傳感網絡中一種基于地理位置的簇路由

呂品品

0 引言

目前，無線傳感網絡（wireless sensor networks，WSNs）得到廣泛應用[1]。然而，WSNs應用的快速增加，加大了對未注冊頻率帶寬的需求，這必然影響了WSNs的性能。而認知無線電（cognitive radio，CR）以機會性方式使用已注冊帶寬，可緩解頻譜資源的不足。在 CR技術中，將用戶分為主級用戶（primary users，PUs）[2]和次級用戶（secondary users，SUs）。主級用戶PUs可優(yōu)先使用頻帶。當PUs不用頻帶時，次級用戶SUs可隨機性地接入頻帶并使用。

因此，在WSNs中引用CR技術就形成認知無線電傳感網絡（cognitive radio sensor networks，CRSNs）。通過CRSNs提高了頻譜利用率，使得傳感節(jié)點能夠動態(tài)接入頻譜。目前，CRSNs已在多個應用中使用，如工業(yè)監(jiān)控[3]、智能電表[4]、智能交通系統(tǒng)[5]等。

然而，引用CR技術需要進行頻譜感測。這就使得傳統(tǒng)簇構建算法和路由算法不再適應直接用于 CRCNs[6]。為此，文獻[7]針對 CRCNs網絡，提出基于頻譜感知的簇多媒體（spectrum-aware clustering for efficient multimedia，SCEM）路由協(xié)議。SCEM路由是頻譜感知、能量有效的協(xié)議。在SCEM路由中，網絡內所有節(jié)點依據(jù)它們所接收的頻譜信息，來計算頻譜-能量秩值，再形成簇。然而，SCEM路由是以隨機方式完成路由發(fā)現(xiàn)階段。而文獻[8]針對CRCNs提出基于虛擬簇的可靠地理轉發(fā)路由（reliable geographical forwarding routing，RGFR）協(xié)議。該協(xié)議充分利用了地理位置路由的優(yōu)勢。此外，文獻[9]面向CRCNs，提出低功耗自適應非均勻 簇 算 法 （ low energy adaptive-un clustering hierarchy，LEAUCH）。LEAUCH 算法將空閑信道數(shù)作為節(jié)點權值，并且具有空信道數(shù)越多的節(jié)點成為簇頭的幾率越大。

為此，本文針對CRCNs提出基于簇的地理位置路由（cluster-based geographical routing，CGR）。CGR分為2個階段：簇形成階段和數(shù)據(jù)傳輸階段。先利用節(jié)點剩余能量和頻譜感測信息構建簇，然后計算每條路徑權重，并擇優(yōu)選擇路徑傳輸數(shù)據(jù)。

1 能量消耗模型

引用與文獻[10]所述的無線電能耗模型，如圖1所示。發(fā)射器向相距為d的接收節(jié)點傳輸q比特的數(shù)據(jù)包所消耗的能量 ETX( q ，d)為

式中：Eelec為運行發(fā)射器或接收器固定的能量消耗；Efrris、Etworay分別表示發(fā)射器在自空間、雙徑傳播模型（two ray ground model）的單位功率放大器的能量消耗[11-13]；dco為距離閾值，且

圖1 無線電能量消耗模型

相應地，對于接收q比特的數(shù)據(jù)包所消耗的能量，有

2 CGR 路由

CGR路由是依據(jù)頻譜感測信息和節(jié)點剩余能量選擇簇頭（cluster heads，CHs），再建立路由，最后完成數(shù)據(jù)包的傳輸。

2.1 簇頭選擇

最初，每個傳感節(jié)點作為次級用戶獨立地觀察無線環(huán)境，并利用能量檢測算法尋找空閑頻譜。假定總共有C個頻率信道，令 υi(t)表示在時刻t、節(jié)點i成功接入信道矢量為

實際上，對主級用戶在特定信道上活動狀態(tài)的預測更能準確地反映信道的空閑/忙的狀態(tài)。因此，定義節(jié)點i在時刻t的期望信道接入率為

為此，節(jié)點i的頻譜-能量秩值為

其中iN表示節(jié)點i的鄰居節(jié)點集，而ie為節(jié)點i的剩余能量。()ijtγ表示節(jié)點i與節(jié)點j的相對頻譜占用率，其定義為

其中“*”表示內積。

每個節(jié)點依據(jù)式（6）計算自己的能量頻譜秩值，然后將自己的秩值和鄰居節(jié)點的秩值構成Ni+1個節(jié)點集，再依據(jù)秩值從大至小排序。秩值最大的節(jié)點排在第1位，秩值為1。假定節(jié)點i的排序值為ranki。如果ranki≤ 3 ，則節(jié)點i就成為CH候選簇頭節(jié)點。

一旦成為候選簇頭節(jié)點，它就啟動1個定時器，且隨機選擇定時時間，其計算方法為

式中：χ為節(jié)點i隨機產生的0至1的小數(shù)；Tbase為定時基數(shù)。

一旦定時完畢，就發(fā)送通告消息Ann_Mess，宣稱自己為簇頭。若在定時期間，收到其他節(jié)點發(fā)送的Ann_Mess消息，就取消定時器，說明已有其他節(jié)點率先成為簇頭。然后，其他節(jié)點就依據(jù)離簇頭距離，形成不同的簇。產生簇頭流程如圖 2所示。

圖2 產生簇頭流程

2.2 路由選擇

簇形成后，就進入路由階段。首先，由簇頭在公共控制信道上廣播路由請求消息 CH-RREQ。當成員節(jié)點（非簇頭節(jié)點） si收到 CH-RREQ消息，先判斷是否之前已接收過此消息，若是，則直接丟棄，否則就再判斷是否滿足下列2個條件。如果滿足，則轉播此CH-RREQ消息：

