法在获得与中心式链路选择算法相近系统性能的同时,能有效降低链路选择的反馈开销和时延。本文的研究是在频谱共享下基本三节点协作分集系统基础上进行的,对更复杂协作分集系统采用分布式链路选择算法值得进一步深入。

摘要：对频谱共享下采用放大转发传输策略的基本三节点协作分集系统链路选择问题进行研究。提出了一种分布式链路选择算法。理论分析了系统采用建议算法时中断概率上界和下界的表达式。研究结果表明,建议算法能获得与传统算法相近系统性能的同时,能有效地减少系统链路选择的反馈开销和时延。

关键词：协作分集,频谱共享,分布式算法,分集增益

参考文献

[1] Proakis J D.Digital Communications. 4th Ed., NewYork, McGrawHill Inc,2001

[2] Sendonaris A, Erkip E,Aazhang B. User cooperation diversity-part I: system description. IEEE Trans Commun, 2003;51(11):1927—1938

[3] Laneman J N,Tse D N C, Wornell G W. Cooperative diversity in wireless networks: Efficient protocols and outage behavior.IEEE Trans Inf Theory, 2004;50(12):3062—3080

[4] Miltola J.Cognitive radio:an intergraded agent architecture for soft-ware defined radio.Royal Institute Technology:PhD thesis,Stock-holm,2000

[5] Sagong S, Lee Jemin, Hong Daesik. Capacity of reactive DF scheme in cognitive relay networks. IEEE Trans Commun, 2011;10(10):3133—3138

[6] Han Yang,Ting S H, Pandharipande A. Cooperative spectrum sharing protocol with selective relaying system. IEEE Trans on Commun,2012;60(1):62—67

[7] Lu Yao,Wang Xiaoxiang,Yang Nan.Outage probability of coopera-tive relay networks in two-wave with diffuse power fading chan-nels.IEEE Trans Commun,2012;60(1):42—47

[8] Hong J P, Hong B,Ban T W, et al.On the cooperative diversity gain in underlay cognitive radio systems. IEEE Trans Commun, 2012;60(1):209—219

[9] Ding Haiyang,Ge Jianhua,da Costa D B,et al.Link selectionschemes for selection relaying systems with transmit beamforming:new,efficient proposals from a distributed concept.IEEE Trans Ve-hicular Technology,2012;61(2):533—552

链路选择篇3

近年来,无线个域网已经成为人们关注的热点问题。无线个域网除了需要提供尽可能高的数据传输能力之外,还必须有灵活有效的控制管理方法,在保证服务质量的前提下,提高资源的利用效率。因此,作为协调QoS和无线系统资源使用的关键,调度机制的设计是系统设计的重要组成部分。

已有的一些无线通信系统,其调度算法多是从网络的传输能力、网络QoS出发来设计的。文献[1]、[2]考虑了系统的吞吐量,但是这些系统在吞吐量增加的同时无法确保网络的公平性和业务QoS;部分调度算法[3,4]将用户的业务流类型考虑进来,可以有效的提高系统的吞吐量,同时保证QoS,但是对于信道变化无法做出相应的调整;文献[5]中提出一种具体预约资源的新方案,但是同样也没有考虑到通信的信道环境。其他的一些如文献[6]是基于信噪比门限值的检测,将系统的吞吐量和业务QoS结合起来考虑,但其吞吐量的提高并不明显,而且调度策略的调整不灵活。因此,设计一种灵活的调度机制,能自适应无线信道,同时兼顾业务QoS,是十分必要的。

