无线传感器网络(Wireless Sensor Network,WSN)由大量分布在特定区域内的传感器节点组成,并且以无线通信的方式将感知到的数据传送到Sink节点。由于其独特的优势,WSN在国防军事、环境监控、工业技术、智能交通等方面获得了广泛的应用。在交通发达的当今社会,由于车辆快速增多,对交通监控的需求也不断地加大。无线传感器网络以其自身的特点,在交通监控中迅速发展起来。而媒体访问控制(Medium Access Control,MAC)协议是影响无线传感器网络性能的关键技术,所以,设计一种适合交通监控需求的MAC协议具有十分重要的意义。
目前,无线传感器网络MAC协议按节点接入信道的方式主要分为三类:基于竞争的MAC协议、基于调度的MAC协议和混合型MAC协议。在基于竞争的协议中,文献[1]中的S-MAC(Sensor MAC)采用固定占空比的周期休眠方式,侦听周期受通信负载的约束,在多个节点竞争时增大传输延迟。文献[2]中的DSMAC(Dynamic duty cycle Sensor MAC)虽然在S-MAC的基础上提出了减少睡眠时间、动态加倍占空比的思想,但周期睡眠造成的传输延迟仍十分显著。在基于调度的协议中,S-LMAC(Single-hop and LEACH-based MAC)[3]、EM-MAC(Efficient Multichannel MAC)[4]都采用固定分配时隙的方法,无法自适应流量的变化。UM-MAC(network Utility Maximization and collision avoidance based MAC)[5]在固定时隙的基础上提出启发式的算法,以效用最大化决定节点的工作时隙,但无法满足突发数据的实时性要求。在混合型协议中,文献[6]中的Z-MAC(Zebra MAC)综合了时分多址(Time Division Multiple Access,TDMA)和CSMA的优点,能够以较低代价获得高效的信道利用率,但在网络密度较大时,周期性控制时隙会增大网络时延和能耗开销。文献[7]中AMPH(Adaptive MAC Protocol with QoS support for Heterogeneous WSN)在Z-MAC的基础上增加服务质量(Quality of Service,QoS)需求,但当普通数据包过多切换优先级时,会影响实时数据包的实时性。
综上所述,相关MAC协议均不适合交通监控的特殊需求。所以,本文提出了一种基于模糊聚类的MAC(Fuzzy Clustering MAC,FC-MAC)协议。该协议采用模糊聚类的方法动态地划分节点类别,并根据每类的中心向量与样本中心向量的距离决定优先级,使优先级高的节点突发数据更早传输。同时,提出了一种分层随机延迟策略,以减少簇头节点之间的竞争,提高突发数据的实时性。
1 网络体系结构在十字路口处,由于上下班高峰期车流量大、阴雨雾霾天能见度低等原因,经常会发生交通事故或拥堵现象。把无线传感器节点部署在十字路口处,实时地监控道路信息对交管部门的管理起到了积极的作用。通过无线传感器节点采集各类信息发送给簇头节点,并经其汇聚信息后再发送给Sink节点,使管理者能够随时掌握路面信息,及时应对各种突发事件。本文方法将不同类型的传感器节点部署在十字路口处,组成一个无线传感器网络,其网络部署如图 1所示。
交通监控系统中,不同种类的数据类型存在不同的QoS需求,例如:突发数据应比普通数据具有更高的实时性。突发数据中,优先级高的数据比优先级低的数据更早传输。基于交通监控的背景下,现对上述模型作以下规定:1)节点部署均匀,采用固定簇的方式;簇头节点使用特殊供电的形式,部署在道路中间的隔离带、绿化带上。2)Sink节点是静止的,部署在固定物体上,如路灯、红绿灯上,且所有簇头节点与Sink节点采用CH-BS(Cluster-Head to Base Station)的单跳通信结构。
2 FC-MAC协议FC-MAC协议主要包括以下几个方面:时隙分配策略、节点功能、时间同步方案、基于模糊聚类的载波监听多路访问冲突避免(Carrier Sense Multiple Access with Collision Avoidance,CSMA/CA)机制和分层随机延迟策略。
2.1 时隙分配策略FC-MAC协议采用以复帧为周期的时间调度机制。复帧由若干个TDMA帧与交换信息阶段组成,如图 2所示。