1）自己 si離信宿的距離小于 CH-RREQ消息的發(fā)送節(jié)點（簇CH），即 d (si，Sink ) ＜ d(C H，Sink )。CGR路由引用地理路由策略，只選擇離信宿更近的節(jié)點作為下一跳轉發(fā)節(jié)點，進而減少傳輸路徑；

2）節(jié)點 si的剩余能量大于閾值。通過此條件限制低能量節(jié)點參與路由。

當滿足上述 2個條件時，節(jié)點 si就向其他的鄰居節(jié)點轉播 CH-RREQ消息，否則就丟棄。一旦接收了CH-RREQ消息，就判斷這2個條件，再判斷是否轉發(fā)，重復執(zhí)行此過程，直至消息傳輸至信宿。

一旦信宿收到 CH-RREQ消息，信宿就依據(jù)傳輸 CH-RREQ消息的路徑回復 RREP消息，且RREP消息內包含了此路徑上的節(jié)點ID以及節(jié)點間的距離。

信宿可能從多條路徑上收到 CH-RREQ消息。因此，信宿從這些路徑中選擇一條路徑回復RREP。信宿引用變量“路徑權重”并用路徑權重評估路徑性能為

式中： Cpath表示路徑的通信成本；Upath表示路徑上各節(jié)點能耗的不平衡性[14]。

由于能量消耗與距離有關，離信宿越近，數(shù)據(jù)流量就越大。因此，Cpath可定義為

路徑上能量的不平衡性Upath定義為

最后，信宿就選擇具有最大ωpath的路徑回復RREP消息，當源節(jié)點接收到RREP后，就沿著此路徑傳輸數(shù)據(jù)。

圖3描述了CGR路由過程。圖3（a）中，源節(jié)點傳輸CH-RREQ消息，每個節(jié)點如果滿足條件，就轉發(fā)CH-RREQ消息。假定節(jié)點4不滿足，則它不轉發(fā)此消息。

信宿收到通過多條路徑傳輸?shù)?CH-RREQ消息后（2條路徑），計算各條路徑的ωpath，并選擇具有大的ωpath路徑回復RREP。圖3（b）所示是假定路徑1 → 2 → 5 → 8的ωpath最大。

圖3 路由決策示例

3 實驗結果分析

3.1 仿真模型及參數(shù)

100個傳感節(jié)點和 10個 PUs隨機分布于300 m300 m×的仿真區(qū)域，且信宿位于區(qū)域中心。此外，引用10個頻率信道作為數(shù)據(jù)傳輸信道，而PUs可隨時占用這些信道。同時，PUs的活動/休眠狀態(tài)服從指數(shù)分布，且平均活動時長為 0.5 s，休眠活動時長為 0.5 s。在數(shù)據(jù)傳輸過程中，隨機選擇簇頭作為源節(jié)點。所傳輸?shù)臄?shù)據(jù)為 Foreman視頻，即將Foreman數(shù)據(jù)傳輸至信宿，其余的仿真參數(shù)如表1所示。

表1 仿真參數(shù)

此外，為了更好地比較CGR路由的性能，選擇SCEM路由作為參照，并進行性能比較。每次實驗數(shù)據(jù)獨立重復 20次，取平均值作為最終實驗數(shù)據(jù)。

3.2 實驗數(shù)據(jù)分析

首先分析數(shù)據(jù)的平均傳輸時延隨簇數(shù)的變化情況，如圖4所示。

圖4 平均時延隨簇數(shù)的變化曲線

從圖 4可知，隨著簇數(shù)的增加，平均時延也逐步增加。原因在于：簇數(shù)的增加加大數(shù)據(jù)傳輸跳數(shù)，而跳數(shù)的增加也加大平均時延。與 SCEM相比，提出的CGR算法的平均時延得到控制。

接下來，分析視頻源節(jié)點數(shù)對平均時延的影響，實驗數(shù)據(jù)如圖5所示。

圖5 視頻源節(jié)點數(shù)對平均時延的影響

從圖5可知，視頻源節(jié)點數(shù)的增加提高了平均時延。這主要是因為，視頻源節(jié)點數(shù)的增加提高了對帶寬的需求，同時也增加了數(shù)據(jù)流量。然而，與SCEM相比，提出的CGR路由的平均時延得到了有效控制。圖6分析了SCEM算法和CGR路由的能耗數(shù)據(jù)。

圖6 能耗隨視頻源節(jié)點數(shù)的變化曲線

從圖6可知，CGR路由的能耗低于SCEM算法，并且隨視頻源節(jié)點數(shù)的增加，在能耗方面的優(yōu)勢越發(fā)明顯。

最后，分析平均時延隨源數(shù)據(jù)率的變化情況，實驗數(shù)據(jù)如圖7所示。

圖7 平均時延隨數(shù)據(jù)率的變化曲線

從圖7可知，數(shù)據(jù)率的增加加大了平均時延。原因在于，數(shù)據(jù)率的增加加大了每個源節(jié)點對數(shù)據(jù)時隙的要求，最終增加了平均時延。在整個數(shù)據(jù)率的變化區(qū)間，CGR路由的平均時延均低于SCEM算法。

4 結束語

針對認知無線電傳感網絡，提出基于簇的地理位置路由CGR。CGR路由依據(jù)頻譜感測信息和節(jié)點剩余能量形成簇，再利用傳輸 CH-RREQ消息建立路徑信息，并依據(jù)路徑成本擇優(yōu)選擇數(shù)據(jù)傳輸路徑。實驗數(shù)據(jù)表明，提出的CGR路由能夠有效地降低能耗，提高了數(shù)據(jù)傳輸效率，進而縮短了傳輸時延。