与上述工作不同,本文考虑的是基于超帧结构的高速宽带无线个域网时隙调度策略问题,将通信信道状况和业务QoS结合起来考虑。利用MAC的交互信息,各个链路能够获知当前信道的状况,从而获得一个实时最优链路帧长;同时中心节点也能够从交互信息中获知各个链路的业务QoS需求,为算法提供依据。在调度算法上,从协议层面上真正的将上述两者结合起来,同时通过控制参数k可以决定优先考虑的是哪一方面。通过调整k,信道条件恶劣时可在保证通信质量基础上提高系统的吞吐量;而信道质量良好的环境中,优先考虑网络QoS需求,使得各个链路的实际发送数据与满足服务曲线的要求偏差最小。从而达到在保证网络QoS的基础上提高系统吞吐量,同时又能灵活有效地调度资源。

本文剩余部分组织如下:第二节介绍系统模型,包括网络结构、MAC协议以及QoS模型;第三节介绍算法原理,第四节给出仿真结果和分析,最后是结论以及下一步工作方向。

2 系统模型

个域网中有多个节点,其中一个充当中心节点,负责网络控制信息的处理,但是在业务数据的处理上,各个节点都是平等的,节点之间的数据传输并不需要中心节点进行转发。

采用的MAC协议是基于IEEE 802.15.3a的超帧框架[7],见图 1。超帧中有M个大的传输时隙,每个大时隙又包含多个小时隙,我们称小时隙为时间片,时间片的大小固定,同时每个大时隙内传输的数据帧数目K固定。超帧长度就仅仅与每个时隙长度有关,而时隙是分配给各个的链路使用,因此最终整个超帧长度是与链路的数据帧长度有关。

考虑到网络中链路的QoS需求 ,采用基于"服务曲线"的控制模型[6,8]。

设Si(t)是非递减时间函数,如果在任意时刻t2,当会话i有分组滞留时,都存在一个时刻t1(t1< t2),t1是会话i的滞留期的起始时刻使得下面的式子成立:

$S_{i} (t_{2} - t_{1}) \leq W_{i} (t_{2} - t_{1}) (1)$

其中Wi(t2-t1)是会话i在时间间隔(t1,t2)内实际接收的服务。那么我们说会话i被保证了服务曲线Si(t)。

可以采用下面的算法来保证服务曲线:给定服务曲线Si(t),可以计算底限曲线Di(t):

$D_{i} (t) = \min_{u \in B_{j} (s)} (S_{i} (t - u) + W_{i} (0, u)) (2)$

式中,Bj(s)是所有不大于s的滞留期的起始时刻集合。底限曲线Di(t)表示为保证服务曲线Si(t)在时间间隔[0,t]内最少应该接收的服务数量。Di(t)可以通过以下的迭代算法进行计算:

在会话第一次有分组滞留时,Di(t)初始化为服务曲线Si(t),之后在第n次有分组滞留的起始时刻a $_{i}^{n}$ ,Di(t)由下面的式子更新:

$D_{i} (a_{i}^{n}; t) = \min {D_{i} (a_{i}^{n - 1}; t), S_{i} (t - a_{i}^{n}) + W_{i} (0, a_{i}^{n})} (3)$

假定网络内有N条链路,每条链路的QoS要求用相应的服务曲线进行描述。Di(t)和 Si(t)分别表示链路的底限曲线和服务曲线,Wi(t)是链路在时间(0,t)内实际发送的业务量。由于信道的变化,使得链路发送的业务量不能始终满足服务曲线的要求。定义t时刻的偏差量为:

$V_{i} (t) = \max {D_{i} (t) - W_{i} (t), 0} (4)$

系统的偏差量为:

$D (t) = \sum_{i = 1}^{Ν} V_{i} (t) (5)$

由上面的式子可以看出,当链路发送的业务量超过底限曲线的需求时,偏差为0;否则偏差等于底限曲线与实际发送业务量之差。

3 算法原理

在无线环境下,调度机制仅通过"服务曲线"模型来考虑QoS是不够的。因为在无线信道发生变化的时候,调度机制无法作出相应的调整;由于QoS优先保证,网络的其他性能如吞吐量等必然恶化。因此本文引进最优帧长,用于自适应信道变化。