复帧中,每个TDMA帧由相同数量的时隙组成,且时隙数量根据具体系统参数和服务质量要求设定。TDMA帧将这些时隙分成大小相等的时隙块,每个时隙块包含2τ个时隙,τ的值取决于数据包大小和物理层参数。每个节点分配三个时隙块,分别用作TDMA阶段、CSMA/CA阶段和SEND阶段[8]。因此,TDMA帧和时隙的关系可表示为:
${{T}_{frame}}=3N\times {{2}^{\tau }}\times {{T}_{slot}}$ | (1) |
其中:Tframe表示TDMA帧长度;Tslot表示时隙长度;2τ为每个时隙块的时隙数量;N为簇内节点个数。
交换信息阶段位于每个复帧的起始处,主要用于簇内节点向簇头节点发送因素向量,簇头完成CSMA/CA阶段优先级的计算,并把优先级信息反馈给簇内节点;TDMA阶段分配给固定的节点,用于传输普通周期数据;CSMA/CA阶段预留给有突发数据的节点竞争接入簇头;SEND阶段则负责把数据交付给Sink节点。各阶段工作关系如图 3所示。
时隙块的分配可根据具体交通情况而定,本文采用每个节点分配三个时隙块的方法,即TDMA阶段:CSMA/CA阶段:SEND阶段=1:1:1的情况。而现实中可根据路段的突发数据情况作出动态调整,例如,在突发事件较多的路口,可增加CSMA/CA阶段的时隙块数量,使突发数据有更多的机会传输;突发事件较少的路口,可以适当增加TDMA阶段的时隙块数量,以便周期性的数据进行传输。由于时隙块的大小相同,且可以动态调整,从而减少了控制开销,增强了整个系统的拓展性。
2.2 节点功能由于交通监控的特殊性,监控设备需周期地采集道路环境数据进行提交,以便交管部门进行分析;同时还需在紧急情况发生的第一时间把突发数据提交上去,以便及时赶赴现场进行处理。因此,传感器节点需具备两种类型的数据,即周期数据和突发数据。如光电测速传感器周期地采集车辆的速度信息,当车速超过限速条件时,就会产生突发数据;光照度传感器周期地采集光照程度,当能见度低于门限时,会产生突发数据供监控部门进行管控。节点内部使用双队列结构如图 4所示。
当节点监控到数据时,根据门限值作出分类,超过门限值的数据进入突发数据队列,低于门限值的数据则放入周期数据队列中。若突发数据队列不空,则在自己的TDMA阶段发送或所有CSMA/CA阶段竞争发送突发数据包;若突发队列空,则在自己的TDMA阶段发送周期数据包,从而保证了突发数据的实时性。
2.3 时间同步方案FC-MAC协议采用分级同步时钟的方法,即Sink节点与簇头节点的同步和簇头节点与簇内节点的同步。在网络拓扑形成阶段,簇头节点采用CSMA/CA方式同Sink节点建立通信,通过TPSN(Timing-sync Protocol for Sensor Network)[9]中的两路信息握手机制实现簇头与Sink节点的时钟同步。当簇头节点完成同步之后,在簇内广播时间同步消息,簇内节点利用接到的同步消息完成簇内时间同步。
网络运行阶段,时钟漂移会导致时间精度下降,所以在CSMA/CA阶段,簇头节点把时间戳加入到CTS(Clear To Send)帧中,接入的节点根据簇头节点的时间戳和硬件性能完成时间再同步。而其他没有突发数据的节点则可根据需求,时钟漂移较大的情况下,在各自分配的TDMA阶段利用请求-应答方式(Request-ACK)完成再同步。这样,通过上述方法就可以在代价很小的情况下完成全网的时间同步。
2.4 基于模糊聚类的CSMA/CA接入机制为了使突发数据传输更快,在CSMA/CA阶段采用基于模糊聚类的竞争接入机制。模糊聚类算法是根据客观事物之间的特征、亲疏程度及相似性,通过建立数学模型进行分类的一种方法。由于传感器节点的分类受许多因素的限制,针对其建模,如式(2)所示:
${{P}_{k}}\propto f\left( {{u}_{k}},{{d}_{k}},{{\varepsilon }_{k}},{{E}_{k}}\cdots \right)$ | (2) |
其中:Pk为节点的分类;uk为节点传感器类型;dk为节点到簇头节点的距离;εk为数据突变程度;Ek为节点的剩余能量。本文只根据上述四个因素进行聚类,现实中可按需求加入其他因素,如链路质量、置信度等。下面对以上的几个主要因素作如下量化处理:
