基于分簇的無線多媒體傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究

張軍強(qiáng) 王汝傳 黃海平

?

基于分簇的無線多媒體傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究

張軍強(qiáng)①④王汝傳*①②③黃海平①②③

①(南京郵電大學(xué)計(jì)算機(jī)學(xué)院 南京 210003)②(江蘇省無線傳感網(wǎng)高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室 南京 210003)③(寬帶無線通信與傳感網(wǎng)技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室 南京 210003)④(南京工業(yè)大學(xué)信息學(xué)院 南京 210009)

該文提出了一種基于分簇的無線多媒體傳感器網(wǎng)絡(luò)(WMSNs)數(shù)據(jù)聚合方案(Cluster-based Data Aggregation Algorithm, CDAA)。利用新的分簇方法和數(shù)據(jù)聚合策略，CDAA可以有效延長網(wǎng)絡(luò)生命期。根據(jù)多媒體節(jié)點(diǎn)數(shù)據(jù)采集的方向性和節(jié)點(diǎn)剩余能耗，該文提出新的無線多媒體傳感器網(wǎng)絡(luò)的分簇方法，并基于該分簇方法進(jìn)行網(wǎng)內(nèi)多媒體數(shù)據(jù)聚合。仿真結(jié)果表明，該方法能夠有效減少冗余數(shù)據(jù)的傳送，與LEACH, PEGASIS等傳統(tǒng)WSNs路由協(xié)議和針對(duì)WMSNs的AntSensNet協(xié)議相比，在能耗均衡和節(jié)能方面表現(xiàn)出更好的性能。

