基于同步預測的無線傳感網絡自適應采樣節能策略研究

關鍵詞：無線傳感網絡；同步預測；自適應采樣；節能

中圖分類號：ＴＮ９２ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）１１－２６９５－０８

０引言

無線傳感網絡（Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ，ＷＳＮ）是物聯網和智能系統中的關鍵應用技術之一［１］。在特定要求下，ＷＳＮ 設備通常采用電池供應的形式，而電池容量決定著單個設備甚至整個網絡的可用運行時長［２］。因此，尋找合適的節能策略成為延長整個網絡運行周期的關鍵。

目前，國內外學者從不同方向對ＷＳＮ 的節能策略進行了研究。首先，在能量收集和管理方面，文獻［３－４］利用環境中可用的太陽能和風能作為能量來源，為節點提供持續的能源供應，但是該方法會增加硬件成本并且受到環境條件的制約。其次，在網絡通信協議方面，文獻［５］結合改進的蟻群算法對ＷＳＮ 節能路由算法進行優化，通過確定最佳傳輸路徑，實現高效的數據傳輸、降低能耗并保證網絡的可靠性和穩定性；文獻［６］提出一種基于混合策略博弈論的聚類路由算法，通過模擬節點行為，根據其剩余能量和平均能量隨機選擇簇頭，節點之間進行博弈直到平衡，該算法有效提升了網絡的生存周期，降低了節點能耗。優化網絡通信協議主要關注整體節能，更適合大范圍區域監測場景。最后，在數據傳輸優化方面，文獻［７］采用動態灰色模型ＧＭ（１，１）進行預測，計算觀測值和預測值的誤差，當誤差大于閾值時才進行數據傳輸，減少了數據傳輸量；但是灰色模型僅適用短期預測，且對數據輸入序列要求較高。文獻［８］基于自回歸模型進行同步預測，并通過預測值和前向擬合值的誤差實現動態改變采樣步長，減少數據采集，實現節能；但是建立自回歸模型需經過平穩檢驗、噪聲檢驗、定階和參數估計等步驟，計算量較大，難以部署在節點。綜上所述，盡管在節能研究的不同方向已經取得了一定的成果，但仍存在一些不足之處。

因此，本文針對ＷＳＮ 的節能問題，從數據傳輸優化方面進行研究，提出了一種基于同步預測的ＷＳＮ 節點自適應采樣節能策略，旨在降低節點設備的采樣率和傳輸率、提高節能效率和延長設備使用壽命。首先在終端節點和協調器之間建立指數平滑同步預測模型，根據實際值和預測值的誤差實現自適應通信，以減少設備傳輸率；其次在自適應通信的基礎上引入了傳輸控制協議（Ｔｒａｎｓｍｉｓｓｉｏｎ ＣｏｎｔｒｏｌＰｒｏｔｏｃｏｌ，ＴＣＰ）擁塞控制思想，自適應地調整節點的采樣間隔和睡眠時間，通過動態調整采樣間隔，避免頻繁的數據采集及傳輸，減少能耗損失；最后，基于ＺｉｇＢｅｅ的室內甲醛監測系統平臺進行了誤差分析和節能效果的驗證。

為保證模型的預測精度，定義最大預測次數Ｎ。當終端節點預測成功后，預測次數加一，直到連續Ｎ 次預測成功后，強制性地將實際采樣值上傳并進行模型修正。這是由于每次預測都存在一定的誤差，即使連續預測成功，這些誤差也可能會逐漸累積，導致模型的預測精度下降。通過強制性地將實際采樣值上傳并進行模型修正，可以及時糾正誤差，避免錯誤的累積，保持模型的高準確性。自適應通信流程如圖２ 所示。