对于节点传感器类型uk,不同的传感器类型分配不同的权重,如光电测速传感器是路面监测的主要设备,设定为偏高的数值H;压力传感器相对次要一些,设定为中等数值M;温湿度传感器突变数据较少,设定为稍低的数值L。具体如表 1所示。
节点到簇头的距离dk会影响到传输代价问题,计算其值可在协议开始的交换信息阶段通过接收信号的强度测量,而数据突变程度εk可由式(3)、(4)求得:
${{\varepsilon }_{k}}=\delta \times \varepsilon _{k}^{*}+\left( 1-\delta \right)\times {{{\varepsilon }'}_{k}}$ | (3) |
$\varepsilon _{k}^{'}=\zeta \times \frac{L\left( s \right)}{L\left( s \right)+L\left( c \right)}$ | (4) |
其中:εk为突变程度;εk*为上一复帧该节点的突变程度;ε′k为本次复帧内的突变程度;ζ为一个量化常数。在网络初始时刻,所有的节点量化常数相等,εk与ε*k的初值为0。L(s)、L(c)分别为节点队列中突发数据包和周期数据包的个数。为了更适合突发数据的长期变化趋势,把δ的值限定在0.5~1。
对于剩余能量Ek的计算,采用能量消耗模型[10]。由于本文中使用固定簇头的方式,簇内节点和簇头节点为短距离通信,簇头节点与Sink节点也是短距离通信,使用能耗模型中的自由空间模型,即收发距离小于阈值(d <d0)的情况下,计算由式(5)所示:
${{E}_{k}}=b\left( {{E}_{elec}}+{{E}_{fs}}{{d}^{2}} \right)$ | (5) |
其中:b为发送数据的比特数;Eelec为发射电路和接收电路的能耗;Efs为传播消耗功率。
以上是影响传感器节点的主要因素,其他因素可根据实际情况另行设定。这样,通过量化处理之后,每个簇内节点都形成了一个因素向量,向量中的每个值都代表一种影响动态划分类别的因素,且每种因素的量化标准相同。簇内节点在最初的交换信息阶段把自己的因素向量发送给簇头,簇头则利用模糊聚类的方法动态划分类别,具体如下:
设论域U={n1,n2,…,nk}表示单个簇所覆盖的区域,簇内节点个数为k。每个节点在交换信息阶段发送传感器类型、到簇头节点距离、数据突变程度、节点剩余能量等m个指标给簇头节点,则簇内节点i发送给簇头节点的向量为ni=(ni1,ni2,…,nim),i=1,2,…,k。簇头节点可获得采集矩阵P,如式(6)所示:
$\mathbf{P}=\left[ \begin{matrix} {{n}_{11}} & {{n}_{12}} & \cdots & {{n}_{1m}} \\ {{n}_{21}} & {{n}_{22}} & \cdots & {{n}_{2m}} \\ \vdots & \vdots & {} & \vdots \\ {{n}_{k1}} & {{n}_{k2}} & \cdots & {{n}_{km}} \\ \end{matrix} \right]$ | (6) |
为了达到模糊聚类的要求,利用式(7)对矩阵P作标准化处理:
${{r}_{ij}}={{\left\{ \begin{matrix} 1, & i=j \\ \frac{1}{M}\sum\limits_{k=1}^{m}{{{n}_{ik}}}\bullet {{n}_{jk}}, & i\ne j \\ \end{matrix} \right.}^{{}}}$ | (7) |
其中:
$\mathbf{R}=\left[ \begin{matrix} 1 & {{r}_{12}} & \cdots & {{r}_{1k}} \\ {{r}_{21}} & 1 & \cdots & {{r}_{2k}} \\ \vdots & \vdots & {} & \vdots \\ {{r}_{k1}} & {{r}_{k2}} & \cdots & 1 \\ \end{matrix} \right]$ | (8) |
根据相似矩阵的特征,选择易于实现且时间复杂度较低的Kruskal最大树算法进行聚类,其具体实现如下:
1) 假设节点形成连通网CN={{V},{E}},令最大树初始状态是只有节点而无边的非连通图T={{V},{}},图中每个节点自成一个连通分量。
