基于能量均衡-延遲削弱機制的無線傳感網穩(wěn)定傳輸算法

王 龍，孫瑞娟

(1.山西農業(yè)大學信息學院 信息工程學院，山西 晉中 030800；2.山西農業(yè)大學 工學院，山西 晉中 030800)

0 引 言

在5G背景下，當前研究者嘗試通過鏈路層、網絡層、網絡管理等方面的改進來提高無線傳感網數據傳輸的穩(wěn)定性[1-3]。如Zbigniew等[4]立足于簇頭節(jié)點剩余能量的合理調配，采用sink節(jié)點統(tǒng)一管理的方式進行區(qū)域間能量均衡化調度，并采用簇內節(jié)點能量最優(yōu)輪詢機制，實現了區(qū)域拓撲結構的穩(wěn)定及區(qū)域再形成過程的快速收斂。不過，該方案未充分考慮距離及節(jié)點密度因素，使得區(qū)域穩(wěn)定傳輸持續(xù)時間較短，難以適應5G超寬帶傳輸的實際應用場景。Shan等[5]提出了基于非均衡分簇機制的區(qū)域穩(wěn)定傳輸方案，通過采用非均衡分簇方式，將能量較高的節(jié)點部署于熱點區(qū)域，并采用輪詢方法進行節(jié)點更新，提高了區(qū)域傳輸的穩(wěn)定性能。然而該算法對數據延遲考慮較少，使得算法在5G超寬帶部署環(huán)境下容易產生較為嚴重的數據擁塞現象，降低了算法的傳輸穩(wěn)定性能。Yin等[6]通過在區(qū)域內插入可移動的高能量節(jié)點，并采用軌跡路線方式對能量較低的簇頭節(jié)點進行實時替換，有效滿足了5G超寬帶傳輸條件下簇頭節(jié)點能耗較高的難題，可顯著提升網絡數據傳輸質量。但是，該算法針對節(jié)點移動的適應性較低，難以部署于節(jié)點移動速度較高的實際場景。

為解決提高網絡傳輸性能，改善節(jié)點受限現象，提出了基于能量均衡-延遲削弱機制的無線傳感網穩(wěn)定傳輸算法。首先，結合數據分段傳輸及信道時隙分布，設計了一種數據傳輸模型，用以適應5G條件下無線傳感網網絡拓撲具有的高流動特性。采用預設方式來部署高能節(jié)點，優(yōu)化簇頭節(jié)點選舉過程，達到了抑制簇頭節(jié)點受限的目的，結合休眠方式進一步提高了數據報文發(fā)送效率。隨后，利用反饋方式來提高sink節(jié)點與簇頭節(jié)點間的通信確認效率，以優(yōu)化區(qū)域分割質量，實現數據的穩(wěn)定傳輸。最后，通過仿真實驗驗證了本文算法的性能。

1 本文網絡模型概述

1.1 網絡部署模型

5G條件下的無線傳感網典型部署場景見圖1：矩形區(qū)域內按隨機布撒模式部署5G無線傳感節(jié)點，節(jié)點分為區(qū)域節(jié)點(regional nodes，RN)和簇節(jié)點(cluster nodes，CN)兩部分；RN節(jié)點與CN節(jié)點均處于游走狀態(tài)，但在數據傳輸周期內RN節(jié)點與CN節(jié)點將均處于相同的節(jié)點覆蓋半徑之內。sink節(jié)點作為總控節(jié)點(master control nodes，MCN)，MCN節(jié)點通過頻率不變的控制信道對RN節(jié)點和CN節(jié)點狀態(tài)進行控制，并將RN節(jié)點地理坐標進行實時記錄更新。

圖1 網絡部署

簇頭節(jié)點在下一輪傳輸周期開始前均需要進行替換，替換過程中將對網絡拓撲結構及節(jié)點覆蓋進行優(yōu)化，替換過程完成后將進行數據穩(wěn)定傳輸，如圖2所示。簇頭節(jié)點在選取完成后，將向自身覆蓋半徑內的節(jié)點進行數據廣播，區(qū)域節(jié)點收到數據報文后將向距離自身最近的簇頭節(jié)點進行反饋，并將自身地理坐標位置進行更新。簇頭節(jié)點接收到區(qū)域節(jié)點反饋的數據報文后，在傳輸周期內將全部數據報文進行融合處理，并通過特定頻率信道發(fā)送至sink節(jié)點。區(qū)域形成過程中，原RN節(jié)點與CN節(jié)點均有機會在新一輪選取中被選定為簇頭節(jié)點。一般而言，均需要選定與周圍節(jié)點距離基本相同，且能量最高的節(jié)點作為新的CN節(jié)點。本文采取隨機數方式確定CN節(jié)點，當僅當某節(jié)點的隨機數高于閾值W(s)時方可被選取為簇頭節(jié)點，W(s)獲取方式如下

