智能交通環境下基于區域差異化的WSNs能效優化研究

(南京審計大學 金審學院，南京 210023)

0 引言

無線傳感器網絡(wireless sensor networks,WSNs)的應用具有顯著多樣性，如：污染監測、智能交通、工業控制及日常生活等眾多場合均有涉及。它通常由多個傳感器節點構成，并在節點之間相互進行通信。WSNs中普通節點主要用于監測網絡所處環境并收集原始信息，并將原始信息發送給匯聚節點(Sink節點)，而Sink節點則主要用于接收普通節點發送過來的信息，經過處理后再與外部網絡進行通信，因此Sink節點往往還需要能夠在異構網絡之間轉換不同的通信協議[1-2]。

不同于傳統的網絡，智能交通環境下WSNs中節點通常硬件配置較低，體積較小，能量由電池提供，而電池能量有限，無法長時間保證其正常運行，因此系統能效控制顯得尤為重要。為了解決大規模網絡中節點能量消耗過快以及數據沖突頻繁的問題，目前WSNs大多使用能效性更好的面向簇集的路由協議。它將WSNs中相鄰的節點劃分至稱為簇的分組，分組再通過組內競爭產生一個或兩個簇頭節點，沒有競爭成為簇頭的普通節點在通信過程中可將數據先匯集至該分組中的簇頭，再由簇頭進行數據融合并路由轉發至Sink節點。[3]該模式不要求所有節點直接向Sink節點發送數據，因此減少了路由計算涉及的節點數量，降低了網絡中數據傳輸總量，平衡了WSNs能量損耗。然而傳統的路由算法在能效性方面都仍存在一些問題，為了進一步提高系統能效，避免某些節點因能量損失過快而導致的網絡生命周期急劇衰減的現象，引入VMIMO、路由跨跳等技術，從簇間及簇內兩部分入手對系統進行改善，系統方案如圖1所示。最后，對該方案進行仿真測試，發現改進后的方案可以更加有效地平衡WSNs內系統能量的損耗。

圖1 智能交通中區域差異化的WSNs系統

1 WSNs能效均衡模式設計

目前比較經典的面向簇集路由算法是LEACH協議，很多協議都是基于該協議進行改進，相較于傳統WSNs路由協議，它可以提高15%左右的生命周期。然而，簇頭不但要接收處理來自簇內其他節點的通信請求，在多跳路由協議中，離Sink節點較近的簇頭往往還需要負責更多額外的中繼轉發任務。這部分節點能量的消耗明顯要高于簇內其余節點，進而促使整個網絡系統由于局部能量損失過快而加速死亡。那么如何做到節點間能效均衡是亟待解決的問題，如圖2所示，該方案首先通過相鄰節點發送hello數據包獲得彼此鏈路狀態信息，并以此作為分簇依據，同時建立熱點區域和非熱點區域概念，最后根據區域特點選擇不同的數據傳輸策略，最終達到能效均衡的目的。

圖2 協議模型

1.1 簇內能效均衡策略

為了解決簇頭節點能量損失過快的問題，大多數分簇算法采用的是對全網進行定期重新分簇，從中挑選出當前能量較高的節點作為新的簇頭，但該方法最大的問題是網絡又需要重新收斂，并且所有節點都參與計算，影響了全網系統能效性。[4]為了解決以上問題，避免經常性的重新分簇，可對簇內節點算法進行改進。

在簇內，每個節點均可輪流擔任簇頭角色，將簇頭的更替限制在簇內，以此減少由網絡拓撲變更造成的額外能量損耗。當簇頭節點的能量低于預設閾值時，系統將重新選出新的簇頭，為了進一步優化該過程中系統資源消耗，引入簇內平均剩余能量Eavg作為參考：

(1)

n為簇內節點數，Ei為當前節點剩余能量值

若Ei>Eavg，則該節點有資格進行下一輪簇頭選取，稱為候選節點，否則不參與計算。通過這樣的方式限制簇頭競爭節點數量。再根據候選節點中當前剩余能量值以及到Sink節點的距離來進行測量比較，產生候選因子β：

(2)

