无线Mesh网络中基于公平的EDCA算法

2 FEDCA算法实现

基于以上分析，本节详细讨论无线网络中FEDCA算法具体实现过程。

2.1 FEDCA算法的实现

为保证移动节点间和同一节点内的不同等级业务流的公平，FEDCA算法实现过程可以概括为：加权轮询调度、拥塞窗口CW动态调整、公平因子计算及TXOP调整。

（1）加权轮询调度。FEDCA算法执行模型如图2所示。

图2 FEDCA算法执行模型

加权轮询调度的思想是为保证各等级业务间的公平性，给每一子队列分配一个权值，根据不同的权值来调度不同子队列中的数据，而不是采用EDCA算法中的最小退避窗口的队列获得数据发送的机会。其具体的实现过程为每一子队列AC分配一个对应的权值W[AC]（该权值表明该子队列可以连续发送数据的次数），按轮询的方式为每个子队列发送数据，如果某一子队列内的数据不够发送Wi次或为空，转到下一子队列准备发送数据，如此轮流执行。

（2）拥塞窗口CW动态调整。为保证各移动节点间和同一移动节点内不同等级业务的公平性和提高系统的吞吐量，FECDA算法中所有业务等级的拥塞窗口CW都采用先指数退避在线性退避的方式，即对任意队列在CWCWmax，拥塞窗口维持CWmax不变。

（3）公平因子计算及TXOP调整。在每一轮轮询数据转发完成后，为保证同一移动节点中不同等级业务流的公平，FEDCA算法通过对每一子队列的公平因子F[AC]计算，并与事先规定的公平因子FD[AC]比较，通过比较的结果确定下一轮调度的每一子队列大小TXOP[AC]=（TXOP[AC]+ΔTXOP[AC]），其具体变化关系如图3所示。

图3公平因子F[AC]与ΔTXOP[AC]关系示意图

2.2 FEDCA算法讨论

从FEDCA算法实现过程来看：

（1）公平性的度量。FEDCA算法采用比例公平作为衡量公平性的标准，也就是每一类业务占用的网络资源是成比例的，这样除了可实现各等级业务间的公平外还可提高系统的吞吐量。FEDCA算法对每一类业务分配一个公平因子用于表明该类业务在本移动节点共享资源中可使用的份额；

（2）在加权轮询调度时给每一子队列分配的权值W[AC]与关系FD[AC]：



（3）FEDCA算法通过轮询的方式确定可以发送的队列数据，在发送成功后其拥塞窗口CW的变化方式与EDCA算法一致，发送失败后拥塞避免的过程也与EDCA算法一致，但其拥塞窗口的变化采用FEDCA算法描述中的方法，目的是维护节点内各等级业务的公平性。

（4）每一业务等级的公平因子FD[AC]计算公式为：

式中：Total-Length[AC]为本轮轮询调度中队列AC被调度的数据总长度；为保证每一队列能计算出该队列在本轮调度中的公平因子FD[AC]，对某一队列应维护一个计数器，用于统计该队列调度的数据长度Total-Length[AC].

（5）ΔTXOP[AC]的计算公式为：

如图3 所示，为了体现不同业务间的区分ΔTXOP[高] > ΔTXOP [低];F [高] max > F [低] max；F[高] min < F [低] min .同时图3给出的ΔTXOPmin[AC]与Fmin[AC]示意图，具体的各参数的设置可根据网络实际情况和网络管理员自行设定。考虑到无线网络运行的可靠性和稳定性，本算法建议ΔTXOP [AC] max不超过TXOPmin[AC]的参考值的1/8 为宜，最大不能超过1/4。

3 仿真分析

为了验证FEDCA 算法性能，通过网络仿真工具NS2 实现该算法和EDCA 算法的性能比较。仿真所采用的拓扑结构如图4所示，仿真时物理层采用802.11b，物理带宽设为11 Mb/s，4个移动节点分别发送VI、VO、BE和BK四种业务流，这4种业务流占总负载的比例为1∶1∶2∶4。分别对FEDCA、EDCA 算法的吞吐量、端到端的延迟及等级业务流量VO、VI的变化情况进行了仿真，仿真结果如图5~图7所示。

从图5的仿真结果可以看出，同一等级的业务采用FEDCA 算法业务量的变化幅度及变换频率比EDCA算法要小，而且不同等级的业务量比例基本保持不变，从而保证了移动节点内各业务间的公平性；从图6仿真结果可看出FEDCA算法能提高各类业务的吞吐量，从而提高了无线信道利用率；同时图7的仿真结果表明FEDCA算法能减少数据帧的平均转发延迟，从而提高了网络的QoS。

　　图4 无线网络仿真的拓扑结构图

　　图5 VO、VI吞吐量随时间变化图

　　图6 吞吐量与负载关系仿真图

　　图7 平均延迟与负载仿真图

4 结论

本文提出的FEDCA算法能够根据网络的公平性要求，通过加权轮询的方式解决移动节点内的不同子队列竞争信道的问题，改变拥塞窗口的变化方式，提高系统的吞吐量和公平性，通过公平因子调整EDCA算法中的TXOP参数，最终实现提高无线Mesh网络的公平性和改善网络性能的目的。通过仿真分析可知，FEDCA 算法保证了移动节点间和节点内不同业务的公平性，同时能够提高网络性能和实现对不同业务的区分。