基于時變演化博弈機制的WSN數據采集算法

吳紀磊 章小寶

1(江西科技學院信息工程學院 江西 南昌 330098)2(南昌大學通信工程學院 江西 南昌 330031)

0 引 言

隨著經濟的快速發展，人們對綠色發展、和諧發展的要求也越高，由于經過長期粗放式發展后，各種環境污染因素變得無處不在，與人民對美好生活的不斷追求形成了鮮明的反差和對比[1]。采取一定的技術手段，特別是無線傳感器網絡WSN，對高放射性、高化學腐蝕性、強生物傳染性環境污染因素進行有效的數據采集與監控，成為當前環境監測領域中具有發展前途的新興信息化技術之一[2]。

為提高WSN數據采集技術在環境監測領域的運用，研究者提出了若干具有前瞻性的WSN數據采集算法，在一定程度上起到了重要作用。Prabhudutta等[3]提出了一種基于能力均值區域覆蓋機制的WSN數據采集算法，首先通過基于污染嚴重度-節點覆蓋能力匹配機制，將覆蓋能力最強的節點作為種子節點，并進行區域分割，不同區域內均按照污染嚴重度-節點覆蓋能力匹配機制進行區域節點的匹配，可迅速實現對污染區域的全覆蓋。但是，該算法對節點更迭因素考慮不足，難以實現節點動態替換，限制了該算法的實踐意義。Krishnan等[4]提出了一種基于鄰居節點-次區域節點聯合評估機制的WSN數據采集算法，通過綜合評估鄰居節點與次區域節點間鏈路穩定特性來獲取數據鏈路穩定因子，其在采集數據時均選取性能最佳的鏈路穩定因子所對應的鏈路進行數據傳輸，能夠實現數據的超帶寬傳輸。然而，該算法對鏈路選取因素考慮面過窄，存在多個節點同時競爭少數鏈路的情況，容易導致嚴重的數據擁塞現象。Yatish等[5]提出了一種基于主區域-次區域切換機制的WSN數據采集算法，鑒于文獻[4]存在嚴重的數據擁塞現象的不足，采取區域傳輸的方式，即在鏈路選擇上使用傳輸區域中性能最佳的一組節點作為中繼傳輸節點，有效規避了因數據擁塞現象而導致鏈路波動情況的發生，可適應大流量突發因素下數據采集。但是，該算法需要犧牲部分網絡節點的數據采集性能，以便實現數據的區域傳輸，在網絡節點分布較為稀疏時，這種算法的數據傳輸效率不理想。

對此，本文提出了一種基于時變演化博弈機制的WSN數據采集算法，通過構建種子節點聚類初始化方法，能夠提高種子節點-區域節點切換過程中存在的映射質量，穩定上傳鏈路，提高區域劃分效率；基于能量冗余性能構建流量切換閾值，考慮節點傳輸數據時具有的演化博弈特性，并通過經濟效益評估模型統一評估切換效果，均衡了傳輸流量，提高了網絡數據采集性能。最后，在NS2仿真實驗平臺進行實驗，驗證了本文算法的優越性能。

1 WSN信號發射模型

由于WSN節點均采用無線方式進行數據通信，一般而言，對于高污染環境下的數據采集往往使用LTE-5G方式進行數據采集[6-7]。為減緩環境污染因素對傳輸鏈路造成的抖動，本文WSN節點使用64-PSK方式對采集的數據進行信號調制，調制后的射頻信號按2.049 GHz的頻率進行數據傳輸，如圖1所示。

圖1 數據采集圖

數據在網絡中分為n個子信號進行分割傳輸，則信號增益沖激H(k)(φ)為：

(1)

依據式(1)，可得采集到的第k路WSN數據的射頻表現形式為：

Y(k)(φ)=F(k)(φ)+T(φ)H(k)(φ)

(2)

式中:Y(M)(φ)為第k路WSN數據經過離散化后形成的沖激參量，通過捕捉該參量能夠獲取傳感數據的突變情況；F(k)(φ)為該沖激參量在信道傳輸中的拉普拉斯信道噪聲，均值為1，標準差為0；T(φ)表示第k路WSN數據在進行首輪數據傳輸時的信道增益，其時域信號表達式T(t)為：