無線多媒體傳感器網(wǎng)絡(luò)(WMSNs)；分簇；數(shù)據(jù)聚合；網(wǎng)絡(luò)生命期

1 引言

無線傳感器網(wǎng)絡(luò)(WSNs)中基于分簇的路由協(xié)議設(shè)計(jì)具有擴(kuò)展性好，易于實(shí)現(xiàn)網(wǎng)內(nèi)數(shù)據(jù)融合等特點(diǎn)。分簇路由協(xié)議將無線傳感器網(wǎng)絡(luò)劃分為若干簇，每個(gè)簇由一個(gè)簇頭節(jié)點(diǎn)和多個(gè)簇內(nèi)成員組成，簇內(nèi)成員負(fù)責(zé)采集數(shù)據(jù)，而簇頭節(jié)點(diǎn)負(fù)責(zé)管理簇內(nèi)成員節(jié)點(diǎn)，并進(jìn)行簇內(nèi)節(jié)點(diǎn)信息的采集、融合及轉(zhuǎn)發(fā)。低功耗自適應(yīng)分層算法(LEACH)[1]是無線傳感器網(wǎng)絡(luò)中經(jīng)典的分層協(xié)議之一，其基本思想是周期性等概率得隨機(jī)選擇簇頭，使網(wǎng)絡(luò)中節(jié)點(diǎn)的能量消耗相對(duì)均衡，從而延長網(wǎng)絡(luò)生命期。但是，LEACH協(xié)議中簇頭是隨機(jī)選取的，難以保證簇頭在網(wǎng)絡(luò)中的均勻分布，且沒有考慮節(jié)點(diǎn)的剩余能量，也沒有對(duì)簇內(nèi)數(shù)據(jù)進(jìn)行聚合或融合。能量高效的數(shù)據(jù)采集協(xié)議(PEGASIS)[2]是一種典型的鏈狀結(jié)構(gòu)的路由協(xié)議，根據(jù)節(jié)點(diǎn)的地理位置形成一條相鄰節(jié)點(diǎn)間距離最短的鏈。與LEACH協(xié)議相比，減少了在簇重構(gòu)過程中所產(chǎn)生的開銷，降低了能量的消耗，提高了網(wǎng)絡(luò)的生存期。其缺點(diǎn)在于簇首節(jié)點(diǎn)失效會(huì)導(dǎo)致路由失敗，且成鏈算法要求知道其它節(jié)點(diǎn)位置，也增加了開銷。LEACH協(xié)議關(guān)注網(wǎng)絡(luò)的最后節(jié)點(diǎn)死亡時(shí)間(Last Node Dies, LND)，一些穩(wěn)定選舉協(xié)議(Stable Election Protocol, SEP)關(guān)注初始節(jié)點(diǎn)死亡時(shí)間(First Node Dies, FND)，文獻(xiàn)[3]綜合最后節(jié)點(diǎn)死亡時(shí)間和初始節(jié)點(diǎn)死亡時(shí)間，提出了一種基于進(jìn)化算法的節(jié)能路由協(xié)議，期望在網(wǎng)絡(luò)的穩(wěn)定性和網(wǎng)絡(luò)的生命期間取得平衡。以地理位置信息為輔助的路由算法(GAF)[4]將整個(gè)區(qū)域劃分為若干個(gè)格(grid)，其大小須保證相鄰格子中任何一對(duì)節(jié)點(diǎn)可直接通信。在每個(gè)格子中只選擇一個(gè)節(jié)點(diǎn)作為當(dāng)前活動(dòng)節(jié)點(diǎn)，而其它節(jié)點(diǎn)則進(jìn)入睡眠狀態(tài)。但GAF算法沒有考慮網(wǎng)絡(luò)覆蓋，并且要解決等價(jià)節(jié)點(diǎn)的確定等問題?？紤]到無線多媒體傳感器網(wǎng)絡(luò)(WMSNs)具有傳輸數(shù)據(jù)量大，同具體應(yīng)用相關(guān)的服務(wù)質(zhì)量(QoS)保障要求等特點(diǎn)，傳統(tǒng)WSNs路由協(xié)議不一定適合WMSNs網(wǎng)絡(luò)。文獻(xiàn)[5]提出了支持QoS服務(wù)的基于蟻群算法的服務(wù)感知路由協(xié)議(ASAR)，針對(duì)不同類型的業(yè)務(wù)，選擇合適的路由以滿足相應(yīng)的QoS要求，從而提高了網(wǎng)絡(luò)性能，其設(shè)計(jì)目標(biāo)主要是適應(yīng)網(wǎng)絡(luò)的動(dòng)態(tài)變化及支持多參數(shù)的QoS路由。文獻(xiàn)[6]提出了基于地理位置的多路徑傳輸協(xié)議(TPGF)，可以找到多條路徑來傳輸數(shù)據(jù)，能夠避免網(wǎng)絡(luò)能耗不均的問題，提供了數(shù)據(jù)傳輸時(shí)繞開空洞的方法，找到時(shí)延最小的最短路徑。文獻(xiàn)[7]針對(duì)WMSNs網(wǎng)絡(luò)節(jié)能與QoS感知問題，提出了能量高效的多媒體路由協(xié)議(PEMuR)。PEMuR協(xié)議結(jié)合了能量感知的分層路由協(xié)議與智能化的數(shù)據(jù)包調(diào)度算法，實(shí)現(xiàn)了網(wǎng)絡(luò)的負(fù)載均衡，減少了視頻數(shù)據(jù)傳輸率。文獻(xiàn)[8]提出基于蟻群算法的多QoS路由保障協(xié)議(AntSensNet)，該算法對(duì)網(wǎng)絡(luò)進(jìn)行分層后，通過建立多QoS參數(shù)的數(shù)學(xué)模型，利用蟻群算法找出目標(biāo)函數(shù)值最大的路徑。AntSensNet可以滿足多類型QoS服務(wù)，提高網(wǎng)絡(luò)利用率，實(shí)現(xiàn)較好的網(wǎng)絡(luò)覆蓋。文獻(xiàn)[5-8]對(duì)于多類型QoS服務(wù)進(jìn)行了研究，但未對(duì)網(wǎng)內(nèi)數(shù)據(jù)聚合進(jìn)行充分討論。

傳統(tǒng)WSNs節(jié)點(diǎn)感知模型主要為全向感知模型(isotropic sensing model)，即節(jié)點(diǎn)的感知范圍是一個(gè)以節(jié)點(diǎn)為圓心，感知距離為半徑的圓域[9]。有向感知模型是WMSNs網(wǎng)絡(luò)中一種典型的感知模型，如視頻傳感器、超聲波傳感器和紅外傳感器等，其感知能力局限于某個(gè)視角范圍(Field of View, FoV)?，F(xiàn)有的路由協(xié)議分簇方法大多基于全向感知模型，針對(duì)WMSNs網(wǎng)絡(luò)的有向感知模型需要設(shè)計(jì)新的分簇方法。

