ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΑΛΗΘΕΥΣΗ ΑΠΟΔΟΣΗΣ ΒΟΛΙΔΟΣΚΟΠΗΣΗΣ ΜΕ ΜΑΝΘΑΝΟΝΤΑ ΑΥΤΟΜΑΤΑ ΣΕ ΥΠΟΒΡΥΧΙΑ ΑΚΟΥΣΤΙΚΑ ΔΙΚΤΥΑ (Performance Verification with Learning Automata Based Polling in Acoustic Underwater Environments) ΤΟΥΜΠΟΥΛΙΔΟΥ ΑΝΑΣΤΑΣΙΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΝΙΚΟΠΟΛΙΤΙΔΗΣ ΠΕΤΡΟΣ ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Α.Π.Θ. ΘΕΣΣΑΛΟΝΙΚΗ, ΙΟΥΝΙΟΣ 2011

2 2

3 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΑΛΗΘΕΥΣΗ ΑΠΟΔΟΣΗΣ ΒΟΛΙΔΟΣΚΟΠΗΣΗΣ ΜΕ ΜΑΝΘΑΝΟΝΤΑ ΑΥΤΟΜΑΤΑ ΣΕ ΥΠΟΒΡΥΧΙΑ ΑΚΟΥΣΤΙΚΑ ΔΙΚΤΥΑ (Performance Verification with Learning Automata Based Polling in Acoustic Underwater Environments) ΤΟΥΜΠΟΥΛΙΔΟΥ ΑΝΑΣΤΑΣΙΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΝΙΚΟΠΟΛΙΤΙΔΗΣ ΠΕΤΡΟΣ ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Α.Π.Θ. Τριμελής Εξεταστική Επιτροπή: Π. Νικοπολιτίδης, Επ. Καθηγητής Α.Π.Θ. Α. Πομπόρτσης, Καθηγητής Α.Π.Θ. Γ. Παπαδημητρίου, Αν. Καθηγητής Α.Π.Θ. ΘΕΣΣΑΛΟΝΙΚΗ, ΙΟΥΝΙΟΣ

4 Copyright Αναστασία Τουμπουλίδου, 2011 Με επιφύλαξη παντός δικαιώματος. All rights reserved Απαγορεύεται η αντιγραφή, αποθήκευση και διανομή της παρούσας εργασίας, εξ ολοκλήρου ή τμήματος αυτής, για εμπορικό σκοπό. Επιτρέπεται η ανατύπωση, αποθήκευση και διανομή για σκοπό μη κερδοσκοπικό, εκπαιδευτικής ή ερευνητικής φύσης, υπό την προϋπόθεση να αναφέρεται η πηγή προέλευσης και να διατηρείται το παρόν μήνυμα. Ερωτήματα που αφορούν τη χρήση της εργασίας για κερδοσκοπικό σκοπό πρέπει να απευθύνονται προς τον συγγραφέα. Οι απόψεις και τα συμπεράσματα που περιέχονται σε αυτό το έγγραφο εκφράζουν τον συγγραφέα και δεν πρέπει να ερμηνευτεί ότι εκφράζουν τις επίσημες θέσεις του Α.Π.Θ. 4

5 5

6 ΠΕΡΙΛΗΨΗ ΠΕΡΙΛΗΨΗ Στην παρούσα εργασία μελετάται ένα πρωτόκολλο βολιδοσκόπησης βασισμένο σε μανθάνοντα αυτόματα (Learning Automata-based Polling) για ασύρματα LANs, ικανό να λειτουργεί κάτω από συνθήκες υψηλού φορτίου. Θεωρείται μια υποδομή ενός ασύρματου LAN, όπου το σημείο πρόσβασης (AP) βρίσκεται στο κέντρο ενός «κελιού» το οποίο αποτελείται από έναν αριθμό κινητών σταθμών. Σύμφωνα με το προτεινόμενο πρωτόκολλο ο κινητός σταθμός στον οποίο παρέχεται άδεια να μεταδώσει επιλέγεται από το AP με τις μεθόδους του μανθάνοντος αυτόματου. Το μανθάνον αυτόματο λαμβάνει υπόψη του τις πληροφορίες ανάδρασης του δικτύου προκειμένου να ανανεώσει την πιθανότητα επιλογής για κάθε κινητό σταθμό. Το LEAP συγκρίνεται με την τυχαία και στη συνέχεια με την εκ περιτροπής ανάθεση βολιδοσκόπησης. Στη συνέχεια ελέγχεται το ίδιο πρωτόκολλο στο υποβρύχιο περιβάλλον και εξάγονται τα συμπεράσματα των προσομοιώσεων στα δύο είδη ανάθεσης αντίστοιχα. Τα αποτελέσματα των προσομοιώσεων που παρουσιάζονται τόσο στο επίγειο όσο και στο υποβρύχιο περιβάλλον παρουσιάζουν το LEAP συγκριτικά με τα δύο είδη ανάθεσης, την τυχαία και την εκ περιτροπής ανάθεση βολιδοσκόπησης. ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ πρωτόκολλο βολιδοσκόπησης βασισμένο σε μανθάνοντα αυτόματα, ασύρματα LANs, τυχαία ανάθεση, ανάθεση εκ περιτροπής, υποβρύχιο περιβάλλον 6

7 ABSTRACT ABSTRACT A learning automata-based polling (LEAP) protocol for wireless LANs, capable of operating efficiently under bursty traffic conditions, is studied. We consider an infrastructure wireless LAN, where the access point (AP) is located at the center of a cell which comprises a number of mobile stations. According to the proposed protocol, the mobile station that is granted permission to transmit is selected by the AP by means of a learning automaton. The learning automaton takes into account the network feedback information in order to update the choice probability of each mobile station. LEAP is compared to the randomly addressed polling and round robin addressed polling protocols and is shown to exhibit superior performance under bursty traffic. The same protocol is induced in an underwater network and similar results are taken for both addressed pollings. The results of the simulations that are presented both to the underwater and to the terrestrial wireless environment present the LEAP protocol compared with both addressed pollings, the randomly and the round robin addressed polling. INDEX TERMS LEarning Automata-based Polling (LEAP), wireless LANs, randomly addressed polling, round robin addressed polling, underwater network 7

8 ΕΥΧΑΡΙΣΤΙΕΣ ΕΥΧΑΡΙΣΤΙΕΣ Φτάνοντας στο τέλος αυτής της διετούς διαδρομής, και κοιτώντας πίσω βλέπω πως όλοι οι κόποι και οι προσπάθειες αυτών των μηνών άξιζαν. Νιώθω πως μέσα από αυτό το μεταπτυχιακό, αλλά και από κάθε μορφή εκπαίδευσης και γνώσης, βελτιώθηκα ως επιστήμονας και ως άνθρωπος. Εκ βάθους ευχαριστίες θα ήθελα να εκφράσω πρώτα από όλους στον επιβλέποντα καθηγητή μου κ. Νικοπολιτίδη Πέτρο κατ αρχήν επειδή μου έδωσε την ευκαιρία να εκπονήσω την παρούσα διπλωματική εργασία, και στη συνέχεια για την πολύτιμη βοήθεια, την καθοδήγηση, την απόλυτη κατανόηση που μου έδειξε όλο αυτό το διάστημα και την εξαιρετική συνεργασία του. Επίσης θα ήθελα να ευχαριστήσω θερμά την οικογένεια και τα αγαπημένα μου πρόσωπα για την ψυχολογική υποστήριξη και τη συμπαράσταση που μου έδειχναν καθ όλη τη διάρκεια αυτής της διαδρομής. Τουμπουλίδου Αναστασία Θεσσαλονίκη, Ιούνιος

9 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΠΕΡΙΛΗΨΗ... 6 ABSTRACT... 7 ΕΥΧΑΡΙΣΤΙΕΣ... 8 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ... 9 ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ...10 ΛΙΣΤΑ ΠΙΝΑΚΩΝ ΕΙΣΑΓΩΓΗ LEAP PROTOCOL Περιγραφή του πρωτοκόλλου Ασυμπτωτική Ανάλυση Σχετική Εργασία Σχετική Εργασία σε WLAN Σχετική Εργασία σε υποβρύχιο περιβάλλον ΑΠΟΤΕΛΕΣΜΑΤΑ - ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Περιβάλλον Προσομοίωσης ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ Αποτελέσματα σε επίγειο Περιβάλλον Αποτελέσματα στο υποβρύχιο Περιβάλλον ΠΡΟΣΟΜΟΙΩΤΗΣ ΣΥΜΠΕΡΑΣΜΑΤΑ...68 ΒΙΒΛΙΟΓΡΑΦΙΑ...70 ΠΑΡΑΡΤΗΜΑ: ΑΚΡΩΝΥΜΑ