式中，dtosink為候選節點與Sink節點之間的距離，dtoCH為候選節點與簇頭節點之間距離。

在簇頭需要重新選舉時，通過候選因子β比較選出新的簇頭。為了表示對原簇頭的確認，以及對其余全部簇內節點宣告自己成為新的簇頭，該節點將廣播一個ACK確認信息。如果某個普通節點在指定時間ti內沒有收到此ACK確認廣播信息，則說明簇頭節點距離它較遠，已超出它的傳輸范圍，對于這樣的節點可以選擇并加入其它相鄰的簇分組。簇內通信過程中，普通節點均根據當前覆蓋半徑參數計算機出相應的功率值Pa進行工作，并且采用TDMA的工作方式，只在分配到相應時隙后才會發送數據，其余時間處于休眠狀態，功率為Ps，以此進一步降低能量損耗。

1.2 簇間能效均衡策略

簇間通信主要考慮遠離Sink節點或基站的非熱點區域簇頭，它們除了負責簇內普通節點通信外，還要負責大量來自其他外部簇頭節點額外的中繼工作，能量總是在較短時間內被消耗完[5]。為了減少節點在熱點區域內的能量損失，采取的方案是降低簇集的覆蓋范圍，也就是接近Sink節點的簇集覆蓋范圍較小，遠離Sink節點的簇集則擁有更大覆蓋范圍，以此來平衡全網系統能效。

將網絡內部劃分為熱點區域和非熱點區域，Sink節點附近的區域即為熱點區域，節點在該區域中可直接與Sink節點進行通信，而不需要其他簇頭節點進行中繼，反之其他區域則為非熱點區域。在網絡的初始階段，所有節點不了解自己所處的區域是否為熱點區域，它們均發送“熱點置位信息”給Sink節點，Sink節點收到該置位信息后會返回一個“功率標志信息”，收到此信息的節點會將自身功率設置為P1，同時再次發送一個“ACK信息”，如果Sink節點仍能收到，則再次返回一個包含熱點區域功率級Ph的“RE-ACK信息”經過“兩次握手”，可確認此兩路在該功率級下為對稱鏈路，即確定為熱點區域節點，而沒完成“兩次握手”的則屬于非熱點區域節點，設置較大的覆蓋范圍。

由于WSNs的復雜性，熱點和非熱點區域簇內節點規?？赡艽嬖诓煌?，若簇內區域半徑很小，簇集數量隨之增大，也就是說，將會有更多節點參與到節點中繼及數據融合的過程中；若簇內區域半徑過大，簇集數量隨之減小，簇間轉發跨度增大，中繼節點功耗提高，進而導致WSNs生命周期降低。因此可根據是否為熱點區域，進一步通過參數動態調整簇頭節點覆蓋半徑R：

(3)

其中：Rmin表示簇頭半徑最小取值，Ed是節點死亡時能量，Ei是節點初始能量，Er是節點當前的剩余能量，μ參數用于控制簇內區域半徑(熱點區域取值范圍為0到0.5，非熱點區域取值范圍0.6到1)。

1.3 VMIMO擴展策略

MIMO技術即多輸入多輸出技術，目前已被廣泛應用于LTE等現代移動通信系統中，較傳統SISO(單輸入單輸出)系統，它可通過對數據進行空時編碼獲得較高的分集增益，進而增加通信的可靠性。[6]該技術若應用在WSNs中可利用其抗信道衰落方面的優勢，通過較低的發射功率獲得與傳統單天線系統相同的信號質量，無疑可以大大降低節點能耗。然而WSNs中傳感器節點通常硬件配置較弱，不可能容納多根天線，并且多根天線電路也較為復雜，此時電路產生的能耗較系統產生的內耗將無法被忽略。因此WSNs中只能使用VMIMO(虛擬多輸入多輸出)模式，在不增加節點物理天線的基礎上，通過距離接近的節點間相互協作組成虛擬天線陣列共同發射。經研究發現，當節點間距離較短時，節點能效性反而不如單天線系統，這主要是由于電路復雜性造成。[7]因此在熱點區域可以繼續使用傳統SISO模式，在非熱點區域可使用VMIMO模式，通過節點間相互協作組成虛擬天線陣列，達到類似MIMO的效果。

首先在非熱點區域根據上文中簇內候選因子選擇主簇頭節點mCH，再根據選擇另一個輔助簇頭節點aCH組成虛擬天線陣列。簇內普通節點可以分別根據自己與兩個簇頭間距離參數，比較選擇將數據發送至mCH或aCH。兩簇頭將冗余數據去除后通過VMIMO技術聯合發送至下一跳。該方案不僅通過兩個簇頭實現了簇頭節點間的負載均衡，還利用VMIMO技術帶來得分集增益，降低了節點發送功率。