４自適應采樣

在上述自適應通信算法中，雖然通過同步預測模型減少了數據傳輸量，但是終端節點在每個固定周期到來時進行采樣，也會造成大量的能量損耗。因此，為減少終端節點的能量損耗，將固定周期進行傳感器采樣的策略轉變成自適應采樣，動態調整采樣周期的大小［１５－１６］。為優化系統運行效果，不在固定周期的基礎上進行增加或減少時間，而選擇在固定周期的整數倍進行調整，如一個周期設置為一步。因此，基于自適應通信策略動態調整步長的大小，在環境變化緩慢的時候減小采樣步長，在環境劇烈波動時增大采樣步長，以達到自適應采樣的目的，從而減少能耗損失。

４．１步長更新策略

為了滿足不同環境下的采樣需求，需要設計一個合理的采樣步長更新策略，以實現步長的動態變化。因此，參考ＴＣＰ 擁塞控制算法的思想引入步長控制窗口以達到自適應采樣的目的。

ＴＣＰ擁塞控制是一種網絡流量控制機制，用于調節ＴＣＰ 連接中的數據傳輸速率，以防止網絡擁塞的發生［１７－１８］，通過動態調整發送方的擁塞窗口來適應網絡的擁塞程度，并避免對網絡造成過大的壓力，主要包括慢啟動、擁塞避免和擁塞控制３ 個階段，在慢啟動階段，發送方會將初始的擁塞窗口設置為一個較小的值，然后每次成功接收到一個確認字符（Ａｃｋｎｏｗｌｅｄｇｅｄ Ｃｈａｒａｃｔｅｒ，ＡＣＫ），擁塞窗口大小會倍增，直到達到慢啟動門限，進入擁塞避免階段。在擁塞避免階段中，發送方會根據網絡的擁塞情況以更慢的速率增加擁塞窗口大小，此時，擁塞窗口增長的速率由指數增加改為加法增加，直到出現網絡擁塞，進入擁塞控制階段。在擁塞控制階段，發送方將迅速減小擁塞窗口的大小，并將慢啟動門限設置為擁塞窗口大小的一半，然后重新進入慢啟動階段。ＴＣＰ 擁塞控制算法的使用，使得ＴＣＰ 協議能夠根據網絡擁塞的程度進行自適應調整，從而實現網絡流量的控制和優化。

借鑒ＴＣＰ 擁塞窗口的設計思想，對節點的步長控制窗口進行進一步改進，以實現對節點步長的動態調整和優化。在步長更新策略中，將節點步長控制窗口ｋ 的初始值定為１，并設置步長控制窗口的最大值ｋ_ＭＡＸ。在預測誤差小于設定閾值時，當ｋ＜ｋ＿ＭＡＸ/２ 時，步長控制窗口ｋ 的值以倍數遞增；當ｋ≥ｋ＿ＭＡＸ/２ 時，減慢步長控制窗口ｋ 的增長速度，ｋ 的值僅在上一次窗口值的基礎上加１，直到ｋ ＝ ｋ＿ＭＡＸ后，步長控制窗口ｋ 不再增加。在預測誤差大于設定閾值時，ｋ 的值不直接減為初始值１，而是減為原來的一半。步長更新策略示意如圖３所示。

４．２算法描述

自適應采樣在自適應通信的基礎上進行改進，通過動態調整采樣步長來優化數據采樣過程。為實現自適應采樣，將改進ＤＥＳ 算法應用于同步預測模型，通過結合自適應通信和改進后的ＤＥＳ 算法，自適應采樣在不斷學習和調整的過程中，能夠根據實際數據情況靈活地調整采樣步長，從而減少能耗損失。

對于終端節點，基于同步預測模型得到預測值，并與實際采樣值進行比較，如果二者之間的差值在誤差允許范圍內，則認為此次預測成功；然后逐步增大步長控制窗口ｋ 的值，直到達到設定的最大值ｋ＿ＭＡＸ后，不再增加步長ｋ，防止步長過大導致數據丟失或錯誤。當誤差超出允許范圍，則認為此次預測失敗，首先將步長控制窗口ｋ直接降為原先的一半，以降低采樣步長，增加數據的采樣精度；其次把實際采樣值上傳到協調器，以提供最新的數據信息；最后根據實際采樣值修正預測模型，以提高預測的準確度。

