周 林，陳揚(yáng)揚(yáng)

(重慶郵電大學(xué)通信與信息工程學(xué)院，重慶400065)

無(wú)線傳感器網(wǎng)絡(luò)是由大量傳感節(jié)點(diǎn)構(gòu)成，能夠相互協(xié)作，實(shí)時(shí)地感知、采集和監(jiān)測(cè)網(wǎng)絡(luò)覆蓋區(qū)域的信息［1］。因?yàn)榇罅康膫鞲衅鞴?jié)點(diǎn)隨機(jī)分布，會(huì)出現(xiàn)相鄰節(jié)點(diǎn)的監(jiān)測(cè)區(qū)域是交叉重疊的，所以會(huì)獲得一些相似數(shù)據(jù)。而傳感節(jié)點(diǎn)能量有限、存儲(chǔ)有限。節(jié)點(diǎn)能量制約著網(wǎng)絡(luò)的生存周期，存儲(chǔ)過(guò)多數(shù)據(jù)會(huì)導(dǎo)致網(wǎng)絡(luò)擁塞。傳感器所消耗能耗中，數(shù)據(jù)傳輸占了絕大部分，因此大量數(shù)據(jù)傳輸就會(huì)過(guò)多地消耗傳感器的能量，縮短網(wǎng)絡(luò)的壽命。為了避免這些問(wèn)題，在數(shù)據(jù)采集的過(guò)程中，人們采用了數(shù)據(jù)匯聚技術(shù)。這樣既可以有效地利用電源能量，又提高了帶寬利用率。

數(shù)據(jù)匯聚就是利用傳感器節(jié)點(diǎn)本地的處理能力，把采集到的大量原始數(shù)據(jù)進(jìn)行篩選、合并的過(guò)程。節(jié)點(diǎn)在傳輸之前，先去除冗余的數(shù)據(jù)，只將有用的結(jié)果傳輸?shù)絊INK節(jié)點(diǎn)。數(shù)據(jù)匯聚利用了不同的時(shí)間與空間資源，把按照時(shí)序采集到的數(shù)據(jù)在一定的規(guī)則下進(jìn)行分析、綜合，它生成的結(jié)果更加準(zhǔn)確、及時(shí)、有效。用戶一般不關(guān)心單個(gè)傳感器節(jié)點(diǎn)的數(shù)據(jù)，只對(duì)監(jiān)測(cè)區(qū)域的環(huán)境變化感興趣。數(shù)據(jù)匯聚就可以滿足這樣的需求，對(duì)監(jiān)測(cè)目標(biāo)做出有效的評(píng)估。數(shù)據(jù)匯聚具有自適應(yīng)的能力，每一輪數(shù)據(jù)采集的過(guò)程中，動(dòng)態(tài)地調(diào)整［2］。選擇出合適的簇頭，這將有助于提高數(shù)據(jù)采集的效率和節(jié)省能量。

1 數(shù)據(jù)匯聚策略

本文的研究是在分簇網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，如圖1所示，選擇簇頭作為匯聚節(jié)點(diǎn)，簇頭不僅要感知數(shù)據(jù)，同時(shí)還要在簇間進(jìn)行數(shù)據(jù)的傳輸。匯聚位置的選擇也至關(guān)重要，如果只在終端節(jié)點(diǎn)進(jìn)行匯聚，這會(huì)影響到數(shù)據(jù)的準(zhǔn)確性;如果只在匯聚節(jié)點(diǎn)進(jìn)行匯聚，將會(huì)造成無(wú)線信道的擁塞。

圖1 分簇網(wǎng)絡(luò)結(jié)構(gòu)

1.1 網(wǎng)絡(luò)模型的構(gòu)建

假設(shè)有N個(gè)傳感器節(jié)點(diǎn)隨機(jī)部署在正方形區(qū)域A(l×l)中，傳感器網(wǎng)絡(luò)被分成若干個(gè)簇，一個(gè)簇中包含了一個(gè)簇頭和若干個(gè)簇成員節(jié)點(diǎn)。簇成員只負(fù)責(zé)采集和傳遞數(shù)據(jù)，而簇頭除了具備傳感節(jié)點(diǎn)的功能外，還要對(duì)簇內(nèi)的成員進(jìn)行管理。建立如下網(wǎng)絡(luò)模型［3］:

1)觀測(cè)區(qū)域A是一個(gè)靜態(tài)的網(wǎng)絡(luò)，傳感節(jié)點(diǎn)和Sink節(jié)點(diǎn)在分布后就固定不變。Sink節(jié)點(diǎn)位于觀測(cè)區(qū)域附近，這些節(jié)點(diǎn)分布不均勻。

2)除了Sink節(jié)點(diǎn)外，傳感節(jié)點(diǎn)和簇頭節(jié)點(diǎn)是同構(gòu)的，每個(gè)節(jié)點(diǎn)都有自己的ID號(hào)。

3)鄰近的節(jié)點(diǎn)在同一時(shí)刻采集到的數(shù)據(jù)具有相似性，每個(gè)節(jié)點(diǎn)都可以進(jìn)行數(shù)據(jù)匯聚。

4)節(jié)點(diǎn)周期性的采集數(shù)據(jù)，并做出決策是否轉(zhuǎn)發(fā)每次的數(shù)據(jù)。

5)節(jié)點(diǎn)能夠獲取自身的位置信息。

1.2 簇頭的選擇機(jī)制

分簇網(wǎng)絡(luò)結(jié)構(gòu)能夠節(jié)省能量，簇頭的節(jié)點(diǎn)通常是采用多跳的方式與下一跳簇頭或者Sink節(jié)點(diǎn)通信。LEACH算法［4］中節(jié)點(diǎn)的位置和能量是未知的，簇頭的選擇是隨機(jī)的，該算法在統(tǒng)計(jì)上是均勻的，但是實(shí)際上簇頭的分布是不均勻的。一方面如果簇頭偏離了大多數(shù)節(jié)點(diǎn)，這樣簇內(nèi)數(shù)據(jù)傳輸能耗就會(huì)增加。另一方面如果剩余能量少的節(jié)點(diǎn)被選舉為簇頭，會(huì)很快耗盡能量。因此LEACH算法不能保證網(wǎng)絡(luò)內(nèi)的能耗均衡，會(huì)導(dǎo)致部分節(jié)點(diǎn)過(guò)早地耗盡能量，降低網(wǎng)絡(luò)的穩(wěn)定性。因此本文動(dòng)態(tài)地選擇簇頭［5］，可以有效地克服以上的缺陷。當(dāng)選的簇頭節(jié)點(diǎn)就會(huì)廣播消息，通知周圍節(jié)點(diǎn)加入該簇。網(wǎng)絡(luò)中的節(jié)點(diǎn)布置好之后，節(jié)點(diǎn)間進(jìn)行信息交換，可以獲取鄰近節(jié)點(diǎn)位置和到Sink節(jié)點(diǎn)距離的信息。由于簇頭節(jié)點(diǎn)不僅要進(jìn)行簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù)融合，還要轉(zhuǎn)發(fā)簇間的數(shù)據(jù)，所以簇頭節(jié)點(diǎn)能量消耗較多。如果不合理地選擇簇頭，其續(xù)航能力有限，很快成為死亡節(jié)點(diǎn)，影響整個(gè)網(wǎng)絡(luò)的生命周期。假設(shè)一個(gè)區(qū)域m個(gè)節(jié)點(diǎn)啟動(dòng)并且初始化，每個(gè)節(jié)點(diǎn)都開(kāi)始競(jìng)選簇頭。每個(gè)節(jié)點(diǎn)成為簇頭的優(yōu)先權(quán)值P(i)，P(i)與節(jié)點(diǎn)的密集程度和剩余能量成正比例關(guān)系。P(i)的值越大，節(jié)點(diǎn)成為簇頭的概率也越大。

