一種傳感器網(wǎng)絡(luò)的能量收集模型

馬東超 張燦燦

摘要：本設(shè)計(jì)針對無線傳感器網(wǎng)路，設(shè)計(jì)出一種太陽能充電傳感器網(wǎng)絡(luò)模型，基于該網(wǎng)絡(luò)，我們建立了兼顧節(jié)能與網(wǎng)絡(luò)可靠性優(yōu)化目標(biāo)的凸優(yōu)化模型DFS-WSN。對DFS-WSN進(jìn)行仿真實(shí)驗(yàn)以驗(yàn)證模型的性能。通過對綠色因子的調(diào)節(jié)，驗(yàn)證了模型對于節(jié)能與網(wǎng)絡(luò)可靠性的調(diào)節(jié)效果。

關(guān)鍵詞：太陽能充電；節(jié)能；傳感器網(wǎng)絡(luò)

中圖分類號：TM383.6 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2018）07-0090-02

無線傳感器網(wǎng)絡(luò)被廣泛用于工業(yè)控制、智能家居、醫(yī)療保健[1]、智能農(nóng)業(yè)[2]等諸多領(lǐng)域，受到我國研究學(xué)者普遍的重視。無線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)通過自組織的方式進(jìn)行組網(wǎng)，它是一個(gè)智能化的網(wǎng)絡(luò)系統(tǒng)。傳感器節(jié)點(diǎn)是一種具有通信能力的小型設(shè)備，傳統(tǒng)的傳感器電量來源為蓄電池，電量消耗完畢則節(jié)點(diǎn)死亡。光伏發(fā)電方便快捷，利用資源豐富的太陽能，不需要擔(dān)心資源枯竭、短缺的現(xiàn)象。因此本文引入光伏電池進(jìn)行能量補(bǔ)給，綜合分析傳感器網(wǎng)絡(luò)的應(yīng)用場景、研究現(xiàn)狀，提出一種基于凸優(yōu)化、可調(diào)節(jié)的路由模型。

1 基于凸優(yōu)化的傳感器理論模型

在太陽能充電無線傳感器網(wǎng)絡(luò)的研究中，綜合節(jié)能和網(wǎng)絡(luò)可靠性兩個(gè)優(yōu)化目標(biāo)，我們提出了一種適應(yīng)于大多數(shù)太陽能充電傳感器網(wǎng)絡(luò)的凸優(yōu)化模型DFS-WSN，綜合考慮了太陽能充電傳感器節(jié)點(diǎn)的充電特性，引入光伏電池充電功率。該模型能夠在節(jié)能與網(wǎng)絡(luò)可靠性之間進(jìn)行動(dòng)態(tài)調(diào)節(jié)，適用于大多數(shù)太陽能充電傳感器網(wǎng)絡(luò)應(yīng)用場景。下面給出DFS-WSN模型的優(yōu)化目標(biāo)函數(shù)如（1-1）所示。式左側(cè)為網(wǎng)絡(luò)可靠性的優(yōu)化目標(biāo)，以節(jié)點(diǎn)傳輸耗能與充電功率的比為標(biāo)準(zhǔn)，最小化“最大能量利用率”，防止因節(jié)點(diǎn)負(fù)載過多而死亡。左側(cè)針對節(jié)能的優(yōu)化目標(biāo)，訴求是最小化全網(wǎng)鏈路總數(shù)據(jù)量。單位時(shí)間全網(wǎng)采集數(shù)據(jù)量是一定的，最小化全網(wǎng)鏈路總數(shù)據(jù)量，即最小化網(wǎng)絡(luò)層數(shù)，使得數(shù)據(jù)經(jīng)過的轉(zhuǎn)發(fā)次數(shù)最小。

式（1-2）約束條件—（a）為節(jié)點(diǎn)流量負(fù)載設(shè)置上限值，節(jié)點(diǎn)聚集所有孩子節(jié)點(diǎn)的流量總量不能比鏈路的容量大；（1-2）式（b）描述節(jié)點(diǎn)間傳輸?shù)牧髁勘仨殲檎担唬?-2）式（c）描述節(jié)點(diǎn)發(fā)送至其它節(jié)點(diǎn)的流量為正，也即每個(gè)節(jié)點(diǎn)都至少有一個(gè)父節(jié)點(diǎn)。式（1-3）描述的是流量工程中常見的流量平衡方程， 指任一非Sink節(jié)點(diǎn)自身所采集的數(shù)據(jù)量，該式表明節(jié)點(diǎn)s發(fā)送出的全部流量只包括s節(jié)點(diǎn)自身采集的數(shù)據(jù)量與接收全部孩子節(jié)點(diǎn)的數(shù)據(jù)量組成，。當(dāng)s為Sink節(jié)點(diǎn)時(shí)，它接收所有節(jié)點(diǎn)采集的數(shù)據(jù)量而不發(fā)送任何流量，。

