體育場(chǎng)館中的無(wú)線地下傳感器網(wǎng)絡(luò)研究

依博亮

摘 要： 構(gòu)建體育場(chǎng)館的無(wú)線地下傳感器網(wǎng)絡(luò)，保障智能控制場(chǎng)館的溫度和光電，實(shí)現(xiàn)構(gòu)建智慧體育場(chǎng)館，提出基于層級(jí)和位置的體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)地理路由決策機(jī)制。首先構(gòu)建無(wú)線地下傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)模型，采用基于層級(jí)的定向泛洪機(jī)制進(jìn)行路由協(xié)議構(gòu)建；然后根據(jù)節(jié)點(diǎn)的層級(jí)、密度和剩余能量進(jìn)行無(wú)線地下傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)優(yōu)化部署，根據(jù)網(wǎng)絡(luò)的層級(jí)和地下地理位置實(shí)現(xiàn)路由探測(cè)設(shè)計(jì)；最后通過(guò)仿真實(shí)驗(yàn)進(jìn)行性能測(cè)試。實(shí)驗(yàn)結(jié)果表明，該體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)具有較好的能耗均衡性，網(wǎng)絡(luò)節(jié)點(diǎn)端到端的時(shí)延較低，數(shù)據(jù)包的準(zhǔn)確傳輸率較高。

關(guān)鍵詞： 體育場(chǎng)館； 無(wú)線傳感器網(wǎng)絡(luò)； 地下傳感器網(wǎng)絡(luò)； 路由協(xié)議

中圖分類號(hào)： TN915?34； TP393.04 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）03?0030?04

Research on wireless underground sensor network of stadium

YI Boliang

（Department of Public Education， Inner Mongolian University Manzhouli Institute， Manzhouli 021400， China）

Abstract： In order to construct the wireless underground sensor network of the stadium， guarantee the temperature and photoelectric signals of the intelligent control stadium， realize the intelligent stadium， the hierarchy and position based geographic routing decision?making mechanism of the stadium′s wireless underground sensor network is proposed. The topology structure model of the wireless underground sensor network was built， in which the directional flooding mechanism based on hierarchy is used to establish the routing protocol. The node deployment optimization of the wireless underground sensor network was performed according to the hierarchy， density and residual energy of nodes. The routing detection was designed according to the network hierarchy and underground geographic location. The performance was tested with simulation experiment. The experimental results show that the wireless underground sensor network of the stadium has good balance of energy consumption， low end?to?end time delay of the network node， and high packet accurate transmission rate.

Keywords： stadium； wireless sensor network； underground sensor network； routing protocol

0 引 言

隨著無(wú)線通信技術(shù)與傳感器技術(shù)的不斷發(fā)展，無(wú)線傳感器網(wǎng)絡(luò)作為一種新型局域網(wǎng)絡(luò)，在實(shí)現(xiàn)數(shù)據(jù)采集、信息感知和智能控制中展現(xiàn)了較高的應(yīng)用價(jià)值，無(wú)線傳感器網(wǎng)絡(luò)利用分布在部署區(qū)域的傳感器節(jié)點(diǎn)采集信息[1]，采集的信號(hào)有壓力、溫度、聲、電等信號(hào)，然后通過(guò)路由協(xié)議傳遞到網(wǎng)絡(luò)信息處理層中，進(jìn)行信息加工和數(shù)據(jù)通信，無(wú)線傳感器網(wǎng)絡(luò)能提高人類獲取和控制信息的能力[2?3]。在大型體育場(chǎng)館中，通過(guò)部署在地下的傳感器網(wǎng)絡(luò)進(jìn)行體育場(chǎng)館的溫度控制、光電控制和聲音控制等，實(shí)現(xiàn)智慧體育場(chǎng)館構(gòu)建[4]。