2) 在模糊相似矩阵的上三角中找出最大的数rij(i≠j)。若该数依附的节点落在T中不同的连通分量上,则将此数作为边加入到T中;否则舍去,选择下一个最大的数。
3) 依次类推,直到T中所有节点都在同一个连通分量上为止,得出模糊相似矩阵R的最大树。
4) 选定不同的λ值,砍去最大树中低于λ的边,即得在λ水平上的分类。
分类的个数应适中,且与现实部署相关,根据交通监控的现实情况,分为二、三类为最佳。为区分类别的优先级,对原始采集矩阵P中第j个指标计算均值,如式(9)所示:
${{\bar{p}}_{j}}=\frac{{{n}_{1j}}+{{n}_{2j}}+\cdots +{{n}_{kj}}}{k}=\frac{1}{k}\sum\limits_{i=1}^{k}{{{n}_{ij}}}$ | (9) |
对于簇内全部节点的m个指标,其样本中心向量为=(p1,p2,…,pm)。然后计算每类的中心向量,如第θ类的中心向量为p(θ)=p(1(θ),p2(θ),…,pm(θ))。根据欧氏距离公式,计算每一类中心向量p(θ)到样本中心向量p的欧氏距离dθ,如式(10)。离样本中心最近,即dθ最小的类优先级最高,依次类推,按欧氏距离为每个类划分优先级。
${{d}_{\theta }}=\sqrt{{{\left( \bar{p}_{1}^{(\theta )}-{{{\bar{p}}}_{1}} \right)}^{2}}+{{\left( \bar{p}_{2}^{(\theta )}-{{{\bar{p}}}_{2}} \right)}^{2}}+\cdots +{{\left( \bar{p}_{m}^{(\theta )}-{{{\bar{p}}}_{m}} \right)}^{2}}}$ | (10) |
FC-MAC协议中,对于优先级不同的类,分别对应着不同的仲裁帧间间隔(Arbitration Inter-frame Spacing,AIFS)[11]。在CSMA/CA阶段,影响节点起始阶段接入先后的参数是AIFS,不同的分类θ对应不同的AIFSθ,计算如式(11)所示:
$AIF{{S}_{\theta }}=SIFS+{{\text{C}}_{\text{ }\!\!\theta\!\!\text{ }}}\times {{\text{T}}_{\text{slot}}}$ | (11) |
其中:SIFS表示每个节点的短帧间间隔,是个相等的常量;Cθ的值随着类别的优先级增大而减少,动态地区分不同类别接入的先后顺序。而节点的退避时间范围则是由竞争窗口(Contention Window,CW)和退避指数(Backoff Exponent,BE)两个参数决定的。对于不同的分类θ,有不同的BEminθ值和BEmaxθ值,优先级越高的类别竞争窗口CWθ的取值越小,使其有更高的概率竞争早期的时隙传输数据。其退避时间由式(12)、(13)计算:
$C{{W}_{\theta }}=rand\left( 0,{{2}^{B{{E}_{\theta }}}}-1 \right);B{{E}_{\theta }}\in \left( BE_{min}^{\theta },BE_{max}^{\theta } \right)$ | (12) |
$T_{backoff}^{\theta }=C{{W}_{\theta }}\times {{T}_{slot}}$ | (13) |
通过以上不同分类对应不同参数的方法,使类别高的节点能够更早接入信道,并在发生碰撞的情况下选择较少的时隙退避,提高突发数据的实时性。对于没有抢占到信道的节点,则在以后的CSMA/CA阶段继续竞争。如果本节点的TDMA阶段到来时仍没抢占信道发送突发数据,则可利用TDMA阶段进行发送。每次聚类发生在复帧起始的交换信息阶段,从而动态地掌握节点信息的变化,使聚类更加符合实际情况。
2.5 分层随机延迟策略当不同的簇工作在相同频率时,会产生簇间干扰。解决簇间干扰的方法一般分为两种:第一种是不同的簇采用不同的频率进行簇内通信,簇头节点则采用另外一个频率以CSMA/CA的方式与Sink节点交换信息。第二种方式是采用直接序列扩频(Direct Sequence Spread Spectrum,DSSS)技术使不同的簇工作在相同的频率上,但是使用不用的扩频码以消除簇间干扰。在簇之间使用DSSS技术比较复杂,所以FC-MAC协议采取第一种方法避免簇间干扰;并通过分层随机延迟策略使簇头节点动态分层,减少同一时段内竞争的簇头节点数量。
