基于平滑預測LQI的WSN 動態功率控制研究※＊

朱明，金仁成，車志平，李應琛

（大連理工大學 遼寧省微納米技術及系統工程重點實驗室，大連116024）

引 言

隨著無線傳感器網絡（WSN）的迅猛發展，其應用領域越來越廣，尤其在一些條件惡劣的環境中具有廣闊的應用前景。傳感器節點多為電池供電，其攜帶的電量有限，因此盡可能減少節點的能量消耗，對延長網絡壽命有重要意義。大量研究證明，功率控制不但能降低單個節點的功耗，還可以減少節點間的通信干擾，從而降低整個網絡的功耗［1－2］。本文設計了一種基于LQI的WSN 動態功率控制方案，接收節點根據鏈路質量及發送節點的發送功率來計算最優發送功率。研究表明，位置固定節點之間的鏈路質量是周期波動的，對于移動節點更是如此［7］，為此本文采用三次平滑指數預測算法改善了無規律波動的鏈路質量。

1 動態功率控制方案

1.1 動態功率控制模型

在功率控制過程中，理想的情況是節點之間采用能夠保證通信質量的最小功率等級進行數據的傳輸，這樣可以盡可能地降低節點的功耗，延長整個網絡的使用壽命。根據電磁波在自由空間傳播損耗的Friis公式［8］可知：

其中，Pr表示接收節點接收數據幀的接收功率，Pt表示發送節點發送數據幀的發送功率，λ表示無線電載波波長，d表示兩節點之間的距離，Gt、Gr分別表示發送和接收的天線增益。假設無線傳感器網絡節點接收靈敏度為PS，發射節點的最小發射功率為Pmin，由式（1）推導可得：

根據式（1）和式（2）可得當前環境下Pmin為：式中參數單位為mW。若已知發送節點的發送功率Pt和接收節點靈敏度PS，并測出接收信號的功率Pr，可得出發送節點的最小發射功率為Pmin。由于真實環境中各種因素都可能對電波產生干擾，因此需要將能夠使節點收到數據的最小發射功率Pmin乘以干擾系數β以保證數據安全傳輸，則最優發射功率Popt如下：

射頻模塊可對鏈路質量進行直接測量。本實驗選取JN5148射頻模塊，接收功率Pr和LQI值之間的關系公式［9］如下：

其中，Pr單位為dBm，LQI∈［0，255］。對于JN5148模塊，發送節點可發送攜帶發射功率Pt數據幀，接收節點的接收功率Pr可以利用式（5）計算得到，而接收節點的接收門限PS已知為－95dBm［10］，因此依據工作環境確定系數β，便可得到最優發射功率Popt。

本文對鏈路質量與丟包率關系進行室內和室外兩種統計實驗。室外實驗場景如圖1所示，鏈路質量和丟包率關系如圖2所示。根據實驗可知，無論在室內還是室外，當LQI≥90時，丟包率幾乎為零；而LQI≤90時，丟包率急劇上升，并頻繁出現協議棧復位現象。因此，在進行功率控制時，需保證最小鏈路質量值LQI＝90，即接收功率Pr≥（7×90－1970）／20＝－67dBm。

圖1 室外實驗場景圖

由最小鏈路質量值LQI以及節點接收門限值Ps，計算可得干擾系數β＝102.8，由式（4）進一步推導可得：

1.2 三次指數平滑預測

實驗表明，在無線傳感器網絡的實際應用中，若節點位置不變，其鏈路質量是呈周期性波動的［11］，對于移動節點而言，由于環境不斷地變化，其鏈路質量更是無規律波動。對于節點采用功率控制策略，若由于鏈路質量大幅度波動導致頻繁地更改節點的發射功率，不僅會造成開關射頻收發器的額外功耗，而且也會導致功率調節不準確，因此將預測機制融入功率控制方案，降低鏈路質量突變對整個網絡功耗的影響［12－13］。

