基于感知網格的無線傳感器網絡動態采樣策略*

趙　意, 陳　曉

(合肥工業大學 計算機與信息學院,安徽 合肥 230009)

?

基于感知網格的無線傳感器網絡動態采樣策略*

趙意, 陳曉

(合肥工業大學 計算機與信息學院,安徽 合肥 230009)

摘要:在分析無線傳感器網絡時空相關性模型的基礎上，提出一種基于感知網格的無線傳感器網絡動態采樣策略。將監測區域劃分為多個感知網格，感知網格內只有簇頭節點保持活躍狀態，當出現異常數據后再激活感知網格內其他節點來獲得更詳細的信息。該策略通過減少無線傳感器節點之間相同的或相近的采樣數據上傳來降低冗余信息的傳輸。仿真結果表明:該策略顯著提高了無線傳感器網絡能量效率。

關鍵詞:無線傳感器網絡； 動態采樣策略； 時空相關性模型； 感知網格

0引言

無線傳感器網絡(WSNs)技術的發展使得大規模長時間的信號測量成為可能，也越來越廣泛地應用于各種領域，如結構健康監測、環境監測、醫療護理等[1～4]。大多數無線傳感器節點，由于其應用環境的特殊性，不得不采用電池供電，而電池的容量有限，如果不能及時更換電池或者給電池充電，節點就會失效。能量有效性是無線傳感器網絡的關鍵性指標[5]。

分析表明無線傳感器節點處理3 000條指令與將一位信息傳輸100 m所消耗的能量是相近的[6]。減少無線傳感器節點能耗的方法，首先考慮的是減少節點單位時間內的數據傳輸量。由于采樣信號存在時空相關性，無線傳感器網絡中存在大量相同的或相近的冗余信息，研究時空相關性理論來減少冗余信息的傳輸，對于提高無線傳感器網絡能量效率具有重要意義。另外，無線傳感器網絡用于復雜現象監測的實驗結果表明,數據的采集和處理所需的能量并不一定遠低于無線通信所需的能量。因此，無線傳感器網絡必須采取合理的采樣策略來盡量降低傳感器能量消耗。

傳統的傳感器連續采樣方法采樣誤差小、控制流程簡單，但存在采樣點多、功耗大等缺點。文獻[7]提出的傳感器網絡動態采樣策略在滿足測量需求的前提下減少了采樣點，但每個采樣周期內增加了一個額外的指令傳輸過程。本文提出一種基于感知網格的無線傳感器網絡動態采樣策略。仿真結果表明:該策略減少了無線傳感器節點冗余信息的傳輸，提高了無線傳感器網絡的能量效率。

1時空相關性模型

本文采用單一點源信號的時空相關性模型，如圖1所示。在某個測量區域中，部署了N個傳感器節點。目標信號為S(t)，系統可利用這N個傳感器節點的采樣數據來估計和重建目標信號。

圖1　時空相關性模型Fig 1　Temporal correlation model

這里，用Xi(n)(i=1,2,…，N)表示節點i在時間點n所測量到的信號值，可以表示為

Xi(n)=Si(n)+Ni(n),

(1)

式中Ni(n)為噪聲。傳感器節點在上傳采樣數據之前，需要對采集到的數據進行壓縮編碼，減少數據發送總量以節約能耗,壓縮后的采樣信號為

Yi(n)=fi(Xi(n)).

(2)

(3)

(4)

2感知網格劃分與時空相關性判斷

利用空間相關性，可以將監測區域中的無線傳感器節點劃分成多個感知網格，感知網格內的所有節點之間都可以一跳通信。在同一個測量時間段，感知網格內只讓一個節點處于活躍狀態，其他節點處于休眠狀態。感知網格的劃分借鑒了AdHoc網絡中的GAF[9](geographicaladaptivefidelity)算法。感知半徑R與感知網格的邊長r之間存在如下的關系

r2+r2+r2≤R2.

(5)

感知網格劃分成功后，每個感知網格內只有簇頭節點保持活躍狀態，其他節點進入休眠模式。每個感知網格內的簇頭節點獨立運行DSI采樣策略，DSI采樣策略是一種基于時間相關性的動態采樣策略，可以根據采樣信號的變化趨勢動態調整采樣間隔，以較少的采樣點滿足測量需求。時空相關性判斷流程如圖2所示。

圖2　時空相關性判斷流程圖Fig 2　Flow chart of temporal correlation decision

3DSI動態采樣策略

3.1采樣值上傳策略

DSI采樣策略是一種復合采樣策略。只有當前采樣值與最近一次無線上傳的采樣值之間的差值超過一定閾值時才將其無線上傳，這里選定閾值為±Δ。相鄰兩次無線上傳的采樣值之間應滿足

|xn-xn-1|=Δ.

(6)

DSI采樣策略實際上只上傳超過一定閾值的采樣信息，體現了當前傳輸信息的重要程度，可以大大減少無線傳感器節點的數據上傳頻度，降低能耗。實際采樣過程中，考慮到當前采樣值與最近一次無線上傳的采樣值之間的差值可能長時間無法超過閾值Δ，如當采樣信號平穩變化時，會造成傳感器節點長時間不上傳數據。這里規定相鄰兩次無線上傳的時間間隔內的采樣次數上限為Nn，即第Nn次采樣值與最近一次無線上傳的采樣值相比，差值無論是否超過閾值Δ均將第Nn次采樣值無線上傳。

3.2采集周期確定策略

(7)