由于FC-MAC协议特殊的时隙分配策略,加之在交通系统中采用固定簇的方式,所以可在整个网络的初始阶段为每个簇随机延迟n个时隙块,其中n在0、1、2中任意取值(本文使用每个节点分配三个时隙块的方法)。因整个网络同步开始,这样,簇间SEND阶段动态地分成了三层,如图 5所示。
分层随机延迟策略把同一Sink节点下的簇头分成了不同的3个时段发送数据,使以前α个簇头同时竞争的信道从物理上分隔开,每个时间段最好情况下有α/3个簇头竞争信道,降低了争用信道的节点数量,从而减少了碰撞概率,使节点能更好地实现接入,完成数据传输,如图 6所示。
为了验证协议的有效性,在NS-2仿真环境下对本文提出的FC-MAC协议进行了验证,并结合FC-MAC协议的实际应用环境与结构,选择了S-LMAC协议和Z-MAC协议与其在网络吞吐量、突发数据平均时延和节点能量消耗三个方面进行了对比。
3.1 仿真参数设置因十字路口四个方向的模型相似,所以本实验在长100m、宽50m的实验场地模拟十字路口一侧进行仿真,普通节点最大通信半径为30m,簇头节点采用特殊供电方式,可增大发射功率,使其通信半径达60m,且分布在实验场地中线上(模拟道路中央绿化带),Sink节点部署在场地边的中心位置。通信频率为2.4GHz,数据包大小为128B。Z-MAC、S-LMAC、FC-MAC的簇头节点均采取CH-BS的单跳传输模式,其中FC-MAC复帧中包含26个TDMA帧,时隙块中取τ=2,即每个时隙块包含4个时隙。数据速率为250Kb/s,周期数据产生间隔为1s,突发数据产生间隔服从正态分布。节点初始能量为1J,Eelec为50nJ/b,Efs为10pJ/(b·m2)。
3.2 性能分析首先,本文分析最优节点数量。图 7为网络饱和情况下,采用不同数量的簇内节点与簇头节点的网络吞吐量关系。整个网络吞吐量受到多方面影响,如式(14)所示:
$Tr=\frac{{{n}_{CH}}\bullet \rho {{\left( 1-\rho \right)}^{{{n}_{CH}}-1}}\bullet I\left[ p \right]}{3\times {{2}^{\tau }}\times {{T}_{slot}}}$ | (14) |
其中:Tr为整个网络饱和情况下的吞吐量;nCH为每一层(分层随机延迟策略使簇头分为3层)的簇头节点数量;I[p]为簇头节点所要传输的数据量,这个值与簇内节点的数量有关。簇内节点太少,则导致时隙空闲,I[p]的值偏小,影响吞吐量;簇内节点过多,则加剧CSMA/CA阶段的竞争,即使采用了基于模糊聚类的CSMA/CA机制也会导致整个网络性能的下降。 ρ为信道空闲概率,这个值与簇头节点的数量有关。当簇头节点总数小于等于3时,由于采用分层随机延迟策略,簇头之间不会出现竞争现象;当簇头节点总数大于3时,每层中的簇头节点数量将会增多,信道空闲概率降低,使分层随机延迟策略达不到最好的效果。以上的这些都会导致整个网络的吞吐量下降。经过仿真实验得出,在簇头节点为3个,簇内节点为8个的条件下,整个网络的碰撞概率最低,网络的吞吐量达到最高。
选择簇头节点为3个、簇内节点为8个的情况下与其他协议在网络吞吐量上进行对比。图 8为测得的突发数据到达间隔与网络吞吐量关系。从图 8可看出:当突发数据到达间隔较大时,三个协议的网络吞吐量相差不多;当突发数据到达间隔减少时,FC-MAC的网络吞吐量将超过其他协议。当突发数据到达间隔为0.01s时,FC-MAC的网络吞吐量比Z-MAC提高11.2%,比S-LMAC提高21.3%。这是因为FC-MAC保证周期数据和突发数据传输的前提下,采用基于模糊聚类的CSMA/CA机制与分层随机延迟策略。在网络负载较大的情况下,两种方法的综合应用减少了数据碰撞,增大了网络吞吐量。
