WSN拥塞控制

更新时间：2024-06-29 07:43:01 阅读量：综合文库文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

无线传感器网络中的拥塞控制

Bret Hull,Kyle Jamieson,Hari Balakrishnan 麻省理工学院计算机科学与人工智能实验室

The Stata Center,32 Vassar St.,Cambridge,MA 02139

{bwhull,jamieson,hari}@csail.mit.edu

摘要 .................................................................................................................................................. 0 1. 引言.............................................................................................................................................. 0 2. 拥塞控制难题 .............................................................................................................................. 1

2.1 度量标准 ............................................................................................................................ 2 3. 拥塞缓解 ...................................................................................................................................... 3

3.1 逐跳流量控制 .................................................................................................................... 3 3.2 速率限制 ............................................................................................................................ 4 3.3 MAC层优先级化 ............................................................................................................ 4

3.3.1 终端隐藏问题 ......................................................................................................... 5 3.4 应用自适应 ........................................................................................................................ 5 4. 实验评价 ...................................................................................................................................... 5

4.1 定期工作负载 .................................................................................................................... 6

4.1.1 定期工作负载：网络有效性 ................................................................................. 6 4.1.2 定期工作负载：非平衡性 ..................................................................................... 7 4.1.3 定期工作负载：吞吐量和公平性 ......................................................................... 8 4.1.4 定期工作负载：等待时间 ..................................................................................... 8 4.1.5 定期工作负载：损失来源 ..................................................................................... 8 4.1.6 定期工作负载：能量方面的考虑 ......................................................................... 9 4.2 高扇入网络实验 ................................................................................................................ 9

4.2.1 高扇入网络：网络有效性 ................................................................................... 10 4.3 事件相关工作负载 .......................................................................................................... 10

4.3.1 事件相关工作负载：网络有效性 ....................................................................... 10 4.3.2 事件相关工作负载：丢失率 ............................................................................... 11 4.3.3 事件相关工作负载：等待时间 ........................................................................... 11

5. 相关工作 .................................................................................................................................... 11 6. 总结............................................................................................................................................ 12

6.1 未来的工作 ...................................................................................................................... 13 致谢 ................................................................................................................................................ 13 7. 参考文献 .................................................................................................................................... 13

摘要

网络任意点提供的流量负载超过其可用容量时就会出现网络拥塞现象。在WSN中，拥塞会引起整体的信道质量下降及丢失率的上升，导致缓存器溢出、延迟增大（就像在有线网络中一样），并且，对于那些要经过多跳传输数据的节点来说是极其不公平的。

有线网络中的拥塞控制常常使用端到端速率自适应技术和网络层丢失与信令技术共通协作完成。然而，这种方法没有解决无线网络拥塞控制问题，原因是并发的无线电传输在不同的“链路”上会相互作用相互影响，另一个原因是无线信道质量表现出的高度可变性超过了多个时标。我们研究跨越传统协议栈的不同层的三种技术：逐跳流量控制，源流量速率限制，MAC层优先级化协议。我们在用55个节点构建的WSN上实现这些技术并给出实验结果。我们证明了这些技术的融合技术，Fusion，可以在低于实际工作负载情况下通过这三个技术的特点改善网络有效性。

分类和主题描述：C.2.2[计算机通信网络]：网络协议概述：测量，性能，设计，实验。

关键词：WSN，拥塞控制，流量控制，速率限制，网络性能。

本文是基于国家科学基金会支持完成的，批准号为0205445。同时支持该项工作的还有麻省理工学院氧气项目的合作伙伴英特尔公司，以及斯隆基金会奖学金。

允许这项工作全部或部分的数字或硬拷贝使用于个人或教育，这种的情况下是不收取费用的，前提是拷贝件不能用于以盈利或商业化为目的，拷贝件在其首页需有类似的通知及标注完整的引用。若要以其他方式拷贝，再发行，在服务器上发布或重新分配到列表，均需要事先得到特定的许可或付费。

提供极少发生拥塞事件的WSN络中，缓存器溢出和时延增大是拥塞是非常困难的。传感器网络交付各种的征兆。在过去的许多年中，研究人

员已经研究了用端到端速率（窗口）类型的流量，从简单周期性报告到不

可预测的、由所感知到的外部事件触自适应技术和网络层丢失与信令技术发的突发消息。即使是已知周期性通的融合来确保有线网络和蜂窝无线网

络不会因为拥塞而崩溃。除了缓存器信模块和简单的网络拓扑的WSN，拥

塞也会发生，原因是无线信道随着时溢出外，WSN拥塞的一个主要征兆是间变化（常常是剧烈变化），且在不同网络其他区域发送的流量增大导致无“链路”上同时进行数据传输会互相线信道质量恶化。因为无线“链路”

不像有线信道或者蜂窝无线链路那样作用、互相影响，从而导致信道质量

不仅与噪声有关而且与流量密度有物理上相互屏蔽、相互隔离，所以传关。此外，传感器的入网或退网，或输通过网络一个给定区域的流量对网

络其他部分的信道质量和丢失率会产者报告速率的改变都会引起网络原先

不拥塞的部分变得拥塞。当感知事件生不利影响。无线信道质量差且具有

时变性，不对称通信信道，隐含终端都会导致调整好的流量难以交付。另外，在流量负载作用下，多跳WSN严重影响分组的多跳传输，导致极大的不公平性。

本文研究这三种拥塞控制技术在传统网络协议栈的不同层中的应用，并表明网络拥塞的不利影响可以在这三种技术的协调作用下得到极大的缓解。第一种技术是逐跳流量控制技术，节点通过后压相互发送本地拥塞信号，防止对在下行节点中被确定为丢弃的分组做无用传输，降低分组丢失率。第二种技术是源速率限制技术，用于减轻对其数据传递必须通过许多转发跳才能到达中心节点的源节点的严重不公平问题。第三种技术是MAC层优先级化技术，使拥塞节点的共享信道访问权优先于非拥塞节点，避免缓存器溢出问题。我们把这三种技术结合成一个名为Fusion的新策略。单独来讲，每一种技术都能在一定程度上减轻拥塞问题，但是将三种综合在一起使用，Fusion可以明显地改善网络有效性、公平性和信道丢失率。这些实验结果，连同上述机制的设计细节，是本文的主要的贡献。

为了研究发展这些技术，我们从前人的工作中汲取了大量的经验和结论。例如，我们的逐跳流量控制方案是从已完成的有线网络工作及将该主意应用于WSN中的近期工作[参考文献22]中受到启发的。我们的源速率限制方案和类似的体制一样都是受前人的工作[参考文献24]启发的。不管怎么样，我们的方案及这些方案协同运作的详细说明，以及这些方案单独或者协同作用时的详细的实验评估都对我们的工作有着至关重要的贡献。我们用一个包含55个节点的室内WSN测试平台来评估每一个方案。在我们的测试平台中，Fusion通过三个因素改善有效性，通过两个以上的因素改善不公平性。

在下一章，我们将展示我们的实验结果，突出WSN中的拥塞问题并描述我们用于评估不同拥塞控制方法的各种性能标准。我们在TinyOSon下开发了一个网络栈，实现了如上所述的三种拥塞控制技术的几个变种；在第3章讨论这几种技术是如何共同运作控制拥塞的。在第4章，我们在不同的通信模式下单独地、共同协作的情况下研究这些拥塞控制机制。第5章给出了与相关工作的详细比较。第6章总结我们主要的研究成果并介绍未来的研究方向。