對(duì)于WMSNs網(wǎng)絡(luò)，由于圖像或視頻的數(shù)據(jù)量大，且數(shù)據(jù)間往往具有一定的相關(guān)性，因此，在傳輸數(shù)據(jù)時(shí)，應(yīng)首先進(jìn)行網(wǎng)內(nèi)數(shù)據(jù)處理，消除冗余信息，即進(jìn)行數(shù)據(jù)聚合。數(shù)據(jù)聚合包括3方面問題，即聚合點(diǎn)的選擇，聚合時(shí)機(jī)的選擇和聚合策略[10]。文獻(xiàn)[11]提出了一種基于估計(jì)代價(jià)的數(shù)據(jù)聚合樹生成算法，在建立從事件區(qū)域源節(jié)點(diǎn)到sink節(jié)點(diǎn)數(shù)據(jù)聚合路徑時(shí)，中間節(jié)點(diǎn)使用估計(jì)代價(jià)來決定下一個(gè)聚合節(jié)點(diǎn)。文獻(xiàn)[12]在保證網(wǎng)絡(luò)覆蓋的前提下，通過激活網(wǎng)絡(luò)中盡可能少的節(jié)點(diǎn)來最小化覆蓋重疊區(qū)域，以減少WMSNs網(wǎng)絡(luò)的冗余數(shù)據(jù)。文獻(xiàn)[13]提出了一種基于分簇的無線傳感器網(wǎng)絡(luò)聚合策略，以節(jié)省能量消耗和延長網(wǎng)絡(luò)壽命。文獻(xiàn)[14]使用數(shù)據(jù)聚合的方法來減少數(shù)據(jù)的時(shí)空相關(guān)性。將數(shù)據(jù)聚合的決策置于網(wǎng)絡(luò)層和數(shù)據(jù)鏈路層之間，不需要修改網(wǎng)絡(luò)層或MAC層協(xié)議，從而減少了傳輸時(shí)延。文獻(xiàn)[15]為了減少WMSNs網(wǎng)絡(luò)中的數(shù)據(jù)傳輸，提出了節(jié)能的數(shù)據(jù)壓縮方法，以延長網(wǎng)絡(luò)生命期。文獻(xiàn)[16]提出了基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)匯聚傳送協(xié)議，通過均衡能耗的分簇方法及數(shù)據(jù)預(yù)測傳送機(jī)制，減少數(shù)據(jù)傳輸量。文獻(xiàn)[10-16]對(duì)網(wǎng)內(nèi)數(shù)據(jù)聚合進(jìn)行了研究，但未對(duì)WMSNs網(wǎng)絡(luò)中節(jié)點(diǎn)感知的方向性和同一監(jiān)測區(qū)域內(nèi)數(shù)據(jù)的相關(guān)性進(jìn)行討論。

本文內(nèi)容組織如下：第2節(jié)對(duì)網(wǎng)絡(luò)模型進(jìn)行描述并提出問題；第3節(jié)給出基于分簇的數(shù)據(jù)聚合算法(CDAA)的分簇方法及數(shù)據(jù)聚合方法的詳細(xì)設(shè)計(jì)；第4節(jié)對(duì)算法性能進(jìn)行分析與模擬驗(yàn)證；最后總結(jié)全文。

2 網(wǎng)絡(luò)模型和問題描述

2.1 網(wǎng)絡(luò)模型

(1)節(jié)點(diǎn)采用有向感知模型，如圖1(a)所示。每個(gè)節(jié)點(diǎn)的感知區(qū)域是以節(jié)點(diǎn)為圓心，最大感知半徑為，感知視角為的扇形。

(2)網(wǎng)絡(luò)節(jié)點(diǎn)分布模型為均勻分布。

(3)節(jié)點(diǎn)獨(dú)立工作，即每個(gè)節(jié)點(diǎn)的感知范圍和感知任務(wù)不依賴其它節(jié)點(diǎn)。

(4)各節(jié)點(diǎn)可獲知其地理位置和感知方向信息，感知方向不可調(diào)。

(5)所有節(jié)點(diǎn)是同構(gòu)的，具有相同的初始能量。

(7)任意節(jié)點(diǎn)的通信范圍覆蓋其所在監(jiān)測區(qū)域及相鄰監(jiān)測區(qū)域。

(8)各個(gè)節(jié)點(diǎn)周期性采集數(shù)據(jù)，并對(duì)采集到的數(shù)據(jù)進(jìn)行處理以決定是否轉(zhuǎn)發(fā)該數(shù)據(jù)；簇頭收到各節(jié)點(diǎn)數(shù)據(jù)后根據(jù)需要來決定是否進(jìn)行融合處理及轉(zhuǎn)發(fā)。