10 ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ Εικόνα 1. Ανταλλαγή μηνυμάτων και χρονοσειρά για τον αλγόριθμο LEAP...19 Εικόνα 2. Σύγκλιση των βασικών και των κανονικοποιημένων πιθανοτήτων επιλογής για τους σταθμούς 1 και Εικόνα 3. Επιδράσεις στη σύγκλιση των βασικών πιθανοτήτων επιλογής ποικίλλοντας στις παραμέτρους L και α Εικόνα 4. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 5. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 6. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 7. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 8. Προσφερόμενος φόρτος vs Απόδοση συγκριτικά για τα δίκτυα Ν1 και Ν2 για τυχαία αποστολή πακέτων...40 Εικόνα 9. Απόδοση vs Καθυστέρηση συγκριτικά για τα δίκτυα Ν1 και Ν2 για τυχαία αποστολή πακέτων...40 Εικόνα 10. Προσφερόμενος φόρτος vs Απόδοση συγκριτικά για τα δίκτυα Ν1 και Ν2 με round robin αποστολή πακέτων...41 Εικόνα 11. Απόδοση vs Καθυστέρηση συγκριτικά για τα δίκτυα Ν1 και Ν2 με round robin αποστολή πακέτων...41 Εικόνα 12. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 13. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 14. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 15. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 16. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 17. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 18. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 19. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 20. Προσφερόμενος φόρτος vs Απόδοση συγκριτικά για τα δίκτυα Ν1 και Ν2 με τυχαία αποστολή πακέτων...47 Εικόνα 21. Απόδοση vs Καθυστέρηση συγκριτικά για τα δίκτυα Ν1 και Ν2 με τυχαία αποστολή πακέτων

11 ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ Εικόνα 22. Προσφερόμενος φόρτος vs Απόδοση συγκριτικά για τα δίκτυα Ν1 και Ν2 με round robin αποστολή...48 Εικόνα 23. Απόδοση vs Καθυστέρηση συγκριτικά για τα δίκτυα Ν1 και Ν2 με round robin αποστολή πακέτων...48 Εικόνα 24. Propagation Delay vs Απόδοση για τυχαία αποστολή συγκριτικά για τα δίκτυα Ν1 και Ν Εικόνα 25. Propagation Delay vs Απόδοση για round robin αποστολή συγκριτικά για τα δίκτυα Ν1 και Ν Εικόνα 26. Συγκριτικά αποτελέσματα propagation_delay vs throughput για όλες τις περιπτώσεις για q= Εικόνα 27. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 28. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 29. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν Εικόνα 30. Απόδοση vs Καθυστέρηση για το δίκτυο Ν Εικόνα 31. Συγκριτικά αποτελέσματα propagation_delay vs throughput για όλες τις περιπτώσεις για q=

12 ΛΙΣΤΑ ΠΙΝΑΚΩΝ ΛΙΣΤΑ ΠΙΝΑΚΩΝ Πίνακας 1. Παράμετροι Προσομοίωσης...34 Πίνακας 2. Παράμετροι Προσομοίωσης στο υποβρύχιο περιβάλλον

13 13

14 ΕΙΣΑΓΩΓΗ 1. ΕΙΣΑΓΩΓΗ Υπάρχουν θεμελιώδεις διαφορές μεταξύ ασύρματων και ενσύρματων τοπικών δικτύων που εισάγουν δυσκολίες στο σχεδιασμό των MAC πρωτοκόλλων (πρωτόκολλα ελέγχου πρόσβασης μέσου) για ασύρματα τοπικά δίκτυα (WLANs) [1,2,3,5]. Τα WLANs, όπως λέει και το όνομα τους, χρησιμοποιούν ασύρματη μετάδοση για την ανταλλαγή πληροφοριών. Το ασύρματο μέσο χαρακτηρίζεται από ρυθμούς σφαλμάτων bit (BER) μεγέθους έως δέκα φορές πάνω από το BER των καλωδίων των LAN. Οι πρωταρχικοί λόγοι για το αυξημένο BER είναι ο ατμοσφαιρικός θόρυβος, φυσικές παρεμποδίσεις που υπάρχουν στο μονοπάτι του σήματος, ανάπτυξη πολλών μονοπατιών, παρεμπόδιση από άλλα συστήματα, και κινητικότητα των τερματικών. Επιπλέον, στα WLANs, τα λάθη εμφανίζονται κατά «σμήνη», ενώ στα παραδοσιακά ενσύρματα συστήματα, τα λάθη εμφανίζονται τυχαία. Μια πλήρως συνδεδεμένη τοπολογία μεταξύ των κόμβων ενός WLAN δε μπορεί να υποτεθεί. Μάλλον η λογική τοπολογία ενός WLAN τείνει να αλλάζει όσο οι χρήστες μετακινούνται από μια θέση σε μια άλλη. Ως αποτέλεσμα, τα WLANs χαρακτηρίζονται από αναξιόπιστους συνδέσμους μεταξύ κόμβων, που οδηγούν σε «σμήνη» λαθών και δυναμικά αλλάζουν τις τοπολογίες του δικτύου. Τα σύγχρονα WLAN MAC πρωτόκολλα πρέπει να είναι ικανά να διαχειρίζονται με αποτελεσματικότητα τη μεγάλη κυκλοφορία που αναμένεται να δημιουργηθεί από τις WLAN εφαρμογές (όπως client/server και εφαρμογές μεταφοράς αρχείων μεταξύ WLAN κόμβων). Πλην των διάφορων στη φύση της σύνδεσης (ενσύρματη ή ασύρματη) πολύ σημαντικές διαφορές υπάρχουν και μεταξύ των υποθαλάσσιων και των επίγειων δικτύων. Οι σημαντικότερες από αυτές είναι [29]: α) Κόστος. Οι επίγειοι αισθητήρες έχουν συνεχώς πτωτική πορεία στο κόστος τους ενώ οι υποθαλάσσιοι αισθητήρες είναι εξαιρετικά δαπανηροί, λόγω των σύνθετων πομπών και του εξειδικευμένου υλικοτεχνικού εξοπλισμού που απαιτείται για την αντοχή τους από τις αντίξοες περιβαλλοντικές συνθήκες β) Εγκατάσταση. Ενώ οι επίγειοι αισθητήρες είναι πυκνά εγκατεστημένοι, οι υποθαλάσσιοι τείνουν σε ακόμη αραιότερη εγκατάσταση λόγω κόστους και προκλήσεων που εμφανίζονται στον τρόπο εγκατάστασης γ) Ισχύς. Η ισχύς που απαιτείται για UWASN είναι υψηλότερη από τις επίγειες ραδιοεπικοινωνίες λόγω υψηλότερων αποστάσεων κάλυψης και της πιο σύνθετης επεξεργασίας σήματος στους δέκτες, για την εξομάλυνση των εξασθενίσεων των καναλιών. δ) Μνήμη. Ενώ οι επίγειοι κόμβοι αισθητήρων έχουν πολύ περιορισμένη χωρητικότητα αποθήκευσης, οι υποθαλάσσιοι αισθητήρες ίσως χρειαστεί να κάνουν κάποια απόκρυψη δεδομένων καθώς το υποθαλάσσιο κανάλι μπορεί να είναι περιοδικό. 14

15 LEAP PROTOCOL ε) Διαστηματική συσχέτιση (Spatial Correlation). Λόγω της μεγάλης απόστασης μεταξύ των αισθητήρων, συχνά οι μετρήσεις μεταξύ τους δεν είναι συσχετισμένες, σε αντίθεση με τους επίγειους. Σε αυτή την εργασία μελετήθηκαν, αρχικά σε επίγειο και στη συνέχεια σε υποβρύχιο περιβάλλον, τα αποτελέσματα της εφαρμογής του πρωτοκόλλου LEAP (LEarning Automata Polling Protocol), το οποίο είναι ένα πρωτόκολλο βολιδοσκόπησης βασισμένο σε μανθάνοντα αυτόματα. Στη συνέχεια έγινε σύγκριση των αποτελεσμάτων τόσο στις δύο καταστάσεις, επίγεια και υποθαλάσσια, όσο και στην περίπτωση αλλαγής των τιμών των παραμέτρων. Ο λόγος που τα υποθαλάσσια ασύρματα δίκτυα έχουν σημαντική ανάπτυξη παρά τις δυσκολίες που αντιμετωπίζουν λόγω φυσικών δυσχερειών είναι το εύρος των εφαρμογών στις οποίες χρησιμοποιούνται. Εφαρμογές για ομάδες μικρών υποβρύχιων αυτόνομων οχημάτων αρχίζουν να χρησιμοποιούνται καθώς τεχνολογικά επιτεύγματα για αυτά τα οχήματα είναι πλέον πραγματικότητα [20]. Οι ευκαιρίες και οι εφαρμογές για αυτά τα αυτόνομα υποβρύχια οχήματα (AUVs) είναι εντυπωσιακές και παρέχουν μεγαλύτερες δυνατότητες από ότι οι σταθεροί κόμβοι αισθητήρων ή τα μεμονωμένα AUVs. Οι εφαρμογές περιέχουν συλλογές δεδομένων όπως επιστημονικές, περιβαλλοντικές ή ανίχνευση μόλυνσης, ανίχνευση υποβρύχιων πηγών, και άλλα [21,22]. Υπάρχουν επίσης πολλές στρατιωτικές εφαρμογές που επωφελούνται από αυτά τα πολλαπλά AUV συστήματα, τα οποία κάνουν παρακολούθηση αεροσκαφών, παρακολούθηση λιμανιών και επίβλεψη περιοχών για την ασφάλεια των τελευταίων [22]. Το εύρος των εφαρμογών, περιέχει [29,30]: α) Δίκτυα δειγματοληψίας ωκεανού (Ocean Sampling Networks). Εδώ γίνεται συνοπτική δειγματοληψία του 3D παράκτιου περιβάλλοντος, με σκοπό την παρατήρηση και την πρόβλεψη των χαρακτηριστικών αυτού του περιβάλλοντος. Χαρακτηριστικό είναι το πείραμα του Monterey Bay Field Experiment. β) Περιβαλλοντική παρακολούθηση (Environmental Monitoring). Εκτελείται παρακολούθηση της μόλυνσης (χημική, βιολογική, πυρηνική) της ποιότητας του νερού (ρυακιού, λίμνης, ποταμού, ωκεανού). γ) Παρακολούθηση των ρευμάτων και ανέμων των ωκεανών, με σκοπό τις βέλτιστες καιρικές προβλέψεις μέσω των κλιματικών αλλαγών και την κατανόηση και πρόβλεψη της επίδρασης των ανθρώπινων δραστηριοτήτων στο θαλάσσιο οικοσύστημα. δ) Ανίχνευση υπερβολικής θερμοκρασιακής κλίσης, γεγονός που ευνοεί την ανάπτυξη συγκεκριμένων μικρό-οργανισμών. ε) Υποθαλάσσιες εξερευνήσεις (Undersea exploration) για κοιτάσματα ή φυσικές δεξαμενές πετρελαίου, για χάραξη εγκατάστασης υποθαλάσσιων καλωδιώσεων και υποβοήθηση στην ανίχνευση πολύτιμων ορυκτών. στ) Αποτροπή καταστροφών (Disaster prevention). Τα δίκτυα μετρούν σεισμική δραστηριότητα απόμακρων περιοχών, παρέχοντας προειδοποιήσεις για tsunamis στις παράκτιες περιοχές ή απλά μελετούν τις επιδράσεις των υποθαλάσσιων σεισμών. ζ) Υποβοηθούμενη πλοήγηση (Assisted Navigation). Πραγματοποιούν βαθυμετρικό προφίλ του πυθμένα της θάλασσας (bathymetry profiling on the 15