當相鄰兩次無線上傳的采樣值之間的差值滿足‖xn-xn-1|-Δ|≤μ(μ?Δ)時，取第n+1個采集周期內的采樣次數上限Nn+1=Nn-1，并且規定Nn+1的下限值為1，即當Nn-1=0時，取Nn+1=1；反之，當‖xn-xn-1|-Δ|>μ時，取Nn+1=Nn+1，并且規定Nn+1的上限值為Nmax，即當Nn+1>Nmax時，取Nn+1=Nmax；特別是，‖xn-xn-1|-Δ|遠大于μ時，表明當前時間段內信號發生突然的擾動，為了獲得更詳細準確的信息，應提高采樣頻率，取Nn+1=Nmax。

3.3采樣間隔確定策略

為了能更加及時準確地測量到下一個滿足無線上傳條件的采樣點，第n個采集周期內的Nn(1≤Nn≤Nmax)次采樣并非周期性采樣，而是基于采樣值均勻分布的原則，即

(8)

式中1≤Nn，且i,n均為正整數。為了使得采樣值滿足均勻分布的原則，必須確定恰當的采樣間隔使得一個采集周期內相鄰兩次采樣值之間的差值為Δ/Nn。基于當前信號采樣值與時間相近的采樣信息有更為緊密的關系，在制定采樣間隔過程中引入負反饋調節的方法。具體策略如下

(9)

4仿真驗證

在OPNET仿真工具下，驗證本文提出的基于感知網格的無線傳感器網絡動態采樣策略的性能，并且與傳統周期采樣策略作對比，分析了兩種采樣策略下傳感器節點的能耗和異常數據錯失率。仿真場景與參數設定如表1所示。

表1　仿真參數

仿真實驗所需的采樣信號選擇某海平面溫度數據，如圖3所示。

圖3　采樣信號Fig 3　Sampling signal

如圖4描述的是監測區域中傳感器網絡的能耗情況。基于感知網格的無線傳感器網絡動態采樣策略，由于在大多數測量時間段內只有小部分節點處于活躍狀態，能耗與周期采樣策略相比低很多。隨著異常數據占比增大，動態采樣策略的能耗也逐漸增大。

圖4　功耗與異常數據占比Fig 4　Power consumption and abnormal data proportion

如圖5描述的是異常數據錯失率情況。可以看出:當監測區域內傳感器節點總數較少時，節點采用基于感知網格的無線傳感器網絡動態采樣策略，處于活躍狀態的節點數較少，異常數據錯失率較高。

圖5　異常數據錯失率Fig 5　Abnormal data miss rate

5結論

本文在研究時空相關性模型的基礎上，提出一種基于感知網格的無線傳感器網絡動態采樣策略，該策略減少了無線傳感器網絡中冗余信息的傳輸。仿真結果表明:動態采樣策略提高了無線傳感器網絡能量效率。

參考文獻:

[1]Liu X,Cao J,Lai S,et al.Energy efficient clustering for WSNs-based structural health monitoring[C]∥Proceedings of the Conference on Computer Communications,INFOCOM’11,IEEE，2011:2768-2776.

[2]閆靜杰，劉曉文，朱嘵穎，等.基于無線傳感器網絡的井下水位監測監控系統設計[J].傳感器與微系統，2008，29(12):73-75.

[3]Liu Y,He Y,Li M,et al.Does wireless sensor networks scale—A measurement study on green orbs[J].IEEE Transactions on Parallel and Distributed Systems，2013，24(10):1983-1993.

[4]Redondi A,Chirico M,Borsani L,et al.An integrated system based on wireless sensor networks for patient monitoring，localization and tracking[J].Ad Hoc Network，2013，11(1):39-53.

[5]李鳳保，李凌.無線傳感器網絡技術綜述[J].儀器儀表學報，2005，26(8):559-561.

[6]Suh Y S.Send-on-delta sensor data transmission with a linear predictor[J].Sensors，2007，7(4):537-547.

[7]李珂，吳曉培，吳躍，等.用于土壤濕度測量的傳感器網絡動態采樣策略[J].電子測量與儀器學報，2011，25(4):338-342.

[8]Vuran M C,Zgur O.Spatio-temporal characteristics of point and field sources in wireless sensor networks[C]∥IEEE International Conference on Communications,2006:234-239.

[9]Xu Y,Heidemann J,Estrin D.Geography-informed energy conservation for Ad Hoc routing[C]∥Proceedings of the 7th Annual International Conference on Mobile Computing and Networking,ACM,2001:70-84.

趙意(1990-)，男，安徽合肥人，碩士研究生，主要研究方向為無線傳感器網絡、嵌入式系統。

Dynamic sampling strategy for wireless sensor networks based on sensing grid*

ZHAO Yi, CHEN Xiao

(School of Computer & Information,Hefei University of Technology,Hefei 230009,China)

Abstract:On the basis of analysis on wireless sensor networks(WSNs)temporal correlation model,a dynamic sampling strategy for WSNs based on sensing grid is proposed.The monitoring area is divided into multiple sensing grid,only cluster head node within grid remain active,when there is abnormal data,activate other nodes in sensing grid to obtain more detail information.By reducing the same or similar sampling data uploaded between WSNs nodes,the strategy can reduce the transmission of redundant information.Simulation results demonstrate that this strategy significantly improves energy efficiency of WSNs.

Key words:wireless sensor networks(WSNs); dynamic sampling strategy; temporal correlation model; sensing grid

作者簡介:

中圖分類號:TP 393

文獻標識碼:A

文章編號:1000—9787(2016)01—0022—03

*基金項目：國家自然科學基金資助項目(61370088)；國家國際科技合作專項項目(2014DFB10060)；國家物聯網發展專項資金資助項目(工信部科〔2012〕583號 )；安徽省國際科技合作計劃資助項目(1303063009)

收稿日期：2015—04—16

DOI:10.13873/J.1000—9787(2016)01—0022—03