式中:節(jié)點(diǎn)i密集程度為Di，周圍有m個(gè)鄰居節(jié)點(diǎn)。節(jié)點(diǎn)i與旁邊的第t個(gè)鄰居節(jié)點(diǎn)的距離為dt，鄰居節(jié)點(diǎn)與它都是單跳連接的。而節(jié)點(diǎn)i覆蓋的區(qū)域半徑為r。節(jié)點(diǎn)當(dāng)前的剩余能量為Espare(i)，μ為能量權(quán)重，λ為密集權(quán)重。由式(1)，(2)可以推導(dǎo)出每個(gè)節(jié)點(diǎn)成為簇頭的概率，概率較大的就成為了簇頭節(jié)點(diǎn)。然后簇頭開(kāi)始廣播成簇的消息［6］，廣播消息包含簇頭ID、剩余能量、傳輸跳數(shù)k，在簇頭的傳播過(guò)程中跳數(shù)遞減，直到為零。同一個(gè)節(jié)點(diǎn)可能收到附近幾個(gè)簇的成簇消息，根據(jù)信號(hào)強(qiáng)度大小決定加入哪個(gè)簇。過(guò)了一段時(shí)間后，Sink節(jié)點(diǎn)發(fā)動(dòng)新一輪的傳輸消息，無(wú)線傳感網(wǎng)絡(luò)進(jìn)入下一個(gè)數(shù)據(jù)采集周期，要求再次選舉簇頭，每個(gè)節(jié)點(diǎn)根據(jù)自身的狀況計(jì)算優(yōu)先權(quán)值，從而選出新的簇頭。

1.3 數(shù)據(jù)匯聚算法

現(xiàn)有的算法絕大部分是在簇頭進(jìn)行數(shù)據(jù)聚合的，但是簇內(nèi)的成員節(jié)點(diǎn)在數(shù)量上具有絕對(duì)優(yōu)勢(shì)，所以本文提出在簇內(nèi)節(jié)點(diǎn)匯聚的一種算法，它能更有效地減少數(shù)據(jù)的傳輸量。之前也有TEEN算法［7］設(shè)置軟硬門(mén)限值，用來(lái)確定是否發(fā)送監(jiān)測(cè)數(shù)據(jù)。但是該算法對(duì)監(jiān)測(cè)數(shù)據(jù)的不確定性，在概率統(tǒng)計(jì)上缺乏科學(xué)的度量，并且不適合用在周期性采集的系統(tǒng)中。本文提出簇內(nèi)節(jié)點(diǎn)比較前后兩次接收的數(shù)據(jù)的差別，求出該節(jié)點(diǎn)新鮮性信息熵［8］，如)

式中:x'是當(dāng)前采集到或者接收到的數(shù)據(jù);x是前一次采集到或者接收到的數(shù)據(jù)。并且根據(jù)目標(biāo)區(qū)域的特征建立一個(gè)樣本，x和x'從樣本(x1，x2，x3…，xn)中取值。同時(shí)滿足

F的結(jié)果越小代表節(jié)點(diǎn)前后兩次接收到的信息越相似，即存在著很大的冗余性，需要對(duì)重復(fù)的信息進(jìn)行去除。這里設(shè)置一個(gè)閾值m，當(dāng)F≥m時(shí)，說(shuō)明數(shù)據(jù)比較新鮮，中間節(jié)點(diǎn)就應(yīng)該把數(shù)據(jù)向上游節(jié)點(diǎn)傳送;當(dāng)F＜m時(shí)，說(shuō)明數(shù)據(jù)冗余，就不發(fā)送數(shù)據(jù)，但是把數(shù)據(jù)記錄在節(jié)點(diǎn)中，用來(lái)與下次發(fā)送的數(shù)據(jù)進(jìn)行比較。在一段時(shí)間內(nèi)，當(dāng)簇頭節(jié)點(diǎn)接收到簇內(nèi)成員節(jié)點(diǎn)的數(shù)據(jù)包后，通過(guò)進(jìn)一步的處理，把相同的包頭開(kāi)銷去掉［9］，保留有用的信息。然后把有用的信息聚合在一起再加上包頭，傳送到下一個(gè)簇頭或Sink節(jié)點(diǎn)。

