论文部分内容阅读
[摘 要]M2M业务为物联网业务的主要表現形式。本文在物联网业务应用背景下，对4G网络进行了研究与优化，从仿真分析、理论分析等角度入手，对其进行理论模型建立、相应理论推算，提出了网络改进方案，并在网络平台上进行验证。
[关键词]物联网、M2M、4G网络、网络优化
中图分类号：S998 文献标识码：A 文章编号：1009-914X（2018）02-0373-01
引言：M2M业务是指所有与机器通信相关的业务，其终端将达到万亿量级。在物联网的感知层，终端设备所采用的低功率短距离无线技术种类繁多（如RFID、蓝牙等），协议不一，使传感层异构性十分突出。4G网络作为M2M业务的承载网络，具有适合异构业务传输、覆盖范围广、传输速率高等特点。
3GPP把M2M业务分为7类35种，每类业务具有独特的业务特性。本文研究沈阳市惠民医院的物联网业务场景，4G网络承载生命体征监测业务、自动售货机业务和车队管理业务的情况。生命体征监测业务具有低移动、时延敏感、丢包敏感的特性；自动售货机具有低移动性、时延容忍、丢包敏感的特性；车队管理业务具有高移动性、时延容忍、丢包不敏感的特性。
由于物联网的终端数量庞大，具有不同QoS需求的M2M业务共享网络资源，导致时延容忍业务对时延敏感业务造成致命影响。因此，本文针对医院场景下的M2M业务，对4G承载网络进行优化。首先，根据OPNET实验平台上进行网络搭建，准确仿真网络中各业务的情况并收集业务流量；其次，利用LAMBDA算法对M2M业务源进行建模，利用排队理论对4G网络进行建模，并提出单载波情况下满足M2M时延敏感业务QoS需求的4G网络优化方案；最后，在实验平台上对提出的网络优化方案进行验证，并提出其他可行性优化方案。
4G网络下的M2M业务收集
目前物联网业务尚未大规模应用，仿真平台的优势在于能够在充分考虑网络特性的前提下，准确模拟拟定研究网络的环境，正确设置业务流程。本文利用OPNET网络仿真软件以医院为场景，搭建M2M业务（生命体征监测业务、自动售货机业务和车队管理业务）背景下的4G网络。通过修改OPNET进程级模块，得到M2M业务的流量及生命体征监测业务的QoS指标，平均时的延为0.15s，平均丢包率为1%，可以看出，对于时延、丢包均敏感的生命体征监测业务，QoS指标均不够理想。
M2M业务背景下4G网络建模分析及优化策略
M2M业务具有巨大的随机业务数量、每次通信数量小的特性，结合M2M业务的行为特性，我们利用LAMBDA算法将时延敏感的生命体征监测业务和时延容忍的自动售货机业务、车队管理业务的混合业务分别建模为参数不同的MMBP模型，LAMBDA算法[2]流程图。
得到时延敏感生命体征监测业务（以S1表示）和时延容忍自动售货机业务、车队管理业务的混合业务（以S2表示）的业务源MMBP模型的状态转移矩阵R与速率矩阵Λ分别为：
由3.1节得到的M2M业务的QoS指标并不理想，因此，我们提出了3种针对M2M业务的4G网络优化策略，并对优化策略1进行了详细的建模及理论分析。
3.2.1 优化策略1及其建模
时延敏感业务与时延容忍业务按照FCFS的规则排在同一缓存队列中，时延容忍业务排队时延的存在严重影响了时延敏感业务的平均时延。
因此，我们提出了优化策略1，即延敏感业务和时延容忍业务分别缓存在不同的队列中，并制定以下带有优先级的排队规则：时延敏感业务与时延容忍业务分别在不同的队列中进行排队，时延敏感业务（S1）的缓存容量为N，服务阈值为THn，时延容忍业务（S2）的缓存容量为M，休假阈值为THm，M>N，THm > THn。若系统中S1队列中的顾客数超过阈值THn时，则服务器为S1服务；若S1的顾客数小于THn（非空），而S2的顾客数大于阈值THm时，则服务器为S2顾客服务，若S2的顾客数不大于阈值THm时，服务器仍为S1顾客服务；若其中有一个队列为空，则服务器为非空队列服务；若两队列皆无顾客，则服务器空闲。服务器的服务时间服从参数为的几何分布（表示不成功服务的概率）。
我们将以上排队规则下的4G网络建模为双队列单服务器模型，该模型可以用一个四维的马尔科夫链{S1 （t），S2（t），n，m，t≥0}描述，状态空间为{0， 1}×{0， 1}×{0， 1， … ， N }×{0， 1， … ， M }。S1 （t）表示t时刻S1所处的状态，S2（t）表示t时刻S2所处的状态，该休假模型的状态转移概率矩阵为（3）， 其中p1、q1和p2、q2分别MMBP1和MMBP2的转移概率，P矩阵为一个4×（M+1）×（N+1）阶的方阵，Q1、Q2、Q3、Q4均为（M+1）×（N+1）阶方阵。 Q1表示MMBP1和MMBP2均处于0态的状态转移矩阵； Q2表示MMBP1处于0态，MMBP2处于1态的状态转移矩阵； Q3表示MMBP1处于1态，MMBP2处于0态的状态转移矩阵； Q4表示MMBP1和MMBP2均处于1态的状态转移矩阵。
