基于EWIPM的物聯網節點信息傳輸優化仿真

尹 靜，徐曉林，熊小華

(上海第二工業大學，上海 201209)

1 引言

物聯網作為一個龐大復雜且空間分布不均勻的網絡，被廣泛應用于多個網絡服務類行業。但是在實際使用過程中，很容易產生節點擁塞，造成負荷較多的節點由于耗能過大而導致信息傳輸鏈路斷裂、信息丟失等情況。此外，節點自身受到能量、計算與儲存能力等條件限制，無法實現網絡節點負載均衡。在此種情況下，如何保證網絡安全，提高信息傳輸質量已經成為重點研究方向。

文獻[1]提出基于中繼協同的物聯網信息傳輸算法。該算法是在能效最大程度優化準則上實現的，而中繼節點通過源節點傳輸的信號實現能量采集；綜合分析功率轉換效率與電路損耗等因素，將物聯網最優傳輸轉化為求解節點信息傳輸最優解的問題；引入高信噪比近似法獲得優化問題的漸進最佳解。文獻[2]提出物聯網下信息傳輸節點占用內存的優化方案。利用網絡中不同種類節點相對數據包緩存最佳配置方法，對節點建立數據包排隊模型，同時分析模型堵塞狀況；在排隊網絡中加入適量保持節點，根據節點使用情況判斷數據包緩存大小；將排隊網絡作為基礎，構建物聯網信息傳輸調度模型，結合分簇任務信息流，采集節點信息特征，形成高效多址協議；通過時隙分配改善節點傳輸信息的準確率，達到優化內存的目的。

上述兩種方法對網絡環境要求較高且優化過程較為復雜，延長數據傳輸時間。因此，本文在熵權理想點算法基礎上對物聯網節點信息傳輸進行優化。理想點屬于一種較為簡單的統計分析算法，在不同指標的評價值中計算出最優值與最劣值，其中最優值為理想點，最劣值表示反理想點。利用全部理想點構建一個向量，稱其為理想解，通過計算各待評價目標與理想解的距離，即可獲得優劣順序，根據該順序，完成節點信息傳輸優化。

2 基于熵權理想點法的物聯網節點信息傳輸優化

2.1 擁塞節點定位

要想實現節點信息的高效安全傳輸，首先必須找到網絡中的擁塞節點[3]。在確定擁塞節點過程中，需通過自適應信息融合跟蹤法提取擁塞節點特征，再對其進行定位。

2.1.1 擁塞節點特征參量

假設物聯網傳輸節點(xs，ys)和中繼節點s之間的傳輸信道覆蓋半徑表示為d(s，p)，通過歐式距離[4]獲取節點之間傳輸信道的覆蓋半徑

(1)

(2)

式中，i(i=1，2，…，M)表示節點規律削弱的幾何參數，uk為擴展區間矢量[6]，由于節點在空間分布中具有離散屬性xk，結合不同精度射線模型來估計節點能量傳播損失情況，獲得節點傳輸因子特征及能量損失值為

(3)

式中，x(′k)與x(′k+1)分別表示′k、′k+1時間點上物聯網節點傳輸因子特征，A(′k)為節點壞死狀態轉移矩陣，添加的干擾項w(′k)屬于均值為零的高斯白噪聲[7]，Γ(′k)是網絡信道衰減損失矩陣，zφ(′k)則表示第φ個節點的能量損失值，Hi(′k)描述隨著網絡頻率的增加而增長的參量誤差，ui(′k)表示信道測量噪聲。

假設節點傳輸信道的參量原始狀態為x(0)，均值為x0，方差是P0，綜合考慮網絡混亂傳輸條件，則擁塞節點特性為w(′k)與ui(′k)，再利用自適應量化估計方法預測混亂信道參量狀態，得出節點傳輸信道的測量值

mi(′k)=zi(′k)+qi(′k)=Hi(′k)+ui(′k)+

qi(′k)=Hi(′k)x(′k)+vi(′k)

(4)

式中，擁塞節點的衰弱因子qi(′k)的方法需需滿足以下約束條件

(5)

(6)

綜上所述，采用自適應信息融合跟蹤檢測算法獲取物聯網傳輸節點的擁塞特征，確定各擁塞節點特征參量。

2.1.2 擁塞節點定位

在對擁塞節點定位過程中，結合擁塞節點屬性建立距離函數，并對定位信息做非線性轉換[8]，確保定位精度。

假定λth表示節點傳輸功率，λce為傳輸增益，λb(s)代表節點傳輸路徑的能量損耗，則可以算出擁塞節點特征距離

dq=In(uq+wq)2·ξq/β

(7)

其中，β表示擁塞節點距離參數，uq為屬性區域的中心坐標參數，ξq指網絡能量屬性均值，通過該距離對初始擁塞節點定位數據做線性變換

(8)

式中，qb(U)表示物聯網擁塞節點與運算模型之間的基函數，通過下述公式可以獲得物聯網中不同信號參量

wq=C(U)/dq·(umax+umin)

(9)

式中，umax與umin分別表示擁塞節點與屬性向量之間的極大值和極小值。因此節點距離殘差數的屬性矢量為

F(q)=(umax+up)fq/Zq

(10)

其中，fq表示擁塞節點距離殘差計算的優化結果，Zq為極大值經過量化的結果。綜上所述，可以得到擁塞節點屬性數量，使用傳輸故障信號提取基函數，則可得出擁塞信號的中點與平均值，并計算出擁塞節點信號距離誤差

(11)

