基于自適應模糊控制器的無線傳感器網絡功率控制

胡黃水，沈瑋娜，王出航，張邦成

(1.長春工業大學 計算機科學與工程學院，長春 130012； 2.長春師范大學 計算機科學與技術學院，長春 130026)(*通信作者電子郵箱wangchuhang@cncnc.edu.cn)

基于自適應模糊控制器的無線傳感器網絡功率控制

胡黃水1，沈瑋娜1，王出航2*，張邦成1

(1.長春工業大學 計算機科學與工程學院，長春 130012； 2.長春師范大學 計算機科學與技術學院，長春 130026)(*通信作者電子郵箱wangchuhang@cncnc.edu.cn)

針對現有的無線傳感器網絡(WSN)功率控制方法存在的節點早死問題，提出一種考慮節點剩余能量的功率控制方法——SAFPC。首先，設計了具有“輸入-輸出-反饋”機制的兩級模糊控制器系統模型，主控制器負責節點發射功率調節，從控制器負責期望節點度調節，自適應地根據網絡中節點剩余能量來調節發射功率；然后，分別對主、從控制器的模糊化、模糊規則及解模糊過程進行了詳細描述；最后，從網絡收斂時間、平均能耗以及生命周期方面對SAFPC進行了仿真分析。實驗結果表明，與模糊控制傳輸功率方法(FCTP)相比，SAFPC收斂速率快12.5%，在不同網絡規模情況下節點平均能耗降低3.68%，網絡生命周期延長7.9%。可見，SAFPC能有效延長網絡生命周期，提高網絡動態適應性及鏈路魯棒性。

無線傳感器網絡；功率控制；模糊控制器；能耗均衡；自適應性

0 引言

隨著無線傳感器網絡(Wireless Sensor Network, WSN)在環境監測、醫療保健、國家安全以及太空探索等領域的廣泛應用，其持續在軍界、工業界和學術界受到高度關注[1]。而能耗是決定無線傳感器網絡應用的最關鍵因素，通過功率控制來調節網絡中每個節點的發射功率，在滿足網絡質量前提下減小網絡通信干擾、降低網絡能量消耗，則可有效延長網絡生命周期，促進無線傳感器網絡應用[1-4]。

功率控制是一個十分復雜的問題，文獻[1]中指出理論上尋找功率控制問題的最優解是不現實的。因此，當前所提出的解決方案都是力圖去尋找功率控制的實用解，文獻[3]從空間與時間控制方面對一些功率控制方法進行了介紹，并指出其各自的特點。文獻[5]提出通用功率算法(Common Power, COMPOW)，在保證網絡連通下所有節點以相同功率傳輸數據，對節點分布均勻的網絡其能取得很好的效果。文獻[2]中提出一種基于效用模型的分布式功率控制機制，綜合考慮路由、信干比和誤碼率等因素，在網絡效用最大化條件下對節點發射功率進行優化。文獻[6]通過動態調節節點的發射功率以使其節點度處于限定的范圍內，從而優化網絡結構。隨著模糊理論在無線傳感器網絡優化決策、降低資源消耗方面展現的優越性能[7]，其也用于功率控制。文獻[8]中提出了一種使用模糊控制的功率控制方法，通過閉環回路控制鄰居數量來對節點的傳輸功率進行調節，使節點的節點度在其與期望的節點度誤差范圍之內。文獻[9]和[10]采用基于接收節點鏈路質量指示(Link Quality Indication, LQI)值來調節發送節點發射功率的點對點模糊控制功率調節方法，在保證鏈路質量的同時降低了網絡能耗。以上算法在某些方面能改善網絡的性能，但也都不可避免存在某些局限。如文獻[5]對節點分布不均勻的網絡則可能導致大量節點以遠大于需求的功率傳輸數據，造成能量浪費；文獻[6]當網絡規模增大時，算法復雜度以指數級增長；文獻[8]中每個節點的期望節點度不能隨網絡動態變化，很容易導致某些節點過早死亡，從而減小網絡生命周期；文獻[9]和[10]中采用點對點的功率調整方式，需要額外的點對點通信協議支持，且通過鏈路質量指示LQI作為功率調節的輸入，實際無線環境中LQI變化無規律且頻繁，將導致功率調節頻繁執行，從而降低網絡性能。尤其是以上所有功率調節方法都不考慮節點的剩余能量，無疑將導致剩余能量低的節點早死，從而減小網絡的生命周期。