定義3 信息熵[11]：香農(nóng)定義信息的數(shù)學(xué)期望為信息熵，即信源的平均信息量，定義式如式(2)。

相對(duì)信息熵表現(xiàn)了兩組概率分布之間的差異程度，對(duì)于兩組不同的概率分布和，計(jì)算其相對(duì)信息熵以及，這兩個(gè)值越小表明兩組概率分布越近似，即數(shù)據(jù)冗余則越大。當(dāng) 時(shí)，兩組概率分布完全相等。

2.2 問題描述

如前所述，傳統(tǒng)的WSNs網(wǎng)絡(luò)分簇方法大多針對(duì)全向感知模型，而WMSNs是有向感知模型，多媒體節(jié)點(diǎn)數(shù)據(jù)采集的方向性強(qiáng)，有些傳感節(jié)點(diǎn)的物理位置雖然靠近，但采集數(shù)據(jù)可能相差很大，為了使后續(xù)處理中簇內(nèi)的數(shù)據(jù)相關(guān)性強(qiáng)且聚合策略有效，這樣的節(jié)點(diǎn)并不適宜劃為同一分簇，需要設(shè)計(jì)新的分簇方法。

在WMSNs網(wǎng)絡(luò)中，設(shè)計(jì)分簇算法應(yīng)考慮以下問題：

(1)使用分布式的分簇算法，以節(jié)省網(wǎng)絡(luò)能耗，提高網(wǎng)絡(luò)可擴(kuò)展性。

(2)應(yīng)考慮多媒體傳感節(jié)點(diǎn)的有向性，增強(qiáng)簇內(nèi)感知數(shù)據(jù)的相關(guān)性。

(3)為了實(shí)現(xiàn)節(jié)點(diǎn)能耗的均衡，網(wǎng)絡(luò)中簇頭分布應(yīng)盡可能均勻，否則會(huì)造成某些節(jié)點(diǎn)能量消耗過快，導(dǎo)致感知空洞。

(4)按照傳感器網(wǎng)絡(luò)的具體應(yīng)用與QoS保障要求，根據(jù)感知數(shù)據(jù)在時(shí)間或空間上的相關(guān)性進(jìn)行數(shù)據(jù)聚合與融合，減少冗余數(shù)據(jù)的傳送。

當(dāng)前，大多數(shù)無線傳感器網(wǎng)絡(luò)的分簇算法針對(duì)全向感知模型，對(duì)多媒體傳感節(jié)點(diǎn)的有向性及感知數(shù)據(jù)的相關(guān)性涉及較少。根據(jù)多媒體傳感節(jié)點(diǎn)的有向性和感知數(shù)據(jù)的相關(guān)性以及節(jié)點(diǎn)的能耗均衡，本文提出了一種新的分簇算法，并以此為基礎(chǔ)提出了一種網(wǎng)內(nèi)數(shù)據(jù)聚合方案。

3 基于分簇的WMSNs網(wǎng)絡(luò)數(shù)據(jù)聚合方案

3.1 計(jì)算節(jié)點(diǎn)覆蓋面積進(jìn)行分簇

(1)整個(gè)監(jiān)測區(qū)域內(nèi)重點(diǎn)監(jiān)測目標(biāo)或區(qū)域的設(shè)置；每個(gè)虛擬監(jiān)測區(qū)域應(yīng)當(dāng)包含一個(gè)或幾個(gè)重點(diǎn)監(jiān)測目標(biāo)或區(qū)域。

圖2 虛擬監(jiān)測區(qū)域劃分

(2)節(jié)點(diǎn)的個(gè)數(shù)及位置分布情況；每個(gè)虛擬監(jiān)測區(qū)域應(yīng)當(dāng)包含若干個(gè)節(jié)點(diǎn)。

