WSNs中基于無人機的數據收集算法*

馮夢清

(鄭州工業應用技術學院信息工程學院， 鄭州 451150)

0 引言

無線傳感網絡[1-2]由多個微型、低功耗的傳感節點組成，通過將這些傳感節點部署于興趣區域，監測異常事件或感測區域環境數據。一旦獲取了數據，節點將這些數據傳輸至信宿(base station,BS)。

一般而言，節點大都是由電池供電。當電池用盡，通常不便于給節點替換電池；而一旦電量用盡，節點就無法繼續工作，限制了WSNs壽命。因此，有效地利用節點能量[2-3]，提高能量效率是延長網絡壽命的關鍵。

近期，基于UAV的WSNs系統受到廣泛關注。將UAV作為移動信宿，存在多個優勢：1)UAV處于上空，使節點至UAV的鏈路容易形成視距環境; 2)由于UAV可以移動，可以縮短節點向信宿傳輸路徑，有利于減少能量消耗[4]。在UAV-WSNs中，引用休眠和活動機制能夠進一步減少節點能耗[5]。節點默認為休眠狀態，當收到來自高于預定閾值的beacon信號就進入活動狀態。完成了工作后，仍進入休眠狀態。然而，在UAV-WSNs中，由于傳感節點與移動UAV間的無線信道呈動態變化，降低了數據包傳遞率[6]。據此，應合適地部署UAV，使處于活動狀態的節點能夠以高的數據包傳遞率傳輸數據。

為此，針對UAV-WSNs網絡，提出基于旋轉角度多址接入的數據收集(RADM-DC)算法。RADM-DC算法通過給UAV-BS安裝天線陣列，形成扇形覆蓋區域，并旋轉，進而形成多個虛擬扇形。同時，依據節點的信道條件，動態調整節點發射功率。最后，通過實驗分析了RADM-DC算法在降低能耗、控制數據傳輸時延方面的性能。

1 RADM-DC算法

1.1 約束條件

考慮基于UAV-BS的WSNs系統，如圖1所示。UAV收集網絡內傳感節點數據。N個節點分布監測區域l1×l2內。令節點集ψ={S1,S2,…,SN}。用矢量wk=(xk,yk)表示第k個節點Sk的位置，且k=1,2,…,N。

傳感節點引用全向天線收發數據。同時，引用文獻[5]的節點休眠和活動機制。節點默認為休眠狀態，當從UAV接收的信號高于預定閾值，節點就進入活動狀態，成為活動節點。如圖1所示，將UAV-BS覆蓋的區域劃分為多個虛擬的扇形區域。UAV-BS旋轉其覆蓋角度。在其覆蓋內的節點，它就將數據傳輸至UAV-BS，否則節點就保持休眠狀態。

圖1 虛擬的扇形區域

1.2 信道模型

用自由空間的路徑損耗模型表述傳感節點與UAV間通信。令Lk表示傳感節點Sk與UAV間的通信鏈路模型：

(1)

式中：fc為載波頻率，單位為Hz；c為光速，單位m/s；dk表示節點Sk與UAV間的距離，其表達式為：

(2)

式中：wUAV、HUAV分別表示UAV的二維空間位置、高度。令ψk表示正態對數分布的衰落[7],其定義為：

(3)

圖2 UAV與節點間的空間示意圖

UAV裝備了均勻的線性天線陣列，天線數為m。天線間的間隔為Δ。依據式(4)，可計算來自節點Sk傳輸的信號的天線增益GR,k:

(4)

式中：φk表示信號到達方向(direction of arrival, DoA)[8]。而g(θk,φk)表示單付天線的天線指向性，其定義如式(5)所示：

(5)

由式(5)可知，當θk=π/2時，g(θk,φk)值最大。但是，實際環境中無法滿足θk=π/2。為此，給單付天線設置一定的傾斜角θtilt。

(6)

將式(6)代入式(4)和式(5)可得：

(7)

(8)

最后，依據式(9)計算UAV與節點間信道增益hk為：

(9)

式中：GT表示節點Sk的發射天線增益，而ψk=10φk,dB/10。

1.3 UAV旋轉角度

為了使網絡內所有節點能獲取給UAV傳輸數據的機會，UAV以旋轉角度θRT∈{0,2π}將整個區域劃分為多個虛擬的扇形區。在每個扇形區持續的時間Tsec為：

(10)

式中：TRound表示每一輪時延，即UAV旋轉一周所持續的時間；J=2π/θRT為扇形數。

Tsec對系統性能有重要影響。若Tsec過長，則該扇形區內的節點向UAV傳輸數據的概率就增加[9]。但這必然延長了不在該扇形區節點向UAV傳輸數據的時延。不采用固定的Tsec，而是依據扇形內節點密度調整時間。即節點密度越高，時間就越長，反之，就縮短時間，如式(11)所示：

(11)