2. 拥塞控制难题

这一章分析WSN中拥塞崩溃的两个关键症状。以下的结果来自室内Mica2 WSN测试平台，我们会在第4章详细介绍该平台。每个节点以恒定的速率产生数据，其他的传感器通过多跳传递将数据转发中心节点。随着负载的增加，丢失率也迅速增加。图1（左边）表示各种负载下的全网丢失率。我们将无线信道误码引起的丢失率和节点缓存器溢出引起的丢失率分离开。我们发现无线信道误码对丢失率起主导作用，且随着负载的增加而迅速增大。丢失率急剧增大是拥塞崩溃的两个主要症状之一。

图1：信道和缓存器丢失率与每个人节点产

生负载的关系变化（左图）。

拥塞崩溃的第二个主要症状是距

离中心节点一跳的节点产生的流量使得网络的大部分饥饿。图1（中间）表示了该现象。假定一个节点产生的分组被中心节点所接收到的百分比为P，那么互补积累分布函数CDF表示至少将其P%的分组交付给中心节点的传感器所占的比例。我们看到随着负载的增加，节点减少，不成比例地占用大部分网络带宽。

2.1 度量标准

图1：每个节点产生的负载被中心节点接收的比列（互补累积分布函数CDF，中间的

图）。

拥塞崩溃对WSN能量有效性带来极端不利的影响，如图1（右边）所示。当负载增大到高于拥塞点后，同样能量下能够发送的比特数很少。从边沿节点发送给中心节点的数据只会被丢弃（无法传递到中心节点），因而造成了能量浪费。我们将这种现象称为活锁（livelock）。

图1：每个单位能量成功发送的全网比特数

（右图）。

在这些定量的观测结果的基础

上，我们提出了若干措施来评估传感器网络在拥塞情况下的性能：网络有效性?，节点的非平衡性?，中心节点接收的总吞吐量，网络公平性?以及中央分组的等待时间。

我们定义有效性为：“有效”分组传递的总跳数除以分组在网络中传输经过的总跳数（表1中的表达式1）。一个“有效”分组就是最终能够到达中心节点。有效性测量很重要，因为网络带宽是有限的且在传感器网络中能源又常常是稀缺的。上述的能量使用结果（图1，右边）启示我们，这种说法将以前的链路有效性的观念[参考文献29,§5.3]扩展到了多跳传感器网络设置中。传输总量包括所有的重传及最终被丢弃或损坏的分组的传输。

我们的有效性度量取决于失败的传输，缓存器溢出，丢失确认引起的重传，以及信道损失。有效性在很大程度上取决于被丢弃的分组，该分组需要跨越多跳才能到达中心节点。因此，有效性测量传感器网络的传输分数，即对分组最终能交付给中心节点的贡献值。有效性同样权衡没有被浪费的传输。

与有效性有关的是非平衡性，即对每个节点交付其子节点的分组给其父节点的满意程度的估量。我们在表1的节点i上定义非平衡性?。当节点N 的?=1时，节点N接收从其子节点接收的数据量等于和发送给其父节点的数据量。当?很大时表示节点N从其子节点接收的数据量比其成功发送的数据量多。非平衡性与简单的缓存器溢出计数不同，原因是无线传输损失直接影响它。

有效性和非平衡性表示一个传感器网络如何有效地依据自己的传输机会和能量传递数据，他们不评估整体

的数据传输速率。因此，我们在中心节点估量并报告总吞吐量及每个节点的平均吞吐量。

实现公平性是可取的，因为在许多遥感应用中存在着关于增长传感器报告率的递减边际效应。换句话说，侦听在地理区域上分散的N个传感器低速率通信比侦听一个传感器的高速率通信更重要。在多跳无线网络中实现公平性是困难的，且通常要以减少总吞吐量为代价[参考文献12,15]。我们用表1显示的指标度量公平性?。

中央分组等待时间的测量是很重要的，因为许多应用需要知道感知与报告之间的最小时间间隔。传感器网络中流量超载会使等待时间增大。注意到，增加缓存空间和流量控制有助于缓解拥塞，但同时也增大了每跳的分组排队时延，增加了端到端的等待时间。

3. 拥塞缓解

公平性之间自然需要折中平衡，允许大流量节点发送，则必然以最大程度竞争给这些节点分配带宽。最后，无线信道本身就是有损信道，因此对数据流进行分布式控制更加富有挑战性。

3.1 逐跳流量控制

我们的拥塞控制方案，我们称之为Fusion，融合了三种技术：逐跳流量控制，速率限制，及MAC层优先级化技术。逐跳流量控制目的在于，如果节点的分组由于下行节点输出队列空间不足注定要被丢弃，则避免这些节点的传输。速率限制度量允许进入网络的流量以防止对于远离中心节点的源节点的不公平性。MAC层优先级化确保拥塞的节点获得优先访问的信道，允许输出队列发送完所有的分组。虽然这些技术没有明确关于网络拓扑的信息，但本文中旨在单一中心节点和生成树拓扑的研究。

我们还注意到，这些技术在无线领域的应用是困难的。首先，发送节点和接收节点同时存在信道竞争问题。在室内，信道竞争也是一个严重的问题，因为无线传播反射引起传播不稳定并导致两个看似不相交节点集之间相互干扰。第二，信道利用率和

逐跳流量控制已经应用于有线局域网和广域网[参考文献14,16,17]，以及WSN[参考文献11,22]。实现方式：每个传感器在其发送的每个分组头部设置一个拥塞比特。利用无线媒介的广播特性，通过每次发送将拥塞信息反馈给相邻区域中的的所有传感器节点。这就意味着拥塞信息反馈不需要使用直接控制消息，而直接拥塞控制消息需要占用一部分带宽。逐跳流量控制由两部分组成：拥塞检测和拥塞缓解。我们首先讨论两种拥塞检测方法：队列占用法和信道采样法。

一个检测拥塞的简单方法就是监视传感器队列的长度：如果输出队列可用空间部分降到高水位线?下（我们的实验中?=0.25），则将输出分组的拥塞比特位置位；否则将输出分组的拥塞比特位清零。这种队列占用法会带来一些额外的开销，我们会在第4章中对其进行评价。

CODA[参考文献22]提出了一个交替的方法来检测拥塞。当一个分组等待发送时，传感器按照固定的时间间隔采样信道状态。根据信道繁忙的时间长度计算利用率因子。如果利用率高于某个门限值，则将输出分组的拥塞比特置位。否则，将输出分组的拥塞比特位清零。这种信道采样法，我们将在第4章对其进行评价，它要求无线广播不断地在共享媒介上检测载波。

拥塞缓解是一种机制。给定相邻区域内的节点利用拥塞缓解抑制自己

的发送，防止下一跳转发节点发生溢出。一个传感器若旁听到其父节点发送来的一个分组的拥塞比特被置位，则其停止转发数据，以便允许其父节点将其队列中的分组全部发送完。如果不采用这种反馈机制，则在流量波传递通过网络时分组缓存器可能很容易发生溢出。假如一条路径持续拥塞，那么逐跳反压最终到达源节点，允许应用层流量控制[在后面的3.4章节介绍]抑制源节点速率。