1 網(wǎng)絡(luò)路由協(xié)議的設(shè)計(jì)分析

1.1 無(wú)線地下傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模型

體育場(chǎng)館地下傳感器網(wǎng)絡(luò)包括4類基本實(shí)體對(duì)象：目標(biāo)、觀測(cè)節(jié)點(diǎn)、傳感節(jié)點(diǎn)和感知視場(chǎng)。大量傳感節(jié)點(diǎn)隨機(jī)部署，通過(guò)自組織方式構(gòu)成網(wǎng)絡(luò)路由協(xié)議。體育場(chǎng)館地下傳感器網(wǎng)絡(luò)以數(shù)據(jù)為中心，依靠Sink節(jié)點(diǎn)發(fā)起的定位過(guò)程完成節(jié)點(diǎn)協(xié)同工作[5]。地下傳感器網(wǎng)絡(luò)通過(guò)外部（網(wǎng)絡(luò)UAV、衛(wèi)星通信網(wǎng)和互聯(lián)網(wǎng)）指定ID的節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸和信令交互，網(wǎng)絡(luò)中所有節(jié)點(diǎn)的集合稱為該網(wǎng)絡(luò)感知視場(chǎng)，無(wú)線地下傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)如圖1所示。

為了預(yù)先獲取位置和層級(jí)信息，體育場(chǎng)地下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)記錄了兩跳以內(nèi)鄰居節(jié)點(diǎn)的ID、層級(jí)、位置，每個(gè)節(jié)點(diǎn)[bi，]網(wǎng)絡(luò)初始化階段形成[Nf]個(gè)幀（Frame），一跳鄰居的時(shí)間間隔為[Tf，]附帶位置信息的數(shù)據(jù)傳輸帶寬為[Ts=NfTf]。采用矢量的路由轉(zhuǎn)發(fā)VBF協(xié)議，得到附帶位置信息每個(gè)Sink節(jié)點(diǎn)，數(shù)據(jù)字段填充發(fā)送節(jié)點(diǎn)的ID，每個(gè)中介節(jié)點(diǎn)幀分為[Nc]個(gè)碼片，碼片時(shí)間為：

[Tc=entTfNc] （1）

在最小接收功率約束下，一般[cjTc

[r（t）=ij=0Nf-1l=0L-1biαlp（t-iTs-jTf-cjTc-τl）+ω（t）=ij=0Nf-1biph（t-iTs-jTf-cjTc-τ0）+ω（t）] （2）

其中：

[ph（t）=l=0L-1αlp（t-τl，0）] （3）

式中：[ω（t）]為無(wú)線地下傳感器網(wǎng)絡(luò)逐跳轉(zhuǎn)發(fā)數(shù)據(jù)干擾因素之和，這里近似為高斯白噪聲；[ph（t）]為通信半徑。

1.2 無(wú)線傳感器網(wǎng)絡(luò)路由性能評(píng)價(jià)指標(biāo)選取

采用兩個(gè)指標(biāo)[6]作為標(biāo)準(zhǔn)進(jìn)行無(wú)線傳感器網(wǎng)絡(luò)的路由協(xié)議設(shè)計(jì)，訓(xùn)練時(shí)間序列為：

[x（t）=（x0（t），x1（t），…，xk-1（t））T] （4）

采用[σj（φa，φa）]表示節(jié)點(diǎn)對(duì)剩余能量的連通部署特征，計(jì)算出相應(yīng)的連通優(yōu)先級(jí)[Pc：]

[Pc=eαi?eαjd（si，sj）β+z] （5）

候選節(jié)點(diǎn)的綜合轉(zhuǎn)發(fā)因子[αdesira]的約束條件為[max{αidesira}，]選擇優(yōu)先級(jí)[Pc]最高的路由節(jié)點(diǎn)進(jìn)行路由機(jī)制構(gòu)建，假設(shè)網(wǎng)絡(luò)輸入傳輸數(shù)據(jù)[x（t）]與鄰居節(jié)點(diǎn)（父節(jié)點(diǎn)）連接權(quán)向量[ωj]的距離為：

[dj=i=0k-1（xi（t）-ωij（t））2， j=0，1，2，…，N-1] （6）

式中[ωj=（ω0j，ω1j，…，ωk-1，j）T，]表示節(jié)點(diǎn)[nodei]的剩余能量。更新鄰居表，拓?fù)鋭?dòng)態(tài)加權(quán)傳感器網(wǎng)絡(luò)的候選節(jié)點(diǎn)作為下一跳，得到節(jié)點(diǎn)能量的均衡狀態(tài)方程為：