16 LEAP PROTOCOL seabed), αναγνωρίζοντας κινδύνους, επικίνδυνους βράχους στα ρηχά, αγκυροβολημένα σημεία και ναυάγια. η) Κατανεμημένη τακτική παρακολούθηση (Distributed Tactical Surveillance). Επιτυγχάνεται η ανίχνευση και κατάταξη υποβρυχίων, μικρών οχημάτων και δυτών, μέσω μικρό-αισθητήρων, μηχανικής, ακτινοβολίας, μαγνητικής και ακουστικής απόκρισης. Τα υποθαλάσσια δίκτυα αισθητήρων, έναντι των παραδοσιακών συστημάτων radar / sonar, έχουν υψηλότερη ακρίβεια και επιτρέπουν την ανίχνευση και κατάταξη μικρότερων στόχων, συνδυάζοντας μετρήσεις από διαφορετικούς τύπους αισθητήρων. θ) Αναγνώριση ναρκών (Mine reconnaissance). Η ταυτόχρονη λειτουργία πολλαπλών AUVs, με οπτικούς και ακουστικούς αισθητήρες, μπορούν να επιτύχουν τάχιστη περιβαλλοντική αναγνώριση και ανίχνευση αντικειμένων που μοιάζουν με νάρκες. 16

17 LEAP PROTOCOL 2. LEAP PROTOCOL 2.1 Περιγραφή του πρωτοκόλλου Σύμφωνα με το πρωτόκολλο LEAP [3], ο σταθμός-βάση (AP) είναι εφοδιασμένο με ένα μανθάνον αυτόματο [15] το οποίο περιέχει την πιθανότητα επιλογής για κάθε κινητό σταθμό σύμφωνα με το συντονισμό του. Προτού αναπτυχθεί ο τρόπος που χρησιμοποιούνται οι πιθανότητες επιλογής, παρουσιάζεται η λειτουργία του LEAP. Κάθε κύκλος βολιδοσκόπησης του LEAP αποτελείται από μια ακολουθία ανταλλαγής πακέτων μεταξύ του σταθμού βάση, του κινητού σταθμού ο οποίος έχει άδεια να μεταδώσει, και ενός σταθμού προορισμού (εάν ο επιλεγμένος κινητός σταθμός έχει κάποιο πακέτο να μεταδώσει). Το πρωτόκολλο χρησιμοποιεί τέσσερα πακέτα ελέγχου, POLL, NO_DATA, BUFF_DATA, και ACK, των οποίων η διάρκεια είναι t POLL, t NO_DATA, t BUFF_DATA, και t ACK αντίστοιχα. Υποθέτοντας ότι το AP επιλέγει τον κινητό σταθμό k τη χρονική στιγμή t, το οποίο σηματοδοτεί την έναρξη του κύκλου βολιδοσκόπησης j, η καθυστέρηση διάδοσης είναι t PROP_DELAY και μια μετάδοση πακέτου δεδομένων χρειάζεται t DATA χρόνο για να ολοκληρωθεί, ένας αριθμός γεγονότων είναι πιθανός. Αυτά απεικονίζονται σχηματικά στην ακόλουθη εικόνα, και αναφέρονται περιληπτικά παρακάτω: 1) Η επιλογή του σταθμού k γνωστοποιείται στο σταθμό μέσω της επιτυχούς λήψης του πακέτου POLL σε αυτόν. Η χρονική στιγμή στην οποία συμβαίνει αυτό είναι t + t POLL + t PROP_DELAY. a. Εάν ο σταθμός k δεν έχει ένα πακέτο με δεδομένα, απαντά στο AP με ένα NO_DATA πακέτο. Αν το AP σωστά λάβει το NO_DATA πακέτο [Εικόνα 1(α)], μειώνει την πιθανότητα επιλογής του σταθμού k και αμέσως προχωρά στην επιλογή του επόμενου σταθμού. Αυτή η επιλογή αρχικοποιείται σε χρόνο t + t POLL + 2 * t PROP_DELAY + t NO_DATA. Σε περίπτωση μη πρόσληψης στο AP, (Εικόνα 1(b), το σημειωμένο NO_DATA πακέτο), η πιθανότητα επιλογής του σταθμού k μειώνεται και η επόμενη επιλογή κινητού σταθμού στον οποίο θα δοθεί άδεια εκπομπής αρχίζει τη χρονική στιγμή t + t POLL + 4 * t PROP_DELAY + t BUFF_DATA + t DATA + t ACK. b. Εάν ο σταθμός k έχει ένα πακέτο δεδομένων DATA, απαντά στο AP με ένα BUFF_DATA πακέτο, μεταδίδει το DATA πακέτο στον προορισμό του, και περιμένει για ένα ACK πακέτο [Εικόνα 1(c)]. Το AP παρακολουθεί το ασύρματο μέσο για ένα χρονικό διάστημα ίσο με t BUFF_DATA + t DATA + t ACK + 3 * t PROP_DELAY. Εάν σωστά λάβει ένα ή περισσότερα από τα τρία πακέτα, καταλήγει στο ότι ο σταθμός k έλαβε το poll και έχει ένα ή περισσότερα πακέτα δεδομένων στο buffer. Έτσι αυξάνει την πιθανότητα επιλογής του σταθμού k. Από την άλλη αν ο AP δε λάβει αξιόπιστη ανατροφοδότηση συμπεραίνει ότι δε μπορεί να επικοινωνήσει με τον k, μειώνει την πιθανότητα επιλογής του k, και προχωρά στο επόμενο poll σε χρόνο t + t POLL + 4 * t PROP_DELAY + t BUFF_DATA + t DATA + t ACK. 17

18 LEAP PROTOCOL 2) Το πακέτο POLL δε λαμβάνεται από το σταθμό k (Εικόνα 1(d), σημειωμένο το POLL πακέτο), ο k δεν απαντά στο AP, και το τελευταίο προχωρά στο poll του επόμενου σταθμού σε χρόνο t + t POLL + 4 * t PROP_DELAY + t BUFF_DATA + t DATA + t ACK. 18

