盧 堯, 張?zhí)A, 何二寶

(貴州師范大學(xué) 機(jī)械與電氣工程學(xué)院，貴州 貴陽(yáng) 550025)

0 引 言

無(wú)線傳感器網(wǎng)絡(luò)(wireless sensor networks,WSNs)數(shù)據(jù)融合利用傳感器計(jì)算能耗遠(yuǎn)低于無(wú)線通信能耗的特點(diǎn)，通過(guò)本地計(jì)算對(duì)傳輸數(shù)據(jù)進(jìn)行合并、壓縮或抽取等處理，在符合應(yīng)用要求的前提下，縮減無(wú)線通信傳輸?shù)臄?shù)據(jù)量，從而實(shí)現(xiàn)減少傳感器節(jié)點(diǎn)能量消耗，延長(zhǎng)節(jié)點(diǎn)生存時(shí)間的目的[1,2]。現(xiàn)有WSNs數(shù)據(jù)融合的研究主要關(guān)注多源單匯的傳統(tǒng)工作模式[3～5]。但是隨著更加復(fù)雜的應(yīng)用出現(xiàn)，WSNs 中需要部署多個(gè)匯聚節(jié)點(diǎn)，同時(shí)執(zhí)行多項(xiàng)任務(wù)，多源單匯的數(shù)據(jù)融合方法已經(jīng)無(wú)滿足新的需求[6]。如何在多源多匯模式下利用數(shù)據(jù)融合減少網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)量成為了新挑戰(zhàn)。然而，國(guó)內(nèi)外仍然缺少對(duì)此命題的探索。Xiong S等人[7]證明了多源多匯WSNs下的面向數(shù)據(jù)融合的最佳路由問(wèn)題為NP—完全問(wèn)題，并提出近似算法，但全局網(wǎng)絡(luò)知識(shí)是先決條件，這種方法通過(guò)集中式計(jì)算構(gòu)造固定路由結(jié)構(gòu)，無(wú)法適應(yīng)網(wǎng)絡(luò)變化，應(yīng)用范圍受到了極大限制。Mottola L等人[8]采用分布式計(jì)算實(shí)現(xiàn)多源多匯數(shù)據(jù)融合，首先構(gòu)造單源單匯的最短路由，然后合并部分路徑實(shí)現(xiàn)融合。該方法沒(méi)有探索最佳路由結(jié)構(gòu)，無(wú)法保證融合性能接近最佳。

1 問(wèn)題描述

圖1 多源多匯WSNs示例

2 基于概率路由的數(shù)據(jù)融合

使用全局網(wǎng)絡(luò)信息的集中式計(jì)算可發(fā)現(xiàn)上述優(yōu)化問(wèn)題的最優(yōu)解。但隨著網(wǎng)絡(luò)規(guī)模的增大，其計(jì)算復(fù)雜度會(huì)變得非常高。一旦網(wǎng)絡(luò)狀態(tài)變化，網(wǎng)絡(luò)知識(shí)就需要被重新收集，這使得集中搜索最優(yōu)解在WSNs中變得不切實(shí)際。與之不同，本文將混沌蟻群優(yōu)化以分布式的方式嵌入一般路由過(guò)程中，在只使用本地鄰居知識(shí)的前提下，保證優(yōu)化方法在較短的時(shí)間內(nèi)獲得一個(gè)可接受的近似最優(yōu)解。

源節(jié)點(diǎn)周期性地采集數(shù)據(jù)并傳輸?shù)骄W(wǎng)絡(luò)中。螞蟻被附著于普通數(shù)據(jù)包，利用概率選擇，動(dòng)態(tài)確定路由的下一跳節(jié)點(diǎn)，最終達(dá)到匯聚節(jié)點(diǎn)。路由結(jié)構(gòu)不斷更新變化，逐漸收斂到近似最優(yōu)解，從而實(shí)現(xiàn)高效的數(shù)據(jù)傳輸。