[wj*（t+1）=wj*（t）+α（cj*）[x（t）-wj*（t）]] （7）

式中[j∈（j*，NEj*（t））]。

為了減少體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)的路由沖突和能耗，構(gòu)建節(jié)點(diǎn)能量負(fù)載均衡的馬爾科夫模型為[X=xi，i=1，2，…，N，]假設(shè)[O]為網(wǎng)絡(luò)的壽命觀測(cè)狀態(tài)，[O={oj，j=1，2，…，M}。]對(duì)節(jié)點(diǎn)密度和剩余能量進(jìn)行DCT變換，根據(jù)源節(jié)點(diǎn)ID及數(shù)據(jù)字段的覆蓋度，結(jié)合自適應(yīng)均衡算法均衡每個(gè)節(jié)點(diǎn)的計(jì)算能力、通信距離和能量供應(yīng)進(jìn)行路由協(xié)議設(shè)計(jì)。

2 體育場(chǎng)無(wú)線地下傳感器網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)

2.1 路由機(jī)制中的層級(jí)和位置關(guān)系模型設(shè)計(jì)

在無(wú)線傳感器網(wǎng)絡(luò)中，指定區(qū)域的節(jié)點(diǎn)數(shù)據(jù)報(bào)文傳輸時(shí)間序列為[{c0，c1，c2，…，cN-1}]，地理路由決策的編碼信息為[{y0，y1，y2，…，ym}，]候選節(jié)點(diǎn)[nodei]相鄰的傳感器數(shù)目為[m，]得到候選節(jié)點(diǎn)的綜合轉(zhuǎn)發(fā)控制狀態(tài)方程為[7?8]：

[y0=f（c0，c1，c2，…，cN-1）y1=f（c0，c1，c2，…，cN-1） ?ym=f（c0，c1，c2，…，cN-1）] （8）

采用基于層級(jí)的定向泛洪機(jī)制對(duì)密度較大的節(jié)點(diǎn)進(jìn)行自組織特征分解[9]：

[S（ω）=1Kk=0K-1Sk（ω）] （9）

在傳感器節(jié)點(diǎn)延伸的下行路徑，定義節(jié)點(diǎn)密度和剩余能量的綜合轉(zhuǎn)發(fā)控制目標(biāo)函數(shù)為：

[x（n）=1NAk=0N-1X（k）expj2πknN，n=0，1，2，…，N-1] （10）

式中：[A]表示初始網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的節(jié)點(diǎn)剩余能量幅值，為[N]階方陣，即[A=ai，j，0

為了保障體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)通信頻率的穩(wěn)定性，得到節(jié)點(diǎn)耗能因子矩陣[BN×1]的計(jì)算式如下：

[BN×1=SN×L?TL×1] （11）

每個(gè)節(jié)點(diǎn)到達(dá)網(wǎng)關(guān)[i]的剩余能量由[Ei]表示，采用最大剩余能量選擇策略確定[ek≥0，][k=1tek=1]。設(shè)定鄰居節(jié)點(diǎn)的能耗上限，通過(guò)比較下一跳節(jié)點(diǎn)的魯棒系數(shù)得到傳感器網(wǎng)絡(luò)系統(tǒng)的層級(jí)和位置關(guān)系的模型為：

[s（k）=s1（k），s2（k），…，sm（k）T] （12）

2.2 網(wǎng)絡(luò)節(jié)點(diǎn)路由中的部署實(shí)現(xiàn)

用一個(gè)已經(jīng)獲取自身層級(jí)的傳感器節(jié)點(diǎn)替換分組頭部中的層級(jí)，則傳感器節(jié)點(diǎn)的位置信息、剩余能量參量為：