因此，本文提出一種基于自適應模糊控制器的無線傳感器網絡功率控制方法(Self Adaptive Fuzzy controller based on Power Control method for wireless sensor networks, SAFPC)。SAFPC的基本思想是網絡任一節點的剩余能量決定其期望節點度，當其節點度高于期望的節點度，則降低節點的發射功率，否則增大節點發射功率。具體實現為采用兩級基于“輸入-輸出-反饋”機制的模糊控制器，主控制器負責調節發射功率，從控制器負責調節期望節點度，從而自適應地依據節點剩余能量調節發射功率，均衡網絡能量消耗，延長網絡生命周期。

1 系統模型

節點實際通信范圍可能不規則或非對稱，但為了簡化模型，廣泛采用圓盤模型。本文控制器所需的輸入為節點度和能量，采用圓盤模型對控制系統設計并沒有直接負面影響。于是，采用圓盤模型的節點度和發射功率關系如圖1所示。從圖中可見，節點u在不同功率級別pA0、pA1、pA2時其節點度分別為3、5、9。

圖1 節點度和發射功率之間的關系

圖1中，為了計算任一節點u的剩余能量，假設網絡中所有節點的數據傳輸速率相同，具有k個離散功率級別，最大和最小發射功率分別為pmax,pmin，且具有相等的初始能量EINI，其鄰居節點記為N(u)，且其與鄰居節點v的距離為d(u,v),v∈N(u)，LMAX為節點能夠傳輸的最大數據包量，節點發送和接收數據耗用的時間與數據包大小成正比，當數據傳輸速率為常數時，Lu/LMAX表示節點傳輸大小為Lu的數據包所用的時間[11]。Ee為節點發送接收電路上的功耗，Er為功率放大器功耗，Eid為節點空閑狀態時的功耗，則節點u的剩余能量Eu如式(1)所示:

(1)

其中：方括號中第一部分表示節點u發送狀態的能耗，第二部分為節點接收其鄰居節點數據時的能耗，第三部分為節點處于空閑狀態時的能耗。

(2)

Δnd=nd-ND

(3)

(4)

(5)

e1=kE×Δe

(6)

e2=knd×Δnd

(7)

(8)

u=kU×U

(9)

(10)

圖2 系統模型

2 模糊控制器設計

圖2中主/從模糊控制器采用Mamdani型模糊邏輯系統[8-9]，其主要由模糊化、模糊規則、模糊決策以及解模糊構成。

2.1 從模糊控制器設計

1)從模糊控制器輸入、輸出變量模糊化。

①能量差值Δe：選取能量差值Δe的語言變量值為NB、NM、NS、ZO、PS、PM、PB，其語言變量論域元素為-3、-2、-1、0、+1、+2、+3。NB、PB采用梯形隸屬度函數，NM、NS、ZO、PS、PM采用三角形隸屬度函數，能量差值Δe隸屬度函數如圖3所示。

圖3 能量差值Δe隸屬度函數

圖4 期望節點度偏差隸屬度函數

2)模糊規則定義及解模糊。

表1 從模糊控制器規則表

2.2 主模糊控制器設計

1)主模糊控制器輸入、輸出變量模糊化。

①節點度調節量Δnd：選取節點度調節量Δnd的語言變量值為d2s、d1s、hold、u1s、u2s，其語言變量論域元素為-2、-1、0、+1、+2。d2s、u2s采用梯形隸屬度函數，d1s、hold、u1s采用三角形隸屬度函數，節點度調節量Δnd隸屬度函數如圖5所示。

圖5 節點度調節量Δnd隸屬度函數

圖6 節點度調節量變化率隸屬度函數

③發射功率調節量u：選取發射功率調節量u的語言變量值為nb、nm、ns、hold、ps、pm、pb，其語言變量論域元素為-3、-2、-1、0、+1、+2、+3。nb、pb采用梯形隸屬度函數，nm、ns、hold、ps、pm采用三角形隸屬度函數，發射功率調節量u隸屬度函數如圖7所示。