(3)

式中:Ts表示信號周期；Tc表示數據傳輸周期；Nc表示第k路WSN數據在Tc內的最大抖動數值；bj為RSA信道加密秘鑰[8]，且滿足bj∈{+1,-1}；ai為64-PSK符號集合，且滿足ai∈{+1,-1}。

此外，式(3)中其余參量表示形式如下：

A(t)=e(1-4πt2/Λ2)

(4)

式中:Λ為信道噪聲的初始沖激響應。

聯立式(2)-式(4)可得：

(5)

中央控制系統接收到式(5)所示的傳輸信號后，再次進行λ等間隔抽樣，可得最終的解調信號為：

(6)

顯然，對于不同的節點k而言，式(6)必正交：

Y(i)(φλ)×Y(j)(φλ)=0

(7)

2 WSN數據采集算法

采用式(6)-式(7)所示的信號傳輸模型，能夠有效地減緩污染源對信道的不利影響，提高信道傳輸容量，降低數據抖動性能。這主要是由于式(6)-式(7)能夠將不同節點的傳輸信號進行正交化處理，最大限度地消除信道噪聲，改善因污染源而造成的頻率漂移及功率受限現象。然而，單純通過信號方式進行傳輸改善會存在一定的弊端。因此，本文提出新的WSN數據采集算法，其分為三個部分：

(1) 基于性能優選方案的種子節點聚類初始化。該過程主要根據區域內節點性能進行區域初始化，并通過灰度-矢量微分映射機制實現對種子節點聚類進行更新，解決WSN數據在高污染環境下種子節點易失效的難題。

(2) 基于演化博弈機制的區域流量均衡。該過程主要通過種子節點-區域節點博弈過程的能量冗余情況來構建流量切換閾值，隨后通過該閾值作為裁決指標，解決WSN在高污染環境下流量不均衡的問題，提升算法的數據傳輸質量。

(3) 基于經濟效益評估模型的質量評估。該過程針對傳統算法難以對WSN進行整體評估，通過經濟效益評估模型的方式實現對節點、數據資源的統一管理，方便了WSN在高污染應用場景下的部署流程。

2.1 基于性能優選方案的種子節點聚類初始化

由于高污染環境下WSN數據采集具有嚴重依賴歷史數據的特性[7]，這是由于高污染環境下WSN節點部署具有一次性的特性，且諸如大放射性、強化學腐蝕性、高生物傳染性的環境具有時變特性，因此按照傳統的一次布撒并進行區域分割的方式具有難以更換的弊端[9]。

針對此種不足，本文采用灰度-矢量微分映射機制，通過歷史數據挖掘污染信息的時變規律，能夠實現聚類初始化。初始化流程圖如圖2所示。

圖2 基于性能優選方案的種子節點聚類初始化流程圖

對式(6)-式(7)所示的采集數據信號進行抽樣，獲取污染源時變灰度矢量Y(0)：

Y(0)={y(1),y(2),…,y(n)}

(8)

式中：y(n)表示第n個節點按式(5)傳輸的信號。

對式(8)進行時變累加處理，得到時變序列X(n,1)：

(9)

在式(9)基礎上進行矢量微分映射[9]：

(10)

顯然，式(10)為一階微分方程，記為contaminated(1,1)，μ為矯正參數。

由式(6)可知，接收到的信號為離散信號，即對任意信號而言均需要進行矯正，設矯正矢量η：

η=[tμ]T

(11)

記矯正矩陣B為：

(12)

使用最小二乘法[10]，并聯立式(11)、式(12)可得：

η=(BBT)-1X(n,1)(BTB)

(13)

聯立式(10)、式(13)可得contaminated(1,1)的時變方程如下：

(14)

式(14)經過離散抽樣后可得：

(15)