傳感器節(jié)點(diǎn)在一輪數(shù)據(jù)采集中，如果監(jiān)測(cè)的物理量沒(méi)有明顯的變化，那么節(jié)點(diǎn)就不會(huì)與匯聚節(jié)點(diǎn)通信，用戶就不能周期性采集到數(shù)據(jù)。為了避免這種情況發(fā)生，就需要對(duì)采集的數(shù)據(jù)取平均值。在一輪采集周期結(jié)束時(shí)，把平均值發(fā)送給簇頭節(jié)點(diǎn)。傳感器匯聚的算法執(zhí)行中也要有學(xué)習(xí)過(guò)程［10］，Sink節(jié)點(diǎn)接收到的數(shù)據(jù)的性質(zhì)和變化規(guī)律不同，就需要設(shè)置一個(gè)不同的閾值m。服務(wù)器分析接收到數(shù)據(jù)的準(zhǔn)確性，調(diào)整閾值m并反饋給簇內(nèi)成員節(jié)點(diǎn)。然后傳感器節(jié)點(diǎn)根據(jù)調(diào)整后閾值來(lái)發(fā)送數(shù)據(jù)，提高監(jiān)測(cè)結(jié)果的準(zhǔn)確性。

2 仿真實(shí)驗(yàn)

從節(jié)點(diǎn)的平均能耗和存活數(shù)量進(jìn)行分析對(duì)比。選擇120個(gè)相同的傳感器節(jié)點(diǎn)，非均勻地隨機(jī)部署在100 m×100 m的環(huán)境中。其中簇頭所占的比例為5%，Sink節(jié)點(diǎn)的位置為(60 m，55 m)。每個(gè)傳感器節(jié)點(diǎn)能夠覆蓋的半徑為1 m，初始能量為2 J。μ=λ=1，用戶監(jiān)測(cè)到的物理變量取5個(gè)樣本值，事件對(duì)應(yīng)發(fā)生的概率為0.15，0.2，0.3，0.2，0.15。信息的閾值m取0.065，當(dāng)新鮮性信息熵大于該值時(shí)就把本次的數(shù)據(jù)發(fā)送出去。

圖2顯示了在800 s的仿真時(shí)間內(nèi)每個(gè)節(jié)點(diǎn)平均消耗的能量。從圖中可以看出采用新鮮性信息熵算法明顯降低了能耗，節(jié)約了近20%的能量。這是因?yàn)長(zhǎng)EACH算法中傳感器節(jié)點(diǎn)的數(shù)據(jù)不聚合，傳送到簇頭節(jié)點(diǎn)再匯聚。而新鮮性信息熵算法在簇內(nèi)的傳感節(jié)點(diǎn)就進(jìn)行匯聚，只發(fā)送變化顯著的數(shù)據(jù)，這樣就減少了數(shù)據(jù)量，從而節(jié)約了能量。

圖2 單個(gè)節(jié)點(diǎn)平均消耗的能量

圖3 顯示改進(jìn)算法與LEACH算法隨時(shí)間變化節(jié)點(diǎn)存活數(shù)量的比較，在0～300 s傳感器網(wǎng)絡(luò)剛開(kāi)始工作，所有節(jié)點(diǎn)能量都很充足，死亡的節(jié)點(diǎn)很少，兩種算法也相差不大。在500 s以后，改進(jìn)算法比LEACH算法有明顯的改進(jìn)。這是因?yàn)楦倪M(jìn)算法根據(jù)剩余能量和密集程度來(lái)選擇簇頭，能量較多的節(jié)點(diǎn)被選擇當(dāng)簇頭的概率增加，這樣能耗就比較均衡。同時(shí)傳感節(jié)點(diǎn)比較信息熵值減少了傳送的數(shù)據(jù)量，從而使整個(gè)網(wǎng)絡(luò)的能量消耗更加合理，增加了網(wǎng)絡(luò)中節(jié)點(diǎn)存活的數(shù)量。

