一種面向實驗室安全監測WSN的自適應分段聚類多跳路由協議研究?

湯旭翔何 蕾

(1.浙江工商大學統計與數學學院，浙江 杭州 310018；2.浙江工商大學實驗室與資產管理處，浙江 杭州 310018)

高校的發展推動著實驗室建設水平的不斷提升，而實驗室的內涵建設支撐著學校人才培養、科學研究和社會服務等重要工作[1]。安全是實驗室建設工作的基礎，做好實驗室安全管理是一切教學、科研工作順利開展的重要保障[2]。當前，高校通過改善實驗室安全設施、完善安全管理體系、推進實驗室安全環保工作、構建防災減災工作機制、優化實驗室安全宣傳教育模式，以及推動智慧安防系統建設，建立實驗室質量信息的統計、分析、反饋機制，加速建設實驗室安全監控預警系統等手段，進一步提升實驗室安全管理水平[3]。

無線傳感器網絡是由部署在監測區域內的大量微型、低成本、低功耗的傳感器節點組成的多跳無線網絡[4]。由于微電子技術和無線通信技術的進步，傳感器技術也向著集成化、微型化、智能化、網絡化的方向發展[5]。目前，傳感器網絡的應用已涉及軍事、環境監測和干預、健康護理、智能家居、建筑物狀態監控、城市交通以及機場、大型工業園區的安全監測等領域[6]。異常數據對于WSN網絡來說是具有極強干擾性質的，因此異常數據處理在WSN領域具有重要研究價值[7]。異常數據定義為明顯偏離節點傳感器正常閾值范圍的感知數據，其產生根源在于節點故障、外界干擾等因素[8－9]。因此WSN系統應及時準確的解析外界干擾和節點故障造成的異常數據，并進行相應的合理處理，提高實驗室安全狀態感知的精確度[10，11]。無線傳感技術作為一種先進的通信技術可被應用于實驗室的管理和監測[12]，為完善實驗室安全監管體系與管理模式革新提供了一種新的思路。

本文研究了一種面向實驗室安全監測WSN的自適應分段聚類多跳路由協議，通過優化自適應參數(如跳躍次數、跳躍距離等)[13]，尋求發現一種降低系統能耗的最優方案，并且可以平衡系統其他指標來降低能量消耗從而延長網絡系統的生命周期[14]。根據實驗室安全監測的結構特點，在實驗室中設立多個隔離子單元的結構(如防火區、隔離門等)[15－16]，并基于子單元結構設計引入等間隔多跳的傳輸方案，以期提高實驗室安全感知的準確性。

1 網絡模型及算法思路

無線傳感器網絡(WSN)主要結構如圖1所示，主要包括數據服務器、網關、傳感器和多個無線傳感器節點。本文采用異常數據預處理結合具有自適應功能的分段聚類支持多跳協議(Adaptive Subsection Cluster Protocol with multiple hop，ASCP)，不但實現了感知節點異常數據的預處理，而且提高WSN感知數據傳輸性能。在ASCP中，采用優化跳躍次數、距離等參數，獲取一套優化整體能耗信號傳輸方法，最大程度降低能耗，平衡WSN能量消耗以實現延長系統壽命的目標。根據實驗室的結構特性，在WSN中引入多跳傳輸方式，在實驗室體系結構中構建出最優化的多跳策略，從而提升感知節點監測數據傳輸的準確性和效率。

圖1 實驗室安全監測WSN結構

2 算法與網絡模型

2.1 異常數據預處理方案

WSN感知節點異常數據產生源頭有:外部干擾或系統故障引發的瞬時性異常數據；節點能量異常、硬件問題或者軟件缺陷誘發的異常數據；感知區域中系統工作環境變化導致的異常波動數據。這些都是引起WSN節點異常數據的主要原因。

2.1.1 異常數據預處理方法

首先，本文確定異常數據判定方法:對于節點信號s(t)，若｜s(t)－d｜≥δ，則s(t)為異常數據。其中，d為采集到節點信號s(t)之前經過簇頭的最近鄰近異常數據；δ是異常節點數據計算閾值。根據上述定義方法對測量值s(t)做二值化分析:如果s(t)是異常信號，就把s(t)置1，如果不是異常信號就把s(t)置0。如果s(t)置1，進一步統計之前P－1個檢測數據的轉換結果是否半數以上置1，如果半數以上置1，則二值化為y(t)＝1，反之y(t)＝0。P表示判定窗口的大小。y(t)＝0表示判定窗口范圍你異常數據少于50%，那么s(t)判定為瞬時性異常數據，不進行傳送。而y(t)＝1表示s(t)為非瞬時性異常數據，檢測信號s(t)將被傳送。