對于協調器，在一定周期時間內未收到終端節點上傳的數據，則認為預測數據有效，保留數據并進行下一次預測；當協調器接收到來自終端節點的數據時，更新和修正模型參數，以確保模型與實際數據保持一致。

確保協調器和終端節點之間數據的一致性非常重要，而維護一致的同步預測模型可以實現這一目標。由于雙方都使用相同的數據和模型，可以確保它們在相同的輸入條件下產生相同的預測結果。這意味著無論是協調器還是終端節點，它們都可以獨立地進行預測，并在需要時相互驗證預測結果。這種一致性保證了數據的準確性和可靠性，對于實時決策和系統控制是至關重要的。通過這種方式，協調器和終端節點可以在數據處理和預測方面進行有效的協作，從而實現整體系統的優化和性能提升。

自適應采樣流程如圖４所示。

５實驗驗證及分析

５．１甲醛監測系統平臺

在建筑室內場景中，甲醛監測系統采用星型組網結構，整個系統由終端節點、協調器和上位機組成。終端節點用于數據的采集，并將數據發送到協調器，協調器接收到數據發送到上位機進行可視化顯示。考慮到終端節點方便性和擴展性，常采用電池供電提供更靈活的部署和擴展選項，因此增加終端節點的壽命成為一個必不可少的考慮因素。甲醛監測系統結構示意如圖５所示。

５．２節能驗證

５．２．１能耗分析

為了驗證本文所提出節能策略的有效性，采用甲醛監測系統平臺以５ｓ固定周期進行數據采集，并參考器件數據手冊和實際測試結果得到終端節點的能耗參數。根據能耗參數評估所提出的節能策略在實際應用中的效果。終端節點能耗參數如表１所示。

本文通過甲醛監測系統獲取１９０６組甲醛濃度數據，并在Ｍａｔｌａｂ仿真軟件中使用該數據集來驗證節能策略的有效性。為直觀地展現所提策略的節能效率，將其與常規固定采樣周期方法、文獻［９］的自適應通信方法（算法１）和文獻［８］的基于最小二乘法的自適應采樣方法（算法２）進行能耗對比。算法中所用參數如表２ 所示。

根據上述參數進行仿真分析，得到不同節能策略下采樣次數、傳輸次數和能耗的變化，具體變化量如圖６ 所示。

由圖６ 可知，相對于采用固定采樣周期方法，算法１ 雖然采樣次數保持不變，但傳輸次數減少了９３．７％ ；算法２ 采樣次數減少了７８．８％ ，傳輸次數減少了８８．８％ ；自適應采樣算法采樣次數減少了８４．１％ ，傳輸次數減少了９４．９％ 。總體而言，算法１、算法２ 和自適應采樣算法相較于固定采樣周期方法，都展現了顯著的效果。其中，自適應采樣算法在降低采樣次數和傳輸次數的方面表現得最為突出。根據終端節點能耗參數計算出不同策略下的能耗，相對于固定采樣周期、算法１ 和算法２，本文所提出的節能策略能夠使能耗分別降低８９．７％ 、７４．４％ 和２７．９％ 。

考慮到節點設備采用容量為６００ ｍＡｈ 的電池供電，則對于固定采樣周期方法，在１ ｄ 內就需要向協調器采集并傳輸采樣數據１７２８０ 個，而一次固定周期耗電約０．３４ ｍＡｓ，那么該節點設備的生命周期約為３１２ ｄ；對于本文所提自適應采樣算法，節點設備的采樣次數和傳輸次數都有明顯的減少，能耗也有很大的下降，若節點在整個生命周期能耗降低８９． ７％ ，則該節點的使用壽命約為３ ０２９ ｄ，相對于固定采樣周期方法，使用壽命得到了大幅提升。