圖3 節(jié)點(diǎn)存活數(shù)量

3 小結(jié)

由于傳感器節(jié)點(diǎn)密集分布，監(jiān)測(cè)區(qū)域的物理量大部分時(shí)間保持穩(wěn)定狀態(tài)，以及相鄰的傳感器節(jié)點(diǎn)對(duì)同一目標(biāo)區(qū)域采集相似的結(jié)果［11］，所以傳感器網(wǎng)絡(luò)的數(shù)據(jù)有很大的冗余性。過(guò)多的數(shù)據(jù)傳輸要消耗能量，會(huì)影響網(wǎng)絡(luò)的生命周期。本文提出根據(jù)節(jié)點(diǎn)的密集程度和新鮮性信息熵的概念來(lái)選舉簇頭，然后簇頭廣播成簇消息，附近的節(jié)點(diǎn)自動(dòng)加入簇結(jié)構(gòu)。與LEACH算法相比，能耗更加均衡，剩余能量較少的節(jié)點(diǎn)被選為簇頭的概率降低，因此可以減少節(jié)點(diǎn)的死亡。同時(shí)簇內(nèi)的成員節(jié)點(diǎn)采用了新鮮性信息熵算法，對(duì)沒(méi)有顯著變化的數(shù)據(jù)暫存本地節(jié)點(diǎn)中不發(fā)送，這樣就有效地減少了數(shù)據(jù)的發(fā)送。仿真實(shí)驗(yàn)表明改進(jìn)算法明顯減少了能量消耗，延長(zhǎng)了網(wǎng)絡(luò)壽命。在以后的工作中，數(shù)據(jù)的安全和數(shù)據(jù)延遲還有待于進(jìn)一步研究。

［1］崔遜學(xué)，左從菊.無(wú)線傳感器網(wǎng)絡(luò)簡(jiǎn)明教程［M］.北京:清華大學(xué)出版社，2009.

［2］HUA C，YUM T S.Optimal routing and data aggregation for maxinizing lifetime of wireless sensor networks［J］.IEEE/ACM Trans.Networking，2008，16(4):892-903.

［3］李菲菲，徐汀榮.基于能量感知的雙簇頭數(shù)據(jù)收集協(xié)議［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32(7):2290-2293.

［4］HEINZELMAN W，CHANDRAKASAN A，BALAKRISHNAN H.Energyefficient communication protocol forwireless micmsensor networks［C］//Proc.the 33rd Annual Hawaii Int’t Conf.on System Sciences.Maui:IEEE Computer Society，2000:3005-3014.

［5］李敏，羅挺，周俊.一種無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)成簇?cái)?shù)據(jù)融合算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20(7):61-64.

［6］孫凌逸，黃先祥，蔡偉，等.基于神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法［J］.傳感技術(shù)學(xué)報(bào)，2011，24(1):122-126.

［7］MANJESHWAR A，AGRAWAL D，MANJESHWAR A，et al.TEEN:a protocol for enhanced efficiency in wireless sensornetworks［C］//Proc.the 15th Parallel and Distributed Processing Symp.San Francisco:IEEE Computer Society，2001:2009-2015.

［8］張強(qiáng)，盧瀟，崔曉臣.基于分簇的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究［J］.傳感技術(shù)學(xué)報(bào)，2010，23(12):1778-1782.

［9］陳妍.無(wú)線傳感器網(wǎng)絡(luò)MAC層數(shù)據(jù)融合的研究［J］.湖北工業(yè)大學(xué)學(xué)報(bào)，2011，26(5):81-84.

［10］彭愛(ài)平，郭曉松，蔡偉，等.基于估計(jì)機(jī)制的分簇傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法［J］.傳感技術(shù)學(xué)報(bào)，2011，24(1):128-133.

［11］林蔚，祝啟龍.無(wú)線傳感器網(wǎng)絡(luò)節(jié)能型數(shù)據(jù)融合算法［J］.哈爾濱工程大學(xué)學(xué)報(bào)，2011，32(10):1386-1389.