式中：X(1,1)=X(1,0)。

式(15)為種子節點聚類初始化過程中種子節點的信號強度，只需要按照式(15)逐個進行信號接收，即可唯一確定種子節點，并將種子節點作為區域內信號匯聚的中心節點，實踐中聯立式(15)并將種子節點的信號抽樣值代入contaminated(1,1)，即可迅速實現區域分割，且鏈路收斂速度較快。

2.2 基于演化博弈機制的區域流量均衡

高污染環境下WSN一般遵循自由空間傳播模型，即按式(6)接收到模型傳輸數據時，當且僅當節點發射信號強度達到一定功率時，才能確保數據鏈路處于穩定狀態，該最小功率Pmin滿足：

(16)

式中：Dsend表示發射節點的信號增益；Rrev表示接收節點的信號增益；λ表示信號波長；R表示發射節點的最大覆蓋范圍；l為污染損耗因子，一般取0～1。為保證傳輸質量，一般還需要將Pmin最小功率進行擴容處理，以確保信號傳輸強度能夠達到需求:

(17)

實踐中，考慮到發射節點進行信號發射過程中需要確保信號質量的問題，因此R的范圍不一定取最大覆蓋半徑，如圖3所示。若同一區域內種子節點的能量降低到一定水平，則承擔區域節點的傳輸任務的種子節點將因能量受限處于嚴重的傳輸抖動狀態。

圖3 節點發射圖

考慮到WSN無線發射過程中具有時變特性[11]，若種子節點在能量降低過程中，其與區域內其余傳輸節點的能量相比而言并不顯著，則種子節點將不再予以更換。

為保證種子節點能夠實現超密度覆蓋，進行更新種子節點時須采取閾值控制策略，若種子節點的能量密度小于閾值，則選取區域內能量最好的節點作為新的種子節點。能量閾值Door獲取方式如下：

(18)

式中：x表示種子節點的分布函數，一般為高斯分布；r表示傳輸周期；E0表示種子節點初始能量；Es表示剩余能量；mod()為模函數。

當種子節點閾值下降到Door的水平時，種子節點通過廣播機制告知區域內剩余節點，隨后從剩余節點中篩選出能量最佳的節點作為新的種子節點，如圖4所示。種子節點完成更新后，采取廣播機制告知控制中心，流程結束。

圖4 基于演化博弈機制的區域流量均衡流程圖

2.3 基于經濟效益評估模型的質量評估機制

雖然演化博弈機制的區域流量均衡流程機制能夠實現種子節點的切換，但單純依靠能量評估方式進行種子節點切換也存在一定的不足之處，主要是各種子節點之間的傳輸效果難以評估。因此，本文基于經濟效益評估模型進行質量評估，以便能夠降低數據傳輸過程中存在的鏈路抖動問題。

記單個種子節點在自身覆蓋區域b內，實現能量閾值切換策略c的網絡收益μ(b,c)為：

μ(b,c)=U(c,N(c))-P(c,N(c))

(19)

式中：N(c)表示達到能量閾值切換策略c的種子節點總數；U(c,N(c))為經濟效用函數，一般情況下其初始值為能量閾值Door；P(c,N(c))為經濟效益函數。

設中央控制節點對每個區域分配的上傳帶寬相同，則總體網絡收益μ可規定為式(18)、式(19)與種子節點總數N之和：

(20)

式中：Ns表示區域內節點總數。

在完成能量閾值切換后，計算當前時刻總體網絡收益μ，如圖5所示。若更換種子節點后出現總體網絡收益下降，說明更新種子節點后將會出現鏈路抖動，影響整體網絡數據采集性能，暫時不予更換；反之，則在演化博弈機制的區域流量均衡流程機制執行完畢，完成種子節點的更換。

圖5 基于經濟效益評估模型質量評估機制流程圖

3 仿真實驗

為了便于評估所提算法的性能，使用NS2仿真模擬環境進行測試[12-13]。對照組為當前常用的超寬帶能量相鄰啟發算法[14](Efficient Nearest Neighbor Heuristic TSP Algorithms，ENNH-TSP)及黑洞安全組節點探測傳輸算法[15](Secure Group-Based Blackhole Node Detection Scheme，SGBB-NDS)。并使用采集鏈路抖動率、傳輸帶寬、匯總帶寬丟包率、信源傳輸質量等四個指標來量化，借助高斯信道、拉普拉斯信道、萊斯信道分別進行低、中、高干擾環境下信道模擬，仿真參數如表1所示。

