21282

21282

يك استراتژي تطبيقي براي ليست سياه كانال در شبكه‌هاي مبتني بر IEEE 802.15.4e TSCH

كارشناسي ارشد

شبكه هاي كامپيوتري

1396

1398/06/26

دكتر وصال حكمي

كامپيوتر

استاندارد IEEE 802.15.4 استانداردي براي شبكه هاي حسگري بي سيم است كه براي اين شبكه¬ها مشخصات لايه فيزيكي و لايه كنترل دسترسي رسانه تعريف مي¬كند. اين استاندارد براي ارتباطات كم توان و با نرخ داده ي پايين كاربرد دارد. مطالعات نشان مي دهد كه در اين استاندارد ميزان تاخير داده تا رسيدن به مقصد محدوديتي ندارد و نرخ دريافت بسته ها توسط مقصد بسيار پايين است و همچنين تنها از يك كانال استفاده مي شود و مصرف انرژي نيز بالا است. به همين جهت IEEE 802.15.4e به صورت اصلاحيه اي بر استاندارد پيشين منتشر گرديد كه در آن، روش پرش كانال برش زماني به منظور فرآهم نمودن قابليت اطمينان بالاتر معرفي گرديد كه به واسطه دسترسي به كانال در قالب برش هاي زماني تاخير بيشينه محدود گرديد و به دليل استفاده از كانال¬هاي متعدد و پرش بين آنها قابليت اطمينان نيز افزايش يافت. مكانيزم TSCH از يك ليست گردشي روي كانال¬هاي مختلف استفاده مي كند اما يك الگوي ثابتي را دنبال مي¬كند، درواقع ليست پرش كانال در TSCH به طور پيش فرض شامل 16 كانال مي شودكه بيشتر آنها مورد استفاده ي سيگنال با توان بالاي WiFi است، نه تنها تداخلات WiFi مي¬تواند مشكل ساز شوند بلكه محوشدگي چند مسيري هم مي¬تواند موجب كاهش قابليت اطمينان شود. از اين رو به يك تصميم¬گيري هوشمندانه احتياج هست كه با توجه به حضور يا عدم حضور اين تداخلات تصميم به پرش يا عدم پرش بر روي كانال ديگر گرفته شود، به همين منظور براي پرش وفقي مكانيزم تشكيل ليست سياه معرفي شده است كه اين ليست به منظور جداسازي كانال هايي با شرايط نا¬مطلوب تشكيل مي شود، راهكار هاي تشكيل ليست سياه به طور عمده از الگوريتم هاي يادگيري با فرض اينكه حضور يا عدم حضور تداخلات 802.11 به صورت مانا هست استفاده كرده اند يعني پارامتر هاي آماري احتمال حضور يا عدم حضور اين تداخلات ثابت است و با زمان تغيير نمي-كند، كه اين فرضي غير واقع بينانه است و بسياري از اين الگوريتم¬ ها با اين فرض غير واقع بينانه توانسته اند شاخص نسبت تحويل بسته بالايي را گزارش كنند. ما در اين پايان نامه مدل احتمالي حضور يا عدم حضور 802.11 تداخلگر بر روي 802.15.4e را به حالتي كه از يك مدل غير مانا تبعيت كند تعميم داده¬ايم؛ به عنوان مثال محيطي كه به صورت ماركُفي بين پارامتر هاي احتمالي جابه جا شود، و توانستيم با استفاده از يك روش تطبيقي پرش كانال فركانسي كه از الگوريتم يادگيري اتوماتا استفاده مي¬كند و قابليت استفاده در محيط هاي غير مانا را دارد، حدود 15 درصد نسبت به روشي كه از يك نوع الگوريتم يادگير تحت عنوان MAB بهره مي¬برد، ميزان نرخ تحويل بسته بالاتري را به دست آوريم و همچنين ميزان كارايي انرژي نيز در مقايسه با روش مذكور حدود 18 درصد بهبود داه شده است. واژه¬هاي كليدي: پرش كانال فركانسي، IEEE 802.15.4e ، ليست سياه.

1398/08/13

An Adaptive Strategy for Blacklisting in IEEE 802.15.4e TSCH-Based Networks

11/4/2019 12:00:00 AM

The IEEE 802.15.4 standard was published in 2003, defining a medium access control (MAC) and physical (PHY) layer for low power and low datarate communications such as WSANs. The 802.15.4 cannot provide any bound on the maximum delay experienced by data to reach the final destination and provides a very low delivery ratio and the energy consumption of this standard is high. 802.15.4e extends the previous 802.15.4 standard. IEEE 802.15.4e standard amendment was published with three new MAC modes, the timeslotted access provides a bounded maximal delay and the channel hopping increases the reliability, Therefore, if the channel used in the current timeslot suffers from interference or multipath fading, the chance of transmission failure next timeslot is decreased since the channel will be switched. The reliability of TSCH has been reported to achieve 99.9995%. The TSCH uses a fixed procedure to makes the hopping operation between the Channels. band. The default hopping list in TSCH contains all 16 channels and since most of them are occupied by the high power WiFi signal, reliability will go down. Not only WiFi interference is an issue, also multipath fading can degrade reliability. Hence it is necessary for a clever decision maker to decide whether or not to hop on the other channel given the presence or absence of these interactions, to this end, a blacklist mechanism has been introduced for the adaptive hopping [5], which is a list to isolate undesirable channels. Blacklisting solutions have mainly used learning algorithms assuming the presence or absence of 802.11 interactions as stationary. That is, the statistical parameters of the probability of presence or absence of these interactions are constant and do not change with time, that is an unrealistic assumption and many of these algorithms have been able to report high packet delivery ratio with unrealistic assumption. In our thesis, we extend the probabilistic model of the presence or absence of an interfering 802.11 to a non-stationary model, such as an environment that can be switched between probabilistic parameters as a Markovian switching. we were able to achieve a higher packet delivery rate by about 15% compared to one using a kind of learning algorithm called MAB, using an adaptive approach of frequency channel hopping.