圖7 發射功率調節量u隸屬度函數

2)模糊規則定義及解模糊。

根據主模糊控制器的調節目的，同樣采用“if-then”條件語句的形式定義模糊規則，具體規則如表2所示。主模糊控制器采用質心法解模糊，輸出為發射功率調節量u。

表2 主模糊控制器規則表

3 仿真與分析

首先，將100個節點均勻部署在該方形區域內，測量初始發射功率在-20 dBm～5 dBm范圍內的網絡收斂時間，運行50次取平均值。結果如圖8所示，SAFPC收斂時間較FCTP快12.5%。由于SAFPC要同時考慮節點剩余能量和實際節點度，因此當發射功率在-20 dBm～-15 dBm時，SAFPC收斂時間高于FCTP，當發射功率在-15 dBm～5 dBm時，SAFPC收斂速度整體比FCTP快。

圖8 不同初始發射功率時收斂時間對比

接下來對不同網絡規模時的平均能耗和網絡生命周期進行測試，節點數從50遞增至400個，分別運行50次取平均值，結果分別如圖9和圖10所示。從圖9中可見，隨著網絡規模的增大，FCTP和SAFPC算法的平均能耗總體上呈遞增的趨勢，但SAFPC算法遞增趨勢總體比FCTP算法平緩,且隨著網絡規模的增大，SAFPC相比FCTP算法的優勢愈加明顯。圖10顯示，在不同網絡規模情況下，SAFPC算法網絡生命周期均比FCTP算法的長，這主要是因為SAFPC算法在調整節點度時考慮到了節點剩余能量，對于那些網絡中剩余能量低的節點，通過調整其期望的節點度，降低其能量消耗，從而避免能量低的節點因節點度大而消耗更多能量，導致其過早死亡，最終延長網絡的生命周期。

圖10 不同網絡規模時生命周期對比

4 結語

本文針對無線傳感器網絡，提出一種采用兩級模糊控制器的功率控制方法SAFPC。其基于節點剩余能量來調節期望節點度，從而自適應的調節發射功率。SAFPC不僅能適應網絡動態變化，且能有效提高鏈路魯棒性。仿真結果表明該方法能有效均衡網絡能量消耗，延長網絡生命周期，為無線傳感器網絡的實際應用提供支持。

References)

[1] 張學,陸桑璐,陳貴海,等.無線傳感器網絡的拓撲控制[J].軟件學報,2007,18(4):943-954.(ZHANG X, LU S L, CHEN G H, et al. Topological control of wireless sensor networks [J] . Journal of Software, 2007, 18(4): 943-954.)

[2] 劉韜.無線傳感器網絡中基于效用模型的分布式功率控制機制[J].電子學報.2016,44(2):301-307.(LIU T. Distributed power control mechanism based on utility model in wireless sensor networks [J] . Acta Electronica Sinica, 2016, 44(2): 301-307.)

[3] LI M, LI Z, VASILAKOS A V. A survey on topology control in wireless sensor networks: taxonomy, comparative study, and open issues [J]. Proceedings of the IEEE, 2013, 101(12): 2538-2557.

[4] LIN S, MIAO F, ZHANG J, et al. ATPC: adaptive transmission power control for wireless sensor networks [J]. ACM Transactions on Sensor Networks, 2016, 12(1): Article No. 6.

[5] NARAYANASWAMY S, KAWADIA V, SREENIVAS R S, et al. Power control in Ad-Hoc networks: theory, architecture, algorithm and implementation of the COMPOW protocol [EB/OL]. [2017- 01- 01]. http://www2.ing.unipi.it/ew2002/proceedings/171.pdf.

[6] KUBISCH M, KARL H, WOLISZ A, et al. Distributed algorithms for transmission power control in wireless sensor networks [C]// Proceedings of the 2003 IEEE Wireless Communications and Networking. Piscataway, NJ: IEEE, 2003, 1: 558-563.

[7] MAKSIMOVIC M, VUJOVIC V, MILOSEVIC V. Fuzzy logic and wireless sensor networks—a survey [J]. Journal of Intelligent and Fuzzy Systems, 2014, 27(2): 877-890.

[8] ZHANG J, CHEN J, SUN Y. Transmission power adjustment of wireless sensor networks using fuzzy control algorithm [J]. Wireless Communication and Mobile Computing, 2009, 9(6): 805-818.