3.1 最优帧长及网络吞吐量

给定链路Li,可以得出归一化有效数据吞吐量[9]:

$\frac{G_{W L}}{R_{C}} = \frac{L}{L + Η + Ο} (1 - Ρ_{b})^{L + Η} (6)$

其中L为用户数据帧长;H为MAC控制信息;O为物理层控制信息;RC为信道比特流数据率;Pb为信道的误比特率;GWL为用户的有用数据。H、O、RC固定,给定一个Pb ,GWL是L的函数,这样就可以得到链路的最优帧长L0(Pb),当数据帧长度为L0(Pb)时,链路能正确传输最多的比特数。同时随着信道状况的变化,Pb也是一直变化的,不同时刻L0(Pb)也是不同的。在时刻t,对于一个存在N条链路的网络而言,每条链路都可以根据当前的信道状况选择一个最优的链路帧长,分别为Li(t),i=1,2……N。

网络的吞吐量V,链路以相同的速率V0进行传输,记 $Q = Κ \sum_{n = 1}^{Μ} L_{n}^{*} ‚ L_{n}^{*}$ 为使用第n个时隙进行传输的链路最优数据帧长,LSF为超帧的长度,则有:

$V = \frac{Κ \sum_{n = 1}^{Μ} L_{n}^{*}}{L_{S F} / V_{0}} = \frac{Q V_{0}}{Η + Q} (7)$

为了使网络的吞吐量最大,Q应取到最大值。而Q的取值与最优帧长有密切的关系。从N个最优链路帧长中选取最大的M个即可以满足Q取到最大值,即选取N个链路中信道质量最优的M个进行传输;对于协议而言,链路状况能够通过CAP帧发送到中心节点,中心节点实时更新这些链路状况表,并根据此信息计算各个链路的最优数据帧长,广播通知各个链路。各链路最优帧长信息可用于调度算法从而实现资源调配自适应信道状况的变化,有效提高系统吞吐量。

3.2 调度算法

新算法需要平衡网络QoS的需求和提高系统吞吐量。因为,满足用户QoS要求的调度算法与满足吞吐量最大所要求的调度算法通常不一致。如为了达到吞吐量最大化的目标往往将时隙分配给信道质量最好的链路,而为了满足所有链路QoS的需求,必须将时隙分配给业务滞后最多的链路。如果滞后量大的链路所处的信道质量恶劣,那么它占用更多的时隙直到数据被正确接收为止,这就使得分配给其他链路的时间片减少,降低了系统的吞吐量。因此,算法将最优帧长和网络QoS模型结合起来考虑。

对于链路i,在时刻t的最优帧长为Li(t),为满足服务曲线要求的传输时隙长度Ti(t),Ti(t)的计算如下:

$\begin{array}{l} Τ_{i} (t) = \frac{V_{i} (t)}{R} \\ = {\begin{cases} \frac{D_{i} (t) - W_{i} (t)}{R} D_{i} (t) \geq W_{i} (t) \\ 0 D_{i} (t) ＜ W_{i} (t) \end{cases} (8) \end{array}$

记Li(t) 和Ti(t)为L、T。定义选择因子λ:

$λ = \frac{L + k \cdot Τ}{L + Τ} = \frac{(L / Τ) + k}{(L / Τ) + 1} (9)$

其中k(k>0,且不等于1)为控制参数,当k>1时优先考虑网络的QoS,当k<1时优先考虑的是网络的传输能力。L/T反应了链路信道质量和数据滞后量的关系。

时隙的分配:当M<N,即时隙数少于链路数,选择λ最大的M条链路;当M≥N,即时隙数多余链路数,选择λ最大的N条链路,将剩余的(M-N)个时隙按之前的算法重新分配。

4 仿真结果

为了估计调度算法的性能,从网络的公平性和吞吐量(纯业务数据)来比较以下三种调度算法。算法一只考虑链路质量,即最优帧长,而算法二只考虑网络QoS,算法三同时兼顾前面两者,也就是本文的调度算法。