(3)節(jié)點(diǎn)的有效傳感半徑；虛擬監(jiān)測區(qū)域的個(gè)數(shù)設(shè)置與節(jié)點(diǎn)的有效傳感半徑成反比，節(jié)點(diǎn)的有效傳感半徑越大，虛擬監(jiān)測區(qū)域的個(gè)數(shù)設(shè)置應(yīng)當(dāng)越少，反之亦然。

(4)節(jié)點(diǎn)的通信半徑；同一虛擬監(jiān)測區(qū)域內(nèi)任意兩個(gè)節(jié)點(diǎn)之間應(yīng)可靠通信，相鄰虛擬監(jiān)測區(qū)域內(nèi)任意兩個(gè)節(jié)點(diǎn)之間應(yīng)可靠通信。

圖3 節(jié)點(diǎn)覆蓋面積示意圖

3.2 簇頭選擇

在基于分簇的無線傳感器網(wǎng)絡(luò)中，簇頭的能耗遠(yuǎn)大于一般節(jié)點(diǎn)，在簇頭選舉階段，應(yīng)考慮節(jié)點(diǎn)的剩余能量，選舉剩余能量多的節(jié)點(diǎn)作為簇頭節(jié)點(diǎn)。

本算法采用與LEACH協(xié)議相同的能量衰減模型。根據(jù)文獻(xiàn)[1]可知，發(fā)送數(shù)據(jù)和接收數(shù)據(jù)的無線通信模型為

3.3 數(shù)據(jù)聚合方案

對(duì)于WMSNs網(wǎng)絡(luò)，由于圖像或視頻的采集數(shù)據(jù)量大，并且某些節(jié)點(diǎn)的感知數(shù)據(jù)相關(guān)性強(qiáng)，因此，在數(shù)據(jù)采集的過程中將每個(gè)節(jié)點(diǎn)的感知數(shù)據(jù)全部傳輸是不適宜和不必要的。大數(shù)據(jù)量的傳輸使整個(gè)網(wǎng)絡(luò)消耗過多能量，導(dǎo)致網(wǎng)絡(luò)生命期縮短。采集數(shù)據(jù)應(yīng)首先進(jìn)行網(wǎng)內(nèi)數(shù)據(jù)處理，消除冗余信息。數(shù)據(jù)聚合是指利用傳感器節(jié)點(diǎn)的本地處理能力，對(duì)采集到的或接收到的多個(gè)數(shù)據(jù)進(jìn)行網(wǎng)內(nèi)處理，消除冗余信息，減少數(shù)據(jù)傳輸量，減小分組沖突概率，如圖4所示[10]。

圖4 數(shù)據(jù)聚合示意圖

在多媒體節(jié)點(diǎn)采集數(shù)據(jù)時(shí)，同一節(jié)點(diǎn)的感知數(shù)據(jù)通常是時(shí)間相關(guān)的。如果不同節(jié)點(diǎn)的傳感域存在重疊，則其采集的數(shù)據(jù)具有一定的空間相關(guān)性。

在CDAA協(xié)議中，根據(jù)節(jié)點(diǎn)角色不同分別進(jìn)行如下的數(shù)據(jù)聚合處理。

(3)對(duì)于簇頭節(jié)點(diǎn)，當(dāng)其收到簇內(nèi)成員發(fā)送的數(shù)據(jù)時(shí)，若該數(shù)據(jù)屬于高優(yōu)先級(jí)，則立即發(fā)送，否則等到簇內(nèi)所有節(jié)點(diǎn)數(shù)據(jù)到達(dá)后，按照節(jié)點(diǎn)間相關(guān)度對(duì)節(jié)點(diǎn)數(shù)據(jù)進(jìn)行融合后再發(fā)送。

4 仿真實(shí)驗(yàn)