(1)

其中，k表示當前節(jié)點被剔除出CN節(jié)點的概率，r表示數據傳輸次數。若某個節(jié)點的隨機數高于閾值W(s)時，將被選取為本輪簇頭節(jié)點(cluster head，CH)，并將閾值W(s)置為0，下一輪傳輸周期時將在剩余的節(jié)點中繼續(xù)進行簇頭節(jié)點選取。

圖2 簇頭節(jié)點更換與數據更新

1.2 數據傳輸模型

由1.1節(jié)可知，通過簇頭節(jié)點更換與數據更新可以在一定程度上降低網絡能耗，提高數據傳輸過程中的穩(wěn)定周期。然而，由節(jié)點更換過程可知：節(jié)點更換需要反復進行數據反饋，一旦網絡出現波動將顯著提高數據延遲現象出現的概率[7]。實際應用過程中，由于簇頭選舉過程具有一定的隨機分布特性[8]，數據傳輸過程中各個節(jié)點均有一定概率成為新的簇頭節(jié)點。此外，5G環(huán)境下無線傳感網節(jié)點同時具有高密度特性[9]，隨著網絡規(guī)模的不斷增加，須充分考慮能量均衡性能以便提高網絡生存質量，防止數據傳輸出現嚴重的波動。

考慮到RN節(jié)點一般處于休眠狀態(tài)[10]，當傳輸信道處于空閑狀態(tài)時啟動數據傳輸過程，如圖3所示。數據傳輸過程啟動后，空閑信道長度為x，傳輸周期為Ts，數據傳輸過程將發(fā)生3種情形：簇頭節(jié)點順利收到傳輸數據，記為A；網絡出現擁塞狀態(tài)，使得數據分組傳輸受阻，記為B；信道處于空閑狀態(tài)，可以進行數據傳輸，記為C。根據傳輸信道處于的工作狀態(tài)，可將信道狀態(tài)設置為X和Y兩種狀態(tài)：X表示信道成功進行數據傳輸(記為K)以及數據出現擁塞(記為M)。顯然整個工作周期內X和Y兩種狀態(tài)將交替出現。

圖3 數據傳輸

不妨設整個工作周期內X出現次數為m，Y的出現次數為n。網絡中節(jié)點總數為H，數據報文可達概率為P，網絡節(jié)點處于休眠狀態(tài)的概率為Pi，則數據報文可達概率為P可由如下方法獲取

(2)

傳輸周期內同時發(fā)生X和Y兩種狀態(tài)的概率P(X,Y)可通過如下方式獲取

P(X,Y)=(1-e-xP)m(e-xP)n

(3)

其中，x表示空閑信道長度，P表示數據報文可達概率。

整個工作周期內X發(fā)生頻率E(X)滿足

(4)

根據式(4)可知，節(jié)點處于空閑狀態(tài)的平均時長T(X)滿足

(5)

整個工作周期內Y發(fā)生頻率E(Y)滿足

(6)

因此可知節(jié)點處于繁忙狀態(tài)的平均時長T(Y)滿足

(7)

其中，Ts表示數據傳輸周期。

考慮到數據傳輸過程中，每發(fā)生k次A事件，就會發(fā)生m-k次B事件，因此網絡成功發(fā)送數據報文的概率E(K)滿足

(8)

因此，網絡最終執(zhí)行事件K的過程中數據長度L[E(K)]滿足

(9)

聯立模型(7)～(9)可知網絡節(jié)點可成功發(fā)送數據報文的概率T滿足

(10)

