基于移動Sink 的帶狀無線傳感器網絡數據匯聚方法研究*

楊彩云汪小東汪 晨王海軍毛科技

(1.衢州學院電氣與信息工程學院，浙江 衢州 324000；2.浙江九州治水科技股份有限公司，浙江 衢州 324000；3.衢州市氣象局，浙江 衢州 324000；4.上海電機學院，上海 201306；5.浙江工業大學計算機科學與技術軟件學院，浙江 杭州 310014)

無線傳感器網絡(Wireless sensor networks，WSN)是一種由大量傳感器節點組成，并以無線自組織的形式構成的通信網絡[1－2]。 無線傳感器網絡廣泛應用于目標跟蹤、空間監測、戰場敵情偵察等領域[3－4]。 無線傳感器節點通常采用干電池供電，節點能耗殆盡時一般不再進行電池更換，因此網絡壽命受到限制。 為提高網絡壽命，需要均衡網絡節點能耗，從而最大限度地提高網絡生存時間[5]。 傳感器節點在數據發送和接收時都需要消耗能量，采集的數據通過多跳傳輸轉發至Sink 節點，靠近Sink 節點的傳感器節點由于需要頻繁地轉發網絡內節點發送的數據而造成節點過早死亡，從而形成能量空洞導致網絡失效[6]。

無線傳感器網絡路由方法根據邏輯結構可分為平面路由和分層路由[7]。 平面路由中網絡內所有節點地位和功能相同，建立和維護路由時開銷大，因此適合小規模網絡。 分簇路由作為分層路由的一種，將傳感器網絡進行分簇，每個簇分配一個周期輪換的簇頭，簇頭收集簇內成員節點數據并轉發給Sink 節點[8]。 由于數據的轉發和路由通過簇頭和Sink 完成，因此分簇收集網絡數據是延長網絡生命周期的重要方法之一。 Heinzelman 等人[9]提出了基于聚類的LEACH 協議，通過隨機選舉簇頭均勻地分配網絡內節點之間的負載，LEACH 協議中簇內成員節點、簇頭節點和Sink 之間均通過一跳的方式進行數據傳輸。

帶狀無線傳感器網絡是一種長度遠大于寬度的網絡，網絡內節點呈線性排列，主要應用于橋梁、管道、河流、地鐵等場景之中[10]。 與普通網絡類似的是，帶狀網絡Sink 節點附近區域的節點要傳輸更多的數據量，因此也會產生能量空洞問題。 而目前大多數路由方法僅適合于螺旋或者環形網絡場景，不適合于帶狀的網絡，因此研究帶狀網絡的能耗均衡具有重要意義。

通過靜態Sink 節點進行網絡數據收集，較難實現網絡的均衡。 因此，Tunca 等人[11]提出了通過移動Sink 來收集網絡數據的方法，該方法避免因數據傳輸距離長導致數據傳輸能耗高的問題，移動Sink提高了網絡能耗的均衡性，對于提高網絡壽命具有重要意義。 Khan 等人[12]將基于移動Sink 的數據收集和分發方案分為路徑約束、無路徑約束和Sink 移動性受限三種，并進行了比較研究，但該方案沒有對移動Sink 的最佳移動速度進行考慮，且未根據簇頭與Sink 的距離動態地調整傳輸距離，因此數據收集時網絡能耗較高。 Krishnan 等人[13]提出了一種基于MDC 優化的無線傳感器網絡數據采集方法，使用改進的LEACH 算法選舉簇頭，簇內成員節點使用距離調整算法自動調整傳輸距離，最后采用基于螢火蟲優化算法的MDC 來提高網絡的生存期，實現高效數據采集。 該方法基于環狀網絡模型研究，不適用于帶狀網絡模型。 Qiao 等人[14]為提高帶狀網絡的通信效率，提出了一種基于位置的鏈簇路由協議(Position-based Chain Cluster Routing，PCCR)，PCCR將帶狀WSN 劃分為多個帶狀區域簇，通過節點的位置以及能耗情況選擇簇頭，并建立簇頭鏈作為帶狀WSN 的數據傳輸路線轉發節點數據，結果表明PCCR 協議比LEACH 協議更加適合于帶狀WSN，具有更長的網絡生命周期。 然而該方法采用靜態Sink 收集收據，仍會存在能量空洞。 Xin 等人[15]首次嘗試解決帶狀無線傳感器網絡的多對一傳輸問題，提出一種基于精準距離的傳輸方案(ADTS)，這種傳輸方案提高了帶狀無線傳感器網絡的生命周期。 但該方法是基于靜態Sink 場景之下，雖然通過調整通信范圍提高了網絡壽命，但能量空洞問題仍未完全解決。 Ye 等人[16]針對道路結構的檢測，提出了一種帶狀聚類方案(Strip Clustering Scheme，SCS)，該方案包括網絡區域劃分、簇首節點選擇、鏈路構建、數據融合和傳輸。 SCS 通過數據融合，減少冗余數據，降低網絡總能耗，但該方案也是建立在靜態Sink 的基礎之上，因此能量空洞問題依然存在。

