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
9
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
10
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
11
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
12
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
13