2 本文無線傳感網區(qū)域穩(wěn)定傳輸算法

由上文網絡模型可知，網絡節(jié)點進行數據傳輸過程中可遇到多種事件，每種事件的發(fā)生均存在一定的概率，網絡節(jié)點可穩(wěn)定傳輸數據的概率滿足模型(10)。數據傳輸過程中，須充分考慮節(jié)點存在的能量受限及數據延遲現象，以便能夠以較高的傳輸成功率進行數據傳輸。據此，本文設計了一種基于能量均衡-延遲削弱機制，以便能夠在能量均衡基礎上進行數據穩(wěn)定傳輸，方案由基于能量均衡-延遲削弱機制的簇頭更新方法和基于穩(wěn)定性傳輸機制的區(qū)域劃分方法兩個部分構成，詳情如下。

2.1 基于能量均衡-延遲削弱機制的簇頭更新

由于簇頭節(jié)點在進行數據傳輸過程中將頻繁進行數據轉發(fā)，且由于數據傳輸過程需要頻繁進行信道競爭，因此會導致出現嚴重的能量損耗。為提高網絡節(jié)點生存周期，本文將全部網絡節(jié)點分割為高能節(jié)點(high-energy node，HEN)和一般節(jié)點(general node，GN)，其中HEN節(jié)點初始能量與GN節(jié)點初始能量可按一定比例系數進行擴充，不妨設擴充系數為μ。HEN節(jié)點被選舉成簇頭節(jié)點的概率將顯著高于GN節(jié)點，從而確保簇頭節(jié)點與區(qū)域拓撲的穩(wěn)定性能。

令HEN節(jié)點和GN節(jié)點被選取的權值PHEN和PGN如下

(11)

(12)

其中，ω表示HEN節(jié)點與GN節(jié)點的比例系數，由于一般擴充系數μ可設定為10～20，因此PHEN將高于PGN。

不妨設網絡中第m個節(jié)點能量消耗值為E(i)，網絡節(jié)點初始能量為E，當前處于休眠狀態(tài)的節(jié)點總數為N，網絡中節(jié)點總數為L，則網絡節(jié)點的平均能量剩余E(last)滿足

(13)

聯立模型(1)和模型(13)，結合模型(11)～(12)，分別將HEN節(jié)點和GN節(jié)點的更新閾值THEN和TGN設定為

(14)

(15)

其中，THEN、TGN分別代表HEN、GN節(jié)點的更新閾值；mod代表求余操作；r是表示數據傳輸次數。

隨著網絡進行數據傳輸，當HEN節(jié)點和GN節(jié)點能量分別觸發(fā)模型(14)和模型(15)所示的更新閾值時，網絡將把相應的HEN節(jié)點和GN節(jié)點設置為休眠狀態(tài)，并聯系sink節(jié)點進行能量補充。通過該方式降低能量消耗過大的節(jié)點被選舉為簇頭節(jié)點，并及時進行節(jié)點更換，可有效提高網絡生命周期；此外，由于HEN節(jié)點和GN節(jié)點存在差異化因素，使得HEN節(jié)點有更高的概率被選取為簇頭節(jié)點，因此降低了因節(jié)點能量受限而導致網絡傳輸出現中斷的概率。

2.2 基于穩(wěn)定傳輸機制的區(qū)域劃分

通過基于能量均衡-延遲削弱機制的簇頭更新方法，可以以較高概率選取能量最優(yōu)的節(jié)點進行數據傳輸，且由模型(10)可知，HEN節(jié)點被選舉成簇頭節(jié)點后可有效提高數據報文發(fā)送效率。然而由于5G網絡條件下各節(jié)點具有較高的移動速度[11,12]，因此本文基于穩(wěn)定性傳輸機制，構建區(qū)域劃分方法，實現數據的穩(wěn)定傳輸，具體如下：

步驟1 區(qū)域分割階段，sink節(jié)點對網絡中觸發(fā)模型(14)和模型(15)的節(jié)點進行廣播，若相應的HEN節(jié)點和GN節(jié)點在傳輸周期內均能滿足傳輸需求，則反饋信息給sink節(jié)點，并更新節(jié)點中剩余能量；

步驟2 sink節(jié)點按照模型(13)獲取網絡節(jié)點平均剩余能量，并將網絡中能量剩余低于瓶頸剩余能量的節(jié)點設定為休眠狀態(tài)，如圖4所示；

步驟3 按模型(11)和模型(12)進行HEN節(jié)點和GN節(jié)點初始化賦值，當僅當HEN節(jié)點和GN節(jié)點分別滿足模型(14)和模型(15)時，將被選舉為簇頭節(jié)點；