根据矩阵平衡方程pP=p ，pe=1得到稳态分布p =μ（I -Z +eμ）-1，e =（1，1，…，1）T，Z =I +P/min{Pi，i}，μ为矩阵Z的任意一维行矢量。
进而得到S1业务的QoS指标、S1业务的平均队长、S1的平均吞吐量、S1的平均丢包率、S1的平均时延等值。
综上所述，在优化策略1下，S1业务的平均丢包率为0.8%，平均时延为0.03s。根据两个队列设置的门限值M、N及服务阈值THn、THm不同，平均丢包率和平均时延的减小量不同。
3.2.2 优化策略2
在本文研究的医院场景中，医院设备所发射的电磁波对无线信道质量产生干扰，进而影响M2M业务的服务速率，导致丢包率、平均时延增加。因此，在实际的网络优化中，我们可以增加射频发射功率，如使用大功率功放，增加数据传输信道的发射功率等。还可以加装室内分布系统，通过干放，光纤直放站，室内天线等设备改善室内信号质量。在利用排队理论建模过程中，体现为成功服务概率的增加，根据设置的改善参数不同，M2M业务的平均丢包率和平均时延的减小量不同。
3.2.3 优化策略3
海量的M2M设备终端严重影响4G网络无线侧的随机接入过程，数据包碰撞概率急剧增加导致多次的丢包和重传，致使时延增大。
我们可以针对M2M业务的小数据特性，通过改进随机接入机制，减小数据包碰撞概率[3]。在未来物联网业务大规模应用的环境下，我们可以使用更多的载波承载M2M业务，不同频点的载波承载不同QoS需求的M2M业务。在利用排队理论建模过程中，排队模型将变为独立多队列多服务器的排队系统。根据设置的载波频率、业务-载波配对不同，M2M业务的平均丢包率和平均时延的减小量不同。
实验验证
经仿真验证，在优化策略1下，可使平均时延减小85%，丢包率减小75%；优化策略2下，可使平均时延减小65%，丢包率减小50%；在优化策略3下，可使平均时延减小85%，丢包率减小55%。
结束语
本文针对医院场景下的M2M业务（生命体征监测业务、自动售货机业务、车队管理业务），对4G承载网络提出了3种优化策略：本文的研究成果可用于指导物联网大规模应用之后的4G网络优化研究。
参考文献
[1]王雅辉，迟学芬.M2M小数据业务的IEEE 802.11 WLAN分析模型.通信学报，32（12），pp122-130， 2011.
[关键词]物联网、M2M、4G网络、网络优化
中图分类号：S998 文献标识码：A 文章编号：1009-914X（2018）02-0373-01
引言：M2M业务是指所有与机器通信相关的业务，其终端将达到万亿量级。在物联网的感知层，终端设备所采用的低功率短距离无线技术种类繁多（如RFID、蓝牙等），协议不一，使传感层异构性十分突出。4G网络作为M2M业务的承载网络，具有适合异构业务传输、覆盖范围广、传输速率高等特点。
3GPP把M2M业务分为7类35种，每类业务具有独特的业务特性。本文研究沈阳市惠民医院的物联网业务场景，4G网络承载生命体征监测业务、自动售货机业务和车队管理业务的情况。生命体征监测业务具有低移动、时延敏感、丢包敏感的特性；自动售货机具有低移动性、时延容忍、丢包敏感的特性；车队管理业务具有高移动性、时延容忍、丢包不敏感的特性。
由于物联网的终端数量庞大，具有不同QoS需求的M2M业务共享网络资源，导致时延容忍业务对时延敏感业务造成致命影响。因此，本文针对医院场景下的M2M业务，对4G承载网络进行优化。首先，根据OPNET实验平台上进行网络搭建，准确仿真网络中各业务的情况并收集业务流量；其次，利用LAMBDA算法对M2M业务源进行建模，利用排队理论对4G网络进行建模，并提出单载波情况下满足M2M时延敏感业务QoS需求的4G网络优化方案；最后，在实验平台上对提出的网络优化方案进行验证，并提出其他可行性优化方案。
4G网络下的M2M业务收集
目前物联网业务尚未大规模应用，仿真平台的优势在于能够在充分考虑网络特性的前提下，准确模拟拟定研究网络的环境，正确设置业务流程。本文利用OPNET网络仿真软件以医院为场景，搭建M2M业务（生命体征监测业务、自动售货机业务和车队管理业务）背景下的4G网络。通过修改OPNET进程级模块，得到M2M业务的流量及生命体征监测业务的QoS指标，平均时的延为0.15s，平均丢包率为1%，可以看出，对于时延、丢包均敏感的生命体征监测业务，QoS指标均不够理想。
M2M业务背景下4G网络建模分析及优化策略