当需要多跳传递反压时存在一个有关拥塞状态通信问题。当一个父节点设置其拥塞比特时，它的子节点会停止发送。因此，子节点在发生拥塞时就无法通知自己的子节点。我们的解决方法是：允许一个拥塞节点一旦旁听到其父节点发出的一个分组设置了拥塞比特就立刻发送一个分组；也可以是拥塞节点每收到一个

分组就发送一个额外的分组，补偿子节点旁听不到表示拥塞的分组。

3.2 速率限制

全被动法，即通过传递流量监视来确定源节点速率。每个传感器节点旁听其父节点转发的流量，据此估计其路由经过该父节点的源节点总个数N。我们用令牌桶算法调控每个传感器的发送速率。传感器节点旁听到其父节点转发了N个分组就累加一个令牌，直到累加到最大令牌数为止。只有当传感器节点的令牌数大于零时，才允许该传感器发送数据，并且每发送一次就将令牌数减1。这种方法限制了传感器以其每个子节点的相同速率发送数据。

我们在第4章分别用单独地、与其它拥塞控制机制融合的方法评估这种简单的速率限制机制。

3.3 MAC层优先级化

由于信道条件和承载负载的不断变化，网络中的任何点都可能发生拥塞。这些拥塞点常常引起噪声平面的升高、分组交付率的急剧下降。随着网络直径的增大，如果传递流量由于拥塞而被丢弃，那么这就变成一个越来越严重的问题，这是因为网络消耗了许多有用的能量和带宽来发送多跳转发分组（活锁问题）。而且，网络的一种自然趋势是：交付离中心节点近的源节点产生的流量，牺牲离中心节点远的源节点的流量。源节点速率限制就是解决噪声平面上升问题和不公平性增强问题。

速率限制工作原理如下。假定所有传感器产生相同流量负载、路由树基本对称。处理速率变化的一个更通用更好的方法就是要求源节点发送其流量产生速率。为了简单起见，采用

虽然传感器能够利用上述的网络层机制对拥塞问题做出反应和处理，但是传感器节点对拥塞问题的反应速度不能保证总是足够快的，从而不需要MAC层的支持就能够防止缓存器数据丢失。MAC层的载波监听多路访问（CDMA）对拥塞控制有辅助作用。

MAC层标准CDMA赋予每个传感器节点相同的发送竞争成功的概率。然而，在拥塞期间，若采用标准的CDMA，则由于拥塞的传感器节点不能迅速地将拥塞控制反馈给相邻节点，因而可能导致性能降低。例如，考虑一个高扇入的场景，即几个传感器节点通过一个公共父节点转发分组。通常，父节点传感器只有在其一半相邻节点发送完成后才能访问信道。然而，因为父节点出现拥塞，所以它可能没有足够的缓存器空间来存储其子节点转发来的分组。因此，父节点没有别的选择只能丢弃子节点发送来的分组。结果是，拥塞的传感器节点拥有访问无线媒介的优先权是非常必要的。

为了解决这个问题，我们采取

Aad和Castelluccia提议的方案[参考文献1]，使每个传感器随机退避时间长度（在每个发送周期之前）作为其本地拥塞状态的函数。如果一个传感器节点出现拥塞，则它的退避窗口等于无拥塞时退避窗口的1/4，使拥塞传感器赢取竞争的机会更高，允许将输出队列中的分组全部发送完毕，提高拥塞控制信息传播到传感器整个相邻区域中的可能性。

3.3.1 终端隐藏问题

止。有些应用只是简单地等待网络栈重新接收数据（我们评估这种策略）。有些应用则通过AIMD控制器或类似机制来调整自己的发送速率。通常，应用只允许在网络栈中立即保存少量分组，以防止本地产生的流量成为缺乏传输路由的流量。

4.实验评价

两个不在其无线覆盖范围内的发送节点同时对一个公共接收节点发送时就会发生隐藏终端问题。减少隐藏终端间碰撞的一种方法是在通信前相互交换RTS/CTS控制分组。尽管这些控制分组也有可能会碰撞，并且有些不会碰撞的发送也有可能会停止进行，但是这些RTS/CTS交换排除了大部分分组的碰撞。当实际的数据分组长度远远大于控制分组时，RTS/CTS交换带来的开销是值得的。然而，在传感器网络中，数据分组通常是比较小的[参考文献6],并且根据研究文献报告在在某些平台上进行RTS/CTS交换会增加40%的开销[参考文献24]。因此，我们不评估这种机制。

Woo和Culler提出了一个减轻树状拓扑中的终端隐藏问题的策略[参考文献24]。当一个节点旁听到其父节点发送完一个分组时，它会等待一个分组时间和一个保护间隔时间，以避免可能的隐藏终端与其祖父节点碰撞。我们在第4章评估这种策略以及其他的拥塞控制策略。

3.4 应用自适应

应用在预防拥塞中起着重要的作用。当网络栈没有准备接收额外的数据时，通过发送失败来通知应用，然后一直等到应用做出适当的响应为

在这一章，我们评价在55个节点的室内WSN测试平台上仿真的几个拥塞控制。每个节点都是Crossbow Mica2,拥有4KB的RAM，128KB的闪存的Atmel ATmega128L微控制器以及CC1000无线通信模块。无线通信模块运行频率为433MHZ，传输速率为38.4Kbps，使用曼切斯特编码。每个节点附属于一个Crossbow MIB600接口板，该接口板同时为编程和数据收集提供电源和以太网反向信道。如图5和图6所示，我们将节点部署在我们办公建筑的一层即16,076平方英尺的面积内，自由覆盖整个楼层，在地板左上角布置的节点密度高于平均密度。我们使用Motelab[参考文献23]管理测试平台。

表征每个节点的相邻节点的大小是困难的，原因是无线传播是变幻莫测的。为了表征邻节点的大小，我们测量空载网络在几种不同发射功率水平情况下成对节点之间的信道质量。该测量是在没有路由协议和任何网络栈变动的情况下执行的。一个接着一个，每个节点发送一个广播探针分组队列（链路层重发除外）。我们定义一个节点的邻居节点大小N（x）为该节点能够监听到的任何发给自己的数据量的期望值。该值可以使用表达式4计算，x表示网络中任意一个节点，N是所有节点的集合，Pxy是节点y成功接收来自节点x的发送的可能性。

图2显示了我们的测试平台各邻

节点的大小。平均邻节点大小随着功率的指数增长呈直线增长趋势。在我们的实验中，我们选定一个-10dBm的传输功率电平，该功率电平明显低于默认的0dBm功率电平。我们的目的是在保持网络连接状态下降低无线通信功率、增加空间复用。

我们在表2总结了每种拥塞控制策略，并为每种拥塞控制策略提供实验参数。对于拥塞控制策略，我们使用在第3.3章节介绍的MAC层优先级化技术。没有拥塞策略时，我们使用TinyOS下未修改过的MAC协议(B-MAC)。我们在以下这三种工作负载下评价每一种拥塞控制策略：定期工作负载，高扇入工作负载，事件相关工作负载。我们利用在第2章介绍的度量方法评价每一种技术。