其次,分析突发数据的平均时延,将簇头节点固定为3个,簇内节点从4增加到20个进行仿真实验。图 9是簇内节点数量与突发数据平均时延关系。从图 9可看出:随着簇内节点数量的增加,FC-MAC的突发数据平均时延小于Z-MAC和S-LMAC。当簇内节点为8个时,FC-MAC的突发数据平均时延比Z-MAC减少34.2%,比S-LMAC减少40%。这是由于FC-MAC区分了传输数据类型,使实时性要求高的突发数据拥有更多传输机会;并且引入改进后的CSMA/CA机制,根据节点的类别优先级区分接入的先后顺序与退避范围,减小了由退避引起的延迟。
另外,选择了簇内节点固定为8个,簇头节点从1增加到6个进行实验。图 10是簇头节点数量与突发数据平均时延关系。在实验中,随着簇头节点增多,FC-MAC、S-LMAC、Z-MAC的突发数据时延全部增大,但FC-MAC的时延要低于其他协议。当簇头节点为3个时,FC-MAC的突发数据平均时延比Z-MAC减少37.9%,比S-LMAC减少41.8%。因为Z-MAC和S-LMAC的簇头节点采取了竞争方式接入Sink节点,而FC-MAC在竞争接入的基础上采用分层随机延迟策略,减少了同一时段内竞争的簇头节点数量,降低了数据碰撞概率,从而减小了突发数据的平均时延。
最后,分析节点的剩余能量。图 11是簇头节点为3个,簇内节点为8个的情况下,节点剩余能量与网络运行时间关系。FC-MAC的能量消耗低于Z-MAC,因为FC-MAC中的簇内节点只有在自己的TDMA阶段传输数据,而在CSMA/CA阶段时,簇内节点仅在产生突发数据的情况下苏醒;同时,采用模糊聚类动态划分类别优先级,降低了传输碰撞产生的能量开销;且时隙块的引入使周期性控制变得简单。然而Z-MAC在低业务情况下,耗能较大。但Z-MAC和FC-MAC的能量消耗都要高于S-LMAC。
本文根据交通监控的特殊环境,提出一种保证突发数据实时性的MAC协议。该协议根据因素向量把簇内节点划分为不同的类别;同时给不同的类别赋予不同的优先级,以便高优先级类别的突发数据能够更早接入信道,完成数据传输;在簇头竞争接入Sink节点方面,采用分层随机延迟策略,以较低的代价降低簇头干扰,提高整体网络吞吐量。仿真结果表明,FC-MAC的能量消耗在S-LMAC协议与Z-MAC协议之间,但在突发数据实时性与网络吞吐量方面,FC-MAC更优越,该协议的突发数据传输耗时更少、网络吞吐量更大,可满足交通监控这种特殊环境的需求。
[1] | YE W, HEIDEMANN J, ESTRIN D. An energy-efficient MAC protocol for wireless sensor networks [C]//INFOCOM 2002: Proceedings of the IEEE 21st Annual Joint Conference of the IEEE Computer and Communications Societies. Washington, DC: IEEE Computer Society, 2002, 3: 1567-1576. (0) |
[2] | LIN P, QIAO C, WANG X. Medium access control with a dynamic duty cycle for sensor networks [C]//WCNC 2004: Proceedings of the 2004 IEEE Wireless Communications and Networking Conference. Piscataway, NJ: IEEE, 2004, 3:1534-1539. (0) |
[3] | 邓亚平, 蒋新春, 陈兰兰. 无线传感器网络TDMA MAC协议的对比和改进研究[J]. 计算机工程与应用, 2010, 46 (4) : 89-92. ( DENG Y P, JIANG X C, CHEN L L. Research on comparison between TDMA MAC protocols and improvement for wireless sensor networks[J]. Computer Engineering and Applications, 2010, 46 (4) : 89-92. ) (0) |