綜上所述，目前基于環狀無線傳感器網絡的路由協議無法適應帶狀無線傳感器網絡。 而已經提出的相關帶狀無線傳感器網絡的數據匯聚協議未考慮Sink 節點的最佳移動速度，從而導致網絡數據收集時能耗過高。 針對該問題提出一種基于移動Sink 的帶狀WSN 數據匯聚方法(Low energy data collection method based on mobile Sink in banded WSN，LEDCM)，該方法通過計算Sink 節點的最佳移動速度，并自適應調整簇首節點的通訊范圍，從而以低能耗代價實現帶狀網絡的數據匯聚，有效避免了網絡能量空洞的產生。

1 相關模型與定義

1.1 網絡模型

本文采用帶狀網絡模型，網絡內節點以線性方式均勻分布，如圖1 所示，其中網絡長度L遠大于網絡高度H。 為減少通信能耗，采用聚簇的方式進行通信，將網絡劃分為n個大小相同的簇，表示為Setc＝{c1，c2，…，ci，…，cn}，并根據LEACH 協議[9]為每個簇選擇一個簇頭CHi，通過周期性輪換簇頭的方式保持網絡能耗均衡。 每個簇的簇頭CHi直接與移動Sink 通信，每個簇都有w個成員節點(不包括簇頭)，每個成員節點生成k位數據。 網絡內簇頭的主要任務是:收集簇內成員節點采集的數據，以1/α的融合率將數據進行融合，以減少冗余數據傳輸，然后以單跳的方式將數據傳輸至移動Sink。 如圖1 所示，網絡內任意一個簇Ci的長度表示為leni，并滿足條件0

圖1 網絡模型

1.2 節點能耗模型

本文采用文獻[17]提出的節點能耗模型，根據節點傳輸距離的不同，可分為自由空間模型和多徑模型。 節點發送或接收kbit 數據時，能耗如式(1)和式(2)所示:

式中:Eelec表示收發電路的基本能耗；Efs、Eamp表示功率放大電路的系數；k表示收發數據的位數；d表示通信距離；d0(d0＝87m)是自由空間模型和多路徑模型之間的邊界。 假設本文節點遵循自由空間模型，即dj

1.3 相關定義

假設1 移動Sink 和無線基站的能量充足，并且是可充電的。

假設2 將N個傳感器節點以線性形式均勻地部署于帶狀網絡內，移動Sink 并以最佳移動速度運行于網絡上方，如圖1 所示。 當移動Sink 到達待數據收集的簇附近時，簇頭節點調整通信范圍，使節點以較低能耗代價實現網絡數據的收集。 網絡能耗的最小目標可通過式(3)表示:

式中:Ei表示i節點的總基本能耗。

2 網絡通信能耗分析

本文的數據通信方式為:簇內成員節點采集網絡數據發送給簇頭，簇頭融合數據，將融合之后的數據通過單跳的方式轉發給移動Sink，最后由Sink 將數據發送至基站。 由于移動Sink 和無線基站能量充足，因此在網絡通信能耗方面只需考慮兩部分:一是簇內成員節點與簇頭通信的能耗；二是簇頭與移動Sink 通信的能耗。

2.1 簇內通信能耗

由于網絡的L?H，因此簇內兩節點之間的距離可通過投影點之間的距離進行表示，如圖2 所示，即可認為d(ni，ni＋1)＝d(n′i，n′i＋1)。 因此，簇Ci內任意兩節點之間距離平方的期望E(d2)，可由式(4)計算得到，而此時E(d2)的值剛好約等于簇內成員節點到簇頭平均距離的平方。

圖2 節點投影點距離

式中:x，y分別表示投影節點n′i和n′i＋1的位置。

對于簇Ci內的通信能耗由兩部分組成，分別是簇內成員節點將數據發送給簇頭CHi消耗的能量和簇頭CHi從簇內成員節點接收數據消耗的能量。 由于每個簇Ci都由w個成員節點組成，且每個成員節點都產生k位數據。 因此，簇內成員節點需要發送的總數據量為TxCM＝wk。 通過式(1)和式(4)可以計算出簇成員發送TxCM位數據時的總能耗，如式(5)所示:

由于簇頭接收的數據量RxCM與簇內成員節點發送的數據量TxCM相同，因此可根據式(2)和式(4)計算簇頭CHi接收RxCM位數據的能耗，如式(6)所示:

所以簇Ci內消耗的通信總能耗為＋，如式(7)所示:

2.2 簇頭與移動Sink 通信能耗

移動Sink 在距離網絡上方dm的位置處以速度vi沿特定的方向移動(其中dm

圖3 簇頭與移動Sink 距離

根據式(7)可以計算簇頭CHi與移動Sink 每個位置處的距離平方和，如式(10)所示:

簇頭CHi與移動Sink 距離平方的均值為，由式(11)計算得到:

由于簇頭從簇內成員節點接收wk位數據，而簇頭的數據融合率為1/α，因此簇頭發送給移動Sink 的數據量TxCH＝wk/α，根據式(1)可以計算出簇頭將數據發送至移動Sink 消耗的能量，如式(12)所示:

根據式(2)可計算出移動Sink 接收簇頭CHi數據時消耗的能量ESink－rxi，如式(13)所示:

由于移動Sink 的能量充足，并且是可補充的。因此，在簇頭與移動Sink 通信時可忽略移動Sink 消耗的能量，即＝0。 則簇頭與移動Sink 通信的總能耗可由式(14)計算得到:

2.3 節點平均能耗

節點的平均能耗是簇內通信能耗和簇頭與移動Sink 通信能耗的均值。 由式(7)和式(14)可以得到簇Ci通信時總能耗，如式(15)所示:

由于簇Ci內成員節點的個數為w(即簇內節點數量為w＋1)，因此節點的平均通信能耗為，如式(16)所示:

3 數據采集方法設計

在數據采集階段，移動Sink 根據節點的平均能耗計算出最佳移動速度，利用數據發送前后的距離，調整簇頭的傳輸距離，從而減少通信能耗。

智能化發展是未來階段自動化機械制造的主要趨勢，我國的機械制造自動化智能技術應用總體而言相對普及，但實際智能操控水平并不高，部分關鍵性系統操作流程仍需人工干預完成，導致生產成本大幅增加，自動化生產效率大打折扣。未來階段的自動化機械設備制造必須與現代智能化技術有效融合，通過一系列的技術研發提高智能化技術應用可靠性，從將智能化技術開發納入自動化機械設備制造體系，以此提高自動化機械設備生產的實際可控性。