基于VMIMO技術的非熱點區域簇頭輪換機制也直接影響系統能效，當任一簇頭剩余能量值低于動態特定閾值，則啟動該機制。原始簇頭mCHo根據候選因子選擇新的簇頭mCHn，并發送一個廣播消息說明mCHn為新的主簇頭。mCHn隨后也發送廣播消息，與簇內其余節點交換鄰居表信息，并根據β選出新的輔助簇頭aCHn。為了實現負載均衡，輔助簇頭aCHn除了需要和mCHn組成虛擬天線陣列外，還需要分擔一部分數據通信任務，因此新的輔助簇頭aCHn同樣需要發送一個廣播消息，宣告自己的存在。普通節點根據mCHn和aCHn發出的信號強度選擇將采集的數據發送給哪一方。若普通節點在指定時間ti內沒有接收到來自新簇頭的任何信息，則選擇新的簇集加入，此時輪換完成。

1.4 “路由跨跳”擴展策略

目前WSNs內大多采用多跳路由協議，較單跳協議，它可以更好的適應大規模網絡。本協議在多跳路由的基礎上引入“路由跨跳”策略，進一步防止靠近Sink節點的區域由于過量轉發數據加速死亡。所謂“路由跨跳”即當節點能量過低時，不再承擔其他節點的數據中繼任務。由于節點均支持VMIMO，因此可以在熱點和非熱點區域間自由切換發射模式，實現路由跨跳。假設非熱點區域簇頭Sv將熱點區域簇頭Sm作為下一跳中繼節點，轉發路徑為Sv→Sm→Ssink。當熱點區域簇m內全部節點能量均低于一個與相鄰簇分組相關的動態閾值后，立即發送包含自身鏈路狀態的低能量信息給上一跳非熱點區域簇頭節點Sv。節點Sv收到該信息后，更新本路由數據庫，提高發射功率，在新的通信過程中不會再選擇Sm作為中繼節點，并跳過該節點直接將數據發送給它的下一跳，即Sv→Ssink。經過若干輪后，由于跨跳距離相對較長，造成的能量消耗也較大，簇v節點剩余能量逐漸接近被跨跳的簇m節點，此時跨跳條件便不再滿足，恢復之前節點Sm的數據中繼功能，以此平衡簇間能量消耗。該路由跨跳方案同樣適用于非熱點區域內部，如Sv→Sm→Sj。

2 網絡能效分析

根據不同信道模型，分析在距離長度為d時發送長度為Lbit信息所需要消耗的能量為：

(4)

其中:Eelec為發送一個比特數據所需要的能耗，εfs為自由空間信道下放大參數，εfs為多徑衰落信道下放大參數，由于發送數據長度為L比特，因此所需消耗的能量為L·Eelec[8]?，F假設系統處于自由空間，將N個傳感節點隨機分布在一個A*A的區域中，分簇期望值為k，每個分簇內的節點數為Ci，εmp設為100 pJ/bit/m2，Eelec設為50 nJ/bit，Rm，Rh分別表示簇內和簇間通信距離。

普通節點的能量消耗主要用于與簇頭發生的通信過程，能耗表示為：

(5)

簇頭的能量消耗可分為兩部分：一是用于接收并處理來自普通節點的數據，二是用于對其他簇頭進行路由中繼。其能耗表示為：

ECH=(Ci-1)·L·Eelec+

(6)

式中，EDA是簇頭進行數據融合時所需要的能量，設為5 Nj/bit，m是融合率，設為0.25。

在非熱點區域采用VMIMO技術擴展簇間路由，分別分析主簇頭節點和輔助簇頭節點能耗，由于VMIMO系統中電路能耗也占較大比重，因此節點能耗由電路能耗和系統傳輸能耗共同組成。

Eintra為簇內數據傳輸能耗：

(7)

Einter為簇間數據傳輸能耗：

(8)

主簇頭能耗EmCH由簇內傳輸能耗EmCH1與簇間傳輸能耗EmCH2組成：

EmCH1=Ci·n2·L·Erec+Ci·n2·m·L·(Eintra+Etrs)+

Ci·n1·β·L·Erec

(9)

EmCH2=Ci·m·L·(Einter+Etrs+Erec)

(10)

EmCH=EmCH1+EmCH2

(11)