2 理論模型的優(yōu)化和求解

由于太陽能充電傳感器節(jié)點(diǎn)的充電功率受到天氣、陰影、時(shí)間等各種因素的影響，不同的條件下對網(wǎng)絡(luò)壽命和網(wǎng)絡(luò)可靠性有不同的要求，因此本文引入綠色因子，對網(wǎng)絡(luò)可靠新性與網(wǎng)絡(luò)壽命進(jìn)行調(diào)節(jié)，以滿足不同條件下的性能要求，因此模型得到進(jìn)一步優(yōu)化為：

式（2-1）在用MATLAB進(jìn)行求解的過程中，需要對每一個(gè)節(jié)點(diǎn)的接收耗能進(jìn)行求和，即，還需要對每一對節(jié)點(diǎn)間的數(shù)據(jù)量進(jìn)行求和，即，計(jì)算復(fù)雜度為n2。節(jié)點(diǎn)不間斷的進(jìn)行數(shù)據(jù)的采集和發(fā)送工作。在實(shí)際應(yīng)用中由于距離的限制，絕大部分節(jié)點(diǎn)間并無數(shù)據(jù)量的傳輸，對全網(wǎng)所有節(jié)點(diǎn)進(jìn)行遍歷式的計(jì)算不單會(huì)增大計(jì)算量還會(huì)影響實(shí)驗(yàn)性能，因此我們希望能在計(jì)算中剔除因?qū)嶋H傳輸距離而導(dǎo)致的無效計(jì)算。

在進(jìn)行仿真實(shí)驗(yàn)時(shí)，我們發(fā)現(xiàn)如果一個(gè)節(jié)點(diǎn)傳輸流量不足一個(gè)分片，且分發(fā)給多個(gè)父節(jié)點(diǎn)會(huì)造成大量的能量損耗。為了使不足一個(gè)分片的流量僅傳輸給一個(gè)父節(jié)點(diǎn)。本文為每個(gè)節(jié)點(diǎn)引入一個(gè)權(quán)重，規(guī)定在其他條件相同的情況下，節(jié)點(diǎn)會(huì)優(yōu)先選擇權(quán)重更大的父節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸。本文的模型就變成如下所示：

眾所周知，網(wǎng)絡(luò)中節(jié)點(diǎn)負(fù)載過多會(huì)造成節(jié)點(diǎn)死亡，網(wǎng)絡(luò)出現(xiàn)不穩(wěn)定的狀態(tài)。因一個(gè)節(jié)點(diǎn)擁有過多子孫節(jié)點(diǎn)過多而死亡會(huì)。因此本文規(guī)定，每個(gè)節(jié)點(diǎn)僅能擁有5個(gè)子節(jié)點(diǎn)，這樣可以有效避免子節(jié)點(diǎn)過多或者層數(shù)過多導(dǎo)致子孫節(jié)點(diǎn)過多的情況產(chǎn)生。

3 仿真實(shí)驗(yàn)

本章對DFS-WSN進(jìn)行了仿真實(shí)驗(yàn)，對模型在節(jié)能及網(wǎng)絡(luò)可靠性的不同方面進(jìn)行了實(shí)驗(yàn)對比，已驗(yàn)證模型在兩個(gè)優(yōu)化目標(biāo)下的有效性，并通過綠色因子的調(diào)節(jié)作用調(diào)節(jié)網(wǎng)絡(luò)狀態(tài)以適應(yīng)不同的網(wǎng)絡(luò)需求。仿真實(shí)驗(yàn)利用MATLAB進(jìn)行求解。

圖1所示為在網(wǎng)絡(luò)在不同通信半徑下葉子節(jié)點(diǎn)數(shù)量隨綠色因子的變化而變化，可見綠色因子對葉子節(jié)點(diǎn)的調(diào)節(jié)具有顯著的效果，在15米通信半徑下，網(wǎng)絡(luò)中葉子節(jié)點(diǎn)百分比由90%下降到65%左右，調(diào)節(jié)幅度達(dá)到了25%～30%，在10米與5米通信半徑下葉子節(jié)點(diǎn)變化幅度均在20%以上。綠色因子極小的情況下網(wǎng)絡(luò)中葉子節(jié)點(diǎn)數(shù)目都處于比較大的情況，這是因?yàn)榇藭r(shí)網(wǎng)絡(luò)處于單純節(jié)能狀態(tài)，節(jié)點(diǎn)間通過數(shù)據(jù)的匯聚節(jié)省了數(shù)據(jù)收發(fā)次數(shù)，同時(shí)也省去大量等待ACK、狀態(tài)切換、空閑等待等的時(shí)間。

圖2展示了網(wǎng)絡(luò)在不同綠色因子的配置下網(wǎng)絡(luò)總能耗，可以看出綠色因子在極小值的情況下（a=0，b=1）網(wǎng)絡(luò)能耗顯著小于綠色因子較大的情況（a=1000，b=1），這與圖1中的情況一致，當(dāng)傳感器網(wǎng)絡(luò)處于較節(jié)能狀態(tài)（綠色因子較?。┚W(wǎng)絡(luò)總能耗較低。而當(dāng)綠色因子逐漸增大，網(wǎng)路中葉子節(jié)點(diǎn)降低、能耗降低，網(wǎng)絡(luò)此時(shí)更偏重于可靠性的調(diào)節(jié)。