網(wǎng)絡(luò)生命期指的是網(wǎng)絡(luò)開始運(yùn)行到第1個(gè)節(jié)點(diǎn)死亡之間的時(shí)間長度[17]。從圖5可以看出，當(dāng)節(jié)點(diǎn)個(gè)數(shù)為100時(shí)，CDAA協(xié)議的網(wǎng)絡(luò)生命期比PEGASIS和LEACH分別提高了52%和154%，比AntSensNet提高了8%。當(dāng)節(jié)點(diǎn)個(gè)數(shù)為200時(shí)，CDAA協(xié)議的網(wǎng)絡(luò)生命期比PEGASIS和LEACH分別提高了41%和124%，比AntSensNet提高了11%。對(duì)比4種算法的生存輪數(shù)，CDAA明顯優(yōu)于PEGASIS協(xié)議和LEACH協(xié)議，比AntSensNet協(xié)議略高。相比傳統(tǒng)的WSNs網(wǎng)絡(luò)，WMSNs的生存輪數(shù)要少很多，主要原因是WMSNs網(wǎng)絡(luò)中的圖像數(shù)據(jù)量大，發(fā)送的次數(shù)多，能量的消耗大，因此節(jié)點(diǎn)的生存輪數(shù)較少。在網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)為100，節(jié)點(diǎn)的死亡率為50%時(shí)，隨機(jī)抽取15組節(jié)點(diǎn)進(jìn)行剩余能量數(shù)據(jù)對(duì)比，10次實(shí)驗(yàn)結(jié)果的平均值如表1所示。

表1 4種算法的剩余能量對(duì)比(J)

表1中，CDAA算法的剩余能量的標(biāo)準(zhǔn)差約為0.65，剩余能耗為40.4 J，而PEGASIS協(xié)議和LEACH協(xié)議的剩余能量的標(biāo)準(zhǔn)差約為0.8和0.98，剩余能耗分別為30.9 J和26.1 J, AntSensNet協(xié)議的剩余能耗為32 J，標(biāo)準(zhǔn)差為0.64。表1表明，CDAA算法在均衡能耗方面要優(yōu)于PEGASIS協(xié)議和LEACH協(xié)議，同AntSensNet協(xié)議相當(dāng)，但在節(jié)能方面要優(yōu)于AntSensNet。

本節(jié)在其它實(shí)驗(yàn)參數(shù)不變，只改變虛擬監(jiān)測單元設(shè)置的情況下對(duì)CDAA協(xié)議進(jìn)行模擬仿真。監(jiān)測區(qū)域的設(shè)置分為3種情形：

(1)整個(gè)監(jiān)測范圍劃分為16個(gè)虛擬監(jiān)測單元，每個(gè)區(qū)域的范圍為50 m×50 m。

(2)整個(gè)監(jiān)測范圍劃分為25個(gè)虛擬監(jiān)測單元，每個(gè)區(qū)域的范圍40 m×40 m。

(3)整個(gè)監(jiān)測范圍劃分為40個(gè)虛擬監(jiān)測單元，每個(gè)區(qū)域的范圍20 m×50 m。

實(shí)驗(yàn)仿真過程進(jìn)行10次，取其平均值作為實(shí)驗(yàn)結(jié)果，如圖6所示。從圖6中可以看出，虛擬監(jiān)測單元為16時(shí)，總體性能最好。監(jiān)測單元數(shù)增加到25時(shí)，網(wǎng)絡(luò)性能稍有下降。當(dāng)監(jiān)測單元數(shù)增至40時(shí)，網(wǎng)絡(luò)性能下降明顯。監(jiān)測單元數(shù)增加至40時(shí)，同一監(jiān)測區(qū)域內(nèi)節(jié)點(diǎn)數(shù)變小，使得監(jiān)測區(qū)域內(nèi)數(shù)據(jù)冗余度降低，同一簇內(nèi)數(shù)據(jù)相關(guān)性減弱，數(shù)據(jù)融合操作得不到充分體現(xiàn)，導(dǎo)致網(wǎng)絡(luò)性能降低。監(jiān)測單元的設(shè)置同網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的個(gè)數(shù)、分布、覆蓋范圍也有密切聯(lián)系，在進(jìn)行監(jiān)測單元設(shè)置時(shí)，應(yīng)結(jié)合具體應(yīng)用，綜合考慮上述因素，進(jìn)行合理的監(jiān)測單元設(shè)置。

以上分析可以看出，本文提出的基于分簇的數(shù)據(jù)聚合方案的在能耗均衡和節(jié)能方面較傳統(tǒng)的WSNs網(wǎng)絡(luò)協(xié)議PEGASIS和LEACH有明顯的改進(jìn)，略優(yōu)于AntSensNet協(xié)議。CDAA協(xié)議中的分簇方法和數(shù)據(jù)聚合方案使得網(wǎng)絡(luò)節(jié)點(diǎn)能耗分布均勻，同一簇內(nèi)數(shù)據(jù)相關(guān)性增強(qiáng)，通過對(duì)數(shù)據(jù)傳輸進(jìn)行優(yōu)化，能夠減少冗余數(shù)據(jù)的發(fā)送，顯著減少網(wǎng)絡(luò)平均能耗。