2.1 本地優(yōu)化因子

由于多個(gè)匯聚節(jié)點(diǎn)同時(shí)存在，面向每個(gè)匯聚節(jié)點(diǎn)的下一跳節(jié)點(diǎn)需要獨(dú)立選擇。路由路徑間的重疊程度越高，數(shù)據(jù)融合的機(jī)會(huì)就越多。通過(guò)更改下一跳節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)可改變數(shù)據(jù)包的路由路徑。下一跳節(jié)點(diǎn)的選擇取決于信息素和啟發(fā)因子的概率計(jì)算，兩者應(yīng)由組合優(yōu)化問(wèn)題中的優(yōu)化指標(biāo)決定。在避免使用全局知識(shí)的前提下，本文將優(yōu)化目標(biāo)轉(zhuǎn)換為只需要局部鄰居知識(shí)的鏈接吸引因子。

(1)

(2)

本文提出一種采用2.45 GHz四邊形平面單極子陣列天線實(shí)現(xiàn)近場(chǎng)區(qū)電磁波調(diào)控的新方法。通過(guò)將平面單極子陣列天線與輔助偶極子陣列構(gòu)成一個(gè)能量傳輸系統(tǒng)，利用兩個(gè)陣列之間的功率傳輸效率最大化理論，可以得到最優(yōu)的平面單極子陣列的激勵(lì)分布。采用射頻饋電電路能在四邊形陣列內(nèi)部近場(chǎng)區(qū)域產(chǎn)生沿指定曲線的電磁場(chǎng)分布。

(3)

2.2 基于混沌變量的概率性選擇

為了避免路由路徑產(chǎn)生回路，需要?jiǎng)?chuàng)建路由候選列表，此表只包含不大于當(dāng)前節(jié)點(diǎn)的跳數(shù)的鄰居節(jié)點(diǎn)，且下一跳節(jié)點(diǎn)就是從此表中挑選出來(lái)的。單個(gè)數(shù)據(jù)包面向不同匯聚節(jié)點(diǎn)的下一跳路由決策將被獨(dú)立地執(zhí)行。假設(shè)一個(gè)面向匯聚節(jié)點(diǎn)nd的螞蟻(數(shù)據(jù)包)到達(dá)了節(jié)點(diǎn)ni。選擇鄰居節(jié)點(diǎn)nj的概率可表示如下

(4)

(5)

(6)

(7)

式中θ為混沌序列的階數(shù)，且θ≥2。隨著蟻群優(yōu)化迭代的進(jìn)行，混沌值的影響應(yīng)變得越來(lái)越小，所以需要使用衰減系數(shù)影響混沌變量的

(8)

式中t和κ分別為算法迭代的次數(shù)與收縮因子。在優(yōu)化的早期階段，為了增強(qiáng)螞蟻的搜索能力，混沌擾動(dòng)會(huì)對(duì)信息素有更強(qiáng)的影響力，有助于探索更廣闊的解空間，算法會(huì)迅速地跳出局部最優(yōu)的位置。然而，當(dāng)螞蟻搜索區(qū)域接近最優(yōu)解時(shí)，混沌變量的影響需要變小至可以忽略，以保證較快的收斂速度。

2.3 節(jié)點(diǎn)行為

在轉(zhuǎn)發(fā)節(jié)點(diǎn)上執(zhí)行數(shù)據(jù)融合盡量減少不必要的傳輸負(fù)載。當(dāng)且僅當(dāng)多個(gè)來(lái)自不同源節(jié)點(diǎn)的數(shù)據(jù)內(nèi)容向著相同的目標(biāo)匯聚節(jié)點(diǎn)移動(dòng)，并且當(dāng)它們?cè)谕晦D(zhuǎn)發(fā)節(jié)點(diǎn)相遇時(shí)，數(shù)據(jù)融合能將它們組合成一個(gè)數(shù)據(jù)輸出。圖2中三個(gè)數(shù)據(jù)輸入在數(shù)據(jù)融合的作用下合并為了一個(gè)數(shù)據(jù)輸出A(s1s2s3)。