仿真过程中,节点的个数4,链路速率100Mbit/s,物理层的净荷数据率75%,各个链路业务数据10Mbit/s,控制参数k=1.5。

图 2表示归一化网络吞吐量与超帧中时隙个数的关系,用网络最大的吞吐量(100M)作归一化。图中三条曲线分别表示:算法一(L曲线),算法二(Q曲线),算法三(LQ曲线)。可以看出,算法一的网络吞吐量最大,算法二的网络吞吐量最小,算法三的网络吞吐量介于二者之间。随着超帧中时隙数的增加,各个算法的网络吞吐量也在增加,这是因为时隙数越多,每个超帧中纯业务数据在该超帧中占有的比例将越来越大。同时从图中还可以看出,时隙数M越大,LQ曲线越趋近于L曲线,越能显示出改调度算法的优越性。图 3表示三种调度算法下,网络中各个链路分配到时隙的比例,用于衡量网络的公平性。可以看出在算法二和算法三下,网络拥有较好的公平性,而算法一的各个链路获得时隙分配的比例相差很大,无法照顾到各个链路。

我们可以得出算法三在考虑QoS前提下,能有效的提高网络的吞吐量。图 4给出算法二和算法三的链路偏差量,用最大链路偏差量对两种算法的的偏差量作归一化处理。由于在算法三(LQ曲线)中引入最优帧长,和算法二(Q曲线)相比,只是在一定的程度上保障网络QoS,造成各个链路的偏差量较大。图 5给出当逐渐增大k值时,归一化偏差量曲线会越来越向Q曲线靠近,在k取无穷大的时候和Q曲线重合。

图 6给出网络吞吐量与k值的关系。0<k<1时,调度算法优先考虑链路质量,随着k的减小,网络吞吐量逐渐增大;当k>1时算法优先考虑QoS,随着k的增大吞吐量逐渐下降。但无论k取何值,调度算法都同时考虑了链路质量和QoS,只是偏重的程度不一样。

5 结论

本文研究了基于超帧的无线网络时隙调度问题,提出一种结合信道质量和链路业务QoS需求的时隙分配算法。仿真结果表明,结合"服务曲线控制模型"和"链路最优帧长"的调度算法能够保证在无线信道质量发生变化的情况下,实际发送的业务数据与曲线要求的偏差最小,同时能提高4%左右的系统容量。

基于链路选择因子的时隙调度算法虽然能够兼顾链路质量和业务QoS需求,获得性能上的提升,但是选择因子的建模仅考虑了L/T和控制参数k,因此还存在改进的空间;同时k的调整和信道质量的关系也还需要进一步的研究。

参考文献

[1]Bender P,et al.CDMA/HDR:A bandwidth efficienthigh speed data service for nomadic users[J].IEEECommunication Magazine,2000.38(7):70.

[2]Sung Kyung Kim,Dae Soon Cho,Dong Seung Kwon:Anapproach to the packet scheduling with multi-users diver-sity in wireless CDMA systems[A].Personal MobileCommunications Conference,2003[C].5th European(Conf.Publ.No.492),pp.220-224

[3]Murtaza Zafer and Eytan Modian,Joint Scheduling ofRate-guaranteed and Best-effort Services over WirelessChannel[A].Proceedings of the 44th IEEE Conferenceon Decision and Control,and the European Control Con-ference 2005[C],pp.6022-6027.

[4]Hsi-Lu Chao,Wanjiun Liao,Credit-Based Slot Allo-cation for Multimedia Mobile Ad Hoc Networks[J].IEEEjournal on selected areas in communications,VOL.21,NO.10,December 2003.pp.1642-1651.

[5]Abdelhakim Hafid,Abdelilah Maach,A Novel ResourcesProvisioning Scheme in Time Slotted Optical Networks[A].Communications,2005.ICC 2005.2005 IEEE In-ternational Conference[C],pp.1641-1645.