3.1 移動Sink 的最佳移動速度

為減少移動Sink 收集數據時的網絡能耗，需要考慮移動Sink 的移動速度。 由于不同簇的物理規模不同，因此在采集數據時，移動Sink 的移動速度會有所差異，其目的是為了減少網絡能耗，盡可能地提高網絡生命周期。

由式(16)可知，節點的平均能耗是關于Sink 移動速度vi的二次方程，并且該方程開口向上，可以對平均能耗求取一階導，當一階導為0 時，此時的節點平均能耗最低，即移動Sink 在采集該簇數據時的最佳移動速度。

3.2 數據采集模型

在數據傳輸的初期，本文利用LEACH 協議進行簇頭選舉、簇規劃以及確定數據傳輸路徑等。 移動Sink 從帶狀網絡的一端開始移動并廣播數據請求包Dreq，當簇頭接收到數據請求包Dreq時，給移動Sink 回復Dreply數據包，接著開始網絡數據的傳輸。具體的數據匯聚過程如表1 所示。

表1 數據匯聚方法

本文提出的LEDCM 方法在數據匯聚時，移動Sink 始終以最佳移動速度運行。 并且簇頭動態調整傳輸距離，很好地解決了因傳輸距離的長短而造成能量浪費或者數據包投遞率低的問題，因此本文提出的方法能夠以較低能耗實現較高的網絡數據包投遞率。

4 仿真實驗

使用MATLAB 仿真軟件對本文提出的LEDCM方法進行實驗，實驗分析了節點的平均能耗、網絡生存時間和數據包投遞率。 為體現本文提出方法性能的優越性，與現有的基于帶狀網絡模型的方法進行對比，包括帶狀聚類方案(SCS)[16]、節能地理路由協議(EEGR)[18]和直接傳輸方案(DT)[18]。 網絡參數配置如表2 所示。

表2 網絡參數配置

4.1 簇規模與節點能耗關系

實驗中將網絡長度L設置為1 000 m，簇的長度leni

圖4 簇規模與網絡能耗關系

從圖4 可以看出，隨著簇規模的增大，節點的平均能耗首先迅速降低，當簇規模leni大于60 之后，節點平均能耗緩慢上升。 由于剛開始簇的規模較小，隨著簇規模的增大，網絡內簇的數量在減少，從而降低了由于大量簇頭承擔數據轉發時過多的能量消耗。 而當簇規模大于一定值時，由于簇的數量少，此時負載主要由少量的簇頭承擔，但是該情況將加快簇頭輪換，影響數據傳輸性能。 為降低節點平均能耗，選擇一個合適的簇規模較為重要。

4.2 不同簇的節點平均能耗

靜態Sink 的網絡模型中，Sink 節點部署于網絡的一側，如果簇的ID 越大，表明該簇距離Sink 節點的距離就越遠。 實驗中分別將網絡長度L設置為400 m，600 m 和1 000 m，圖5 至圖7 分別分析了不同的簇與節點平均能耗之間的關系，網絡簇的規模為50。 實驗數據均為重復20 次的平均結果。

圖5 簇ID 與節點平均能耗關系(L＝400 m)

圖6 簇ID 與節點平均能耗關系(L＝600 m)

圖7 簇ID 與節點平均能耗關系(L＝1 000 m)

從圖5 至圖7 可以看出隨著簇ID 的增大，DT和SCS 消耗的能量在增多，而LEDCM 方法節點的平均能耗始終保持不變，且能耗最低。 這是因為隨著簇ID 的增大，DT 和SCS 方法中簇頭與Sink 的距離就越長，則數據傳輸距離就越長，需要消耗的能量就越多。 而LEDCM 方法通過移動Sink 均衡網絡能耗，由于在數據收集時，移動Sink 始終以最佳速度運動，而且簇頭的傳輸距離根據與移動Sink 的距離自適應地調整，因此LEDCM 方法比現有方法的平均節點能耗都低，且網絡能耗均衡性最好。

