一种抗干扰CSMA/CA协议执行方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种抗干扰CSMA/CA协议执行方法、装置及存储介质，基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议；感知当前环境状态，根据epsilon

【技术实现步骤摘要】
一种抗干扰CSMA/CA协议执行方法、装置及存储介质


[0001]本专利技术主要涉及通信智能抗干扰处理
，具体涉及一种抗干扰CSMA/CA协议执行方法、装置及存储介质。

技术介绍

[0002]随着多用户无线接入设备的快速发展，多用户应用场景要求提供高带宽效率和低延迟的服务。但是，由于无线信道的开放性，容易受到干扰机的恶意干扰，这些干扰会降低网络可靠性、隐私性和安全性。CSMA/CA协议广泛应用于MAC接入机制，通过二进制回退机制(BEB)解决多用户通信问题，在一定程度上减少了节点间的相互干扰，提高其通信性能。但是CSMA/CA协议的二进制回退机制容易被干扰利用，恶意干扰通过伪造信号让正常的待发节点认为信道忙碌，从而使正常节点触发回退机制，导致数据包的大量丢失或延迟发送，在该过程中恶意干扰只需要较小的功率就可以使网络瘫痪。现阶段的协议抗干扰方法主要是干扰检测，然后通过路由选择、信道分配、功率控制等方法提高其抗干扰性能。但是，这些方法并没有从协议的角度去提高抗干扰性能。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种抗干扰CSMA/CA协议执行方法、装置及存储介质。
[0004]本专利技术解决上述技术问题的技术方案如下：一种抗干扰CSMA/CA协议执行方法，包括如下步骤：
[0005]S1：基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议；
[0006]S2：感知当前环境状态，根据epsilon
‑
greedy算法在预设决策集合中获得当前环境状态的决策；
[0007]S3：将所述决策分发给通信节点，所述通信节点根据所述决策进行抗干扰CSMA/CA协议的任务并感知下一个环境状态；
[0008]S4：计算所述当前环境状态下选取所述决策所获得的经验值；
[0009]S5：将所述当前环境状态下的经验值与所有历史环境状态下的经验值进行累计，利用Q学习算法对累计经验值优化处理，并将所述当前环境状态转移至下一环境状态；
[0010]S6：重复步骤S2
‑
S5，直至抗干扰CSMA/CA协议的任务执行完成。
[0011]本专利技术解决上述技术问题的另一技术方案如下：一种抗干扰CSMA/CA协议执行装置，包括：
[0012]协议构建模块，用于基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议；
[0013]协议执行模块，用于通过感知节点感知当前环境状态，根据epsilon
‑
greedy算法在预设决策集合中获得当前环境状态的决策；
[0014]将所述决策分发给通信节点，所述通信节点根据所述决策进行抗干扰CSMA/CA协议的任务，并感知下一个环境状态；
[0015]计算所述当前环境状态下选取所述决策所获得的经验值；
[0016]将所述当前环境状态下的经验值与所有历史环境状态下的经验值进行累计，利用Q学习算法对累计经验值优化处理，并将所述当前环境状态转移至下一环境状态，重复上述过程，直至抗干扰CSMA/CA协议的任务执行完成。
[0017]本专利技术解决上述技术问题的另一技术方案如下：一种抗干扰CSMA/CA协议执行装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的抗干扰CSMA/CA协议执行方法。
[0018]本专利技术解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的抗干扰CSMA/CA协议执行方法。
[0019]本专利技术的有益效果是：基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议，优化累计经验值来找到最优的决策调整参数，通过决策调整参数来获得新决策，抗干扰CSMA/CA协议按新决策执行，从而达到对不同环境做出更为合理的退避决策，提高了CSMA/CA协议的抗干扰性能。
附图说明
[0020]图1为本专利技术实施例提供的抗干扰CSMA/CA协议执行方法的流程示意图；
[0021]图2为本专利技术实施例提供的抗干扰CSMA/CA协议执行装置的功能模块示意图；
[0022]图3为本专利技术实施例提供的学习框架的结构示意图；
[0023]图4为本专利技术实施例提供的感知节点的流程实例图。
具体实施方式
[0024]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0025]实施例1：
[0026]如图1所示，一种抗干扰CSMA/CA协议执行方法，包括如下步骤：
[0027]S1：基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议；
[0028]S2：感知当前环境状态，根据epsilon
‑
greedy算法在预设决策集合中获得当前环境状态的决策；
[0029]S3：将所述决策分发给通信节点，所述通信节点根据所述决策进行抗干扰CSMA/CA协议的任务并感知下一个环境状态；
[0030]S4：计算所述当前环境状态下选取所述决策所获得的经验值；
[0031]S5：将所述当前环境状态下的经验值与所有历史环境状态下的经验值进行累计，利用Q学习算法对累计经验值优化处理，并将所述当前环境状态转移至下一环境状态；
[0032]S6：重复步骤S2
‑
S5，直至抗干扰CSMA/CA协议的任务执行完成。
[0033]应理解地，感知下一个环境状态可理解为，将决策分发给通信节点，此时有的状态是当前状态和下一个时刻状态，状态更新的过程需要在Q学习算法优化后才进行更新。
[0034]应理解地，Epsilon
‑
greed方法为：在获取决策前会随机生成一个随机数seed，0≤seed≤1。与设置的贪婪因子ε进行比较，seed＜ε，则选择随机决策，否则选择贪婪决策，该
决策就是maxQ(s
i+1
,a
i+1
)下的决策a
i+1
。执行完毕通过衰减指数减小贪婪因子值，直至减小到0.1。
[0035]上述实施例中，基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议，优化累计经验值来找到最优的决策调整参数，通过决策调整参数来获得新决策，抗干扰CSMA/CA协议按新决策执行，从而达到对不同环境做出更为合理的退避决策，提高了CSMA/CA协议的抗干扰性能。
[0036]在上述实施例的基础上，所述基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议，具体为：
[0037]定义决策调整参数为a，基于CSMA/CA协议中的竞争窗口CW和决策调整参数a和重新定义所述竞争窗口CW，得到竞争窗口CW
’
，其中，CW∈[CW
min
...