[6]邱晶等.基于服务曲线的TDMA无线网络上行信道时隙调度算法[J].高技术通信,2005,15(6):14-18.

[7]IEEE Std 802.15.3TM-2003,The Institute of Electricaland Electronics Engineers[S],Inc.3 Park Avenue,NewYork,NY 10016-5997,USA.

[8]Stoica I,Zhang H,Ng TS E.A hierarchical fair servicecurve algorithm for link-sharing,real-time,and priori-ty services[J].IEEE/ACM Trans on Networking,2000,pp.185-199.

链路选择篇4

随着网络技术的不断革新,OTN (光传送网) 建设也加快了步伐,同时网络生存性问题也越来越突出。简单的网络保护方式难以实现有效保护,研究者又提出了预置圈(p圈)保护,这是一种预设环形通道来实现快速保护和恢复的方法。关于p圈的研究已经有很多,例如Resource-basedProtection Cycle算法、ProtectedWorkingCapacityEnvelops算法和AdaptiveProtectedWorkingCapacityEn- velops算法[1,2,3]等,这些算法都是在基本圈算法的基础上针对不同的网络因素而做的改进算法。但这些算法没有考虑链路双向工作量这个因素,所以在应用时受到了限制。基于这个原因,本文提出一种基于链路选择的p圈算法。

1OTN的生存性研究

网络生存性是指网络抵制故障业务中断或干扰的能力,在遇到故障时,能迅速切换链路资源,将业务转到空闲资源上,以保证业务的正常运行,避免造成社会影响以及经济损失。目前电力系统正在建设的OTN将要承载未来绝大多数的业务数据,所以必须保证网络的生存性。

随着网络结构的不断发展变化,网络生存性技术也随之改变。简单的点对点网络的保护采用的是自动倒换技术;到了环形网络中采用的是自愈环技术;如今的网状网中,网络保护方法主要有3种:环覆盖、保护环和环回恢复。

上述3种技术中,自动倒换技术只能应用在点对点网络中。自愈环技术主要应用在环形网中,它的主要特点是恢复时间快(<50ms),但资源利用率低。网状网中生存性技术的主要特点是资源利用率高,但恢复时间较长。

新型OTN的生存性技术要求恢复时间快,而且资源利用率高。因此需要一种新的保护算法。

1.1p圈算法介绍

在网状网中配置p圈后,只要故障发生在p圈内,倒换动作就由p圈的两个节点执行,这些都是预先设置好的,所以它可以像环形网一样在50ms内恢复业务。结合了环形网和网状网生存性技术特点的p圈算法,是最适合OTN的生存性保护算法。

根据故障的不同,p圈可以分为链路p圈和节点p圈,这里主要讨论的是链路p圈[4]。主要有环上保护和弦上保护,具体原理如图1所示。左图中的虚线表示环上链路出现了故障,这时的保护机制和环形网络一样,直接倒换到圈的另一半就能实现保护,这时保护链路只有一条;右图中的虚线表示弦上链路出现了故障,p圈可提供两条保护路径,由于p圈是预先设置的,所以在恢复时间上可以满足要求,非常适合在网状网上使用。不管是环上链路还是弦上链路,它们所使用的都是环上保护资源,这样能拥有较高的保护率和资源利用率。后面所讨论的保护资源指的都是环上保护资源。

1.2p圈保护方案举例

为了更形象地说明p圈保护方案是如何实现的,图2示出了一种p圈保护方案的实现过程[5],图中没有画出弦。

图中,业务1和业务2是纯环上业务,它们的保护组就是环本身ABCDEFGHIJKA。业务5是纯弦业务,它的保护组有两个,其中小保护组是DHG- FED。业务3和业务4涉及到了跨接链路,它们的保护组都是左半圈ABCIJKA。当业务故障出现时,都可以在它所在的小保护组中实现业务倒换,从而在客户角度实现真正的业务保护。

