無線集群通信系統的能耗分析與優化方法

摘 要：通信系統中的無線傳感器網絡（Wireless Sensor Networks，WSN）應在無人值守的情況下可以長時間穩定運行，因此自組織和能源效率等特性對WSN來說十分重要。滿足這些要求的一種方法是將WSN劃分為多個集群，其中每個集群由集群頭節點（CH）管理，包括多個集群成員。本文分析了集群網絡的能耗并量化了不同節點數和流量水平的集群的能量增益。經過分析后，本文提出一種新的聚類協議，該協議可以選擇更少的CH來最小化能耗，并簡化了WSN的維護。

關鍵詞：無線集群；通信系統；無線傳感網絡；能耗分析；協議優化

中圖分類號：P 642" " " " " " 文獻標志碼：A

通信系統中的無線傳感器網絡可以在無人值守的情況下長時間運行[1]，這促進了集群協議的設計。每個集群包括1個集群頭節點（Cluster Head，CH）和多個集群子節點（Cluster Members，CM）[2]。CH在每個超幀的開頭發送信標消息以協調集群內通信，集群之間的數據交換由相互連接的CH承載[3]，所有CM僅與自己的CH鏈接以發送/接收數據包，CH參與網絡控制和管理。通過聚類，WSN的拓撲結構可以分層處理，為集群拓撲，相對的非簇狀拓撲為扁平拓撲。當節點數量較多時，很難保持網絡處于活動狀態，因此可以使用分而治之的方法[4-5]。但是，本地化網絡會產生能耗，當發送信標消息時，CH也會消耗額外的能量，這降低了集群的能量增益[6]。因此，本文分析了具有不同參數（例如節點數量和網絡維度）的網絡中的聚類能量增益，提出了一種新的CH選擇協議，該協議考慮了2個節點的剩余能量和增益，在平衡能耗的同時降低大型網絡的維護成本，旨在權衡各種條件下的兩者，以更好地選擇參數。通過試驗分析證實提出方法的有效性。

1 WSN中集群能量收益的量化分析

集群拓撲結構有利于節能，然而在具有不同參數（例如節點數量、規模和流量水平）的網絡中，無法預測節能方面的收益。

1.1 方法論

假設在2種拓撲中，節點都保持一定時間的喚醒/睡眠周期。在扁平拓撲中應用CSMA/CA協議，集群拓撲則使用MAC方案。在集群拓撲中，在發送信標消息的過程中，CM須在指定的時間內以時分多址技術方式將其感測的數據發送至其CH，CH聚合其CM的數據包并通過僅由CH組成的路由將它們傳輸至匯聚節點。假設在這2種情況下，n個節點均勻分布在網絡中，節點的最長傳輸范圍為Rm。對集群拓撲來說，選擇k個節點作為CH，因此每個集群簇有1個CH和（n?k）/k個CM。網絡占據mR×mR m2的區域，其中m為＞1的常數。在所有節點全功率傳輸的情況下，假設n很大并且網絡是連通的，平均能耗E[h]近似為2m/3。

使用LEACH協議中提出的能量模型，當距離Rm傳輸I bits時，WSN傳感器的能耗如公式（1）所示。

Et=EelecI+εampIR2" " " " " " " " " " " " " " " "（1）

式中：Et為傳輸能耗；Eelec為傳感器無線電前端耗散的能量（一般為5×10-8J/bit*）；εamp為發射放大器實現適當的能量損失（一般為1×10-10J/bit/m2）；I為傳輸帶數據量；R為傳輸距離。

接收I bits的能量消耗如公式（2）所示。

Er=EelecI" " " " " " " " " " " " " " " " " " " " "（2）

初始化WSN傳感器RFE的能耗為Einit，與其他WSN傳感器的工作時間相比，初始化的持續時間可以忽略不計。

在這2種情況下，每個節點都會發送1個L位的數據包，強度為λ數據包/s。RTS/CTS的長度（設為Lrts和Lcts）數據包的長度為ηL bits，信標消息長度（設為Lbeacon）為γL bits，其中η，γlt;1是常量。必須在每個周期喚醒扁平拓撲中的節點以偵聽通道信號。為了便于推導，將這一時期的能量消耗等同于接收的能量消耗βL bits。集群拓撲中的數據壓縮率為α，對WSN節點，能耗包括用于發送、接收、空閑偵聽和睡眠的能量，如公式（3）所示。

E=Etx+Erx+Elisten" " " " " " " " " " " " " " " " " " （3）

式中：E為總能耗；Etx為發送和接收的能耗；Erx為空閑偵聽能耗；Elisten為睡眠能耗，與發送和接收相比，睡眠的能量消耗可以忽略不計。

在扁平拓撲中，每個節點的平均總流量是節點自身流量和整個中繼流量的總和。每個節點生成的自身流量為λ（L+Lrts） bits。為了將數據包中繼至另一個節點，節點必須分別向前一跳和下一跳發送CTS和RTS數據包。因此，節點總共發送L+Lrts +Lcts bits的數據量來中繼1個L bits的數據包，1個節點中繼λ（E[h]-1）（L+Lrts+Lcts） bits/s。每個RTS或CTS數據包被發送者的所有鄰居接收，平均節點度如公式（4）所示。

（4）

因此1個節點接收λE[h]L（2η（nπ/m2）+1）-ληL（nπ/m2） bits/s，Etx和Erx可以通過將每秒發送和接收的位數分別代入（1）和（2）來計算。筆者統計了在Elisten中REF初始化的能耗，Elisten = Eelec （βL/tc） + （Einit/tc）。將各公式代入公式（3），則拓撲中n個節點每秒的能耗如公式（5）所示。