让我们测试平台中的传感器运行TinyOS1.1,使用我们自己的单一目的地DSDV[参考文献18]路由选择协议增强。每个传感器通过旁听其邻居节点的传输来监听它们的信道质量，选择将数据转发到目的地的传输的最小期望值的路由[ETX参考文献4]。每个传感器节点使用一个八个分组大小的队列来缓存输出流量。在无线通信栈中使用的MAC协议来源于底层TinyOS的分配，即在第3.3章节介绍过的修改版MAC协议。我们的链路层发送数据，通过最大限度的三次重传达到一定的可靠性。

所有在WSN中传输的分组长度都是36字节。只有在实验过程中执行的其他流量是不频繁的每十秒发送一次路由更新。此外，我们设置无线通信频率以减少来自建筑内的其他WSN的干扰。在我们的实验中，我们保持收集数据阶段前两分钟的路由稳定，一旦稳定阶段完成我们也要保持实验期间路由的稳定。稳定的路由确保路由协议不会影响我们的实验结果。

对于在定期的或与事件相关的工作负载下的每一个实验数据点，平均

和置信间隔内有超过15个信息向同一个中心节点（节点6）汇聚。高扇入工作负载下平均值超过5个。我们统计在一天中不同的时间、一个星期中不同的工作日所有发送的流量。在定期工作负载和高扇入工作负载下，每运行一次，流量统计收集阶段持续4分钟，对于事件实验则是持续一分钟。

我们依据如下信息评价度量指标，即每个传感器的负载范围在定期和高扇入工作负载情况下从每秒0.25个分组到每秒4个分组。事件大小范围:1~8个事件相关工作负载分组。由于Mica2链路层吞吐量接近每秒40个分组，且我们的网络包含有55个传感器，因此我们可以确定我们的网络以每秒4个分组的速度转变为拥塞。

4.1 定期工作负载

定期工作负载模仿一个典型的监听传感器网络，该网络在固定的时间间隔产生读事件。在实践中展示这个通信模式的部署是非常普遍的现象[参考文献7,13,20]。在这种工作负载下，每一个传感器源在某个负载下通信，并帮助将其他传感器节点的流量转发给中心节点。为了避免不同传感器节点同时进行定期报告，我们提出了一个随机延迟方案，该延迟时间在实验开始时与报告速率有很大的相关性。图3显示了用于将分组转发给中心节点的路由拓扑图的快照。

我们注意到，规定WSN避免拥塞控制的需求看似是困难的，即是在轻度工作负载下。即使一个网络设计者知道总负载是事先确定的，但是无线通信变幻莫测的性质使得了解网络的真实转发拓扑成为几乎不可能的事情，并使得高密度的信道带宽分配异常困难。

4.1.1 定期工作负载：网络有效性

图4表明，在我们研究的每一种拥塞控制方案中，网络有效性?（定义如表达式1所示）怎样随着每个传感器负载变化而变化。首先，注意每个拥塞控制方案的递减趋势。这种趋势是期待的，因为随着传输数量的增加，网络的噪声平面会上升，这就增大了分组损坏和重传的可能性。此外，由于MAC争用和终端隐藏问题使得碰撞的概率增加。这些因素随着负载的增加加快了的网络有效性?的下降。

速率限制出于同样原因，即有效性与负载呈下降趋势（只有少量分组传输）对比，提出了逐步改善有效性的方法。特别是，速率限制减少了接近网络中心节点位置的负载，这些位置通常是拥塞和争用最糟糕的地方。然而，随着负载的增加，终端隐藏和干扰限制了这种方案在有效性上超过别的拥塞控制方案。

逐跳流量控制在有效性方面进行了额外的改善，由于另外的原因使得其比速率限制更成功。逐跳流量控制并不是通过减少网络的转发点和叶子节点之间争用来改善有效性，而是通过基于本地邻居队列的争用限制传输来改善有效性。另外，随着负载的增加，队列占用拥塞检测总是胜过信道采样。这就暗示着作为拥塞的一个指标，队列占用至少跟信道采样一样好。

结合这两种流量控制策略的Fusion方案能最大程度改善有效性。逐跳流量控制有助于抑制网络中每条链路上的传输，速率限制机制度量进入网络的流量。同时，这两种策略相互补充，实现了高水平有效性，即使在网络达到饱和情况下。

4.1.2 定期工作负载：非平衡性

在每秒4个分组的负载下，我们在图7绘制了不同拥塞控制策略的节点非平衡性?的分布图。这些结果总结了多次定期运行实验的节点非平衡性

状况。没有任何拥塞控制策略的情况下，网络会出现许多热点：大约有5个节点（90%可能）的非平衡性大于其他50个节点。此外，没有拥塞控制时非平衡性CDF的拖尾是很严重的，这表明网络中出现不正常热点并且这些热点没有成功转发自己收到的任何流量。速率限制同样表现出严重的拖尾，这表明速率限制也不能有效解决这些不正常的节点问题。

信道采样和基于队列占用的拥塞控制均能将非正常的热点从网络中移除。当把多种拥塞控制策略融合成Fusion方案时，我们可以看到这种协同作用显著改善了拥塞状况。

图5和6显示了在一次试验运行过程中每个节点接收到的总流量，分别显示了使用Fusion方案和无拥塞控制策略情况下每秒4个分组的定期工作负载。链路密集程度与边沿头节点接收来自边沿尾节点的分组总量成比例。

在图5中，注意到在图中相对密集的边沿形成一个转发骨干节点，即大部分的流量在该节点转发。速率限制有助于限制叶子节点的流量，特别是接近中心节点的叶节点，以便不会超过网络的负载。此外，对分组信息保留的保护：对节点来说是路由流量，一些少输入的链路通常造成一个链路是大量输出。

相比而言，在图6中（没有拥塞控制）没有明确的转发骨干节点，也没有分组信息保留的保护。例如，一个或多个密集的边沿网络进入一个节点，该节点通向一个稀疏的边沿网络，同样从该节点退出该边沿网络。这就意味着缓存器或无线信道数据的大量丢失。我们再解释一下在图7中看到的非正常的热点。在图中偏僻的左上角是节点密集区。这就是说在那一片地理区域存在大量的无线传输碰撞。

4.1.3 定期工作负载：吞吐量和公平性

接下来，我们测量中心节点接收的总吞吐量，不考虑数据是哪个节点传输的。图8表明，随着负载的增加，使用非速率限制拥塞控制策略会导致吞吐量达到最大。这是因为，速率限制可以减缓节点速率的下降，因此会造成网络有效性低。

吞吐量的走势是次要的，但是实质上，没有拥塞控制时公平性会下降。图9表明了吞吐量的分布，即中心节点接收来自每个节点提供的每秒2个分组的负载。注意到没有拥塞控制的情况下，超过40%的节点发送速率小于每100秒1个分组，这就使得部分网络几乎是没有用的。拥塞控制牺牲少数的节点的高吞吐量并更加公平地分配节点间的带宽。

表3表明，报告周期内，给定网络中节点的百分比可以实现每个传感器每秒提供4个分组。在第二列里，我们看到没有任何拥塞控制策略的情况下，不能保证吞吐量能到达节点的四分之一。相比而言，使用占用拥塞控制策略的节点可以覆盖网络90%的范围。假设，无论如何，我们只是对网络中的节点吞吐量的10%可以达到目的地感兴趣，没有拥塞控制是最好的策略。但是这个体制，对于传感器网络设计者来说不太可能有兴趣，因为10%的传感器网络覆盖能力很差，特别是当这些节点最接近中心节点时。