[9] 吳鵬杰.一種新穎的無線傳感器節點模糊功率控制算法[D].北京:北京郵電大學,2010:22-29.(WU P J. A novel fuzzy power control algorithm for wireless sensor node [D]. Beijing: Beijing University of Posts and Telecommunications, 2010: 22-29.)

[10] 邵奇可,馮淑娜,毛科技.面向WSN的自適應模糊功率控制算法研究[J].傳感技術學報.2015,28(4):563-571.(SHAO Q K, FENG S N, MAO K J. Adaptive fuzzy power control algorithm for WSN [J]. Chinese Journal of Sensors and Actuators, 2015, 28(4): 563-571.)

[11] NICKRAY M, AFZALI-KUSHA A, JNTTI R. Simultaneous power control and power management algorithm with sector-shaped topology for wireless sensor networks [J]. EURASIP Journal on Wireless Communications and Networking, 2015, 2015(1): 1-16.

[12] 張建輝.無線傳感器網絡拓撲控制研究[D].杭州:浙江大學,2008:34-51.(ZHANG J H. Research on topology control in wireless sensor networks [D]. Hangzhou: Zhejiang University, 2008: 34-51.)

Self-adaptivefuzzycontrollerbasedpowercontrolforwirelesssensornetworks

HU Huangshui1, SHEN Weina1, WANG Chuhang2, ZHANG Bangcheng1

(1.CollegeofComputerScienceandEngineering,ChangchunUniversityofTechnology,ChangchunJilin130012,China;2.CollegeofComputerScienceandTechnology,ChangchunNormalUniversity,ChangchunJilin130026,China)

To solve the problem of node’s premature death in existing power control methods for Wireless Sensor Network (WSN), a new method called Self-Adaptive Fuzzy Control (SAFPC) was proposed. Firstly, the model of two level fuzzy controller with “input-output-feedback” mechanism was designed, whose main controller was responsible for the node transmission power adjustment, and auxiliary controller was responsible for the desired node degree adjustment, so as to adjust the transmission power adaptively according to the residual energy of the node. Secondly, the fuzzification, fuzzy rules and defuzzification process were described in detail. Finally, SAFPC was simulated and analyzed in terms of network convergence time, average energy consumption and network life cycle. The experimental results show that, compared with FCTP (Fuzzy Control Transmission Power method), SAFPC can increase convergence rate by 12.5%, the average energy consumption of the nodes is reduced by 3.68% and the network life cycle is prolonged by 7.9%. It can be seen that SAFPC can effectively prolong the network life cycle, as well as improve network dynamic adaptability and link robustness significantly.

Wireless Sensor Network (WSN); power control; fuzzy logic controller; balanced-energy consumption; adaptivity

2017- 03- 08;

2017- 04- 23。

吉林省科技廳科技攻關計劃項目(20140204037GX, 20150204073GX)；吉林省發展與改革委員會經濟結構戰略調整引導專項基金資助項目(2014Y125)；。

胡黃水(1974—)，男，湖南隆回人，副教授，博士，主要研究方向：無線傳感器網絡、軌道車輛動力學； 沈瑋娜(1993—)，女，江蘇無錫人，碩士研究生，主要研究方向：無線傳感器網絡； 王出航(1976—)，女，吉林長春人，副教授，碩士，主要研究方向：無線傳感器網絡、實時嵌入式系統； 張邦成(1972—)，男，吉林長春人，教授，博士，主要研究方向：機電檢測與控制。

1001- 9081(2017)09- 2470- 04

10.11772/j.issn.1001- 9081.2017.09.2470

TP393.1

A

This work is partially supported by Jilin Provincial Department of Science and Technology Research Project (20140204037GX, 20150204073GX), Jilin Province Development and Reform Commission Strategic Adjustment of Economic Structure to Guide the Special Fund (2014Y125).

HUHuangshui, born in 1974, Ph. D., associate professor. His research interests include wireless sensor network, rail vehicle dynamics.

SHENWeina, born in 1993, M. S. candidate. Her research interests include wireless sensor network.

WANGChuhang, born in 1976, M. S., associate professor. Her research interests include wireless sensor network, embedded real-time system.

ZHANGBangcheng, born in 1972, Ph. D., professor. His research interests include electromechanical detection and control.