WSN系統在工作過程中節點能量隨著消耗而降低，如果能量少到一定程度將影響節點數據的準確性，此時節點就會生成異常數據。如果判定為異常數據，就需要對異常數據進行確認和進一步分析。設簇頭信號強度閾值γ，假定簇內成員節點數為m，假設為0.5 m。在某個采集周期中如果收到n個異常數據，如果n不小于γ，則視為所監測區域中監測焦點情況，簇頭激發興奮狀態從而啟動融合算法；反之，則認為生成異常數據的節點數量不足，系統僅將故障節點信息進行發送。

2.1.2 數據有效性判定

傳統WSN中包含一定數量的感知節點，因此節點故障或錯誤的可能性很大。本研究工作選取足夠數量訓練樣本，使用最大似然估計(MLE)估計條件概率密度函數[6]。設訓練屬性值集合為S＝{s1，s2，…，sk}，將其密度表示如下:

θ的MLE是具有較大榮譽的最大似然函數，本文以對數似然的最大化計算代替θ的MLE以提高計算效率:

若模型具有m個類C1，C2，…，Cm，設t類是一個n維的向量，用DCt＝{dCt1，dCt2，…，dCtm}表示，表示數據i在t類中的出現概率。S＝{s1，s2，…，sk}為網絡運行的k種場景。場景s1的似然定義為在該場景中某個數據出現的概率:

Ni表示數據i在場景s1中的數量。設P(DCt)為分類任務集合，針對P(DCt)的先驗分布，該模型最大的后驗概率L的定義如下[17]:

2.2 WSN參數優化

把WSN區域平均分為多個段m1，m2，m3…，mi，…，mj子單元，其結構如圖2所示。子單元發送出來的數據向中央單元集中，離基站近的中央單元主要提供數據轉發服務，數據轉發的量越大，節點能量的消耗就更大，就要對不同子單元之間的簇頭節點的能量消耗進行優化，使得BS附近子單元的簇頭節點平均能量大于遠離BS單元的節點的能量。

圖2 WSN優化模型示意圖

對于每個子單元來說，如果產生一次數據發送所產生的能量消耗如式(5)所示。而數據中繼簇頭由于傳輸數據所需能量與傳輸距離相關，所有中繼簇頭在本輪數據傳輸中所需能量之和如式(6)。

在本文所研究的工作中，假定數據傳遞距離不小于臨界閾值d0。令，代入公式(7)可知。

得到關于L和m的函數可以通過對G(L，m)函數求解最小解來實現對WSN模型參數的優化。我們采用粒子群(PSO)算法探索函數G(L，m)最小化，得到優化的WSN參數，圖3為算法流程圖。

圖3 優化算法流程

2.3 集群密度

單個節點內能量消耗如式(10)所示。

全網絡節點總的能量消耗定義為Qall

3 仿真結果

3.1 仿真方法

在實驗室安全監測感知節點布置方案中，根據不同監測目標需要選用不同類型的傳感器，表1為所采用傳感器的型號。傳感器為監測WSN提供及時可靠的感知數據，然后通過感知節點的無線模塊通過WSN將數據傳輸至數據堆棧，在對這感知數據進行進一步的分析。

表1 實驗室監測各類型傳感器型號

在仿真平臺上開展仿真分析，對上述提出的WSN協議進行性能研究，表2為WSN網絡參數仿真限定范圍。選擇LEACH、SEP作為對照協議，與本文所研究的協議進行了性能方面的對比工作。