圖2 鏈路質量和丟包率的關系

鏈路質量是一個隨時間非周期性波動的時間序列，并且屬于短期預測［14］。考慮到嵌入式硬件設備計算能力的局限性，本設計選擇指數平滑算法對鏈路質量進行預測。指數平滑算法是選取各時期權重數值為遞減指數數列的均值方法，是一種較為常見的時間序列短期預測方法。一次指數平滑算法是無明顯上升或下降趨勢情況下的預測，二次指數平滑算法適用于非線性趨勢的時間序列，三次指數平滑法是二次平滑基礎上的再平滑。三次指數平滑算法的基本思想是：預測值是以前觀測值的加權和，且對不同的數據給予不同的權［15］。對于初始時間序列，選取合適的平滑參數和，一次平滑指數、二次平滑指數和三次平滑指數的公式分別為：

三次指數平滑算法的趨勢方程為：

其中，T 為時間間隔，Yt＋T為t＋T 時刻的預測值，at、bt、ct為方程系數。計算方法如下：

圖3 鏈路質量隨時間的波動

1.3 功率控制MAC協議設計

為保證JN5148節點實現功率控制策略，需對MAC協議進行設計。通信節點建立功率控制信息表，用于記錄與鄰居節點的最優功率等級和鏈路質量時間序列值等信息。當節點A初次要與節點B進行通信時，A 和B沒有功率控制信息，A 要以最大的發射功率向B發送POWER＿SET.requst請求信息幀，B接收后計算出最優發射功率Py1，并以最大發射功率向A回復含Py1信息的POWER＿SET.confirm確認信息幀，A收到確認信息幀之后，計算出最優發射功率Py2。為避免單向鏈路［16］的產生，A 將對Py1與Py2進行比較，得到最大值Py＝MAX（Py1，Py2），取Py作為A和B之間雙向鏈路的最優發射功率值，將其記錄在A 的功率控制信息表中，隨后A以Py大小的功率將含Py信息的數據幀傳輸給B，B在接收數據的同時將此功率記錄在自身的功率控制信息表中，完成最優功率的初次學習過程。在節點的正常數據傳輸過程中，數據幀中包含發送節點的發送功率值Pt，以便接收節點通過鏈路質量的變化可實時對最優發射功率值Py進行不斷的修正，如圖4所示。

2 功率控制仿真及實驗

為了驗證功率控制模型的正確性，采用Matlab模擬鏈路環境，對功率控制策略進行仿真。鏈路質量隨距離的增長成對數衰減，而鏈路質量也容易受到地形等外界環境因素的影響，為此提出一種利用錨節點信息在線建模的方法。本文通過實驗測得大量的LQI與距離統計值，以對數模型擬合曲線來模擬節點之間的通信鏈路。

仿真過程如下：①在100×100矩形區域內隨機撒布100個節點；②隨機選取兩個通信節點并計算其距離；③根據發送節點功率以及距離獲取該擬合曲線下的LQI值，6dBm 擬合曲線如圖5所示；④由式（6）計算發送節點的最優發射功率，并將本次通信的功率累加到總功率；⑤返回第2步，循環5 000次。

圖4 功率控制流程圖

圖5 6dBm 對數模型擬合曲線圖

仿真結果表明：①系統能夠實現有效的功率調節，且降低了大部分節點發射功率；②功率控制調節的總能耗為8 838.1J，無功率調節的總能耗為18 928J，節省能量接近53%，功率控制的仿真圖略——編者注。

為了驗證本策略的有效性，實驗采用樹型網絡拓撲結構分別在室內和室外兩種環境下進行測試實驗，對比整個網絡在有動態功率控制和無動態功率控制各節點功耗，實驗參數如表1所列。

表1 實驗參數

測試時6個節點組成深度為2的樹形網絡，室外實驗場景圖略——編者注，E1、E2、E3終端節點以恒定頻率向父節點發送數據并經由路由節點轉發到協調器，通過協調器記錄丟包率情況來測試本方案的有效性。為了更加明顯地測試出功率等級隨鏈路質量的變化，室內和室外實驗分別令E1、E2、E3終端節點在通信范圍內做無規則移動，測試其功率變化和整個網絡的節能情況。由于庫侖計可以準確地記錄電池的剩余電量，因此只要記錄電池初始剩余電量值，測試實驗是可以間斷進行的。本實驗測試時長均為24h，功耗測試情況如表2所列。