19 LEAP PROTOCOL Εικόνα 1. Ανταλλαγή μηνυμάτων και χρονοσειρά για τον αλγόριθμο LEAP 19

20 LEAP PROTOCOL Από τα ανωτέρω είναι προφανές ότι ο μανθάνων αλγόριθμος λαμβάνει υπόψη του τόσο την κατά ριπάς φύση της κυκλοφορίας, όσο και την εμφάνιση των λαθών κατά ριπάς στο ασύρματο μέσο. Αυτοί οι τύποι πληροφοριών χρησιμοποιούνται από το μανθάνον αυτόματο στο σταθμό-βάση προκειμένου να καθορίσουν σε ποιον κινητό σταθμό θα δοθεί άδεια να μεταδώσει. Συμπερασματικά, σε έναν κύκλο βολιδοσκόπησης j, το AP εξετάζει την ανατροφοδότηση του δικτύου προκειμένου να ενημερώσει την πιθανότητα επιλογής του κινητού σταθμού k που επιλέχθηκε στον κύκλο j. Αν οι πληροφορίες ανατροφοδότησης δείχνουν ότι ο k τέλεσε μια μετάδοση πακέτου δεδομένων στον κύκλο j, η βασική πιθανότητα επιλογής P k για τον επόμενο κύκλο βολιδοσκόπησης j 1 αυξάνεται για να γίνει Pk ( j 1) Pk ( j) L(1 P k ( j)). Αυτό σημαίνει ότι ο AP σωστά έλαβε ένα ή περισσότερα από τα BUFF_DATA, DATA, και πιθανώς ACK, πακέτα ανταλλάχτηκαν εξαιτίας της μετάδοσης του k. Από την άλλη, αν το AP συμπεραίνει εξαιτίας της πρόσληψης του πακέτου NO_DATA από τον σταθμό k, ότι ο k δε μετέδωσε πακέτο δεδομένων ή αν το ΑΡ αποτύχει να λάβει ανατροφοδότηση για την κατάσταση μετάδοσης του k στον κύκλο j (είτε στην εσφαλμένη πρόσληψη, ή στην πρόσληψη καθόλου πακέτων), η πιθανότητα επιλογής P k του k για τον επόμενο κύκλο βολιδοσκόπησης j+1 μειώνεται σε Pk ( j 1) Pk ( j) L( P k ( j) a). Πρέπει να σημειωθεί ότι το ΑΡ περιμένει για μια συντομότερη χρονική περίοδο ( tpoll 2* t prop _ delay tno _ data ) μόνο μετά από μια σωστή λήψη ενός NO_DATA πακέτου. Το ΑΡ δε χρειάζεται να κάνει διαχωρισμό μεταξύ μιας εσφαλμένης πρόσληψης ενός BUFF_DATA πακέτου και μιας εσφαλμένης πρόσληψης ενός NO_DATA πακέτου. Αν ούτε το NO_DATA, ούτε το BUFF_DATA πακέτο ληφθούν εσφαλμένα, ή δε ληφθούν καθόλου από το ΑΡ, το ΑΡ περιμένει για μια χρονική περίοδο ίση με tpoll 4* tprop _ delay tbuff _ data tdata tack η οποία είναι αρκετή για ένα polled σταθμό ώστε να στείλει ένα πακέτο δεδομένων και να λάβει αναγνώριση. Έτσι το ΑΡ πάντα περιμένει την ανωτέρω χρονική περίοδο μετά από μια εσφαλμένη πρόσληψη ενός BUFF_DATA ή ενός NO_DATA πακέτου. Έτσι μετά από μια εσφαλμένη λήψη είτε ενός BUFF_DATA, ή ενός NO_DATA πακέτου, το επόμενο poll πακέτο ποτέ δε χτυπά το πακέτο δεδομένων ενός σταθμού ή το αντίστοιχο ACK. Σε κάθε κύκλο βολιδοσκόπησης j, οι βασικές πιθανότητες επιλογής P k για κάθε κινητό σταθμό k, κανονικοποιούνται με τον ακόλουθο τρόπο:. N k ( j) Pk ( j ) / i 1 Pi ( j ) N Προφανώς, 1 ( ) 1, όπου Ν είναι ο αριθμός των κινητών σταθμών κάτω από k k j την κάλυψη του ΑΡ. Στην έναρξη κάθε κύκλου βολιδοσκόπησης, το ΑΡ επιλέγει κινητούς σταθμούς σύμφωνα με τις κανονικοποιημένες πιθανότητες Π k (j). Για όλα τα j, υπάρχει L, a (0,1) και Pk ( j) ( a,1). Οι ρόλοι των παραμέτρων L και α περιγράφονται στη συνέχεια και γίνονται πιο ξεκάθαροι στην επόμενη ενότητα. Το L ρυθμίζει την ταχύτητα σύγκλισης του αυτόματου. Η διαδικασία επιλογής για μια τιμή του L αντικατοπτρίζει την κλασική ταχύτητα απέναντι στην ακρίβεια του προβλήματος. Όσο πιο χαμηλή είναι η τιμή του L, τόσο πιο ακριβής είναι η εκτίμηση από το αυτόματο, ένα 20

21 LEAP PROTOCOL γεγονός, παρ όλα αυτά που είναι σε βάρος της ταχύτητας σύγκλισης. Ο ρόλος της παραμέτρου α είναι να ενισχύσει την προσαρμοστικότητα του πρωτοκόλλου. Αυτό συμβαίνει γιατί όταν η πιθανότητα επιλογής ενός σταθμού πλησιάζει το μηδέν, τότε αυτός ο σταθμός δεν επιλέγεται για μια μεγάλη χρονική περίοδο. Κατά τη διάρκεια αυτής της περιόδου, είναι πιθανό ο σταθμός να μεταβεί από την κατάσταση αδράνειας στην κατάσταση δραστηριότητας. Τα ίδια ισχύουν για την κατάσταση του δικτύου μεταξύ του κινητού σταθμού και του ΑΡ, μετά από μια χρονική περίοδο, είναι πιθανό ότι το δίκτυο αλλάζει κατάσταση. Παρ όλα αυτά, αφού ο κινητός σταθμός δεν έχει άδεια να μεταδώσει, το αυτόματο δεν είναι ικανό να «αισθανθεί» αυτές τις μεταδόσεις. Έτσι η χρήση μιας μη μηδενικής τιμής για την παράμετρο α εμποδίζει τις πιθανότητες επιλογής των σταθμών από το να πάρουν τιμές κοντά στο μηδέν και αυξάνει την προσαρμοστικότητα του πρωτοκόλλου. Η χωρητικότητα του δικτύου περιορίζεται από το 1/α από τον αλγόριθμο. Αυτό είναι ένα επιχείρημα υπέρ των μικρών τιμών του α. Εναλλακτικά θα μπορούσε να χρησιμοποιηθεί μια πολύ μικρή τιμή για το α, και η εφαρμογή του στο ΑΡ ενός άλλου μηχανισμού για σταθμούς που πρόσφατα ενεργοποιήθηκαν ώστε να λάβουν την προσοχή του ΑΡ, όπως μέσα από contention slots. Παρ όλα αυτά μια τέτοια προσέγγιση θα αύξανε την πολυπλοκότητα του LEAP, το οποίο στην παρούσα μορφή του χρειάζεται στο ΑΡ μόνο έναν επεξεργαστή ο οποίος εφαρμόζει τον μανθάνοντα αλγόριθμο. Από τη στιγμή που η προτεινόμενη κυκλοφορία είναι «εκρηκτικής» φύσης, όταν το ΑΡ καταλάβει ότι ο επιλεγμένος σταθμός είχε ένα πακέτο προς μετάδοση, είναι πιθανό ότι ο επιλεγμένος σταθμός θα έχει επίσης πακέτα να μεταδώσει στο κοντινό μέλλον. Έτσι η πιθανότητα επιλογής του αυξάνεται. Από την άλλη, αν ο επιλεγμένος σταθμός κοινοποιήσει ότι δεν έχει πακέτα στο buffer, η πιθανότητα επιλογής του μειώνεται, αφού είναι πιθανό να παραμείνει σε αυτή την κατάσταση και στο κοντινό μέλλον. Γενικά, ο θόρυβος του περιβάλλοντος και η παρεμβολή στο ΑΡ θα είναι τα ίδια, αν όχι χαμηλότερα, από ότι αυτά σε έναν κινητό κόμβο. Όταν το ΑΡ αποτύχει να λάβει ανατροφοδότηση για την επιλεγμένη κατάσταση του σταθμού, ο σταθμός πιθανώς θα αντιμετωπίσει ένα σχετικά υψηλό επίπεδο θορύβου περιβάλλοντος. Με άλλα λόγια «ακούει» το ΑΡ πάνω από ένα δίκτυο με υψηλό BER. Αφού στις ασύρματες επικοινωνίες τα λάθη εμφανίζονται κατά ριπές, το δίκτυο είναι πιθανό να παραμείνει σε αυτή την κατάσταση στο κοντινό μέλλον. Έτσι, η πιθανότητα επιλογής του επιλεγμένου σταθμού μειώνεται προκειμένου να μειωθεί η ευκαιρία μιας μάταιης επιλογής. 21

22 LEAP PROTOCOL 2.2 Ασυμπτωτική Ανάλυση Το LEAP πρωτόκολλο ανανεώνει τις πιθανότητες επιλογής των κινητών σταθμών σύμφωνα με τις πληροφορίες ανατροφοδότησης του δικτύου. Σε αυτή την ενότητα αποδεικνύεται ότι η πιθανότητα επιλογής κάθε σταθμού συγκλίνει με την πιθανότητα αυτός ο σταθμός να είναι έτοιμος να μεταδώσει. Έτσι, έχει μια μη άδεια ουρά και είναι ικανός να επικοινωνήσει με επιτυχία με το ΑΡ. Το ακόλουθο θεώρημα [16] χρειάζεται να διενεργήσει την ασυμπτωτική ανάλυση. Λήμμα: Έστω ότι το x( n) n 0 είναι μια σταθερή Μαρκοβιανή διαδικασία η οποία εξαρτάται από μια σταθερή παράμετρο [0, 1]. Κάθε x( n), όπου το είναι ένα υποσύνολο της αληθινής γραμμής. Έστω x( n) x( n 1) x( n). Τα ακόλουθα έχουν ως εξής: (1) Το I είναι συμπαγής (2) (3) (4) E x n x n y y O 2 [ ( ) ( ) ] ( ) ( ) E x n x n y b y o [ ( ) ( ) ] ( ) ( ) 3 3 E[ x( n) x( n) y] O( ), όπου k O( ) sup k y για k 2,3 και k o( ) sup 0 καθώς 0 k y (5) Το ( y) έχει μια Lipschitz παράγωγο στο (6) Το b( y ) είναι Lipschitz στο. Αν οι υποθέσεις (1)-(6) ισχύουν, το ( y) έχει μια μοναδική ρίζα d / dy y y * < 0, τότε: * y στο, και (1) var[ x( n) x(0) x] O( ) για όλα τα x και n 0 (2) Για κάθε x η διαφορική εξίσωση ( dy( ) / d ) ( y( n)) έχει μια μοναδική λύση y( ) y(, x) με y(0) x και E[ x( n) x(0) x] y( n ) ( ) ομοιόμορφα για όλα τα x και n 0 (3) Το ( x( n) y( n )) / έχει κανονική κατανομή με μηδενικό μέσο και πεπερασμένη διασπορά καθώς 0 και n. Θεώρημα 1:Υπό το LEAP πρωτόκολλο, η πιθανότητα επιλογής ενός κινητού σταθμού k i συγκλίνει στην πιθανότητα ο σταθμός k i να είναι έτοιμος να μεταδώσει. 22