５.２.２準確性分析

為了驗證本文所提出的節能策略的準確性，還需要進行誤差分析，其中一個常用的誤差度量方法是均方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ，ＲＭＳＥ）。首先計算每個數據點預測值與真實觀測值之間的殘差，然后對這些殘差的平方求平均并開根號。ＲＭＳＥ 值越小表示預測值與實際采樣值越接近，代表算法的準確性越高。為了便于觀察，將不同節能策略的結果進行偏置，仿真結果如圖７ 所示。根據仿真結果計算ＲＭＳＥ 值，計算結果如表３所示。

根據圖７和表３可知，３種節能策略都能達到較好的準確度，其中算法２的ＲＭＳＥ值最小。因此，在準確度基本相同的情況下，本文所提自適應采樣節能策略的采樣次數和傳輸次數最低，能夠更有效地降低終端節點的能量損失，達到較好的節能效果。

５．２．３參數優化

對于本文所提自適應采樣節能策略，參數的選擇對于策略的性能和效果都會有顯著的影響。例如不同的水平平滑系數和趨勢平滑系數會對整體的ＲＭＳＥ產生影響，通過上述數據集進行實驗仿真，得到不同平滑系數下ＲＭＳＥ的變化，如圖８所示。

由圖８可知，水平平滑系數α 對預測誤差的影響較大，較小的水平平滑系數α 將使預測結果更加敏感和接近原始數據的變化，但可能會導致較大的噪聲和不穩定性。較大的水平平滑系數α 將使預測結果更加平滑和穩定，但可能會導致較大的滯后和對趨勢變化的遲鈍。因此，選擇不同的水平平滑系數會顯著影響預測的準確性。此外，容錯誤差閾值ε 的選取也會影響預測準確性，不同容錯誤差閾值下絕對誤差的占比如圖９ 所示。隨著容錯誤差閾值ε 的增大，箱線圖中位線逐漸增加，并且箱體將變得更大，這說明更大的容錯范圍將導致更多的數據點被視為正常值，因此預測準確性會受到影響。具體來說，較小的ε 會更容易地檢測到異常值，從而對預測模型進行更精確的調整。但是，如果容錯閾值設置過小，可能會將一些正常但稍微異常的值也識別為異常值，從而降低了模型的適應性。

同理，步長控制窗口ｋ＿ＭＡＸ 也會對模型整體效果產生影響，對不同的ｋ＿ＭＡＸ 進行仿真，計算采樣次數和傳輸次數的變化，為便于觀察，以百分比的形式展示，如圖１０所示。

由圖１０可知，隨著步長控制窗口ｋ＿ＭＡＸ 的增大，采樣次數和傳輸次數會逐漸減小并趨于穩定。所以通過增大步長控制窗口ｋ＿ＭＡＸ 能達到降低節點能耗的效果。然而，過大的ｋ＿ＭＡＸ 可能會導致更多的數據被聚合和壓縮，并且會丟失一部分有價值的信息，從而影響預測的準確性。因此，針對不同的應用場景，應綜合考量數據準確性和節能效果來選取適合的參數。

６結束語

本文提出一種基于同步預測的ＷＳＮ 自適應采樣節能策略，通過在終端節點和協調器建立起融合改進ＤＥＳ算法的同步預測模型，實現對數據的預測，并根據預測誤差來自適應地調整采樣步長和傳輸策略。實驗結果表明，本文所提節能策略能夠在滿足數據準確性的前提下，有效減少節點的能耗損失，提高網絡的壽命。

作者簡介

劉威 男，（２０００—），碩士研究生。主要研究方向：智能環境與網絡化控制。

（*通信作者）鄭煥祺 男，（１９８７—），博士，講師。主要研究方向：綠色建筑能源與環境系統研究智能化。

周玉成 男，（１９５８—），博士，研究員。主要研究方向：智能環境與網絡化控制。