正如我们改变提供每秒0.25~每秒4个分组的负载，我们可以看到总吞吐量的曲线走向是一样的。没有任何形式的拥塞控制下，总吞吐量增加趋势如图8所示。然而，网络大部分在传输来自距离中心节点只有一跳的节点的数据，这就导致公平性的下降，如右手边的图10所示。没有速率控制策略情况下，拥塞控制机制遭遇同样类似的结果，因为在网络中心的节点

拥有更多机会将分组注入网络，原因是这些节点需要经过的跳数少，即可以用逐跳反压法。速率限制可以显著改善公平性，因为空间为边沿网络发来的流量打开了节点的传输队列。

图11表明，中央节点吞吐量是每个节点提供的负载的函数。在低于每秒0.5个分组的负载下，网络处于一个负载不足的状态，吞吐量随着负载的增加而增加。在高于每秒1个数据包的负载下，传感器需要一个拥塞控制策略（如果超过一半以上可以完全提供流量）。这个结果确定处于边沿的传感器经受高度不公平性，这是在网络处于拥塞崩溃状态下的结果。至少，运行Fusion的节点有一半可以维持至少每秒0.1个分组作为增加负载，因为速率控制可以阻止网络中心节点压制边沿节点。

4.1.4 定期工作负载：等待时间

图12表明，中央分组等待时间怎样随着负载发生变化。我们测量从传感器应用层传输到中心节点恰好收到分组的等待时间。因为我们只测量了中心节点收到分组等到时间，该度量标准必须将公平性考虑在内。等到时间的主要来源是排队时延，当一个分组需要经过的跳数增加时排队时延也会增加。当我们将负载从0开始增加到每秒0.5个分组时，需要建立队列，等待时间增加。对除Fusion外的所有策略的负载超过每秒1个分组时，公平性会急剧下降，边沿网络的分组会被丢弃。等待时间随着负载增加而增加，因为连通网络中心的传感器更靠近中心节点。因为Fusion策略是最公平的，随着负载的增加，接收边沿分组（需要经过很多跳）的比例更大，结果是等待时间会增加。

4.1.5 定期工作负载：损失来源

图13表明，全网无线信道损耗是负载的相关函数。我们通过总的接收量除以总的传输量（包括重传）来评价损失率。正如预期的，对于所有的策略无线通信损失率随着负载的增加而增加。这种趋势是由噪声平面上升引起的，并且由于终端隐藏问题可会使碰撞增加。

无拥塞控制策略情况下损失率最高，每秒4个分组的负载下接近超过80%的损失。信道采样和速率限制处于中等水平，损失率分别接近60%和70%。基于占用的拥塞控制策略结果会更好，损失率保持在50%以下。使用Fusion策略整体结果都是最佳的，在每秒4个分组的情况下接近低于50%的损失。意外的是，占用+延迟策略和占用策略的无线通信损失率在统计上没有差异。这一观察结果表明，终端隐藏不是主要的问题，延迟策略往往不去避免终端隐藏问题。

图14表明，合计全网缓存器丢弃的接收分组数，这是负载的相关函数。这实际就是测量由于缓存器溢出造成分组被丢弃的概率（假设全部成功接收）。意外的是，如果拥塞控制策略包含逐跳流量控制，则缓存器丢弃率会更高。这种趋势是没有包含逐跳流量控制、拥塞控制和速率限制的策略下出现的更高的无线通信丢失率。利用这些后来的策略，节点没有接收到足够的分组来填满自己的转发队列，引发缓存器将其发送队列的分组全部发送完毕。

4.1.6 定期工作负载：能量方面的考虑

的“骨干”节点为其它节能节点转发流量。其它的节能策略使节点的睡眠-唤醒周期同步[参考文献27,21]。基于TDMA的传感器网络中，数据源节点可以在所有不活跃的时间空挡进入睡眠状态。对于上述的各种类型的网络，最关键的挑战是设计和评估拥塞控制算法可以在节点醒来的短时间内开始运行。

在本文中提出的拥塞控制技术依靠信道监听传播拥塞状态。当结合节能时，对于由于不同的睡眠间隔如何使得旁听到的事件减少还不清楚，但这会影响拥塞控制性能。为了测量这种影响，我们构造了一个拓扑图和策略，模拟循环睡眠-唤醒模式的效果。在这种节能工作负载下，一系列核心节点被挑选出来转发流量。剩下了叶子节点以低数据速率发送流量（每秒一个分组），并在给定的时间进入睡眠状态。当节点被唤醒后，节点会忘记自己的拥塞状态，并继续监听一定的剩余时间然后发送。对于不同的监听/睡眠间隔，我们的结果（略）表明，睡眠-唤醒这种节能策略对网络性能的影响无关紧要。特别是，有效性取决于速率而不是监听时间。不同于其他依赖监听的许多协议，逐跳流量控制不是累积的：节点只关心最近传播的拥塞状态。此外，在深度多跳网络中，传输节点——持续地并可以充分得益于拥塞控制——传输大部分的分组。

4.2 高扇入网络实验

节能工作负载下网络的性能对低功耗监听应用是很重要的，这个时候相当于是在低速率的包传输中大部分的传感器定期睡眠（忽略它们的拥塞状态）。传感器网络已经有各种各样的节能策略。基于CSMA的睡眠-唤醒算法[参考文献2,26]选出一个有活力

我们的高扇入实验评估无线网络的拥塞控制（无线网络的拥塞缓解是困难的）。我们只选择一个小的节点集执行网络的路由流量任务。节点仍然利用ETX度量标准选择路由，但55个节点中只有10个节点将路由通知给中心节点。图15显示了在我们的实验运行中使用的的路由拓扑。不均匀

的部署——期待高深度扇入发生的地方——刺激工作负载。传感器能力的不均匀化，比如处理器、内存和电源性能的不同，同样可以刺激拓扑的选择。

注意到，与图3所示在定期工作负载下形成的拓扑相比，这个拓扑有更高深度的扇入和更小的网络直径。高扇入使得逐跳拥塞控制更加困难，因为每个子节点必须在父节点减少总需求前接收到拥塞反馈。

4.2.1 高扇入网络：网络有效性

图16显示了网络有效性与每个传感器负载（负载范围为每秒0.25~4个分组）对应的情况。对比图16和图4（定期工作负载下的网络有效性），我们做了如下观察。即使在低负载下，高扇入网络的网络有效性比定期工作负载下的网络有效性低。这不见得在高扇入网络选择较差的链路会造成有效性下降，因为无线链路在高扇入网络和普通网络中的丢失率在低传输率下是相等的。一种可能的解释就是，高扇入节点的无线争用和网络拥塞。

随着负载的增加，这种趋势持续保持，扇入网络的有效性最大限度低于普通网络。在一个高扇入拓扑中，拥塞控制技术协同工作以加强性能。Fusion在很多不同负载下都比其他所有的策略好。