表1 仿真參數表

3.1 采集鏈路抖動率測試

圖6(a)-(c)分別為高斯信道、拉普拉斯信道、萊斯信道條件下，本文算法與ENNH-TSP、SGBB-NDS算法在低、中、高干擾信道環境下鏈路抖動率的測試數據。由圖可知，本文算法在三種信道抖動環境下的采集鏈路抖動率始終處于較低水平，且隨著數據采集速率的不斷增加，本文算法的采集鏈路抖動率波動幅度明顯低于對照組算法。這是由于本文算法針對傳感節點在高污染環境下容易失效的特點，有針對性地基于演化博弈機制進行了區域流量均衡化處理，能夠顯著降低因流量不均衡而導致鏈路抖動的問題。此外，本文算法針對單純更新種子節點方式存在著對網絡整體傳輸性能有顯著影響的問題，基于經濟效益評估模型質量構建了評估機制，能夠將種子節點的更新納入全網統一的質量評估體系內，改善了因種子節點切換而導致的采集鏈路抖動的問題。ENNH-TSP算法雖然考慮了不同種子節點具有能量相似特性，采取交叉覆蓋的方式進行種子節點抖動，但沒有考慮種子節點切換后需要進行的鏈路優化問題，因此難以進一步降低采集鏈路抖動頻率。SGBB-NDS算法通過預設安全節點的方式進行數據傳輸，然而僅采取簡單更換機制進行安全節點的更換，在高干擾環境下依然存在嚴重的鏈路抖動問題。

(a) 高斯信道

(b) 拉普拉斯信道

(c) 萊斯信道圖6 不同信道下的采集鏈路抖動率測試結果

3.2 傳輸帶寬測試

圖7(a)-(c)分別為高斯信道、拉普拉斯信道、萊斯信道條件下，本文算法與ENNH-TSP算法、SGBB-NDS算法在低、中、高干擾信道環境下傳輸帶寬的測試數據。由圖可知，本文算法在三種信道傳輸條件下的傳輸帶寬均要高于對照組算法，且傳輸帶寬平穩。這是由于本文算法能夠基于性能優選方案進行種子節點聚類初始化，且采取灰度-矢量微分映射機制實現對種子節點聚類進行更新，選取的種子節點性能較好，數據采集及傳輸過程中出故障的概率也較低。ENNH-TSP算法在傳輸過程中采取交叉模式，即相鄰區域內的種子節點互相承擔對方區域內數據傳輸，雖然能夠降低節點能量開支，然而容易出現因部分節點失效而導致大面積節點失效的現象，因此該機制傳輸帶寬性能要差于本文算法；SGBB-NDS算法僅采取簡單上傳模式，即種子節點除非因能量耗盡，否則將不進行節點更新，因而降低了傳輸性能，導致該算法在傳輸帶寬上要低于本文算法。

(a) 高斯信道

(b) 拉普拉斯信道

(c) 萊斯信道圖7 不同信道下的傳輸帶寬測試結果

3.3 匯總帶寬丟包率測試

匯總帶寬丟包率反映了中央控制節點匯總WSN節點數據結束后對傳輸質量的評估，匯總帶寬丟包率越低，說明數據傳輸質量越好。圖8(a)-(c)分別為高斯信道、拉普拉斯信道、萊斯信道條件下，本文算法與ENNH-TSP機制、SGBB-NDS機制在低、中、高干擾信道環境下匯總帶寬丟包率的測試數據。由圖可知，本文算法在三種信道條件下的匯總帶寬丟包率均處于較低的水平，這是由于本文算法基于性能優選方案進行種子節點聚類初始化，且采取灰度-矢量微分映射機制實現對種子節點聚類進行更新，具有良好的數據上傳性能，不易發生因種子節點性能受限而導致匯總困難的現象。ENNH-TSP算法由于僅采取交叉傳輸機制，容易因節點交叉傳輸導致鏈路產生嚴重的抖動問題，從而導致較高的丟包率；SGBB-NDS算法僅采取簡單上傳模式，傳輸過程中未對上傳鏈路進行穩定化部署，因而丟包現象難以得到緩解。