5 結(jié)束語

在WMSNs網(wǎng)絡(luò)信息收集過程中，節(jié)點(diǎn)之間采集的數(shù)據(jù)通常存在冗余，大量數(shù)據(jù)的傳輸使整個(gè)網(wǎng)絡(luò)消耗了過多能量，縮短了網(wǎng)絡(luò)生命期。本文提出了新的分簇方法與數(shù)據(jù)聚合方案，分簇方法平衡了節(jié)點(diǎn)能耗，增強(qiáng)了簇內(nèi)數(shù)據(jù)相關(guān)性，并在此基礎(chǔ)上，通過數(shù)據(jù)聚合減少了冗余數(shù)據(jù)的傳輸，延長了網(wǎng)絡(luò)壽命。理論分析與仿真實(shí)驗(yàn)證明了CDAA協(xié)議具有良好的性能。

下一步的工作重點(diǎn)是在考慮網(wǎng)絡(luò)節(jié)點(diǎn)非均勻分布模型下，完善分簇算法，使得網(wǎng)絡(luò)中的分簇更合理；考慮網(wǎng)絡(luò)的全覆蓋問題；研究在多媒體節(jié)點(diǎn)的采集方向可調(diào)及存在障礙物的情況下，如何進(jìn)行分簇與數(shù)據(jù)聚合；并根據(jù)網(wǎng)絡(luò)的具體應(yīng)用與QoS要求，采用合適的數(shù)據(jù)聚合策略，減少數(shù)據(jù)聚合導(dǎo)致的延遲，提高通信效率。

圖5 網(wǎng)絡(luò)生命期

圖6 虛擬監(jiān)測單元對(duì)網(wǎng)絡(luò)生命期的影響

[1] Heinzelman W B, Chandrakasan A P, and Balakrishnan H. An application-specific protocol architecture for wireless microsensor networks[J]., 2002, 1(4): 660-760.

[2] Lindsey S and Raghavendra C S. PEGASIS: power efficient gathering in sensor information system[C]. Proceedings of the IEEE Aerospace Conference, Montana, USA, 2002: 1125-1130.

[3] Khalil Enan A and Attea Bara’a A. Energy-aware evolutionary routing protocol for dynamic clustering of wireless sensor networks[J].2011, 1(4): 195-203.

[4] Xu Y, Heidemann J, and Estrin D. Geography-informed energy conservation for ad hoc routing[C]. Proceedings of the ACM/IEEE International Conference on Mobile Computing and Networking, Rome, Italy, 2001: 70-84.

[5] Sun Yan, Ma Hua-dong, Liu Liang,.. ASAR: an ant-based service-aware routing algorithm for multimedia sensor networks[J]., 2008, 3(1): 25-33.

[6] Shu Lei, Zhang Yan, Yang L T,.. Geographic routing in wireless multimedia sensor networks[C]. Proceedings of Second International Conference on Future Generation Communication and Networking, FGGN’08, Hainan Island, China, 2008: 68-73.

[7] Kandris D, Tsagkaropoulos M, and Pllitis I. Energy efficient and perceived QoS aware video routing over wireless multimedia sensor networks[J]., 2011, 9(4): 591-607.

[8] Cobo L, Quintero A, and Pierre S. Ant-based routing for wireless multimedia sensor networks using multiple QoS metrics[J]., 2010, 54(17): 2991-3010.

[9] 馬華東, 陶丹. 多媒體傳感器網(wǎng)絡(luò)及其研究進(jìn)展[J]. 軟件學(xué)報(bào), 2006, 17(9): 2013-2028. Ma Hua-dong and Tao Dan. Multimedia sensor network and its research progresses[J]., 2006, 17(9): 2013-2028.

[10] 于宏毅, 李歐, 張效義. 無線傳感器網(wǎng)絡(luò)理論、技術(shù)與實(shí)現(xiàn)[M]. 北京: 國防工業(yè)出版社, 2010: 190-203.