4.3 事件相关工作负载

标准，发送者—接收者基于时钟同步的协议类似于TPSN[参考文献5]。使用一个以太网反向信道，我们验证了在测试平台中29ms（小于1个分组时间）内达到91%的同步，我们测试平台的所有55个节点在56ms内（1~2个分组时间）达到91%的同步。

同步阶段之后，测试平台中的所有传感器在每个事件的预定时间同时紧接发送B个分组（如果信道被检测出是繁忙的，则尽可能快地发送）。每个事件都有足够的时间（20秒）使流量完全从网络中转发出去。

我们通过改变流量突发大小B评价这种事件相关工作负载。注意这种工作负载是很重要的，其由单一的流量脉冲组成，速率限制没有使得网络性能的改善。我们的速率限制算法被设计用于在有效的稳定流量呈现贯穿网络的时候运行。结果，我们在设置清晰度的数据忽略速率限制和Fusion方案并研究逐跳变体的详细性能。

4.3.1 事件相关工作负载：网络有效性

在传感器网络中，事件相关工作负载取得了空间相关事件的效果。检测并跟踪应用通常使用一个面向事件的报告模型而不是发送周期性的读数据流。特别地，该工作负载模拟一个单一的、同步的流量脉冲的网络性能。我们使用下面的方法模拟基于事件的工作负载，而不是通过我们的测试平台收集每个传感器的模拟数据。实验开始时，我们首先运行分布式的已知

即使事件很小，但事件之间强大的时间关联性需要某种拥塞控制机制。这种趋势使定期和高扇入工作负载形成鲜明对比，即拥塞控制的效益主要体现在高负载情况下。图17显示，网络有效性即每个传感器流量突发大小B在1~8个分组之间是变化的。不出所料，对于所有策略来说，随着网络负载的增加，一个向下的趋势依然存在。然而，即使在只有一个分组的事件的情况下，占用+延迟策略收益接近80%增长的网络有效性，超过了无拥塞控制情况。随着B的增大，相对增加网络有效性（对于无拥塞控制来说）对所有策略都会增加。有8个分组大小的事件，最好的策略是近似于超过底线的两倍。

在事件相关工作负载下使用逐跳

流量控制的好处非常明显，即可以控制由叶子节点数据流流向中心节点引起的拥塞。

在负载B下，终端隐藏减少使得缓存器占用、转发延迟的增加（占用+延迟），但这种情况表现得比所有其他策略都好。如果没有延迟策略，事件相关工作负载的同步性会使得碰撞发生的可能性变大。转发延迟允许节点的祖父母用一个更大的窗口以便成功完成自己的传输，通常情况下节点祖父母是作为一个隐藏终端存在的且是很容易发生碰撞。对于大量不同的B值，转发延迟引起的网络有效性的增加是微不足道的。对于大部分大小各异的事件，信道采样是除了无拥塞控制测略外其它所有策略中表现得最差的。

4.3.2 事件相关工作负载：丢失率

个分组时我们可以看到等待时间增加最大，结果是，等待时间与无拥塞控制相比时增加超过了100%。

这些等待时间的增加是不是真的有用取决于应用。注意到通过减小转发队列的大小可以显著减少等待时间是很重要的，当突发流量大小很大时这是以增加丢失率为代价的。

5.相关工作

很多类型的应用旨在于检测离散的、非重复性事件，端到端的包丢失率是性能的一个重要度量。这与定期工作负载下假定后来的报告将取代任何丢失的数据通常是合理的形成对比。图18显示了不同的拥塞控制策略下端到端丢失率是事件大小B的函数的情况。注意所有的策略是如何比无拥塞控制策略表现得更好的。在某些情况下，缺乏任何拥塞控制会使端到端的丢失率增加大约35%。逐跳流量控制减轻了这种工作负载下的拥塞，因为反压使包传输失调。

4.3.3 事件相关工作负载：等待时间

在图19中我们注意到使用任意的拥塞控制策略等待时间都会增加。这种增加是希望的，因为所有的拥塞控制策略都是通过延迟传输运作的。通过减少队列发送的速率，以增加排队的延迟为代价减少无线通信的争用和碰撞。对于小事件，等待时间增加大约为40%。然而，当事件大小为3

Wan及其他人提出了CODA[参考文献22]，一个传感器网络的拥塞控制方法。CODA通过定期采样信道负载和比较最理想的信道利用占用信道繁忙的时间来检测拥塞。这种方法通过逐跳流量控制和规律的闭合回路组合来响应拥塞。在我们的工作中，我们用实验方法评价CODA的拥塞检测机制（信道采样）以及它的一个拥塞缓解机制（逐跳流量控制）。我们在大的传感器网络测试平台上对比所有的性能，详细描述以前的小规模的测试平台或者基于仿真的拥塞控制的研究。我们发现，当单独使用时，基于信道采样的拥塞检测表现出的性能比基于队列占用的拥塞检测差。我们同样发现，利用速率限制扩展逐跳流量控制机制（类似CODA）是有益的。

Woo和Culler提出了一个速率控制机制[参考文献22],通过使用一个AIMD控制器允许流量进入网络。当一个节点监听到它之前发送的一个分组已经被转发，该节点会逐渐增加自己的传输速率。当节点没有监听到之前发送的分组被成功转发（假定超时），该节点会倍数减少自己的传输速率。我们评价一个类似地激发速率控制机制。我们发现速率限制可以提高公平性，对于网络来说，当与同其他拥塞控制技术一起使用时，该方案的好处（在本文第2章评估）是非常明显的。

Lu及其他人提出了RAP[参考文

献11]，传感器网络实时通信协议。网络层RAP确保节点间的公平性并改善分组等待时间期限比例。为了实现这个任务，RAP支持已知期限和距离的分组进行时间安排。源于网络深处的分组比源于接近中心节点的源数据包优先级更高。RAP致力于网络的能力，以满足期限，我们的工作重点是管理传感器网络的超负荷和拥塞。

Sankarasubramaniam等人提出了ESRT[参考文献19]，事件到中心节点的可靠传输协议。他们的这种方法从事于可靠交付下背景下的拥塞控制。ESRT通过广播一个来自中心节点的只有一跳的拥塞信息给源节点保持网络在最接近的理想的负载下运行。随之而来的假设是一个数据中心节点可以通过高性能的一跳广播到达所有的源节点，这就减少了整个网络的容量。相比而言，我们的逐跳控制不需要中心节点发送高性能的广播信息。

Lemmom等人用一根总线连接传感器驱动网络，然后研究其超负荷情况[参考文献10]。他们的超负荷问题与我们最大的不同是，他们考虑的通信网络共享总线，没有空间复用的潜力。此外，他们的传感器节点不转发彼此的流量。

Zhao和Govindan引导了在无线传感器网络中包传输性能的综合研究[参考文献29]。他们的研究集中在物理和链路层，评估丢包率，与丢包率相关的性能及链路不对称性。我们在拥塞方面的研究对他们的工作作了补充，在传感器参与多跳路由和拥塞避免协议时研究端到端性能。我们的拥塞控制算法跟他们的工作一样在一个大范围的链路丢失率和链路不对称的网络中运行。

Woo等人检测传感器网络中的路由选择[参考文献25]，特别是研究链路鉴别及相邻节点路由表管理。我们在网络层实现使用这些机制以支持我

们的拥塞控制算法。

Yi和Shakkottai在多跳无线网络中提出了一个公平的逐跳拥塞控制算法[参考文献28]。他们建立了一个理论模型并提供了一个基于分布式算法的仿真评价方案。他们假设对于相同的无线通信邻居，链路可以实现同时传输，使用正交编码复用信道。这种方法需要复杂的编码算法。在我们分析的传感器网络中，所有节点在相同的频率下运行，因此，在相同的无线通信邻居内实现并行传输是不大可能的。

逐跳流量控制协议已经在TAM和局域网中得到了广泛地研究[参考文献9,14,16,17]。这些高速网络的动机是避免端到端协议例如TCP在短暂的往返时间内的突发行为。在传感器网络中，逐跳流量控制是很有吸引力的，因为它在没有遭受损失或不要求对很多数据流来说是没有必要的高代价端到端回复（不需要TCP类型的能力）的情况下允许好的拥塞自适应.