23 LEAP PROTOCOL Αν ο μανθάνων αλγόριθμος χρησιμοποιείται και η πιθανότητα d i είναι η πιθανότητα ο σταθμός k i να είναι έτοιμος (για i=1,, Ν), τότε για κάθε σταθμό k i lim Pi ( n) di n, L 0, a 0 Μπορεί να αποδειχθεί ότι [17], για κάθε δύο κινητούς σταθμούς ki και d j 0 ), το LEAP πρωτόκολλο ασυμπτωτικά τείνει να ικανοποιεί τη σχέση: Pi P j d d i (7) j k j (με Αυτή η σχέση επίσης ισχύει και για τις κανονικοποιημένες πιθανότητες επιλογής και P i N i P P d P P d i k 1 k i i j j j j N k 1 P k j Προκειμένου να κατανοήσουμε καλύτερα τον ισχυρισμό (7) δημιουργούμε μια μελέτη προσομοίωσης για ένα LEAP WAN 10 κινητών σταθμών, από τους οποίους μόνο οι σταθμοί 1 και 2 είναι ενεργοί με d1 0.8 και d Το αποτελέσματα του πειράματος το οποίο φαίνεται στην εικόνα 2 δείχνει ότι ο ισχυρισμός (7) όντως ισχύει. Το αυτόματο υπολογίζει από τις βασικές πιθανότητες επιλογής P 1 και P 2 σύγκλιση στα d1 0.8 και d2 0.4 αντίστοιχα. Το ίδιο ισχύει και για τις κανονικοποιημένες πιθανότητες επιλογής 1 και 2, που συγκλίνουν στα 2/3 και 1/3 αντίστοιχα. Έτσι ο ισχυρισμός (8) επίσης επαληθεύεται αφού ( P / P ) ( d / d ) ( / ) (8) 23

24 LEAP PROTOCOL Εικόνα 2. Σύγκλιση των βασικών και των κανονικοποιημένων πιθανοτήτων επιλογής για τους σταθμούς 1 και 2. Η εικόνα 3 δείχνει το αποτέλεσμα της επιλογής για παραμέτρους α και L στη σύγκλιση του αυτόματου. Σε αυτό το πείραμα υποθέτουμε έναν σταθμό i μεdi 0.8. Παρ όλα αυτά το d δεν είναι σταθερό καθ όλη τη διάρκεια της προσομοίωσης, i αλλά αλλάζει από την αρχική του τιμή (στερεά γραμμή, di 0.8 ) σε μια νέα (διακεκομμένη γραμμή, di 0.4 ) μετά από περίπου polls στο σταθμό. 24

25 LEAP PROTOCOL Εικόνα 3. Επιδράσεις στη σύγκλιση των βασικών πιθανοτήτων επιλογής ποικίλλοντας στις παραμέτρους L και α. Τα συμπεράσματα που μπορούν να εξαχθούν από την εικόνα είναι τα ακόλουθα: Η επιλογή για μια τιμή του L αντικατοπτρίζει την κλασσική ταχύτητα απέναντι στο πρόβλημα της ακρίβειας. Όπως φαίνεται στην εικόνα 3(b), όπου 4 L 5*10, μικρές τιμές του L παρέχουν υψηλότερη ακρίβεια σύγκλισης. Αυτό παρ όλα αυτά συμβαίνει σε βάρος της ταχύτητας σύγκλισης, όπως φαίνεται από την αργή σύγκλιση, τόσο στο ξεκίνημα της προσομοίωσης όσο και στο σημείο όπου το di αλλάζει, εικόνα 3(b). Από την άλλη, η αύξηση της τιμής του L οδηγεί σε ταχύτερη σύγκλιση, όπως φαίνεται στην εικόνα 3(c), 2 όπου L 3*10. Παρ όλα αυτά φαίνεται ότι η αύξηση της ταχύτητας σύγκλισης είναι σε βάρος της ακρίβειας σύγκλισης. Η βασική πιθανότητα επιλογής Pi του σταθμού i συγκλίνει σε di a(1 di). Έτσι η ακρίβεια σύγκλισης επίσης εξαρτάται από την τιμή του α, με τις μικρότερες τιμές του α να δίνουν καλύτερη σύγκλιση του P στο d. Αυξημένες τιμές του α θα κάνουν το σημείο από ότι το d i. Η εικόνα 3(d) το δείχνει αυτό. P να συγκλίνει σε ένα υψηλότερο i i i 25

26 LEAP PROTOCOL Όταν το περιβάλλον είναι ελαφρώς μεταβαλλόμενο ή όταν οι περιβαλλοντολογικές αντιδράσεις έχουν υψηλή διακύμανση, τα α και L πρέπει να είναι πολύ κοντά στο 0 προκειμένου να εγγυηθούν υψηλή ακρίβεια. Από την άλλη σε ένα ταχέως μεταβαλλόμενο περιβάλλον ή όταν η διακύμανση των περιβαλλοντολογικών αντιδράσεων είναι χαμηλή, υψηλότερες τιμές του α και L μπορούν να χρησιμοποιηθούν, προκειμένου να αυξήσουν την προσαρμοστικότητα του πρωτοκόλλου. Έτσι όταν το μήκος της ριπής είναι μεγάλο ή το μήκος της ουράς είναι μικρό ή τα λάθη στα κανάλια εμφανίζονται σε μεγάλες ριπές, τότε πρέπει να επιλέγονται μικρές τιμές του α και L. Από την άλλη όταν το μήκος της ριπής είναι μικρό ή το μήκος της ουράς είναι μεγάλο ή τα λάθη στα κανάλια εμφανίζονται σε μικρές ριπές, τότε οι τιμές του α και του L μπορούν να είναι πολύ μεγαλύτερες. 26

27 LEAP PROTOCOL 2.3 Σχετική Εργασία Σχετική Εργασία σε WLAN Η βολιδοσκόπηση είναι μια ελκυστική MAC επιλογή για ένα WLAN [9] αφού προσφέρει κεντρικοποιημένη επίβλεψη των κόμβων του δικτύου. Παρ όλα αυτά απαιτείται η συνεχής παρακολούθηση όλων των κόμβων, κάτι το οποίο δεν είναι εφικτό στο σκληρό περιβάλλον ενός WLAN. Μια καλή περίληψη των ασύρματων MAC πρωτόκολλων, συμπεριλαμβανομένων και των πρωτοκόλλων βολιδοσκόπησης, υπάρχει στο [8]. Στη συνέχεια συμπεριλαμβάνονται κάποια αντιπροσωπευτικά πρωτόκολλα βολιδοσκόπησης. Μια προσπάθεια για να ελαφρύνει το ανώτερο πρόβλημα της συνεχούς παρακολούθησης όλων των κόμβων γίνεται από το RAP πρωτόκολλο [9,10,11,12]. Το RAP σχεδιάστηκε για να δουλεύει, όχι με όλους τους κόμβους που περιέχονται σ ένα κελί, αλλά μόνο με τους ενεργούς που ψάχνουν επικοινωνία στο ρεύμα ανόδου. Το πρωτόκολλο RAP υποθέτει ότι έχει μια υποδομή τοπολογίας κελιού. Μέσα σε κάθε κελί, υπάρχουν πολλαπλοί κινητοί κόμβοι, έτσι ώστε όταν είναι ενεργοί, να ανταγωνίζονται για την πρόσβαση στο ασύρματο μέσο. Για ένα δίκτυο Ν ενεργών κινητών σταθμών, υπό την κάλυψη ενός σταθμού-βάση, τα στάδια των πρωτοκόλλων έχουν ως εξής: Στάδιο πρόσκλησης συναγωνισμού: Όταν ο σταθμός-βάση είναι έτοιμος να συλλέξει πακέτα από τους κινητούς σταθμούς, μεταδίδει ένα μήνυμα READY, το οποίο μπορεί να έχει μεταφερθεί πάνω σε μία προηγούμενη μετάδοση στο ρεύμα καθόδου. Στάδιο συναγωνισμού: Κάθε ενεργός κινητός κόμβος γεννά έναν τυχαίο αριθμό R, ο οποίος κυμαίνεται από 0 έως Ρ-1. Όλοι οι ενεργοί κόμβοι μεταδίδουν τους τυχαίους αριθμούς τους ταυτόχρονα στο σταθμό-βάση χρησιμοποιώντας μια μορφή ορθογώνιας μετάδοσης, όπως CDMA ή FDMA. Ο αριθμός που μεταδίδεται από κάθε σταθμό αναγνωρίζει το σταθμό κατά τη διάρκεια του τρέχοντος κύκλου και γίνεται γνωστός ως η τυχαία του διεύθυνση. Για να αντισταθεί στα μειούμενα χαρακτηριστικά του μέσου, ο σταθμός μπορεί να μεταδώσει την τυχαία του διεύθυνση έως 0 φορές σε ένα μόνο στάδιο συναγωνισμού. Όταν έχουμε μετάδοση χωρίς λάθη το q=1 είναι αρκετό. Εναλλακτικά, το στάδιο συναγωνισμού μπορεί να επαναληφθεί L φορές. Κάθε φορά, κάθε ενεργός σταθμός γεννά και μεταδίδει μία (πιθανώς διαφορετική) τυχαία διεύθυνση, όπως περιγράφτηκε παραπάνω. Το στάδιο βολιδοσκόπησης: Υποθέτουμε ότι στο L στάδιο (1 l L) ο σταθμός-βάση έλαβε το μεγαλύτερο αριθμό ξεχωριστών διευθύνσεων, και αυτές είναι με ανιούσα σειρά R 1, R 2,.R n. Ο σταθμός-βάση επιλέγει τους κινητούς σταθμούς χρησιμοποιώντας 27