[xn=sn+vn=i=1LAicos（ωin+φi）+j=0∞h（j）w（n-j）] （13）

對(duì)于拓?fù)鋭?dòng)態(tài)變化的體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)，引入一個(gè)編碼模式選擇模塊，在存在多個(gè)候選的下一跳節(jié)點(diǎn)下構(gòu)建數(shù)據(jù)傳輸?shù)氖д婢C合評(píng)價(jià)值[Ei，]為了使節(jié)點(diǎn)能量均衡，對(duì)網(wǎng)絡(luò)拓?fù)溥M(jìn)行某種程度的修剪，定義一個(gè)轉(zhuǎn)發(fā)因子矩陣為：

[X=x11x12…x1nx21x22…x2n????xn-11xn-12…xn-1n] （14）

根據(jù)LB?AGR協(xié)議引入一個(gè)綜合轉(zhuǎn)發(fā)因子[αidesira]為：

[αidesira=α1?DensityiiDensityi+α2APiAPinit] （15）

其中：

[α1+α2=1， α1，α2∈[0，1]α2=maxi（APi）-mini（APi）APinit] （16）

基于兩跳鄰居位置信息，進(jìn)行上行流量路由機(jī)制分發(fā)和調(diào)度，調(diào)度指令數(shù)量的分布為[d～p（e，q），]利用下一跳節(jié)點(diǎn)進(jìn)行能耗預(yù)測(cè)，實(shí)現(xiàn)節(jié)點(diǎn)的優(yōu)化部署，在傳感器網(wǎng)絡(luò)輸出端口節(jié)點(diǎn)的地理路由集合記為[Disj，]則[Disj

[q=arcminp∈δq=1+∞L（q，q）p（qe）] （17）

式中：[L（q，q）]用來(lái)描述數(shù)據(jù)與數(shù)據(jù)之間的相關(guān)特征；[p（qe）]為剩余能量相對(duì)于[q]分布的最佳路由分布函數(shù)。根據(jù)節(jié)點(diǎn)的層級(jí)、密度和剩余能量進(jìn)行無(wú)線地下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的優(yōu)化部署，節(jié)點(diǎn)的優(yōu)化部署控制函數(shù)為：

[J（AP1，AP2，…，APn）=i=1nAPi2n?i=1nAP2i] （18）

通過(guò)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)優(yōu)化部署，降低了端到端延時(shí)，提高了網(wǎng)絡(luò)包傳輸?shù)目煽啃浴?/p>

3 性能評(píng)估實(shí)驗(yàn)分析

在體育場(chǎng)館區(qū)域分布90，140，250，1 000個(gè)傳感器節(jié)點(diǎn)，網(wǎng)絡(luò)覆蓋范圍為200 m×200 m，節(jié)點(diǎn)初始能量為0.5 kJ，隨機(jī)部署在2 000 m×2 000 m×10 m的3D體育場(chǎng)館區(qū)域，地下傳感器網(wǎng)絡(luò)的基站位置設(shè)定在3D體育場(chǎng)館區(qū)域的（100，250）坐標(biāo)處，Sink節(jié)點(diǎn)的帶寬為[Ts=NfTf，]設(shè)置[Nf]=22，[Tf]=124 ns，[Tc]=3 ns，構(gòu)建體育場(chǎng)館無(wú)線傳感器網(wǎng)絡(luò)的初始節(jié)點(diǎn)和鏈路分布模型如圖2所示。

根據(jù)圖2中無(wú)線地下傳感器網(wǎng)絡(luò)的結(jié)構(gòu)模型，進(jìn)行網(wǎng)絡(luò)的信息傳輸和數(shù)據(jù)包分發(fā)仿真分析，對(duì)網(wǎng)絡(luò)的性能進(jìn)行測(cè)試。源節(jié)點(diǎn)每10 s產(chǎn)生一個(gè)包，在數(shù)據(jù)包負(fù)載為150 GB下進(jìn)行無(wú)線地下傳感器網(wǎng)絡(luò)的數(shù)據(jù)包傳輸，分別采用在不同節(jié)點(diǎn)數(shù)量下統(tǒng)計(jì)端到端的平均時(shí)延、包傳輸率、能耗三個(gè)參數(shù)，對(duì)比不同無(wú)線傳感器網(wǎng)絡(luò)協(xié)議性能，得到的仿真結(jié)果如圖3所示。