2p圈算法研究

p圈算法中,p圈在保护中是预先设置的,这就需要通过算法来确定这些p圈。目前采用的方法有DonaldBJohnson法、Deep-First-Search或Breadth-First-Search扩展生成树后连接而成以及启发式算法。前两种方法主要用的是枚举法,计算量大;若用启发式算法,计算量将会减少许多。启发式算法主要有SLA (跨接链路算法)和Grow生成法。在SLA中,需先找到一条跨接链路 (也就是弦),在整个网络中选择除本链路外,连接两个节点的两条最短路径,形成一个圈。这样得到的p圈跨接链路不多,效率不高,但是速度快,是最基本的p圈构造方法。

在确定了候选p圈后,需要通过一些策略来确定一组最优p圈来对网络形成保护,所以需要按照某种方法计算其性能指数。常见的评价标准是容量效率。容量效率指的是p圈所能保护的资源与实际保护资源的比值,即容量效率=(边数+弦数×2)/ 边数,从式中可以看出,弦的数量越多,保护效率越高,而且由于弦有两个保护组,所以弦上的保护更加可靠。在p圈配置时也需要考虑这个因素。

因为弦上的保护更加可靠,而且p圈的构造也是根据确定的弦而拓展出来的,所以弦的确定在p圈配置中非常重要。下面介绍一种基于链路选择的p圈算法。

在一个网络中,每条链路的双向工作容量不可能都是相同的,它们或多或少会有一些差别。对于单向工作量较大而反方向工作量小的链路,我们可以只提供一个保护组;而对于双向工作量差不多的链路,我们需要提供两个保护组才能同时保护双向业务。而后一种情况恰好与p圈弦上的保护不谋而合,因此我们将这种链路选作弦来进行p圈构造。这种p圈的构造步骤如下:

(1)确定网络拓朴结构。

(2)根据具体情况分配业务量。

(3)分析每条链路上的业务量,计算出每条链路的相差比值,确定弦和环上链路。计算相差比值的方法是将链路两个方向的业务量相减后除以较大业务量的比值。比值小的作为弦,比值大的作为环上链路。

(4)用确定的弦来构造p圈,环上链路要求业务方向相同,形成顺时针或者逆时针,以此来确定候选p圈。

(5)根据评价标准,选出最优p圈。评价标准也是容量效率,但由于这里构造的p圈与传统的p圈有所改变,它所能保护的资源也有了变化,容量效率的计算方法也有相应的变化。

在新构造的p圈中,弦上链路如果相差比值为1,那么它有一个保护就没有用,权值为1,记这种链路为Ps1;若相差比值不为1,那么权值为2,记为Ps2。对于环上链路,相差比值为1的权值为0,记为Pc1;相差比值不为1的权值为1,记为Pc2。其容量效率计算公式为

用这个公式计算出来的容量效率比传统方法计算出来的值略低,但这个方法是否就不如传统的方法呢? 下面我们将对这两种方法进行比较。

3p圈算法仿真及性能比较

为了比较传统p圈算法和基于链路选择的p圈算法的保护性能,我们搭建了一个平台[6]。这里采用的是基本圈构造。利用Matlab仿真软件搭建的网络拓扑结构如图3所示,业务量个数分别采用60、70、80、…、190,采用单纤容量为16波的光纤,业务随机分布,故障采用双链路故障。

传统的p圈算法,若用SLA进行构造,对于链路工作容量则无法进行针对性的保护,所以我们把双向业务中较大业务量作为标准,该链路双向都采用这个标准。然后遵照SLA构造p圈,通过容量效率标准在候选p圈中选出一个最优保护组。