M2M业务具有巨大的随机业务数量、每次通信数量小的特性，结合M2M业务的行为特性，我们利用LAMBDA算法将时延敏感的生命体征监测业务和时延容忍的自动售货机业务、车队管理业务的混合业务分别建模为参数不同的MMBP模型，LAMBDA算法[2]流程图。
得到时延敏感生命体征监测业务（以S1表示）和时延容忍自动售货机业务、车队管理业务的混合业务（以S2表示）的业务源MMBP模型的状态转移矩阵R与速率矩阵Λ分别为：
由3.1节得到的M2M业务的QoS指标并不理想，因此，我们提出了3种针对M2M业务的4G网络优化策略，并对优化策略1进行了详细的建模及理论分析。
3.2.1 优化策略1及其建模
时延敏感业务与时延容忍业务按照FCFS的规则排在同一缓存队列中，时延容忍业务排队时延的存在严重影响了时延敏感业务的平均时延。
因此，我们提出了优化策略1，即延敏感业务和时延容忍业务分别缓存在不同的队列中，并制定以下带有优先级的排队规则：时延敏感业务与时延容忍业务分别在不同的队列中进行排队，时延敏感业务（S1）的缓存容量为N，服务阈值为THn，时延容忍业务（S2）的缓存容量为M，休假阈值为THm，M>N，THm > THn。若系统中S1队列中的顾客数超过阈值THn时，则服务器为S1服务；若S1的顾客数小于THn（非空），而S2的顾客数大于阈值THm时，则服务器为S2顾客服务，若S2的顾客数不大于阈值THm时，服务器仍为S1顾客服务；若其中有一个队列为空，则服务器为非空队列服务；若两队列皆无顾客，则服务器空闲。服务器的服务时间服从参数为的几何分布（表示不成功服务的概率）。
我们将以上排队规则下的4G网络建模为双队列单服务器模型，该模型可以用一个四维的马尔科夫链{S1 （t），S2（t），n，m，t≥0}描述，状态空间为{0， 1}×{0， 1}×{0， 1， … ， N }×{0， 1， … ， M }。S1 （t）表示t时刻S1所处的状态，S2（t）表示t时刻S2所处的状态，该休假模型的状态转移概率矩阵为（3）， 其中p1、q1和p2、q2分别MMBP1和MMBP2的转移概率，P矩阵为一个4×（M+1）×（N+1）阶的方阵，Q1、Q2、Q3、Q4均为（M+1）×（N+1）阶方阵。 Q1表示MMBP1和MMBP2均处于0态的状态转移矩阵； Q2表示MMBP1处于0态，MMBP2处于1态的状态转移矩阵； Q3表示MMBP1处于1态，MMBP2处于0态的状态转移矩阵； Q4表示MMBP1和MMBP2均处于1态的状态转移矩阵。
根据矩阵平衡方程pP=p ，pe=1得到稳态分布p =μ（I -Z +eμ）-1，e =（1，1，…，1）T，Z =I +P/min{Pi，i}，μ为矩阵Z的任意一维行矢量。
进而得到S1业务的QoS指标、S1业务的平均队长、S1的平均吞吐量、S1的平均丢包率、S1的平均时延等值。
综上所述，在优化策略1下，S1业务的平均丢包率为0.8%，平均时延为0.03s。根据两个队列设置的门限值M、N及服务阈值THn、THm不同，平均丢包率和平均时延的减小量不同。
3.2.2 优化策略2
在本文研究的医院场景中，医院设备所发射的电磁波对无线信道质量产生干扰，进而影响M2M业务的服务速率，导致丢包率、平均时延增加。因此，在实际的网络优化中，我们可以增加射频发射功率，如使用大功率功放，增加数据传输信道的发射功率等。还可以加装室内分布系统，通过干放，光纤直放站，室内天线等设备改善室内信号质量。在利用排队理论建模过程中，体现为成功服务概率的增加，根据设置的改善参数不同，M2M业务的平均丢包率和平均时延的减小量不同。
3.2.3 优化策略3
海量的M2M设备终端严重影响4G网络无线侧的随机接入过程，数据包碰撞概率急剧增加导致多次的丢包和重传，致使时延增大。
我们可以针对M2M业务的小数据特性，通过改进随机接入机制，减小数据包碰撞概率[3]。在未来物联网业务大规模应用的环境下，我们可以使用更多的载波承载M2M业务，不同频点的载波承载不同QoS需求的M2M业务。在利用排队理论建模过程中，排队模型将变为独立多队列多服务器的排队系统。根据设置的载波频率、业务-载波配对不同，M2M业务的平均丢包率和平均时延的减小量不同。
实验验证
经仿真验证，在优化策略1下，可使平均时延减小85%，丢包率减小75%；优化策略2下，可使平均时延减小65%，丢包率减小50%；在优化策略3下，可使平均时延减小85%，丢包率减小55%。
结束语
本文针对医院场景下的M2M业务（生命体征监测业务、自动售货机业务、车队管理业务），对4G承载网络提出了3种优化策略：本文的研究成果可用于指导物联网大规模应用之后的4G网络优化研究。
参考文献
[1]王雅辉，迟学芬.M2M小数据业务的IEEE 802.11 WLAN分析模型.通信学报，32（12），pp122-130， 2011.