圖2 數(shù)據(jù)融合示例

同一數(shù)據(jù)內(nèi)容可能被多個(gè)匯聚節(jié)點(diǎn)所需求，一個(gè)節(jié)點(diǎn)可能被要求同時(shí)傳輸這個(gè)數(shù)據(jù)內(nèi)容給多個(gè)下一跳節(jié)點(diǎn)。本文借助多播技術(shù)進(jìn)一步提高無(wú)線通信效率。多播中單個(gè)數(shù)據(jù)包在單個(gè)節(jié)點(diǎn)上不會(huì)被復(fù)制為多個(gè)備份，無(wú)需通過(guò)獨(dú)立傳輸操作分別發(fā)送到不同的下一跳節(jié)點(diǎn)。得益于無(wú)線通信的廣播特性，即使存在多個(gè)下一跳節(jié)點(diǎn)，多播也能保證一個(gè)相同的數(shù)據(jù)內(nèi)容在同一時(shí)間內(nèi)到達(dá)多個(gè)下一跳節(jié)點(diǎn)，而不是被強(qiáng)制復(fù)制和獨(dú)立傳輸。多播傳輸?shù)氖纠鐖D3所示，所描述的節(jié)點(diǎn)嘗試將數(shù)據(jù)s2通過(guò)三個(gè)下一跳節(jié)點(diǎn)ni,nj,nk發(fā)往三個(gè)匯聚節(jié)點(diǎn)d1,d2,d3。單播方式耗費(fèi)3次發(fā)送，而多播方式只需要1次發(fā)送實(shí)現(xiàn)同樣的目的。

圖3 多播傳輸示例

WSNs節(jié)點(diǎn)行為主要表現(xiàn)為數(shù)據(jù)的發(fā)送與接收，具體流程可總結(jié)如下：1)接收到新數(shù)據(jù)包，將其按照接收順序放入數(shù)據(jù)緩沖區(qū)中；2)準(zhǔn)備發(fā)送數(shù)據(jù)，依次兩兩比較緩沖區(qū)中數(shù)據(jù)包，如果兩個(gè)包擁有完全相同的目標(biāo)匯聚節(jié)點(diǎn)集，則使用數(shù)據(jù)融合功能合并數(shù)據(jù)內(nèi)容，只保留一個(gè)數(shù)據(jù)包，否則不執(zhí)行融合操作；3)遍歷緩沖區(qū)中每個(gè)數(shù)據(jù)包的每個(gè)目標(biāo)匯聚節(jié)點(diǎn)，利用基于混沌蟻群優(yōu)化的概率路由選擇對(duì)應(yīng)的下一跳節(jié)點(diǎn)，并將信息存儲(chǔ)于數(shù)據(jù)包對(duì)應(yīng)的數(shù)據(jù)結(jié)構(gòu)中；4)遍歷緩沖區(qū)中每個(gè)數(shù)據(jù)包，使用多播傳輸，同時(shí)發(fā)送單個(gè)數(shù)據(jù)包至多個(gè)下一跳節(jié)點(diǎn)。

3 仿真與性能評(píng)估

本文采用基于網(wǎng)絡(luò)模擬器OMNeT++的建模框架Mixim實(shí)現(xiàn)WSNs的無(wú)線通信環(huán)境[10]。傳感器隨機(jī)部署在1 000 m×1 000 m的矩形區(qū)域內(nèi)，系統(tǒng)參數(shù)根據(jù)前期實(shí)驗(yàn)得到推薦的數(shù)值，其中α，β∈[2,4]，λ∈[3,5]，φ={10,100}，γ∈[0.3,0.4]，θ={2,3,4},κ∈[10-3,10-1]本文提出的新方法為PDM(probabilistic routing based data fusion method in multi-source and multi-sink，WSNs)，Xiong S等人[7]提出的集中式多對(duì)多融合方法為OPD(optimizing many-to-many data aggregation)，Mottola L等人[8]提出的分布式融合方法為MUSTER(multisource multisink trees for energy-efficient routing)。