基于链路选择的p圈构造采用第2节中所介绍的方法,也得出一个最优保护组。算法的主要性能比较是保护资源利用率和保护成功率。下面分别进行仿真。

两种算法的保护资源利用率如图4所示,由图可知,传统算法的保护资源利用率明显低于基于链路的算法。这是因为在传统p圈配置时,每条链路都是按照双向最大业务量为标准来配置的,配置资源较多;而基于链路的算法对每条链路都有针对性,这样使得保护资源在保护链路时有较高的效率。

图5所示为两种算法保护成功率的比较,由图可知,在业务量少时,传统方法保护成功率更高。这是由于传统方法是用扩大配置资源的方式来进行保护,业务量少时,网络可用于保护的资源较多,业务基本都能被保护。但随着业务量增加,而保护资源有限,传统方法就显现出了它的不足,而基于链路的方法采用的是针对性保护,因此保护成功率更高。

4结束语

本文针对传统p圈算法没有考虑到的链路双向工作量差异,研究了一种新型p圈算法,即基于链路选择的p圈算法。通过仿真对比,验证了新算法在OTN中的有效性和优越性,在资源利用率和保护成功率这两个重要评价指标上,新算法都较传统算法有明显优势,尤其是在资源利用率上,这对未来OTN建设中的资源分配提供了一个参考。

摘要：在新型OTN(光传送网)中,传统的p圈算法在保护效率和资源利用率上有明显的不足,文章针对这一缺点,提出了一种新的改进算法。该算法针对链路双向工作量的差别,通过优先选择跨接链路来提高资源利用率,还能在资源有限的情况下提高保护效率。在泛欧COST239网络上进行了仿真,仿真结果表明:该算法在资源利用率上有明显的提高,在保护效率上也优于传统的p圈算法。

链路调度故障的解决篇5

首先, 在链路调度申请前, 必须核实所涉及系统的资源, 包括端口、端口规格、传输带宽、链路套数等。在本端、对端端口资源初步确定或者传输局向基本确定 (传输ODF基本确定) 的情况下, 可以申请传输链路调度。

1 申请传输和链路调度时要注意的问题

申请链路调度前需要完成传输申请的准备工作, 这部分工作尤为重要, 是避免后续传输调度出现故障的先决条件。

许多项目在实施的时候就直接申请传输链路, 并没有核实实际情况, 当要用链路时, 才发现链路尾纤不匹配, 例如需要SC接口, 却配置了LC接口。因此在申请传输过程中, 要注意以下几个问题:①了解本端光模块、对端光模块需要什么类型的接口;②核实本端、对端使用的尾纤类型;③核实设备楼层ODF至传输ODF光缆是否满足使用需求;④申请前, 尽量通过工程主管询问传输维护部门传输路由是否满足条件。

在申请链路调度时, 要注意以下几个问题:①根据现场核实的具体情况如实填写传输链路申请表;②再次到现场核实ODF端口情况, 如果端口已被占用, 需要及时联系传输维护部门更改端口;③核实传输系统是否已经可以使用;④尽量避免使用裸纤直接接入。

2 链路调试中需要注意的问题

链路调单批复前, 可以根据确定的ODF端口进行预测试。在链路调试时, 涉及的系统有些是现网的, 有些未割接上线, 极易造成安全事故, 例如拔错纤等。所以在链路调试中需要注意以下几个问题:①要特别注意核实端口的位置。②核实传输调单分配端口是否与申请端口一致, 如果分配的是其他端口, 则要按照前面的要求详细核实新端口的情况。③在传输链路调单下来后, 切记不要急于接入, 避免因为光功率过大而烧坏光模块。④无论本端, 还是对端, 在接入前首先使用光功率计对发光端进行测试, 确保发光端光功率在规定范围内。⑤在传输链路的故障排查中, 如果出现光衰耗过大, 那么该节点肯定是故障点, 必须对其进行清洁或更换材料。⑥可以根据链路调单先行排查本端的楼间ODF光缆以及设备到ODF光纤的情况, 这时需要借助传输代维的部分工具, 包括光功率计、光源、小段测试用尾纤等。⑦如果安排有本项目工程人员, 则可以自行调试对端;如果没有安排本项目工程人员或对端在外地, 则可以联系对端机房传输代维协助测试。⑧在传输调单未下来前, 不建议与传输系统联调, 贸然调试容易造成安全事故。⑨调纤前, 先清洁成端内盒连接法兰头的成端尾纤头和法兰头 (FC头) 。插拔光纤操作时, 一定要先清洁设备尾纤。一般最好使用擦纤带, 尽量不使用其他清洁方式。⑩在将设备纤插入法兰头时, 应注意一定要对准插口, 用力要适当, 以免弄伤光纤或光纤头。⑪除了上文提到的问题外, 还有一个比较容易忽略的问题, 那就是光纤的转弯半径。