步驟4 簇頭節(jié)點被選舉完畢后，將進行數據廣播。各區(qū)域節(jié)點收到數據廣播后，將能量最強的簇頭節(jié)點作為隸屬節(jié)點，并納入該簇頭節(jié)點的控制區(qū)域內；

步驟5 網絡節(jié)點開始進行數據傳輸，直到相應簇頭節(jié)點按照模型(14)觸發(fā)的正確率低于50%時，重新進行簇頭節(jié)點的選舉流程，本輪傳輸結束。

區(qū)域分割完畢后，簇頭節(jié)點開始進入數據傳輸狀態(tài)，各區(qū)域節(jié)點將自身數據匯聚至簇頭節(jié)點中，通過簇頭節(jié)點傳輸至sink節(jié)點。當區(qū)域節(jié)點完成數據采集、匯聚后，各簇頭節(jié)點將進入休眠狀態(tài)，此時簇頭節(jié)點正確率會急劇下降，因此將需要重新進行區(qū)域分割過程，并啟動步驟1，執(zhí)行區(qū)域劃分。

圖4 基于穩(wěn)定性傳輸機制的區(qū)域劃分方法

3 仿真實驗

為便于對比算法性能，采用NS2仿真實驗環(huán)境[13]，網絡部署環(huán)境如下：節(jié)點分布區(qū)域為矩形(102 400 m×102 400 m)，網絡發(fā)送節(jié)點與接收節(jié)點均位于矩形區(qū)域邊緣且處于隨機游走狀態(tài)。節(jié)點信號采用5G信號[14]，采用文獻[16]所示的信號預發(fā)射成型技術，信號成型過程中采用該文獻提及的基于零化方式的頻譜銳化清除機制。網絡發(fā)送節(jié)點處于互相獨立狀態(tài)，且相關數據分組報文亦滿足泊松分布[15]。其余參數設置見表1。此外，選取當前5G傳感技術中常用的基于跨層編碼加性復用機制的5G信號帶寬優(yōu)化傳輸算法[16](optimized transmission algorithm of 5G signal bandwidth based on cross layer coding plus multiplexing mechanism，OT-CLCPM)和基于功率損耗均衡化控制機制的移動無線傳感網數據傳輸算法[17](data transmission algorithm of mobile wireless sensor network based on power loss equalization control mechanism，DT-PLEC)進行仿真對比實驗，對比參數選取網絡傳輸帶寬、網絡平均延時、網絡吞吐頻率，仿真參數見表1。

表1 仿真參數

仿真實驗開始后，按照數據傳輸輪數，逐輪記錄傳輸周期結束時網絡傳輸帶寬、網絡平均延時、網絡吞吐頻率。考慮到5G節(jié)點具有的移動特性，將節(jié)點運動速度為5 m/s和50 m/s作為實驗控制參數，用以測試低/高移動條件下網絡參數性能。

3.1 網絡傳輸帶寬

圖5顯示的是將節(jié)點運動速度為5 m/s和50 m/s作為實驗環(huán)境控制參數所測試的網絡傳輸帶寬。由圖5可知，本文算法的網絡傳輸帶寬始終要高于OT-CLCPM算法和DT-PLEC算法。這是由于本文算法充分考慮了數據傳輸過程中網絡能量消耗及時延因素，通過設計基于能量均衡-延遲削弱機制的簇頭更新方法促成了簇頭節(jié)點的穩(wěn)定更新，降低了因簇頭節(jié)點受限而導致的傳輸擁塞現象，因此具有較高的網絡傳輸帶寬。OT-CLCPM算法主要采用基于跨層編碼信道交互復用機制的串擾消除方案，通過降低信道噪聲對傳輸過程產生的串擾現象，以便增加節(jié)點的傳輸效率；然而該算法并未針對簇頭節(jié)點因能量受限而出現傳輸癱瘓現象進行抑制，因此簇頭節(jié)點受限概率較高，降低了網絡傳輸帶寬性能。DT-PLEC算法雖然構建了目標sink-區(qū)域子節(jié)點控制分組傳輸機制、區(qū)域節(jié)點閾值流量控制機制和帶寬受限節(jié)點二次確認機制進行區(qū)域傳輸穩(wěn)定，然而由于該算法主要針對數據流量進行控制，未針對簇頭節(jié)點能量受限現象進行有針對性的區(qū)域分割，因此容易因簇頭節(jié)點失效而導致大面積出現數據傳輸癱瘓現象，因此其網絡傳輸帶寬亦要低于本文算法。