由圖3可以看出，采用本文設(shè)計(jì)的無(wú)線傳感器網(wǎng)絡(luò)協(xié)議在傳輸時(shí)延、數(shù)據(jù)包的準(zhǔn)確傳輸性能和能量開(kāi)銷等方面明顯優(yōu)于文獻(xiàn)[4，6]的VBF和VBVA協(xié)議，網(wǎng)絡(luò)能耗的均衡性較好，提高了網(wǎng)絡(luò)的壽命周期；網(wǎng)絡(luò)節(jié)點(diǎn)端到端的時(shí)延較低，提高了網(wǎng)絡(luò)傳輸?shù)膶?shí)時(shí)性；數(shù)據(jù)包的準(zhǔn)確傳輸率較高。

4 結(jié) 語(yǔ)

為了實(shí)現(xiàn)智慧體育場(chǎng)館的構(gòu)建，提出基于層級(jí)和位置的體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)地理路由決策機(jī)制。首先構(gòu)建無(wú)線地下傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)模型，采用基于層級(jí)的定向泛洪機(jī)制進(jìn)行路由協(xié)議構(gòu)建。然后根據(jù)節(jié)點(diǎn)的層級(jí)、密度和剩余能量進(jìn)行無(wú)線地下傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)優(yōu)化部署，根據(jù)網(wǎng)絡(luò)的層級(jí)和地下地理位置實(shí)現(xiàn)路由探測(cè)設(shè)計(jì)。研究得出，采用本文設(shè)計(jì)的體育場(chǎng)館無(wú)線地下傳感器網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸能耗較小，網(wǎng)絡(luò)節(jié)點(diǎn)端到端的時(shí)延較低，數(shù)據(jù)包的準(zhǔn)確傳輸率較高，性能優(yōu)越。

參考文獻(xiàn)

[1] 陳志，駱平，岳文靜，等.一種能量感知的無(wú)線傳感網(wǎng)拓?fù)淇刂扑惴╗J].傳感技術(shù)學(xué)報(bào)，2013，26（3）：382?387.

[2] 王辛果，張信明，陳國(guó)良.時(shí)延受限且能量高效的無(wú)線傳感網(wǎng)絡(luò)跨層路由[J].軟件學(xué)報(bào)，2011，22（7）：1626?1640.

[3] 陳永銳，易衛(wèi)東.最大網(wǎng)絡(luò)生存周期的無(wú)線傳感網(wǎng)協(xié)作路由算法[J].軟件學(xué)報(bào)，2011，22（1）：122?130.

[4] 任智，王青明，郭曉金.無(wú)線傳感器網(wǎng)絡(luò)中基于最小跳數(shù)路由的節(jié)點(diǎn)休眠算法[J].計(jì)算機(jī)應(yīng)用，2011，31（1）：194?197.

[5] 朱彥松，竇桂琴.一種基于多維度信任的WSN安全數(shù)據(jù)融合方法[J].武漢大學(xué)學(xué)報(bào)（理學(xué)版），2013，59（2）：193?197.

[6] MERNIK M， LIU S H， KARABOGA M D， et al. On clarifying misconceptions when comparing variants of the Artificial Bee Colony Algorithm by offering a new implementation [J]. Information sciences， 2015， 291： 115?127.

[7] 孫三山，汪帥，樊自甫.軟件定義網(wǎng)絡(luò)架構(gòu)下基于流調(diào)度代價(jià)的數(shù)據(jù)中心網(wǎng)絡(luò)擁塞控制路由算法[J].計(jì)算機(jī)應(yīng)用，2016，36（7）：1784?1788.

[8] 李牧東，趙輝，翁興偉，等.基于最優(yōu)高斯隨機(jī)游走和個(gè)體篩選策略的差分進(jìn)化算法[J].控制與決策，2016，31（8）：1379?1386.

[9] STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm [J]. IEEE transactions on evolutionary computation， 2010， 14（6）： 842?864.

[10] LIANG J J， QU B Y， MAO X B， et al. Differential evolution based on fitness Euclidean?distance ratio for multimodal optimization [J]. Neurocomputing， 2014， 137（8）： 252?260.