3 接入传输系统后的各种故障及排除方法

链路调单批复后, 只有在保证光功率不过大的情况下, 才能接入传输系统进行调试。下面讨论接入传输系统后的各种故障及排查方法:①传输链路不能正常工作时, 要判断出故障位置, 然后要求传输部门检查传输设备数据配置, 并清洁或更换法兰头, 更换故障光纤。②借助设备指示灯的情况。传输链路不能正常工作时, 可以借助现有的数通设备检查故障, 而且要求本端设备已经上电, 设备厂家或调试人员要在场。③设备指示灯仍无法满足调试需求的情况。首先要在本端某一位置打环, 打环前要确保光功率正常, 不能过高, 以免烧坏设备。打环后, 在设备维护平台输入命令查看端口状态, 此时端口状态一般情况下是UP, 但是数据状态为DOWN或者0时, 可以采用PING命令或者其他命令对本机IP进行测试, 观察数据丢包情况。如果本端已打环, 则数据包不会丢失。最后逐段对ODF光纤进行打环测试, 对比测试的数据, 数据异常段即为故障段。④通信协议不匹配的情况。这是由于数据设备与传输设备之间协议不匹配造成的。⑤交换机光模块配置方式有误。目前, 在数据通信中, 数据在线路上的传送方式可以分为单工通信、半双工通信和全双工通信3种。⑥传输链路丢包率过大的问题。首先要求厂家检查设备的配置情况, 包括通信协议、光模块是否完好等, 同时建议传输维护部门检查传输设备的状况是否良好。除了检查数通设备外, 问题还很有可能出现在了传输介质上, 包括光纤、法兰头、ODF架等, 这个时候需要逐段排查。⑦时断时续的情况。这种情况通常会在挂表测试、光功率测试、环路测试都正常的情况下出现, 主要原因是数据配置出错。⑧延时过高, 造成链路传输带宽不达标或者时断时续的情况。出现这种情况后, 首先要检查数据配置是否存在问题, 然后检查物理层面的光纤、法兰头、ODF架等。⑨极端特殊的情况。即使是最新设备, 都有可能存在极端特殊情况, 近2年来仍然会经常遇到。这种问题多数发生在数通设备和传输设备不是同一厂家的情况下。

在链路调度故障排查中, 由于每个项目、每条传输链路都有自己的特点, 本文所述不能完全涵盖。总之, 保证传输链路的高效、安全、稳定运行是所有通信系统稳定工作的前提, 也是所有通信项目建设最重要的节点。

摘要：网络传输技术的发展是互联网发展的基础。在云平台等互联网项目中, 最重要的一环是传输链路的调度。传输链路调度的故障排查是确保传输链路能正常工作的首要条件。

关键词：互联网,链路调度,传输系统,光缆

参考文献

[1]武新华, 段玲华.计算机网络维护与故障排除案例精选[M].北京:中国铁路出版社, 2006.

【链路选择】推荐阅读：

光纤链路05-24

下行链路06-16

链路情况08-16

链路故障08-24

空间链路协议05-23

无线链路预算06-17