表2 網絡仿真參數

3.2 仿真結果分析

圖4展現的是ASCP、LEACH和SEP協議存活節點數量的仿真變化情況，我們知道，當WSN網絡出現首個死亡節點時就意味著網絡開始失去其完整性，而完整性的變化情況則是該網絡生存能力的一種可信的評價。根據圖4，三種協議在首個50輪中均出現一定的節點損失，SEP協議在100輪時死亡節點數量已經高于另外兩種協議。隨著時間的持續，LEACH協議死亡節點出現的速度最快，在550輪時已經失去了將近50%的節點，而在1 000輪時幾戶損失殆盡，結果證明該網絡協議隨著時間的增加其完整性保持的最差。對于SEP協議來說，其節點死亡速度遜于LEACH，但是也明顯高于ASCP，SEP在900輪左右只有50%左右的節點幸存，并且在1 000輪時降至40%。而本文提出的ASCP協議在1 000輪之后，尚有80%左右的節點存活，因此ASCP的生存周期最長，最大程度的避免死亡節點的產生，有效提高了網絡的完整性。

圖4 ASCP網絡生存周期比較

WSN網絡每個區域節點能量消耗指標對于網絡的生存性能則是一種重要的參數。圖5所示為WSN區域中以距離基站四個不同距離區域內死亡節點數目的變化仿真結果。我們選取了4個區域進行分析，分別是距離基站100 m、200 m、300 m和400 m距離。從仿真結果可以看出，總體來說死亡節點數量呈現上升的趨勢，說明隨著時間的增加，WSN網絡正在失去其完整性。但是每個距離的區域內節點的情況又有所不同，300 m和400 m這些距離相對遠一點的區域中，死亡節點數量多于較近的區域，從500輪到2 000輪這個時間段內，死亡率上升到600%和230%。而距離基站100 m和200 m區域內的WSN節點，從1 500輪到2 000輪其死亡率都增加到250%。結果表明ASCP在基站附近所展開節點的能量消耗分布相對均勻，并且在距離進展不同距離的各個區域內死亡數目增長符合規律，并且能耗均衡。

圖5 網絡不同區域節點生存率的比較

圖6是WSN網絡簇頭數量的變化情況曲線，可以發現在仿真研究過程中我們提出的ASCP協議的簇頭總數總是多于SEP協議和LEACH協議。在100輪時，ASCP協議簇頭數是另外兩種協議的2.5倍。而在1 000輪后，ASCP協議仍保持了高于SEP和LEACH協議，結果證明ASCP具備更優的數據傳輸能力和網絡整體的持續性。

圖6 ASCP簇頭數目與時間變化曲線圖

圖7所示為ASCP、SEP和LEACH三種協議在1 000輪仿真過程中，數據吞吐量的變化情況。仿真結果證明，LEACH協議和SEP協議在一定范圍內略有上升，但是其吞吐量處于一種較低的水平。ASCP協議則一直處于上升狀態，并且在1 000輪時達到將近9E4的可觀水平，這是非常大的數據吞吐優勢。

圖7 數據吞吐仿真結果

4 結語

本文研究了一種面向實驗室安全監測WSN的自適應分段聚類多跳路由協議，該協議由兩個層次組成:異常數據預處理和WSN網絡參數優化。異常數據預處理包括瞬時性異常數據分析、故障性數據預處理和數據有效性判斷。通過優化自適應參數，尋求發現一種降低系統能耗的最優方案，以平衡系統其他指標實現降低能量需要，達到延長網絡生命周期的目標。根據實驗室安全監測的結構特點，研究體系基于多個實驗室房間的空間結構，設立多個隔離子單元的結構(如防火區、隔離門等)。相應的，基于子單元結構設計而本研究引入等間隔多跳的傳輸方案。該設計便于有效地將災害隱患隔離在防護區內，保護整個實驗室的安全。仿真結果證明，ASCP協議在1 000輪之后，尚有80%左右的節點存活，因此該WSN協議的生存周期最長，最大程度的避免死亡節點的產生，有效提高了網絡的完整性。ASCP在基站附近所展開節點的能量消耗分布相對均勻，并且在距離進展不同距離的各個區域內死亡數目增長符合規律，并且能耗均衡。在1 000輪后，ASCP協議仍保持了高于SEP和LEACH協議，結果證明ASCP具備更優的數據傳輸能力和網絡整體的持續性。并且，LEACH協議和SEP協議在一定范圍內略有上升，但是其吞吐量處于一種較低的水平。ASCP協議則一直處于上升狀態，并且在1 000輪時達到將近9E4的可觀水平，便顯出吞吐數據量的優勢。