(a) 高斯信道

(b) 拉普拉斯信道

(c) 萊斯信道圖8 不同信道下的匯總帶寬丟包率測試結果

3.4 信源傳輸質量

圖9(a)為信源，圖9(b)-(d)分別為本文算法與ENNH-TSP方法、SGBB-NDS技術完成數據采集后接收到的信源。由圖9(b)可知，本文算法接收到的信源圖片清晰度較高，細節保留較為完整，僅有輕微噪聲干擾，沒有出現模糊等失真現象。由圖9(c)可知，ENNH-TSP方法的接收圖像存在視覺不自然現象，且存在較多的噪聲干擾，丟失了部分細節。而SGBB-NDS技術的接收質量不佳，模糊較為嚴重，且喪失了較大的細節，見圖9(d)。這是由于本文算法先后采取了性能優選方案的種子節點聚類初始化、演化博弈機制的區域流量均衡、經濟效益評估模型質量評估機制，能夠顯著改善丟包現象，且傳輸鏈路抖動現象發生頻率較低，降低了因傳輸抖動現象發生而導致的傳輸錯誤，因此信源傳輸質量較高。ENNH-TSP方法及SGBB-NDS技術由于分別采取交叉傳輸及簡單傳輸的方式，難以對網絡整體傳輸性能進行評估，且傳輸鏈路抖動發生概率較大，因而信源傳輸質量較差。

(a) 信源 (b)本文算法

(c) ENNH-TSP算法 (d) SGBB-NDS算法圖9 信源傳輸質量

3.5 算法復雜度分析

本文算法主要由基于性能優選方案的種子節點聚類初始化、基于演化博弈機制的區域流量均衡、基于經濟效益評估模型質量評估機制三個部分構成。其中：基于性能優選方案的種子節點聚類初始化的算法復雜度主要體現在使用微分器逐個對信號進行矢量微分，該過程的算法復雜度為O(n)，n表示網絡中節點總數；基于演化博弈機制的區域流量均衡的算法復雜度主要體現在對各個節點的遍歷上，該過程的算法復雜度為O(m)，m(m

ENNH-TSP算法主要采用冒泡算法對相鄰節點的能量情況進行探測，探測過程中采用交叉覆蓋的方式對節點進行優化，當網絡中節點個數為n時，算法整體復雜度為O(n2)。SGBB-NDS算法需要對網絡中存在的“網絡黑洞”進行遍歷探測，并采用簡單更換機制進行安全節點的更換，當網絡中節點個數為n時，需要更換的安全節點數量為h(h

根據上述分析可知：SGBB-NDS算法的復雜度最低；本文算法復雜度要高于SGBB-NDS算法，但其復雜度仍然比較低；而ENNH-TSP算法的復雜度最高。

雖然本文算法的復雜度要高于SGBB-NDS算法，但是，本文算法具有更低的傳輸鏈路抖動率和丟包率，以及更高的傳輸帶寬，可以有效降低網絡擁塞現象，提高WSN數據采集性能。

4 結 語

鑒于當前WSN數據采集算法在實踐中存在的一些不足之處，提出了一種基于時變演化博弈機制的WSN數據采集算法。通過基于性能優選方案的種子節點聚類初始化、基于演化博弈機制的區域流量均衡、基于經濟效益評估模型質量評估機制，改善了種子節點在高污染環境下容易失效的難題，提高了傳輸鏈路的穩定性能，增強了WSN數據采集質量，且能夠通過經濟效益評估模型的方式實現對節點、數據資源的統一管理。實驗數據驗證了所提算法的合理性與有效性。

下一步，針對本文算法具有能耗較高的不足，擬通過能量協同機制降低種子節點進行數據傳輸的能量消耗，提高種子節點的數據傳輸周期，進一步增強本文算法對高污染環境的適應性能。