如果，計算得出擁塞節點距離低于誤差閾值B[lI，l]，則此節點是距離較為準確。通過下述公式獲取擁塞節點準確位置

(12)

根據上述節點定位過程，獲得擁塞節點準確位置，對其進行過濾，確保物聯網節點質量，減少信息傳輸擁堵現象。

2.2 物聯網節點信息介數中心性

(13)

式中，i=1，2，3，…，n，n為時間可達子圖總量，N代表節點總數。節點平均度能夠體現出其活躍程度，該指標值越高，說明此節點和其它節點進行信息傳輸的性能越強，因此該節點越重要。

(14)

該值越高，表明通過此節點進行轉發消息的幾率越大，說明節點越關鍵。

(15)

將可行節點集合映射到距離空間[10]內，同時將Lp(λ，i)當作綜合評價總指標

(16)

因此，綜合評價各指標更能夠得到精準的理想點，按照上述公式值由小到大排序，以此確定出理想點與反理想點。

(17)

計算得出的值越大，節點對信息傳輸路徑的影響就越大，說明此節點越重要。

2.3 節點信息傳輸優化模型構建

(18)

將式(17)引入到式(18)中，獲取邊的傳輸延時函數

delay(e)：E→C′(Tk)

(19)

式中，delay(e)代表節點傳輸的信息經過邊e∈E時出現的延時。

再將式(18)與式(19)相結合，得到表示傳輸帶寬函數

b：delay(e)→R+

(20)

式中，b(e)表示e∈E的傳輸帶寬[11]。假定pT(s，d)為在樹Tk簇頭s到其它安全傳輸節點d的信息傳輸路徑，通過下述公式即可計算出物聯網節點信息傳輸的整體延時

(21)

確定組播樹Tk需符合的約束條件

(22)

微粒經過不斷分析自身與群體經驗，在包括大量解的空間中尋找最佳值。假設微粒尋找到自身現階段最佳解是Oi，搜尋到微粒群的最佳解是Og，假如微粒群中第r個微粒在d維空間中的原始位置表示為mr=(mr1，mr2，…，mrd)，原始速度記作vr=(vr1，vr2，…，vrd)，所有微粒遍歷最優的位置集合描述為Hr=(hg1，hg2，…，hgd)，則節點信息傳輸優化模型

(23)

則物聯網節點信息傳輸優化的具體實現過程如下：

步驟一：對微粒做初始化操作，生成具有一定規模的微粒群；

步驟二：對所有微粒群價值[12]進行計算；

步驟三：對比所有微粒經歷的最佳歷史位置與當前位置，如果當前位置優于歷史位置，則更新歷史位置；

步驟四：對比微粒經歷的最優位置和微粒群經歷的最優位置，如果現階段位置優于微粒群最佳位置，則進行位置更新；

步驟五：如果滿足約束條件，則停止運算，反之回到步驟二繼續進行，并將停止條件設置成一定的迭代次數。

經過上述過程，不斷尋找物聯網傳輸節點之間的最佳傳輸關系，最終得到信息傳輸優化方案。

3 仿真分析

仿真中，將添加噪聲后的信息當作物聯網環境中的實際傳輸信息。在MATLAB軟件平臺中進行仿真，對本文方法、文獻[1]與文獻[2]方法進行比較，仿真參數設置如表1所示。

表1 仿真參數表

實驗過程描述如下：

1)對物聯網節點狀態進行初始化處理，利用隨機分布形式按實驗參數表中節點密度進行排列，假設節點的狀態較為固定，傳輸協議為標準IEEE802.15.4，節點之間隨機進行信息傳輸；

2)對節點數據進行初始化處理，如表1所示，每間隔20秒進行一次信息傳輸，上傳帶寬低于300kbps/s，同時要求數據比特大小低于1024bit；

3)信號調制，完成節點狀態與數據初始化后，在仿真環境下，調制射頻信號，并添加萊斯噪聲信號；

4)開始實驗，實驗時間不能少于10個小時，對實驗過程中不同傳輸方法的抗干擾性、數據擁塞率以及傳輸時間進行統計，統計結果如下。

為測試三種傳輸優化方法的抗干擾性能，在節點密度不同情況下對比不同方法產生的誤碼率，對比結果如圖1所示。

圖1 傳輸誤碼率對比

圖1展示了不同方法隨節點密度增加時誤碼率仿真結果，能夠看出所提方法誤碼率優勢較為明顯，并且始終處于較為穩定狀態。表明熵權理想值方法能夠準確獲得理想節點，減少在信息并發傳輸時互相干擾現象，緩解信息匯聚壓力。而其它方法在節點密度較為稀疏時無法獲取足夠數量樣本，會產生頻率漂移現象，所以誤碼率較高。

由圖2與圖3可知，本文方法由于過濾了網絡中原有的擁塞節點，因此在信息傳輸過程中擁塞現象明顯降低，減少了因傳輸失敗導致的反復傳輸現象，所以在減少網絡擁塞的同時提高信息傳輸效率。

圖2 傳輸擁塞率對比

圖3 傳輸時間對比

4 結論

為改善物聯網節點信息傳輸性能，本文提出熵權理想點法的傳輸優化策略。該方法具有多種量綱，通過不同指標綜合反映被評價目標的實際重要程度，各指標最大程度排除人為因素影響，所以存在一定自適應功能。由于節點信息傳輸優化問題通常較為復雜，各因素之間相互聯系、相互影響，展現出非線性關系，所以熵權理想點法為此類問題提供強有力的工具，與其它方法相比展示出其優越性。