輔助簇頭能耗EaCH由簇內傳輸能耗EaCH1與簇間傳輸能耗EaCH2組成：

EaCH1=Ci·n1·L·Erec+Ci·n1·m·L·

(Eintra+Etrs)+Ci·n2·β·L·Erec

(12)

EaCH2=Ci·m·L·(Einter+Etrs+Erec)

(13)

EaCH=EaCH1+EaCH2

(14)

上述公式中，Erec為電路發送端能耗，Etrs為電路接收端能耗，n1，n2分別為簇頭節點和普通節點所占比例。

3 仿真研究

為了驗證該方案對于WSNs性能改善的實際效果，首先模擬一個包含200個無線傳感器的網絡，將這些傳感器隨機放置在200 m*200 m的區域中，并不斷對周圍環境進行監測。在監測區域內的每一個節點只能歸屬于一個簇集，且均具有一定處理能力。簇與簇之間通過跨跳的路由方式進行通信，熱點區域通信采用傳統單天線傳輸模式，非熱點區域采用VMIMO的協作傳輸模式。參量設置如表1所示。

表1 仿真參量表

3.1 生命周期對比

如圖3所示，傳統算法的生命周期為2 508輪，本協議的生命周期為3 096輪，相對于傳統算法提高了23%；而傳統算法的第一個死亡節點出現在1 187輪，本協議的第一個死亡節點出現在1 432輪。通過仿真發現，經過5 000輪模擬，本協議在生命周期及死亡點數量上均優于傳統算法。

圖3 生命周期圖

3.2 能效均衡對比

如圖4所示，兩種協議能耗曲線在初始階均段趨于線性上升，隨著存活輪數的增加，死亡節點越來越多，全網能耗呈減緩趨勢?？梢园l現在整個網絡生命周期內，本協議能耗曲線始終低于傳統協議。如圖5所示，本協議中簇頭能耗也明顯低于原有算法，且波動較小，能耗較為穩定。主要原因在于本協議考慮到了簇間和簇內能效平衡，簇內采用簇頭輪換的方式降低了簇頭節點的負擔，簇間由于熱點區域和非熱點區域的存在，采用差異化的能效均衡策略，在非熱點區域VMIMO技術不僅實現了節點間負載均衡，還大大降低了發射功率，此外跨跳操作又進一步減輕簇頭節點負擔，降低了全網的能耗。

圖4 網絡能量消耗圖

圖5 簇頭節點能效均衡分析圖

4 結論

無線傳感器網絡作為“互聯網+”時代必不可少的組成部分，已經在各個領域得到了廣泛的應用。本文在考慮到智能交通環境中全網能耗、網絡負載均衡以及節點能效均衡的基礎上，對傳統WSNs中面向簇集的能效策略進行了改進，從簇內和簇間兩方面著手，將網絡劃分為兩類區域進行差異化處理，最終結合VMIMO等技術減少不必要的重新分簇，提高了網絡壽命，使其可以更加穩定有效的工作，進而緩解道路上傳感節點由于能量消耗過快而無法及時采集車輛、路況等信息的問題。

[1] 孫利民. 無線傳感器網絡基礎理論和實踐[M]. 北京：清華大學出版社，2013.

[2] 吳成東. 智能無線傳感器網絡原理與應用[M]. 北京: 科學出版社，2011.

[3] 吳振華,尹志軍.基于優化簇半徑的WSNs非均勻分簇路由[J].計算機工程與設計,2010,(15):3374--3378.

[4] 魏劍平,樊 勇,李英奇,等.一種基于能量均衡的無線傳感器網絡協議[J].小型微型計算機系統,2011(1):133-136.

[5] 吉訓生,賈云龍,彭 力.基于非均勻分簇的WSN雙簇頭路由算法[J].計算機工程與應用,2015(20):81-85.

[6] 張 霞,周 剛,于宏毅.一種協作和中繼混合的傳感網壽命最大化路由算法[J].軟件學報,2013(12):2859-2870.

[7] 孫彥清,彭 艦,劉 唐,等.基于動態分區的無線傳感器網絡非均勻成簇路由協議[J].通信學報,2014(1):198-206.

[8] Medhi N, Sarma N, Mira A. Cooperative MIMO in wireless sensor networks with mobile sensors for cooperativeness and data aggregation[C]. Kochi: IEEE, 2012,251 - 256.