式中：Tsec,j表示UAV在第j個虛擬扇形區停留的時間；Mj表示第j個虛擬扇形區內的節點數。

采用虛擬扇形區域，降低了多個傳感節點同時傳輸數據包的傳遞率。此外，相比于整個通信區域，虛擬扇形區更窄，這就提高了每個活動節點檢測周圍節點傳輸數據的概率[10]。原因在于：在更窄區域，節點相距更近，更容易檢測。此外，UAV采用天線陣列，增加了活動節點所接收的功率強度，使得節點能夠在短時間內完成數據包的傳輸。

1.4 基于信噪比的傳輸速率調整

為了能有效控制干擾，依據信道條件對傳輸速率進行調整。令γk表示UAV接收節點Sk傳輸的信號的信噪比為：

(12)

式中：PR,k為接收功率；N0為噪聲功率密度；B為帶寬；PT為節點的發射功率。

由式(12)可知，相比于全向天線，采用天線陣列時，接收天線增益GR,k越大，信噪比γk就越大。采用IEEE 802.11g作為無線接入協議，每個傳感節點依據信道條件調整數據傳輸速率。當γk較大，就適當增加傳輸速率。具體的調整策略如表1所示。

表1 基于γk的傳輸速率調整

從表1可知，γk的最小值為4 dB。因此，當γk值低于4 dB時，即使節點處于活動狀態，也認為該節點無法傳輸數據，即鏈路中斷。

2 性能仿真

2.1 仿真環境

利用NS2++軟件建立仿真平臺。30個傳感節點分布于60 m×60 m的方形區域。UAV位于方形區域正上空，且高度為20 m。傳感節點引用IEEE 802.11g協議接入無線資源。仿真參數如表2所示。此外，為了驗證提出RADM-DC算法的有效性，仿真過程中將旋轉角θRT分別設置為60°和120°。

表2 仿真參數

2.2 數據分析

2.2.1 中斷概率

下面分析UAV的角度θRT對中斷概率影響。當γk值低于4 dB，就認為鏈路中斷。中斷概率等于發生中斷的節點數與總的節點數之比。

圖3 平均中斷概率與θRT關系

圖3描述了角度θRT對中斷概率的影響。從圖3可知，當θRT=60°，中斷概率為零。原因在于：當θRT=60°，節點能夠獲取高的天線增益，進而獲取高的γk值。然而，當θRT增加至120°時，中斷概率迅速增加至10%。原因在于：角度越大，節點獲取的天線增益下降，致使部分節點的γk過低。

2.2.2 平均碰撞幀數

進一步分析角度θRT對節點傳輸數據的影響。用每個節點發生幀碰撞的平均次數(平均碰撞幀數)反映θRT對節點傳輸數據的影響。

圖4 平均碰撞幀數與θRT的關系

如圖4所示，RADM-DC算法通過在特定時間內限制通信的節點數，進而控制平均碰撞幀數。θRT越小，每個虛擬區內已有的活動節點數就越少。信道干擾也就越小，節點獲取的γk值就增加。因此，θRT=60°的性能優于θRT=120°的性能。

2.2.3 平均傳輸時間

分析θRT對節點傳輸數據的時間影響，并重點分析Tsec,j對平均傳輸時間的影響。RADM-DC算法是對Tsec,j依據扇形內節點數進行調整，而傳統算法是采用固定Tsec,j值。為了更好體現采用動態Tsec,j的優勢，將動態Tsec,j與固定Tsec,j進行比較。

如圖5所示，平均傳輸時間包括了節點的等待時間。從圖5可知，相比于固定Tsec,j，動態Tsec,j策略下能夠控制平均傳輸時間。此外，當θRT較低時，扇形區域內活動節點數獲取的γk更大，增加了傳輸速率，進而縮短了傳輸時間。當θRT為60°或120°時，RADM-DC算法能夠有效控制傳輸時間。

圖5 平均傳輸時間與θRT的關系

2.2.4 平均節點能耗

最后，分析節點傳輸數據時所消耗的能量。如圖6所示。平均節點能耗是指節點傳輸數據時所消耗的平均能量。從圖6可知，θRT越大，平均節點能耗越大。原因在于：θRT越大，中斷概率越高(如圖4所示)，這就使得節點需多次傳輸才能完成數據包的傳輸，最終增加了節點能耗。

圖6 平均節點能耗與θRT的關系

3 結論

文中提出了多址接入的RADM-DC算法。該算法將整個區域劃分為多個虛擬扇形，降低了隨機接入UAV-BS的活動節點數，進而避免了信號碰撞。由于天線增益增加，降低節點數據傳輸的中斷概率。并依據信道條件，調整傳輸速率，縮短了數據傳輸時間，最終降低了節點能耗。仿真結果表明，當旋轉角度為60°時，RADM-DC算法將中斷概率控制為零，提高了通信效率，降低了節點能耗。