28 LEAP PROTOCOL αυτούς τους αριθμούς. Όταν ο σταθμός-βάση επιλέξει κινητούς σταθμούς με R k οι κόμβοι που μετέδωσαν το R k ως την τυχαία τους διεύθυνση στο l στάδιο μεταδίδουν πακέτα στο σταθμόβάση. Προφανώς, αν 2 ή περισσότεροι κόμβοι μετέδωσαν την ίδια τυχαία διεύθυνση στο l στάδιο θα προκληθεί σύγκρουση. Αν n=n παρ όλα αυτά, δεν θα προκληθεί σύγκρουση. Εάν ο σταθμός-βάση λάβει με επιτυχία ένα πακέτο από έναν κινητό σταθμό, στέλνει μία θετική αναγνώριση (ACK). Τα ACK πακέτα μεταδίδονται ακριβώς πριν επιλεγεί ο επόμενος κινητός σταθμός. Αν ένας κινητός κόμβος λάβει ένα ACK, υποθέτει ότι έγινε σωστή παράδοση του πακέτου του, αλλιώς ξαναπροσπαθεί κατά τη διάρκεια του επόμενου κύκλου βολιδοσκόπησης. Το GRAP είναι μια τροποποίηση του RAP. Θεσπίζει μία δομή υπερπλαισίου, η οποία αποτελείται από Ρ + 1 πλαίσια και χωρίζει τους ενεργούς κόμβους σε ομάδες. Στην έναρξη κάθε πλαισίου, μόνο ο σταθμός-βάση επιτρέπεται να μεταδώσει. Μετά τις μεταδόσεις του σταθμού-βάση, η διαδικασία βολιδοσκόπησης ξεκινά. Παρόλα αυτά το GRAP δεν επιτρέπει όλοι οι ενεργοί κόμβοι να συναγωνιστούν σε μια περίοδο συναγωνισμού, παρά προτιμά όλοι οι κόμβοι που μετέδωσαν με επιτυχία κατά τους προηγουμένους κύκλους να διατηρήσουν τις τυχαίες διευθύνσεις τους και να μορφοποιήσουν τις ομάδες από 0 μέχρι Ρ - 1. Ένας κινητός σταθμός συμμετέχει στην ομάδα j εάν η τυχαία του διεύθυνση στην προηγούμενη επιτυχημένη του μετάδοση ήταν j. Όλοι οι κινητοί σταθμοί που έχουν χρονικά περιορισμένα πακέτα μπορούν να συμμετάσχουν σε οποιαδήποτε ομάδα για συναγωνισμό. Μετά τη μορφοποίηση των ομάδων, η διαδικασία βολιδοσκόπησης, σύμφωνα με το RAP, ξεκινά για όλους τους σταθμούς μέσα σε κάθε ομάδα. Mία πλήρης περιγραφή των RAP και GRAP παρέχεται στα [10] και [11]. Αριθμητικά αποτελέσματα δείχνουν ότι αυξημένες τιμές του L έχουν καλύτερα αποτελέσματα απόδοσης, παρ όλα αυτά, το κέρδος της απόδοσης με L > 2 είναι πολύ μικρό. Σαν αποτέλεσμα, η τιμή του 2 για το L φαίνεται να είναι μια καλή επιλογή. Η ορθογώνια σηματοδότηση μπορεί να εφαρμοστεί χρησιμοποιώντας CDMA, μετάδοση σε επαρκείς χρονικές στιγμές, κλπ. Παρ όλα αυτά η χρήση μεγάλων τιμών του Ρ οδηγεί σε αυξημένη κυκλωματική πολυπλοκότητα. Ως αποτέλεσμα, προτείνονται τιμές για το Ρ γύρω στο 5 [9]. Ένας αριθμός πρωτοκόλλων βολιδοσκόπησης έχουν εμφανιστεί στη βιβλιογραφία. Ένα τέτοιο πρωτόκολλο προτείνεται στο [13]. Σε αυτή την προσέγγιση, ο σταθμός-βάση λαμβάνει τις αιτήσεις μετάδοσης όλων των κινητών κόμβων με έναν εκ περιτροπής τρόπο. Εάν ένας κόμβος έχει ένα πακέτο να μεταδώσει, απαντά με ένα μήνυμα αίτησης, αλλιώς με ένα KEEP_ALIVE μήνυμα. Η poll-request χειραψία επιβεβαιώνει το καλό κανάλι επικοινωνίας μεταξύ του σταθμού-βάση και των κινητών κόμβων. Ο σταθμός-βάση επιλέγει κόμβους για δεδομένα σύμφωνα με τις λαμβανόμενες αιτήσεις και όλοι οι σταθμοί πρέπει να έχουν επιλέξει μέσα σε μία χρονική περίοδο Τ, ίση με το χρόνο συνοχής του ασύρματου καναλιού. Μία διαφοροποίηση του [13] είναι το διαθέσιμο token MAC Protocol (DTMP) [12]. To DTMP αντικαθιστά τη σειρά ανταλλαγών poll-request-poll-data πακέτων με ένα poll-data. Έτσι, η ανάγκη για επιλογή όλων των σταθμών μέσα σε ένα χρονικό 28

29 LEAP PROTOCOL διάστημα μικρότερο από την περίοδο συνοχής του καναλιού εξαλείφεται. Στο DTMP, όταν o σταθμός-βάση επιλέξει έναν κινητό κόμβο, επίσης δηλώνει εάν έχει πακέτα προς μετάδοση για τον κόμβο. Εάν ο σταθμός-βάση δεν έχει καθόλου πακέτα για τον κινητό κόμβο και ο κόμβος δεν έχει πακέτα να στείλει, ο κινητός κόμβος παραμένει σιωπηλός. Παρόλα αυτά αν ο σταθμός-βάση έχει πακέτα για τον κινητό κόμβο, τότε ο τελευταίος στέλνει μήνυμα προκειμένου να προσκαλέσει το σταθμό-βάση να στείλει τα πακέτα του. Εάν ο κινητός κόμβος έχει πακέτα, τα στέλνει ως απόκριση στη βολιδοσκόπηση του σταθμού-βάση. 29

30 LEAP PROTOCOL Σχετική Εργασία σε υποβρύχιο περιβάλλον Υπάρχουν πολύ λίγες μελέτες που έχουν ερευνήσει πρωτόκολλα για πολύ μικρό εύρος ασύρματων υποβρύχιων επικοινωνιών (της τάξης των 100 μέτρων) καθώς η τεχνολογία των οχημάτων δεν ήταν ικανή για αυτή την ανάγκη. Μια από τις λίγες μελέτες που έχουν γίνει από το ΜΙΤ και τον Woods Hole [24] o οποίος ανέπτυξε ένα πρωτόκολλο βασιζόμενο σε TDMA για μια σύγχρονη μελέτη η οποία χρησιμοποιούσε πολλαπλά AUVs για να δημιουργήσει χάρτες για υποβρύχιες περιοχές με αποστάσεις της τάξεως των 100 μέτρων μεταξύ των κόμβων. Το TDMA επιλέχθηκε για να αποφευχθεί η ανάγκη για εντοπισμό ταυτόχρονου πολλαπλού σήματος από τους χρήστες, και ήταν ικανό να βελτιστοποιηθεί για ένα συγκεκριμένο αριθμό κόμβων με κανονική και γνωστή συλλογή δεδομένων. Ως συμπέρασμα, καθώς η περιοχή κάλυψης και/ή ο αριθμός των κόμβων αυξανόταν, το TDMA δεν θα ήταν πλέον επαρκής τεχνική ώστε να χρησιμοποιηθεί τόσο για τη χρησιμοποίηση του συνδέσμου όσο και για την κατανάλωση ενέργειας. Παρ όλα αυτά, καλά αποτελέσματα βρέθηκαν για ένα δίκτυο 5 κόμβων σε μια περιοχή 1 km 2. H έρευνα στη χρήση του TDMA ως ένα υπο-cluster ή ως ένα πρωτόκολλο προγραμματισμού μικρού εύρους έχει επίσης προταθεί για ένα multi-cluster ad-hoc κινητό υποβρύχιο ακουστικό δίκτυο. Σε αυτή την έρευνα η τοπολογία που χρησιμοποιήθηκε ήταν ένα σύστημα κατανεμημένων κόμβων με το επίκεντρο της δουλειάς στη χρήση του CDMA ως μια προσέγγιση ενός εσωτερικού cluster που μπορεί να παρέχει αποτελεσματική επεκτασιμότητα από τη χωρική επαναχρησιμοποίηση των πόρων του καναλιού. Οι Salva-Garau και Stojanovic [25] σχεδίασαν ένα TDMA πρωτόκολλο ως το intra-cluster πρωτόκολλο χρησιμοποιώντας τον χαμηλότερο αναγνωριστικό clustering αλγόριθμο (LIDCA) για τον καθορισμό της προτεραιότητας των σχισμών. Το paper δεν χώρισε την ανάλυση των αποτελεσμάτων για τα ξεχωριστά πλεονεκτήματα των TDMA και CDMA αλλά κοίταξε συνολικά τα αποτελέσματα του συστήματος. Έδειξε ότι με μικρότερα μεγέθη cluster ο TDMA κύκλος μειώνεται εξαιτίας των λιγότερων σχισμών που απαιτούνται και έτσι το μέγεθος του πλαισίου μειώνεται, δίνοντας ένα πλεονέκτημα υψηλότερων ρυθμών μετάδοσης, το οποίο σημαίνει ότι το TDMA περιορίζεται πολύ από το εύρος μετάδοσης. Παρ όλα αυτά, η μείωση του μεγέθους του πλαισίου σημαίνει ότι η αναλογία των overheads, το οποίο είναι ένα συγκεκριμένο μήκος σχισμής, προς τα μεταδιδόμενα δεδομένα γίνεται λιγότερο επαρκής. Οι συγγραφείς έδειξαν ότι μέσω της χωρικής επαναχρησιμοποίησης των CDMA κωδικών διαμέσου της clustering δομής, υπήρχε μια βελτίωση στην αποτελεσματικότητα των πόρων του δικτύου. Η έννοια του cluster με διαφορετικά intra και inter cluster πρωτόκολλα φάνηκε να βελτιώνει την αποδοτικότητα του συνολικού συστήματος, όντας ικανό να σχεδιάζει για δύο διαφορετικές επικοινωνιακές ανάγκες και συνθήκες. Πιο πρόσφατη δουλειά στα Ακουστικά Δίκτυα Επικοινωνιών για Παρακολούθηση του Περιβάλλοντος στις παραθαλάσσιες περιοχές (Acoustic Communication network for Monitoring of Environment in coastal areas), το οποίο χρηματοδοτήθηκε από την Ευρωπαϊκή Ένωση [26] έχει αναπτύξει το ACMENET πρωτόκολλο το οποίο είναι ένας βασιζόμενος σε βολιδοσκόπηση TDMA αλγόριθμος για μια πελάτη-εξυπηρετητή τοπολογία. Αυτή η έρευνα ανέδειξε ότι έχοντας έναν 30