4.3 網絡生存時間

網絡生存時間是評價一個網絡節能性和能耗均衡性的重要標準，網絡生存時間越長，網絡節能性和網絡均衡性就越好。 衡量網絡生存時間的標準有很多，比如網絡中第一個節點或最后一個節點死亡的時間、網絡鏈路中斷的時間。 本文采用最后一個節點死亡的時間作為網絡的生存時間。 圖8 分析了網絡長度L＝1 000 m，網絡簇的個數為20 時(每個簇規模相同)，每輪之后存活的節點數量。 圖9 分析了網絡內簇的個數為20 時，網絡長度與網絡生存時間的關系。

圖8 實驗輪數與存活節點關系

圖9 網絡長度與網絡生存時間關系

從圖8 可以看出，LEDCM 第一次出現死亡節點時，網絡已經完成了5.2×104輪的數據收集，當網絡內節點全部死亡時，LEDCM 完成了8.12×104輪的數據收集。 與其他方法對比，當存活節點數量相同的情況下，LEDCM 采集的數據輪數是最多的，即LEDCM 的網絡壽命最長。 這是因為本文提出的方法Sink 以最佳移動速度運行，并且簇頭在數據傳輸時動態地調整傳輸距離，因此使能耗達到最低，從而提高了網絡生命周期。

從圖9 可以看出隨著網絡長度的增加，LEDCM的網絡的生存時間緩慢減小，但與SCS、EEGR 和DT相比，網絡生存時間最長。 由于隨著網絡規模的增多，在網絡內簇的個數不變的情況下，每個簇的規模在逐漸增大，需要傳輸的數據量就越多，網絡生命周期就越短。 與其他方法相比，LEDCM 方法的移動Sink 采用最佳移動速度采集數據，因此網絡能耗最低，網絡壽命最長。

4.4 數據包投遞率

數據包投遞率是衡量方法優劣的一個重要指標，數據包投遞率越高表示該方法收集數據時，數據丟失率越低，收集的數據就越可靠。 圖10 分析了當網絡長度L＝1 000 m，網絡簇規模為50 時，不同的實驗輪數與網絡數據包投遞率之間的關系。

圖10 數據包投遞率

從圖10 可以看出，LEDCM 的數據投遞率是最高的，當實驗輪數為6×104時，數據包投遞率為94.3%，而此時SCS、EEGR 和DT 方法的數據包投遞率分別為61.9%，50.8%，10.2%。 因為實驗輪數為4×104至6×104時，此時DT 方法中的節點已經全部死亡，因此網絡已經失效，無法實現數據包的傳輸，所以數據包投遞率最低。 SCS 和EEGR 在實驗輪數為4×104時，網絡內節點開始逐漸死亡，因此數據投遞率逐漸降低。 而LEDCM 方法當實驗輪數為5.2×104時才有節點能耗殆盡開始死亡，并且LEDCM 通過自適應地調整簇頭的傳輸范圍，從而以不增加通信能耗的情況下，盡可能地提高通信質量，因此LEDCM 方法的數據包投遞率是最高的。

5 總結

目前帶狀無線傳感器網絡數據匯聚時能耗高、數據包投遞率低，從而造成網絡生存時間短，數據可靠性差等問題。 本文提出了一種基于移動Sink 的帶狀WSN 數據匯聚方法，移動Sink 以最佳移動速度收集數據，簇頭根據與移動Sink 的距離自適應地調整傳輸范圍，從而在不浪費網絡能耗的情況下盡可能地提高網絡通信質量。 實驗結果表明，提出的方法在能耗均衡性、網絡壽命以及數據包投遞率方面都表現出較好的性能。 下一步工作，將研究多個移動Sink 情況下LEDCM 的性能。