圖3展示了在不同的陰影覆蓋面積之下網(wǎng)絡(luò)的功率對比。從圖中可以看到，當(dāng)陰影率不斷升高的過程中網(wǎng)絡(luò)功率與之前所述趨勢相一致。由于EP-LEACH[3]不存在對節(jié)能與網(wǎng)絡(luò)可靠性的調(diào)節(jié)工作，因此網(wǎng)絡(luò)在一定的充電功率下功率一定。而當(dāng)綠色因子大于1×103時(shí)，DFS-WSN對于網(wǎng)絡(luò)節(jié)能調(diào)節(jié)的能力達(dá)到最大，網(wǎng)絡(luò)功率低于EP-LEACH模型。

圖4展示了在不同的太陽能光照強(qiáng)度下兩種模型網(wǎng)絡(luò)壽命的對比。可以看到，網(wǎng)絡(luò)通過對太陽能光照強(qiáng)度的預(yù)測建立能量潛力函數(shù)，但是在網(wǎng)絡(luò)陰影覆蓋面積較多的情況下，網(wǎng)絡(luò)中節(jié)點(diǎn)光照強(qiáng)度變化較大，容易由較高充電功率突然下降，而此時(shí)由于基于過去功率預(yù)測的能量潛力函數(shù)的存在，使得此節(jié)點(diǎn)依然負(fù)擔(dān)較大網(wǎng)絡(luò)負(fù)載，因此節(jié)點(diǎn)死亡。由于這種不穩(wěn)定光照強(qiáng)度的影響，EP-WSN在陰影率較大時(shí)，網(wǎng)絡(luò)壽命明顯低于本文模型。

實(shí)驗(yàn)驗(yàn)證了模型在節(jié)能與可靠性調(diào)節(jié)方面的效果，綠色因子對葉子節(jié)點(diǎn)的調(diào)節(jié)具有顯著的效果，在15米通信半徑下，網(wǎng)絡(luò)中葉子節(jié)點(diǎn)百分比由90%下降到65%左右，調(diào)節(jié)幅度達(dá)到了25%～30%。當(dāng)傳感器網(wǎng)絡(luò)處于較節(jié)能狀態(tài)（綠色因子較?。┚W(wǎng)絡(luò)總能耗較低。而當(dāng)綠色因子逐漸增大，網(wǎng)絡(luò)中葉子節(jié)點(diǎn)數(shù)降低、能耗降低，網(wǎng)絡(luò)此時(shí)更偏重于可靠性的調(diào)節(jié)。隨著綠色因子的增大網(wǎng)絡(luò)中數(shù)據(jù)損失量逐漸降低，不同的通信半徑下，數(shù)據(jù)損失量分別降低了49.5%、64.8%、67.6%。

我們對模型隨著太陽能光照變化進(jìn)行能耗調(diào)節(jié)的效果進(jìn)行了驗(yàn)證。隨著網(wǎng)絡(luò)陰影率的增大網(wǎng)絡(luò)中葉子節(jié)點(diǎn)的數(shù)目呈現(xiàn)增大的趨勢，網(wǎng)絡(luò)能耗隨陰影率的增大而升高，同時(shí)隨著陰影率的增高網(wǎng)絡(luò)能耗隨之減少。能量采集對傳感器網(wǎng)壽命延長具有顯著的效果。本文與EP-LWACH模型進(jìn)行了對比，EP-LEACH模型追求較均勻的鏈路負(fù)載，沒有重視對于節(jié)點(diǎn)數(shù)據(jù)的聚集。實(shí)驗(yàn)得到，在綠色因子調(diào)節(jié)到1×103時(shí)，DFS-WSN模型網(wǎng)絡(luò)功率將迅速低于EP-LWACH模型。而在網(wǎng)絡(luò)陰影覆蓋率達(dá)到60%的情況下，DFS-WSN模型在綠色因子低于3×103時(shí)壽命明顯高于EP-LWACH模型壽命。

參考文獻(xiàn)

[1]Hadjidj A， Souil M， Bouabdallah A， et al. Wireless sensor networks for rehabilitation applications： Challenges and opportunities [J].Journal of Network and Computer Applications，2013，36（1）：1-15.

[2]Yassine Jiber， Hamid Harroud， Ahmed Karmouch. Precision Agriculture Monitoring Framework Based on WSN [C].7th International Wireless Communications and Mobile Computing Conference，July 4-8，2011：2015-2020.

[3]An Energy Harvesting Aware Routing Algorithm for Hierarchical Clustering Wireless Sensor Networks [J].Ksii Transactions on Internet & Information Systems，2016，10（2）：684-686.