表2 各節點功耗情況

根據表2可知，采用動態功率控制方案的情況下，網絡丟包率基本與不采用動態功率控制時持平。網絡功耗減少840mAh左右，約降低15.3%。每個節點平均節能140mAh，若以最大發射功率持續無間斷發射，則節點還可多工作3.8h。此外，R1節點比R2節點功耗高，原因是R1節點需要同時轉發來自E1、E2的數據到協調器C；協調器C在網絡中只負責接收數據和下發少量命令數據，因此功耗較低。

結 語

本方案實現了基于LQI的WSN 動態功率控制，減少單個節點能耗的同時降低了整個無線傳感器網絡能耗。

編者注：本文為期刊縮略版，全文見本刊網站www.mesnet.com.cn。

［1］Cotuk H，Bicakci K，Tavli B，et al.The Impact of Transmission Power Control Strategies on Lifetime of Wireless Sensor Networks［J］.IEEE TRANSACTIONS ON COMPUTERS，DOI 10.1109／TC，2013.

［2］Lina Xu，Declan T，Delaney，et al.The Impact of Transmission Power Control in Wireless Sensor Networks［C］／／2013 IEEE 12th International Symposium on Network Computing and Applications，Cambridge，2013.

［3］Narayanaswamy S，Kawadia V，Sreenivas RS，et al.Power control in ad－hoc networks：theory，architecture，algorithm and implementation of the COMPOW protocol［C］／／Proc.of the European Wireless Conf，2002.

［4］Kubisch M，Karl H，Wolisz A，et al.Distributed algorithms for transmission power control in wireless sensor networks［C］／／Yanikomeroglu H，ed.Proc.of the IEEE Wireless Communications and Networking Conf.New York：IEEE Press，2003：16－20.

［5］Seungku Kim，Seokhwan Kim，Doo－Seop Eom.RSSI／LQIBased Transmission Power Control for Body Area Networks in Healthcare Environment［C］／／IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS，2013，17（3）：561－571.

［6］Linlan Liu，Jun Li，Jian Shu，et al.CCI－Based Link Quality Estimation Mechanism for Wireless Sensor Networks under Perceive Packet Loss［J］.Journal of Software，2010，5（4）：387－395.

［7］劉倩.CDMA 蜂窩系統功率控制技術［D］.濟南：山東大學，2010.

［8］Jennet user guide［EB／OL］.［2015－03］.http：／／www.jennic.com／support／user＿guides／jn－ug－3041＿jennet＿user＿guide.

［9］JN5148DataSheet［EB／OL］.［2015－03］.http：／／www.jennic.com／support／datasheets／jn5148＿wireless＿microcontroller＿datasheet.

［10］Jian Luo，Liu Yu，Dafang Zhang，et al.A new link quality estimation mechanism based on LQI in WSN［J］.Information Technology Journal，2013，12（8）：26－31.

［11］Linlan Liu，Youlei Fan，Jian Shu，et al.A Link Quality Prediction Mechanism for WSNs Based on Time Series Model［C］／／2010Symposia and Workshops on Ubiquitous，Autonomic and Trusted Computing.Xian Shanxi，2010.

［12］Ana Bildea，Olivier Alphand，Franck Rousseau，et al.Link Quality Metrics in Large Scale Indoor Wireless Sensor Networks［C］／／2013IEEE 24th International Symposium on Personal Indoor and Mobile Radio Communications，London，2013.

［13］孫佩剛，趙海，羅玎玎，等.無線傳感器網絡鏈路通信質量測量研究［J］.通信學報，2007，28（10）：14－22.

［14］Biswas，A，Verma，S.Exponential smoothing for regular data［J］.Ultra Scientist of Physical Sciences，2009，21（1）：107－10.

［15］桑俊俊，石勝飛，李建中，等.無線傳感器網絡分布式單向鏈路檢測算法［J］.通信學報，2008，29（11）：165－172.