6.总结

本文阐述了在无线传感器网络中三种互补的拥塞控制策略的实验评估。我们指出，在负载下运行的传感器网络除非自己有一些有用的控制拥塞的方法，不然它会面临在有效性和公平性方面的性能明显下降的问题。随着网络负载的增加，或者当信道变化引起可用带宽出现波动时，节点必须基于本地拥塞反馈调节自己的发送速率，否则网络会进入拥塞崩溃。

对于我们用于明确评价性能的度量标准，传感器网络的设计者和使用者可以找到更理想的度量标准。网络有效性确定不交付分组时造成的能量浪费的总量。公平性确定了发送速率的变化程度，同时影响传感器网络的覆盖范围。非平衡性度量给定节点及其下一跳节点之间的分组接收点不公

平性，提供更清晰的网络热点的图片及缓存器和无线通信丢失是怎么产生的。等待时间很重要，因为很多事件驱动应用需要及时报告传感器数据。

我们单独地、共同地评价三种拥塞缓解技术。我们的研究结果显示，包含简单的基于队列占用的逐跳流量控制拥塞检测方法为所有的工作负载和利用率类型提供了实质的改进有效性的方案。这种发现是成立的，因为一个成功的无线传输要求发送者和接收者自由争用无线信道和队列空间。实现一个速率限制方案可以从本质上改善公平性。最后，MAC层增强的功能支持逐跳流量控制机制。

我们分析拥塞检测的两种方法：队列占用和信道采样。除了提供更好的性能，队列占用不需要MAC层的任何支持并且其在不同平台上的实现都很容易。

我们提出Fusion，一个结合速率限制、逐跳流量控制和MAC层优先级化的拥塞控制机制。我们的研究结果显示了Fusion在部署的55个节点的不同工作负载下的有效性。一个简单的定期工作负载是好的，因为充分供应大规模部署多变的链路容量是极其困难的。高扇入网络可从拥塞控制中得到获益，因为该拓扑的性质使得传输节点特别倾向于缓存器丢失。事件相关网络需要拥塞控制来处理空间相关事件产生的突发流量。

6.1 未来的工作

认交替实现来表明拥塞状态是可能的。尽管我们已经简要地研究了这个设计点，我们将性能比较留给以后的工作。

最后，我们给出了我们网络的损失源的提示，但为了找到明确的答案还需要完成更多的工作。特别地，我们正在研究终端隐藏碰撞（在这种情况下，RTS/CTS可能是一种解决方案）或者由于额外的远距离的噪声源干扰是否会造成丢失。

致谢

本文中提供的结果为未来的工作指明了许多可能的领域。首先，虽然在第3.2章节提出的速率限制方案可以改善轻负载网络的公平性，一个强健的能正确地处理节点故障、倾斜的路由拓扑和可变的发送速率的速率限制算法是很有用的。

其次，即使我们通过监听实现逐跳流量控制，但是结合使用链路层确

我们感谢我们的指导者John Heidemann及匿名评论者宝贵的反馈意见。我们同样感谢Vladimir Bychkovsky,Michel

Goraczko,Sam Madden,Allen Miu和Stanislav Rost给我们的宝贵的反馈意见及对构建测试平台的帮助。

7. 参考文献

[1]Aad,I.,and

Castelluccia,C.Dierentiation Mechanisms

for IEEE 802.11.In Proc.of the IEEE INFOCOM Conf.

(Anchorage,AK,April 2001),pp.209-218.

[2]Chen,B.,Jamieson,K.,Balakrishnan,H.,and Morris,

R.Span:An Energy-Ecient Coordination Algorithm for

Topology Maintainence in Ad Hoc Wireless Networks.In

Proc.of the ACM MOBICOM Conf.(Rome,Italy,July

2001),pp.85-96. [3]Chipcon

Corporation.CC1000

Transceiver Datasheet.

http://www.chipcon.com. [4]De

Couto,D.S.J.,Aguayo,D.,Bicket,J.,and

Morris,R.A

High-Throughput Path Metric for Multi-Hop

Wireless Routing.In Proc.of the ACM MOBICOM Conf.

(September

2003),pp.134-146.

[5]Ganeriwal,S.,Kumar,R.,and Srivastava,M.B.

Timing-sync Protocol for Sensor Networks.In Proc.of the

ACM Sensys Conf.(Los Angeles,CA,November 2003),pp.138-149.

[6]Intanagonwiwat,C.,Govindan,R.,and Estrin,D.

Directed Diusion:A Scalable and Robust Communication Paradigm for Sensor Networks.In Proc.of the ACM MOBICOM Conf.(Boston,MA,August 2000),pp.56-67.

[7]Intel Corporation.New Computing Frontiers-The

Wireless Vineyard.

http://www.intel.com/labs/features/rs01031.htm.

[8]Jain,R.The Art of Computer Systems Performance Analysis,First ed.Wiley,1991.

[9]Lee,D.,Coleri,S.,Dong,X.,and Ergen,M.

FLORAX——Flow-Rate Based Hop by Hop Backpressure Control for IEEE 802.3x.In 5th IEEE Conf.on High Speed Networks and Multimedia Communications(Jeju

Island,Korea,July 2002).

[10]Lemmon,M.D.,Ling,Q.,and Sun,Y.Overload Management in Sensor-Actuator Networks used for Spatially-Distributed

Control Systems.In Proc.of the ACM Sensys Conf.(Los Angeles,CA,November

2003),pp.162-170.

[11]Lu,C.,Blum,B.M.,Abdelzaher,T.F.,Stankovic,

J.A.,and He,T.RAP:A Real-Time Communication Architecture for Large-Scale Wireless Sensor Networks.In Proc.of the IEEE RTAS Symposium(San

Jose,CA,September 2002).

[12]Luo,H.,Lu,S.,and

Bharghavan,V.A New Model for Packet Scheduling in Multihop Wireless Networks.In Proc.of the ACM MOBICOM Conf.(Boston,MA,August2000),pp.87-98.

[13]Mainwaring,A.,Polastre,J.,Szewczyk,R.,Culler,D.,and Anderson,J.Wireless Sensor Networks for Habitat Monitoring.In Proc.of the ACM WSNA

Workshop(Atlanta,GA,September 2002).