31 LEAP PROTOCOL κεντρικό ελεγκτή παρείχε την ευκαιρία για αύξηση του TDMA πρωτοκόλλου χρησιμοποιώντας μια polling request διαδικασία για να βελτιστοποιήσει τη χρήση των time slots. O ελεγκτής επίσης χρησιμοποιήθηκε σε μια λειτουργία διαχείρισης δικτύου ως κάποιος που παίρνει αποφάσεις προκειμένου να βελτιώσει την αποτελεσματικότητα της κατανάλωσης ενέργειας στον κόμβο, και ήταν ικανό να επιλέξει το βέλτιστο τύπο διαμόρφωσης ως global παράμετρο του συστήματος. Μέρος αυτής της εργασίας ήταν εκτεταμένες θαλάσσιες δοκιμές που τόνιζαν την προβληματική φύση του υποβρύχιου περιβάλλοντος και τα επιβλαβή αποτελέσματα στην απόδοση του πρωτοκόλλου. Υψηλές αναλογίες απωλειών πακέτων και διακοπών συνδέσμου καταγράφηκαν εξαιτίας του υψηλού ακουστικού θορύβου που γεννιούνταν από την κυκλοφορία των πλοίων. Έτσι η ευρωστία των πρωτοκόλλων και οι τεχνικές διόρθωσης λαθών θεωρούνται σημαντικές. 31

32 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ 3. ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ 3.1 Περιβάλλον Προσομοίωσης Η κίνηση κατά ριπάς μοντελοποιήθηκε με τον ακόλουθο τρόπο. Ορίζεται ως time slot η χρονική διάρκεια που απαιτείται για να διαβιβαστεί ένα πακέτο δεδομένων κατά μήκος του ασύρματου κόμβου. Κάθε κόμβος πηγή μπορεί να βρίσκεται σε δύο καταστάσεις, S 0 και S 1. Όταν ένας κόμβος πηγή βρίσκεται στην κατάσταση S 0 τότε δεν έχει αφίξεις πακέτων. Όταν ένας κόμβος πηγή βρίσκεται στην κατάσταση S 1, τότε σε κάθε time slot, έχει μια άφιξη πακέτου με πιθανότητα Ζ. Γνωρίζοντας ότι ένας σταθμός βρίσκεται στην κατάσταση S 0 στο time slot t, η πιθανότητα αυτός ο σταθμός να μεταβεί στην κατάσταση S 1 στο επόμενο time slot είναι P 01. Η πιθανότητα μετάβασης από την κατάσταση S 1 στην κατάσταση S 0 είναι P 10. Μπορεί να αποδειχθεί ότι όταν το προσφερόμενο φορτίο στο δίκτυο είναι R πακέτα/σχισμή και το μέσο μήκος ριπής είναι Β σχισμές, τότε οι πιθανότητες μετάδοσης είναι P 01 = (R)/(B(NZ-R)) και P 10 = (1/B). Κάθε σταθμός χρησιμοποιεί μια ενδιάμεση μνήμη για να αποθηκεύει τα πακέτα που φτάνουν. Το μήκος αυτού του buffer (ενδιάμεση μνήμη) υπολογίζεται ότι είναι ίσο με Q πακέτα. Όσα πακέτα φτάνουν και βρίσκουν το buffer γεμάτο χάνονται. Στο μοντέλο προσομοίωσης μας, η κατάσταση κάθε ασύρματου δικτύου μοντελοποιήθηκε χρησιμοποιώντας έναν πεπερασμένων καταστάσεων μηχανισμό με τρεις καταστάσεις [18,19]. Το μοντέλο αποτελείται από τι ακόλουθες τρεις καταστάσεις: Η κατάσταση G δείχνει ότι το ασύρματο δίκτυο βρίσκεται σε μια σχετικά «καθαρή» κατάσταση και χαρακτηρίζεται από μικρό BER, το οποίο δίνεται από την παράμετρο G_ BER. Η κατάσταση Β δείχνει ότι το ασύρματο δίκτυο βρίσκεται σε μια κατάσταση και χαρακτηρίζεται από αυξημένο BER, το οποίο δίνεται από την παράμετρο Β_ BER. Η κατάσταση U δείχνει για το ζευγάρι των επικοινωνούντων σταθμών ότι βρίσκονται εκτός εμβέλειας μεταξύ τους. Υποθέτουμε ότι ο θόρυβος του περιβάλλοντος είναι ο ίδιος για όλους τους σταθμούς, και έτσι υπάρχει η αρχή της αμοιβαιότητας για την κατάσταση κάθε ασύρματου δικτύου. Για αυτό το λόγο, για κάθε δύο σταθμούς Α και Β, το BER του δικτύου από το Α στο Β και το BER από το Β στο Α είναι τα ίδια. Ο χρόνος που ξοδεύεται από το δίκτυο στις καταστάσεις G, B και Η είναι εκθετικά κατανεμημένος, αλλά με διαφορετικές μέσες τιμές, οι οποίες δίνονται από τις παραμέτρους TG, TB, και TH, αντίστοιχα. Η κατάσταση του δικτύου πιθανολογικά αλλάζει μεταξύ των τριών καταστάσεων. Όταν ένα δίκτυο βρίσκεται στην κατάσταση G και η κατάσταση του πρόκειται να αλλάξει, το δίκτυο μεταβαίνει είτε στην κατάσταση U, με πιθανότητα η οποία δίνεται από την παράμετρο P h, ή στην κατάσταση Β, με πιθανότητα μετάβασης 1- P h. Όταν ένα δίκτυο βρίσκεται στην κατάσταση Β και η κατάσταση του πρόκειται να αλλάξει, το δίκτυο μεταβαίνει είτε στην κατάσταση U με πιθανότητα που δίνεται από την παράμετρο P h, ή στην κατάσταση G, με πιθανότητα 32