[4] | TANG L, SUN Y, GUREWITZ O, et al. EM-MAC: a dynamic multichannel energy-efficient MAC protocol for wireless sensor networks [J]. MobiHoc 2011: Proceedings of the 12th ACM International Symposium on Mobile Ad Hoc Networking and Computing. New York: ACM, 2011: Article No. 23. (0) |
[5] | 刘韬, 李天瑞, 殷锋, 等. 基于网络效用最大化与冲突避免的无线传感器网络MAC协议[J]. 计算机应用, 2014, 34 (11) : 3196-3200. ( LIU T, LI T R, YIN F, et al. Medium access control protocol with network utility maximization and collision avoidance for wireless sensor networks[J]. Journal of Computer Applications, 2014, 34 (11) : 3196-3200. ) (0) |
[6] | RHEE I, WARRIER A, AIA M, et al. Z-MAC: a hybrid MAC for wireless sensor networks[J]. IEEE/ACM Transactions on Networking, 2008, 16 (3) : 511-524. doi: 10.1109/TNET.2007.900704 (0) |
[7] | SOUIL M, RAULT T, BOUABDALLAH A. A new adaptive MAC protocol with QoS support for heterogeneous wireless sensor networks [C]//Proceedings of the 2012 IEEE Symposium on Computers and Communications. Washington, DC: IEEE Computer Society, 2012: 405-410. (0) |
[8] | 陈存香, 何遵文, 贾建光, 等. TC2-MAC:一种无线传感器网络自适应混合MAC协议[J]. 通信学报, 2014, 35 (4) : 91-102. ( CHEN C X, HE Z W, JIA J G, et al. TC2-MAC: an adaptive MAC protocol for wireless sensor network[J]. Journal on Communications, 2014, 35 (4) : 91-102. ) (0) |
[9] | GANERIWAL S, KUMAR R, SRIVASTAVA M B. Timing-sync protocol for sensor networks [C]//SenSys 2003: Proceedings of the 1st International Conference on Embedded Networked Sensor Systems. New York: ACM, 2003: 138-149. (0) |
[10] | HEINZELMAN W B, CHANDRAKASAN A P, BALAKRISHNAN H. An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Transactions on Wireless Communications, 2002, 1 (4) : 660-670. doi: 10.1109/TWC.2002.804190 (0) |
[11] | 吴杰康, 段云飞. IEEE 802.11e EDCA机制的一种参数调节策略[J]. 计算机应用, 2008, 28 (8) : 1962-1964. ( WU J K, DUAN Y F. Parameter tuning strategy for IEEE 802.11e EDCA mechanism[J]. Journal of Computer Applications, 2008, 28 (8) : 1962-1964. ) (0) |