[11] 葉寧, 王汝傳. 傳感器網(wǎng)絡(luò)中一種基于估計(jì)代價(jià)的數(shù)據(jù)聚合樹生成算法[J]. 電子學(xué)報(bào), 2007, 35(5): 806-810. Ye Ning and Wang Ru-chuan. A tree formation algorithm for data aggregation based on estimate cost in sensor networks [J]., 2007, 35(5): 806-810.

[12] Newella A and Akkaya K. Distributed collaborative camera actuation for redundant data elimination in wireless multimedia sensor networks[J].2011, 9(4): 514-527.

[13] 張強(qiáng), 盧瀟, 崔曉臣. 基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究[J]. 傳感技術(shù)學(xué)報(bào), 2010, 23(12): 1778-1782. Zhang Qiang, Lu Xiao, and Cui Xiao-chen. Research on the scheme of data aggregation based on clustering for wireless sensor networks[J].. 2010, 23(12): 1778-1782.

[14] He T, Blum B M, Stankovic J A,AIDA: Adaptive application independent data aggregation in wireless sensor networks[J]., 2004, 3(2): 426-457.

[15] Sun En-yan, Shen Xuan-jing, and Chen Hai-peng. A low energy image compression and transmission in wireless multimedia sensor networks[J].2011, 15: 3604-3610.

[16] 楊軍, 張德運(yùn), 張?jiān)埔? 等. 基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)匯聚傳送協(xié)議[J]. 軟件學(xué)報(bào), 2010, 21(5): 1127-1136. Yang Jun, Zhang De-yun, ZhangYun-yi,.. Cluster-based data aggregation and transmission protocol for wireless sensor networks[J]., 2010, 21(5): 1127-1136.

[17] Chang J H and Tassiulad L. Maximum lifetime routing in wireless sensor networks[J]., 2004, 12(4): 609-619.

張軍強(qiáng)： 男，1976年生，博士生，講師，研究方向?yàn)闊o線傳感器網(wǎng)絡(luò)、數(shù)據(jù)融合.

王汝傳： 男，1943年生，教授，博士生導(dǎo)師，主要研究方向?yàn)闊o線傳感器網(wǎng)絡(luò)、計(jì)算機(jī)軟件、計(jì)算機(jī)網(wǎng)絡(luò)、信息安全、移動(dòng)代理等.

黃海平： 男，1981年生，博士，副教授，碩士生導(dǎo)師，研究方向?yàn)闊o線傳感器網(wǎng)絡(luò)、多媒體傳感器網(wǎng)絡(luò)、物聯(lián)網(wǎng)和信息安全.

Research on Cluster-based Data Aggregation for Wireless Multimedia Sensor Networks

Zhang Jun-qiang①④Wang Ru-chuan①②③Huang Hai-ping①②③

①(,210003,)②(,210003)③(,210003,)④(,210009,)

A Cluster-based Data Aggregation Algorithm (CDAA) for Wireless Multimedia Sensor Networks (WMSNs) is proposed. CDAA extends effectively the network life cycle by a new clustering method and a data aggregation scheme based on the clustering method. According to the orientation feature and the residual energy of an individual multimedia sensor node, a new clustering method is proposed. Furthermore, a scheme of data aggregation is applied based on the clustering method. Compared with LEACH, PEGASIS and AntSensNet protocols, simulation results show that CDAA can decrease the number of data transmission in WMSNs, balance energy consumption and prolong the networks lifetime.

Wireless Multimedia Sensor Networks (WMSNs); Cluster; Data aggregation; Network lifetime

TP393

A

1009-5896(2014)01-0008-07

10.3724/SP.J.1146.2012.00933

2012-07-19收到，2013-10-08改回

國家自然科學(xué)基金(61170065, 61202355)，江蘇省自然科學(xué)基金(BK2012436)，江蘇省科技支撐計(jì)劃項(xiàng)目(BE2010197, BE2011844)，江蘇省屬高校自然科學(xué)研究重大項(xiàng)目(12KJA520002)，高?？蒲谐晒a(chǎn)業(yè)化推進(jìn)工程項(xiàng)目(JHB2012-7)和江蘇高?？萍紕?chuàng)新計(jì)劃項(xiàng)目 (CXZZ12_0479)資助課題

王汝傳 wangrc@njupt.edu.cn