[14]Mishra,P.,and

Kanakia,H.A Hop by Hop Rate-based Congestion Control Scheme.In Proceedings of the ACM SIGCOMM

Conf.(Baltimore,MD,August 1992),pp.112-123.

[15]Nandagopal,T.,Kim,T.-E.,Gao,X.,and

Bhargavan,V.Acheiving MAC Layer Fairness in Wireless Packet Networks.In Proc.of the ACM MOBICOM Conf.(Boston,MA,August 2000),pp.87-98.

[16]Noureddine,W.,and Tobagi,F.Selective Backpressure

in Switched Ethernet LANs.In Proceedings of the IEEE GLOBECOM Conf.(Rio De Janeiro,Brazil,December1999),pp.1256-1263.

[17]Ozveren,C.,Simcoe,R.,and Varghese,G.Reliable and

Ecient Hop-by-Hop Flow Control.In Proceedings of the ACM SIGCOMM Conf.(London,UK,August 1994).

[18]Perkins,C.,and Bhagwat,P.Highly Dynamic

Destination-Sequenced Distance-Vector Routing(DSDV)for Mobile Computers.Computer Communication

Review(October 1994).

[19]Sankarasubramaniam,Y.,?Ozg?ur Akan,and Akyildiz,I.ESRT:Event-to-Sink Reliable Transport in Wireless Sensor Networks.In Proc.of the ACM Mobihoc Conf.(Annapolis,MD,June 2003),pp.177-189.

[20]University of California,Berkeley.Firebug.

http://rebug.sourceforge.net/.

[21]van Dam,T.,and Langendoen,K.An Adaptive Energy-Ecient MAC Protocol for Wireless Sensor Networks.In Proc.of the ACM Sensys Conf.(Los Angeles,CA,November 2003),pp.171-180.

[22]Wan,C.-Y.,Eisenman,S.,and

Campbell,A.CODA:Congestion Detection and Avoidance in Sensor Networks.In Proc.of the ACM Sensys Conf.(Los Angeles,CA,November 2003),pp.266-279.

[23]Welsh,M.and

Werner-Allen,G.Motelab webpage.

http://motelab.eecs.harvard.edu.

[24]Woo,A.,and Culler,D.A Transmission Control Scheme for Media Access in Sensor Networks.In

Proceedings of the ACM MOBICOM

Conf.(Rome,Italy,2001),pp.221-235.

[25]Woo,A.,Tong,T.,and Culler,D.Taming the Underlying Challenges of Reliable Multihop Routing in Sensor Networks.In Proc.of the ACM Sensys Conf.(Los Angeles,CA,November 2003),pp.14-27.

[26]Xu,Y.,Heidemann,J.,and

Estrin,D.Geography-Informed Energy Conservation for Ad Hoc Routing.In Proceedings of the ACM MOBICOM Conf.(Rome,Italy,July 2001),pp.70-84.

[27]Ye,W.,Heidemann,J.,and Estrin,D.An Energy-Ecient MAC Protocol for Wireless Sensor Networks.In Proc.of the IEEE INFOCOM Conf.(NewYork,NY,June 2002),pp.1567-1576.

[28]Yi,Y.,and

Shakkottai,S.Hop-by-hop

Congestion Control over a Wireless Multi-hop Network.In Proc.of the IEEE INFOCOM Conf.(Hong Kong,June 2004).

[29]Zhao,J.,and

Govindan,R.Understanding

Packet Delivery Performance in Dense Wireless Sensor Networks.In Proc.of the ACM Sensys Conf.(Los Angeles,CA,November 2003),pp.1-13.

图1：信道和缓存器丢失率与每个人节点产生负载的关系变化（左图）。

图1：每个节点产生的负载被中心节点接收的比列（互补累积分布函数CDF，中间的图）。

图1：每个单位能量成功发送的全网比特数（右图）。

度量标准有性Efficiency 效描述参数介绍 ?????p?Phop(u)u?Uxmits(p,h) （1） h?hops(p)U是有效分组的集合，P是所有分组的集合，hops(p)是每一跳发送的分组p，xmit(p,h)计算在跳h处传输的分组p的总数。第i个传感器转发分组的平均速率记为ri。N是网络中传感器的数量。公平性Fairness 2（?i?1ri）（2） ??N2N?i?1riN非平衡性Imbalance 在节点i接收到的数据包数量??i的父节点接收到的来自i节点的数据包数量（3）该度量标准明确了节点i，整个实验都使用了数据包计数。表1：评价传感器网络性能的度量标准。

图2：通过表达式4计算邻居节点大小（互补累积分布函数CDF），作为无线通信功率电平的函数，将55个节点的室内无线传感器网络测试平台部署于一栋办公建筑的一层即16,076平方英尺范围内。

N?x?? 策略队列占用法信道采样法 y?N?x备注 ??p?xy （4）

参数逐跳流量控制使用队列占用（在第3.1部分8个队列大小，?=0.25 介绍， ?表明在拥塞出现出的部分队列占用）逐跳流量控制使用信道采样（在第3.1部分介绍）。N表示时间长度E内信道感知到的数量，?表示EWMA平均系数。队列占用法随着延迟技术扩增，如第3.3.1部分介绍。当侦听到父节点传输结束后退避?毫秒，即一个超过在Mica2的CC1000无线通信一个数据包时间的比特。我们实现一个简单的速率限制策略，如第3.2部分介绍所示。这个策略同时结合了队列占用法，转发延迟法以及速率限制算法。没有对网络层和MAC层的拥塞控制做相关的改变。传输是一有数据进入输出队列就尝试发送（载波监听和MAC退避之后）。 N=4，E=100毫秒 ?=0.85 延迟法 ?=40毫秒速率限制法 Fusion 无同上无无拥塞控制表2：总结在本文中评价的拥塞控制策略及其相关参数。

图3：Fusion流量控制下运行一次实验的路由拓扑图，每个节点每秒发送一个分组，由ETX路径选择度量形成。每个边缘的密集度与边缘头结点接收来自边缘尾节点的分组总量成比例。

图4：平均的网络有效性?与定期工作负载下每个传感器负载的关系。

图5：Fusion拥塞控制实验运行一次的通信量，每个节点每秒提供4个分组。每个边缘的密度与边缘头结点接收来自边缘尾节点的分组总量成比例。

图6：没有拥塞控制时实验运行一次的通信量，每个节点每秒提供4个分组。每个边缘的密度与边缘头结点接收来自边缘尾节点的分组总量成比例。

图7：不同流量控制策略的节点非平衡性?（CDF）。每个节点每秒提供4个分组。

图8：平均的总接收吞吐量与定期工作负载下每个传感器负载的关系。

图9：定期工作负载下在SAP（互补CDF）处每个节点的接收吞吐量。每个节点每秒提供2个分组。

图10：平均公平性?与定期工作负载下每个传感器节点负载的关系。

表3：拥塞控制策略的网络覆盖范围。网络覆盖范围在最左边那一列显示，在不同拥塞控制策略下传感器操作的百分比至少可以达到在最右边列显示的报告速率。在网络中提供的负载是周期性的，即每个传感器每秒提供2个分组。

图11：中央吞吐率是定期工作负载下负载的函数。

图12：中央分组等待时间是定期工作负载下负载的函数。

图13：平均全网无线链路丢失率（重传前）与定期工作负载下每个传感器节点负载的关系。