（5）

如果所有節點都以最小的傳輸功率發送數據包，則每次傳輸功耗降低，跳數增加。利用格子近似網絡來分析這種情況。假設網絡中有n個節點，有一個 ×格，則平均跳數為2/3。

因此最小傳輸范圍為mR/。將各部分代入公式（4），如公式（6）所示。

（6）

對集群拓撲來說，假設有一個理想的集群協議，通過該協議可以選擇網絡中均勻分布的最小CH集合，2個相鄰CH之間的距離為R，CH和CM的平均距離為R/3米。

1.2 數值分析結果

聚類的WSN能量增益G計算過程如公式（7）所示。

（7）

式中：G為能量增益；Ecluster為集群的平均能耗；最小傳輸功率是指節點以最小的功率進行傳輸，同時保持網絡的連通性。對增益進行數值分析的關鍵是了解連通支配集（CDS）的大小，算法不同可能會導致CDS大小不同。因此筆者在R=50 m的網絡中比較2種拓撲，網絡尺寸為175m ×175m。數值分析參數見表1。

喚醒/睡眠周期為1 s，聚合比例和節點數量分別為0～1 和100～1000，筆者繪制了Efla和E' flat的集群增益，如圖1所示。最長傳輸范圍可獲得大約10%的增益，這說明Eflatgt;E' flat，當節點數量較少時，聚合會帶來較大增益，當網絡非常密集時，效果不強，觀察集群至少可以節省50%的能源。當節點數量較多、聚合比例較低時，增益可提高90%以上。

根據固定數據聚合比（α=0.5）繪制圖像，如圖2所示。當集群中有很多CM時，來自其他因素（例如較少的RTS/CTS和數據聚合）的收益更占主導地位，因此不太頻繁的信標消息所節省的能源并不顯著，增加tc不會導致增益增加。

2 構建高能效WSN集群協議

上述計算是集群WSN拓撲取得實際增益的通用方法，然而由于不同的聚類協議可能具有不同的開銷和能耗，因此本文在WSN中提出一種良好的節能和本地化聚類協議。

集群拓撲可以節省能源，但是上述分析沒有考慮節點度等拓撲信息。由于CH消耗的能量比CM多，因此網絡可能會失去某些功能或被分區。因為存在這些問題，所以本文提出了一種節能的聚類協議，當選擇CH時，該協議考慮了節點度和能級。因此，它能夠形成一個小的CH集，CH比其他節點具有更多能量。當發生更改時，該協議可以保持集群拓撲。

提出一個新的選擇協議C，其定義如公式（8）所示。

（8）

式中：C為容量；E為節點的剩余能量；Emax為當節點充滿電時的最大能量；D為節點的度數；Dmax為鄰節點的最大度數；F為預定義的加權參數，∈ [0，1]。

當F較大時，節點的能級更重要，因此選擇的CH應該具有更多的能量；當F較小時，節點度更重要，因此選擇具有較多鄰節點的節點。CH可以覆蓋更多的節點，生成的CH可以很小。

3 仿真結果

仿真是在200 m×200 m的區域中進行的，其中每個節點具有R=50 m的傳輸范圍，n∈{100， 200， 400}個節點被隨機放置在該區域中。每個節點的初始能級在1～ 20 J隨機取值。

研究當參數F發生變化時，容量C如何影響CDS的選擇。不同F對應CH的數量如圖3所示，從圖3中可以看到較小的F，說明節點度比能級更重要。隨著網絡中節點數量增加，F越大，曲線上升得越快。F選定CH的平均能級如圖4所示。當F為0.8時，平均能級達到峰值；當F為1時，從圖3中可以看出選擇了更多的CH。在這種情況下，盡管能級在選擇中占主導地位，但是大量的CH會形成更大的分頻器，從而降低平均能級。

由圖3和圖4可知，當改變F時，CH的數量和它們的能級之間存在折中。將F放大至0.7，CH的數量沒有顯著增加，其平均能級幾乎達到峰值。因此，為了獲得具有相對高能級的CH，F應選擇在0.7左右。

4 結論

本文分析了網絡中扁平拓撲和集群拓撲的能耗。經過分析可知，集群拓撲在不同的網絡參數（例如節點數、維度和流量級別）下可以節省多少能量。從典型參數的數值結果中觀察，通過簇狀拓撲，扁平拓撲可以節省至少50%的能量；當節點數量較大且數據聚合率較小時，增益增加90%以上。本文還提出了一種新的聚類協議，該協議考慮了2個節點的能級和程度，通過仿真證明了所提出協議的有效性，并在能耗參數方面提出了建議。

參考文獻

[1]王明華，黃暢，王彥，等.無線傳感器網絡節點重部署研究進展[J].計算機應用研究，2023，40（4）：978-986.

[2]潘繼強，劉杰，達列雄，等.基于能量迭代模型和蜂群優化的異構無線傳感器網絡節能分簇路由算法[J].吉林大學學報（理學版），2023，61（6）：1441-1447.

[3]馮余佳，王珂，張偉，等.線性無線傳感器網絡節點部署優化研究[J].信息技術與信息化，2023（9）：162-166.

[4]李青云，高宇鵬，楊倩倩.基于分片重傳鏈路感知的無線傳感器網絡能耗控制方法[J].傳感技術學報，2023，36（7）：1136-1142.

[5]尚立信.無線傳感器網絡低功耗設計與研究[D].太原：中北大學，2023.

[6]秦立朋，劉偉民，鄭愛云.無線傳感器網絡低功耗技術研究[J].機械工程與自動化，2022（5）：225-226.