【技术保护点】

【技术特征摘要】
1.一种抗干扰CSMA/CA协议执行方法，其特征在于，包括如下步骤：S1：基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议；S2：感知当前环境状态，根据epsilon
‑
greedy算法在预设决策集合中获得当前环境状态的决策；S3：将所述决策分发给通信节点，所述通信节点根据所述决策进行抗干扰CSMA/CA协议的任务并感知下一个环境状态；S4：计算所述当前环境状态下选取所述决策所获得的经验值；S5：将所述当前环境状态下的经验值与所有历史环境状态下的经验值进行累计，利用Q学习算法对累计经验值优化处理，并将所述当前环境状态转移至下一环境状态；S6：重复步骤S2
‑
S5，直至抗干扰CSMA/CA协议的任务执行完成。2.根据权利要求1所述的抗干扰CSMA/CA协议方法，其特征在于，所述基于CSMA/CA协议和决策调整参数构建抗干扰CSMA/CA协议，具体为：定义决策调整参数为a，基于CSMA/CA协议中的竞争窗口CW和决策调整参数a和重新定义所述竞争窗口CW，得到竞争窗口CW
’
，其中，CW∈[CW
min
，CW
max
]，CW
’
∈a
·
[CW
min
,CW
max
]；定义状态空间S，s
i
∈S:S＝{s1,s2,...,s
n
}，其中，s
i
＝a
i
·
CW
’
表示在i时刻环境状态，a
i
CW
’
表示通过决策a
i
调整后的竞争窗口CW
’
，定义决策空间A，a
i
∈A:A＝{a1,a2,...,a
n
}，其中，a
i
表示在i时刻做出对竞争窗口CW
’
调整的决策，定义决策转移概率P，P＝p{s
i+1
|s
i
,a
i
}，其中，p表示在环境状态s
i
下选取决策a
i
转移到s
i+1
的概率，定义回报值R，R(s
i
,a
i
)表示在环境状态s
i
下选取决策a
i
获得的经验值；根据定义的状态空间S、决策空间A、决策转移概率P、回报值R和竞争窗口CW
’
得到抗干扰CSMA/CA协议。3.根据权利要求2所述的抗干扰CSMA/CA协议方法，其特征在于，所述计算所述当前环境状态下选取所述决策所获得的经验值，具体为：从信道中获得单位时间内成功传输的数量、单位时间的长度和信道的传输速率；将所述单位时间内成功传输的数量和所述单位时间的长度进行比值计算，得到吞吐量；将所述吞吐量和所述信道的传输速率进行比值计算，得到归一化吞吐量，将所述归一化吞吐量作为经验值。4.根据权利要求2所述的抗干扰CSMA/CA协议方法，其特征在于，所述利用Q学习算法对累计经验值优化处理，具体为：利用Q学习算法进行Q值更新，从而实现对累计经验值进行优化，获取最大累计经验值Θ，将所述最大累计经验值Θ作为优化目标，所述优化目标为：其中，Ri为i时刻的经验值，E
π
为在决策π下所取的累计经验值，A表示决策空间。5.根据权利要求4所述的抗干扰CSMA/CA协议方法，其特征在于，所述利用Q学习算法进
行Q值更新，具体为：利用Q学习算法的Q值更新公式更新Q值，所述Q值更新公式为：其中，θ表示学习率，所述学习率用于调整状态和经验值对Q值的影响，γ表示折扣因子，r
i
表示在环境状态s
i
下...

【专利技术属性】
技术研发人员：刘鑫，明自东，王玫，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：