圖5 網絡傳輸帶寬測試結果

3.2 網絡平均延時

圖6為顯示的是將節(jié)點運動速度為5 m/s和50 m/s作為實驗環(huán)境控制參數所測試的網絡平均延時。由圖可知，本文算法的網絡平均延時要顯著低于OT-CLCPM算法和DT-PLEC算法。這是由于本文算法充分考慮節(jié)點存在的能量受限及數據延遲現象，引入休眠機制降低簇頭節(jié)點能量消耗程度，從而降低了數據報文重傳數量，改善并提升網絡擁塞控制能力，因此網絡平均時延較低。OT-CLCPM算法雖然通過優(yōu)化信號預成型及削弱信道噪聲干擾等方式改善網絡傳輸能力，然而由于該算法未考慮通過優(yōu)化簇頭節(jié)點更新的方式提高網絡擁塞控制能力，容易因簇頭節(jié)點失效出現網絡延時升高的現象，因而其網絡平均延時性能要低于本文算法。DT-PLEC算法雖然構建了目標sink-區(qū)域子節(jié)點控制分組傳輸機制、區(qū)域節(jié)點閾值流量控制機制和帶寬受限節(jié)點二次確認機制優(yōu)化數據區(qū)域傳輸質量，然而由于該算法同樣未針對簇頭節(jié)點能量受限因素進行控制，僅考慮流量過載對網絡平均延時產生的影響，因此該算法在網絡瓶頸延時的性能上亦要低于本文算法。

圖6 網絡平均延時測試結果

3.3 網絡吞吐頻率

圖7是將節(jié)點運動速度為5 m/s和50 m/s作為實驗環(huán)境控制參數所測試的網絡吞吐頻率。由圖可知，本文算法的網絡吞吐頻率要顯著低于OT-CLCPM算法和DT-PLEC算法，顯示了較為優(yōu)越的網絡吞吐性能。這是由于本文算法綜合考慮了能量和區(qū)域劃分的因素，綜合HEN節(jié)點和GN節(jié)點存在差異化的特點，提高了HEN節(jié)點被篩選為簇頭節(jié)點的概率，改善了傳輸節(jié)點的數據吞吐性能，因此出現網絡抖動的概率較低，體現了較低的網絡吞吐頻率。OT-CLCPM算法僅采用優(yōu)化信號預成型的方式提高網絡傳輸性能，未考慮充分分割傳輸區(qū)域并改善簇頭節(jié)點能量等方式改善網絡抖動現象，因此需要重傳輸的數據分組報文較多，體現了較高的網絡吞吐頻率。DT-PLEC算法為優(yōu)化數據傳輸性能，主要通過流量控制方式設計了目標sink-區(qū)域子節(jié)點控制分組傳輸機制、區(qū)域節(jié)點閾值流量控制機制和帶寬受限節(jié)點二次確認機制，雖在一定程度上增強了網絡吞吐能力，但該算法未通過優(yōu)化簇頭節(jié)點更新的方式進一步穩(wěn)定區(qū)域間數據傳輸質量，因此網絡吞吐性能亦要低于本文算法。

圖7 網絡吞吐頻率測試結果

4 結束語

為解決無線傳感網在5G部署環(huán)境中存在的區(qū)域穩(wěn)定傳輸問題，提出了一種基于能量均衡-延遲削弱機制的無線傳感網區(qū)域穩(wěn)定傳輸方案。方案首先針對網絡部署模型及數據傳輸模型進行了分析，提出可通過能量均衡及延遲削弱方式進行數據穩(wěn)定傳輸。設計了基于能量均衡-延遲削弱機制的簇頭更新方法和基于穩(wěn)定性傳輸機制的區(qū)域劃分方法提高了算法對5G環(huán)境中存在的超寬帶及高抖動性的適應，顯著改善了網絡擁塞控制能力，具有較好的網絡適應性能。

下一步，將針對本文算法難以實現低密度節(jié)點部署的不足，擬采取節(jié)點拓撲優(yōu)化機制，增強所提算法在低密度拓撲條件下的網絡擁塞控制性能及超寬帶數據傳輸能力，進一步提高本文算法在復雜環(huán)境下的部署價值。