33 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ μετάβασης 1- P h. Τελικά, όταν ένα δίκτυο βρίσκεται στην κατάσταση U, μεταβαίνει είτε στην κατάσταση G ή στη Β, με την ίδια πιθανότητα (0.5). γίνεται εύκολα εμφανές πως θέτοντας την παράμετρο P h σε μηδέν, μπορεί να υποτεθεί μια πλήρως συνδεδεμένη τοπολογία δικτύου, ενώ για τιμές του P h μεγαλύτερες του μηδενός, μπορεί να μελετηθεί το αποτέλεσμα του γνωστού προβλήματος του «κρυμμένου τερματικού» στην απόδοση του πρωτοκόλλου. Για παράδειγμα, για P h = 0.1, υπάρχει μια 10% πιθανότητα οι δύο σταθμοί Α και Β να βρίσκονται εκτός εμβέλειας ο ένας από τον άλλο. Έτσι, για έναν τρίτο σταθμό C στη σειρά για τους Α και Β, οι Α και Β είναι κρυμμένοι κόμβοι για μεταδόσεις από τον Β στον C και από τον Α στον C αντίστοιχα. Αλλάζοντας τις τιμές για τις διαφορετικές παραμέτρους ου ανωτέρου μοντέλου, το πρωτόκολλα μπορεί να προσομοιωθεί για μια ποικιλία φυσικών περιβαλλόντων. Χρησιμοποιήθηκε η ευρέως χρησιμοποιούμενη απόδοση (throughput) έναντι του προσφερόμενου φορτίου (offered load), και η καθυστέρηση (delay) έναντι των μετρικών διακίνησης των επιδόσεων (throughput performance metrics). Το πρωτόκολλο προσομοιώθηκε για δύο διαφορετικά σύνολα των ακόλουθων παραμέτρων. Ο αριθμός των κινητών σταθμών Ν, το μέγεθος της ενδιάμεσης μνήμης (buffer) Q, το μέσο μήκος ριπής (mean burst length) B, η πιθανότητα άφιξης πακέτου για κάθε ενεργό σταθμό Ζ, και οι παράμετροι Β_BER και P h. Οι παράμετροι της προσομοίωσης συνοψίζονται στον Πίνακα I. Η μεταβλητή R_LIM θέτει το μέγιστο αριθμό προσπαθειών μετάδοσης ανά πακέτο. Αν ο αριθμός των αναμεταδόσεων ενός πακέτου υπερβαίνει αυτή την τιμή (είτε εξαιτίας συγκρούσεων ή λαθών στο κανάλι), το πακέτο χάνεται. Στο MAC επίπεδο, το μέγεθος όλων των πακέτων ελέγχου (control packets) θέτεται σε 160 bits, και το μέγεθος του πακέτου δεδομένων (data packet size) θέτεται σε 6400 bits. Ο ρυθμός μετάδοσης στο ασύρματο μέσο θέτεται σε 1 Mb/s. Η καθυστέρηση διάδοσης (propagation delay) μεταξύ δύο οποιοδήποτε σταθμών θέτεται σε ms, αντιστοιχώντας σε ενδιάμεσες αποστάσεις των 150 m. H επιλογή ώστε οι τιμές των TG, TB, και TH να είναι 3 s, 1 s, και 0.5 s αντίστοιχα, παρέχει ένα περιβάλλον που σταδιακά «αποδυναμώνεται», κάτι που μπορεί να ελεγχθεί αποτελεσματικά από το LEAP. To LEAP είναι ικανό να προσαρμοστεί στo μεταβαλλόμενο πρότυπο της κίνησης, και μπορεί να κάνει το ίδιο και για τις συνθήκες που αλλάζουν στα ασύρματα δίκτυα. Αυτό συμβαίνει εξαιτίας της επιλογής για το μέσο μήκος ριπής Β των 10 πακέτων δεδομένων, του μεγέθους πακέτου δεδομένων των 6400 bits, και η ταχύτητα μετάδοσης 1 Mb/s, παράγουν μέσες αλλαγές στο πρότυπο της κίνησης κάθε 64 ms. Αφού το LEAP είναι ικανό να προσαρμοστεί σε αυτό το εναλλασσόμενο περιβάλλον, θα είναι επίσης ικανό να προσαρμοστεί στο ασύρματο περιβάλλον το οποίο, βασιζόμενο στις ανωτέρω τιμές των TG, TB, και TH, αλλάζει σημαντικά πιο αργά (TG = 3 s, TB = 1 s, TH = 0.5 s). 33

34 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Πίνακας 1. Παράμετροι Προσομοίωσης G_BER 0 TG TB TH 3 sec 1 sec 0.5 sec N 10 Q B 5 data packets, 50 data packets 10 data packets Z 1 R_LIM 6 L LEAP 0.1 α leap 0.03 Medium rate t PROP_DELAY Data packet size Control packet size 1 Mbps msec 6400 bits 160 bits B_BER in N B_BER in N P h in N P h in N Όσον αφορά στις παραμέτρους του LEAP, L και α, θέτονται σε 0.1 και 0.03, αντίστοιχα, αφού η χρήση του Β = 10 παρέχει ένα σχετικά γρήγορα εναλλασσόμενο περιβάλλον, και σε τέτοια περιβάλλοντα[3] η ταχύτητα σύγκλισης είναι πιο σημαντική από ότι η ακρίβεια σύγκλισης. Σε δίκτυα με Β >> 10, τα L και α, μπορούν να είναι πολύ μικρότερα καθώς η κίνηση του περιβάλλοντος θα αλλάζει πιο αργά. 34

35 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Οι διαμορφώσεις του δικτύου στις οποίες το πρωτόκολλο προσομοιώθηκε είναι οι ακόλουθες: 1. Network N 1 : N = 10, Q = 5, B = 10, Z = 1.0, B_BER = 10-6, P h = Network N 2 : N = 10, Q = 5, B = 10, Z = 1.0, B_BER = 10-4, P h =

36 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Στη συνέχεια εξετάστηκαν τα αποτελέσματα της προσομοίωσης όταν αλλάχθηκε το μήκος της ουράς σε Q=50, οπότε αντίστοιχα είχαμε: 3. Network N 1 : N = 10, Q = 50, B = 10, Z = 1.0, B_BER = 10-6, P h = Network N 2 : N = 10, Q = 50, B = 10, Z = 1.0, B_BER = 10-4, P h = 0.1 Διατηρώντας τις ίδιες παραμέτρους και για τα διαφορετικά q ελέγχθηκαν στη συνέχεια τα αποτελέσματα της προσομοίωσης στο υποβρύχιο περιβάλλον. Εκεί λόγω των μεγαλύτερων αντιστάσεων αλλάζει propagation_delay στο οποίο και δόθηκε η τιμή 0.33msec. Πίνακας 2. Παράμετροι Προσομοίωσης στο υποβρύχιο περιβάλλον G_BER 0 TG TB TH 3 sec 1 sec 0.5 sec N 10 Q B 5 data packets, 50 data packets 10 data packets Z 1 R_LIM 6 L LEAP 0.1 α leap 0.03 Medium rate t PROP_DELAY Data packet size Control packet size 1 Mbps msec 6400 bits 160 bits 36

37 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ B_BER in N B_BER in N P h in N P h in N

38 ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ 4. ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ 4.1 Αποτελέσματα σε επίγειο Περιβάλλον Οι ακόλουθες εικόνες δείχνουν έναν αριθμό αποτελεσμάτων που πήραμε προσομοιώνοντας το LEAP πρωτόκολλο σε επίγειο περιβάλλον. Κατά την εξαγωγή των αποτελεσμάτων έγινε σύγκριση με κριτήριο τον τρόπο που χρησιμοποιήθηκε για την αποστολή των πακέτων από το σταθμό-βάση στους κόμβους. Οι δύο δυνατοί τρόποι ανάθεσης με το LEAP ήταν η τυχαία επιλογή (σύμφωνα με κάποιες πιθανότητες) και η εκ περιτροπής (round robin) επιλογή. Για κάθε καμπύλη η προσομοίωση εκτελέσθηκε μέχρι να γίνει σωστή λήψη πακέτων. Για το δίκτυο Ν1, με Ν=10, Β=10, Q=5, Z=1, P h = 0.0, B_BER=10-6, propagation_delay=0.0005msec τα διαγράμματα είναι τα ακόλουθα: throughput rand N1 round robin N offered load Εικόνα 4. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν1 delay rand N1 1 round robin N throughput Εικόνα 5. Απόδοση vs Καθυστέρηση για το δίκτυο Ν1 38

39 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Για το δίκτυο Ν2, με Ν=10, Β=10, Q=5, Z=1, P h = 0.1, B_BER=10-4, propagation_delay=0.0005msec τα διαγράμματα είναι τα ακόλουθα: throughput rand N2 round robin N offered load Εικόνα 6. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν rand N2 round robin N Εικόνα 7. Απόδοση vs Καθυστέρηση για το δίκτυο Ν2 Από όλα τα διαγράμματα, συγκρίνοντας τις καμπύλες εύκολα μπορούμε να καταλήξουμε στην υπεροχή των περιπτώσεων της τυχαίας αποστολής στους σταθμούς από την round robin επιλογή. Επίσης εύκολα παρατηρούμε την καλύτερη απόδοση του συστήματος Ν1 έναντι του Ν2 και στις δύο δυνατές περιπτώσεις. 39

40 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Θέλοντας να κάνουμε μια σύγκριση των αποδόσεων και των καθυστερήσεων για τα δύο περιβάλλοντα, κρατώντας τις ίδιες παραμέτρους Ν=10, Β=10, Q=5, Z=1, παίρνουμε τα ακόλουθα διαγράμματα: Network N1 Network N2 throughput offered load Εικόνα 8. Προσφερόμενος φόρτος vs Απόδοση συγκριτικά για τα δίκτυα Ν1 και Ν2 για τυχαία αποστολή πακέτων Network N1 Network N2 12 delay throughput Εικόνα 9. Απόδοση vs Καθυστέρηση συγκριτικά για τα δίκτυα Ν1 και Ν2 για τυχαία αποστολή πακέτων 40

41 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Network N1 Network N2 throughput offered load Εικόνα 10. Προσφερόμενος φόρτος vs Απόδοση συγκριτικά για τα δίκτυα Ν1 και Ν2 με round robin αποστολή πακέτων Network N1 Network N2 12 delay throughput Εικόνα 11. Απόδοση vs Καθυστέρηση συγκριτικά για τα δίκτυα Ν1 και Ν2 με round robin αποστολή πακέτων 41

42 ΑΞΙΟΛΟΓΗΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ Στη συνέχεια ελέγχουμε τα αποτελέσματα της προσομοίωσης εάν θέσουμε το μήκος της ουράς q=50. Για το δίκτυο Ν1, με Ν=10, Β=10, Q=50, Z=1, P h = 0.0, B_BER=10-6, propagation_delay =0.0005msec τα διαγράμματα είναι τα ακόλουθα: throughput rand N1 round robin N offered load Εικόνα 12. Προσφερόμενος φόρτος vs Απόδοση για το δίκτυο Ν1 delay rand N1 round robin N throughput Εικόνα 13. Απόδοση vs Καθυστέρηση για το δίκτυο Ν1 42