網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)總量能反映數(shù)據(jù)通信負(fù)載，相關(guān)實(shí)驗(yàn)結(jié)果在圖4(a)中展示。隨著網(wǎng)絡(luò)規(guī)模擴(kuò)大，數(shù)據(jù)包到達(dá)匯聚節(jié)點(diǎn)的路途變遠(yuǎn)，數(shù)據(jù)傳輸量隨之增加。得益于混沌蟻群優(yōu)化和多播技術(shù)，PDM和OPD性能接近，能將數(shù)據(jù)總量控制在很低的水平。而MUSTER融合數(shù)據(jù)的能力有限，當(dāng)有60節(jié)點(diǎn)時(shí)，它需要耗費(fèi)的數(shù)據(jù)總量約為PDM的2.8倍。

數(shù)據(jù)傳輸延遲為數(shù)據(jù)包到達(dá)匯聚節(jié)點(diǎn)的時(shí)間與離開(kāi)源節(jié)點(diǎn)的時(shí)間之差，圖4(b)中展示了對(duì)比結(jié)果。由于PDM將延遲作為優(yōu)化目標(biāo)，因此獲得了最低延遲。MUSTER在合并路由路徑的開(kāi)始階段，使用了最短路徑，有利于降低延遲。OPD則沒(méi)有考慮延遲方面的指標(biāo)，在最差情況下，PDM只需要OPD延遲的63 %，就能將數(shù)據(jù)傳送到指定的目標(biāo)。

最小節(jié)點(diǎn)生存時(shí)間可表示為網(wǎng)絡(luò)中任意節(jié)點(diǎn)最早耗費(fèi)完所有能量的時(shí)間。能量耗盡即意味著節(jié)點(diǎn)失去了通信的能力，那么網(wǎng)絡(luò)的拓?fù)涞葼顟B(tài)會(huì)發(fā)生變化，數(shù)據(jù)傳輸會(huì)受到影響。由圖4(c)所示，OPD的生存時(shí)間最短，因?yàn)槿鄙賹?duì)此目標(biāo)的考慮，部分節(jié)點(diǎn)可能承擔(dān)了過(guò)多的傳輸任務(wù)，導(dǎo)致能量很快耗盡。PDM考慮節(jié)點(diǎn)的負(fù)載均衡，在不同的網(wǎng)絡(luò)場(chǎng)景下，都能取得較長(zhǎng)的生存時(shí)間，特別當(dāng)網(wǎng)絡(luò)規(guī)模較大時(shí)，效果更加明顯，PDM相比OPD能延長(zhǎng)約4.7倍的生存時(shí)間。

圖4 仿真結(jié)果

觀測(cè)上述指標(biāo)的數(shù)值變化，能發(fā)現(xiàn)PDM基本處于最優(yōu)或接近最優(yōu)的位置，而且在生存時(shí)間上有明顯優(yōu)勢(shì)，所以其多目標(biāo)優(yōu)化后的綜合表現(xiàn)要好于另外兩種融合方法。

4 結(jié)束語(yǔ)

為了在多源多匯WSNs中實(shí)現(xiàn)高效數(shù)據(jù)傳輸?shù)哪康模疚奶岢鲆环N基于概率路由的多對(duì)多數(shù)據(jù)融合方法。鏈接多個(gè)源節(jié)點(diǎn)和多個(gè)匯聚節(jié)點(diǎn)的最優(yōu)路由結(jié)構(gòu)首先被分析，接著混沌蟻群優(yōu)化通過(guò)完全分布式的方式被嵌入到路由過(guò)程中，以保證數(shù)據(jù)包選擇高效的路由路徑進(jìn)行傳輸，概率性路由決策能保證方法對(duì)于網(wǎng)絡(luò)環(huán)境變化有很好的適應(yīng)性。數(shù)據(jù)融合結(jié)合多播技術(shù)，可進(jìn)一步減輕數(shù)據(jù)通信負(fù)載。最后，基于仿真實(shí)驗(yàn)的性能分析驗(yàn)證了新方法在數(shù)據(jù)傳輸過(guò)程中的優(yōu)勢(shì)。