方 晨 劉 昊 時龍興

(東南大學國家專用集成電路系統(tǒng)工程技術研究中心,南京 210096)

無線傳感器網絡在商業(yè)和軍事上具有廣泛的應用,如環(huán)境監(jiān)測、工業(yè)傳感、戰(zhàn)場情報等[1-2].該網絡通常由樹形匯聚的數據流組成,而并非獨立的點對點數據傳輸．隨著周期性、離散、突發(fā)的事件發(fā)生,無線傳感器網絡表現出獨特的匯聚特性,即數據包產生并迅速向一個或多個匯聚節(jié)點移動[3]．

在傳統(tǒng)的Ad hoc無線網絡中,節(jié)點需要保持工作狀態(tài)以偵聽可能到達的數據包,其中空閑偵聽浪費了大量的能量．而在無線傳感器網絡中,路由及媒體訪問控制層(media access control,MAC)的能效是無線傳感器網絡通信協議一個基本的設計要點[4-5]．近年來的研究發(fā)現,在無線傳感器網絡協議設計中,首選的節(jié)能方法是使節(jié)點周期性睡眠以節(jié)省能耗[6-11].

數據包匯聚特性和周期性睡眠帶來了很多負面效應．例如,在匯聚的網絡中,數據包經過多跳接力向匯聚節(jié)點集中,導致離匯聚節(jié)點越近數據密度越大;在周期睡眠的MAC協議中,數據包經過多跳傳輸,大幅增加了數據包傳遞延遲;傳感器節(jié)點同步喚醒,增加了碰撞的概率．當網絡載荷增加時,這些負面效應加劇了網絡擁塞,導致網絡中數據包延遲及丟失．盡管傳感器節(jié)點可以采用上層擁塞緩解協議進行擁塞控制[12-14],但是離開MAC層的幫助,它們不能對網絡擁塞進行快速反應,以避免由于緩存溢出導致數據包的丟失．

針對上述問題,本文提出了一種適用于大多數傳感器網絡MAC協議的擁塞減輕策略,即自適應競爭窗口策略(adaptive contention window,ACW)．該策略包括擁塞探測和擁塞減輕2個部分,原理是使緩存較多數據包的節(jié)點獲得較高的成功競爭信道的概率,進行數據包的發(fā)送,以緩解網絡擁塞引起的數據包丟失問題．

1 ACW策略設計

1.1 擁塞

1.2 擁塞探測

目前,擁塞探測方法主要有2種:① 基于隊列長度的擁塞探測方法;② 基于信道采樣的擁塞探測方法．前者的性能弱于后者[12]．在基于隊列長度的擁塞探測方法中,節(jié)點監(jiān)測發(fā)送隊列的緩存空置比率,當緩存空置比率低于某個閾值時,節(jié)點判斷網絡發(fā)生了擁塞．在基于信道采樣的擁塞探測方法中,有數據包需要發(fā)送前,需要對傳感器節(jié)點進行信道采樣,再根據信道繁忙狀態(tài),計算利用率因子,如果其高于某閾值,則節(jié)點判斷網絡發(fā)生了擁塞;然而,信道采樣屬于空閑偵聽,會浪費能量[13]．無線傳感器網絡需要節(jié)省能量，以使節(jié)點工作時間更長,故在ACW策略中,采用第1種方法進行擁塞探測．

1.3 擁塞緩解

節(jié)點探測到擁塞后,開始調用自適應競爭窗口算法,使緩存較多數據包的節(jié)點獲得較高的進行數據包發(fā)送的概率．自適應競爭窗口算法將當前周期節(jié)點的隨機競爭窗口尺寸Wran∈(1,Wm)與其緩存隊列長度l∈(1,lm)進行反比例映射，其中Wm表示當前周期中可選取競爭窗口尺寸的最大值,lm表示節(jié)點最大隊列長度,由節(jié)點緩存空間決定．

該競爭窗口自適應過程是一個閉環(huán)反饋控制過程,流程圖見圖2．節(jié)點監(jiān)測發(fā)送隊列的長度,發(fā)現緩存空置比率上升時,預測本節(jié)點會聚集更多的數據包,故縮小競爭窗口尺寸,提高成功競爭信道、

圖2 自適應競爭窗口調整

進行數據包發(fā)送的概率;反之,則增大競爭窗口的尺寸．

當前周期節(jié)點隨機選擇的競爭窗口尺寸Wc為

Wc∈(1,Wran)Wran=Wm(1-α)

(1)

式中,α=l/lm表示緩存的占用比率．

此外,當網絡嚴重擁塞時,相鄰節(jié)點緩存隊列長度均較長,各節(jié)點經過映射計算得出的Wran較小,導致隨機選擇競爭窗口的范圍縮小,相鄰節(jié)點競爭信道時碰撞概率上升．因此,設Wlit為隨機選擇競爭窗口范圍的下限,若經過映射計算得出的Wran小于Wlit,則Wran=Wlit,以減小競爭窗口選擇范圍縮小后引起的碰撞概率．

實際應用中,不同節(jié)點的緩存大小及競爭窗口的初始值不盡相同,但ACW策略采用的反比例映射算法可使其具有較廣泛的適用性．

前人關于IEEE 802.11可變競爭窗口的研究[4-5]并不適用于低占空比工作周期的無線傳感器網絡[15]．因此,本文從無線傳感器網絡自身的特性及存在的問題出發(fā)，展開研究．

2 仿真環(huán)境

將ACW策略在仿真軟件NS-2 V2.29中實現,并采用NOAH路由協議．仿真中,每個節(jié)點都加載載荷,載荷為固定比特率數據流,所有數據包大小為50 B．假設中繼節(jié)點不改變數據包的長度,且節(jié)點對數據的處理可以在射頻收發(fā)轉換時間內完成,故數據處理不會引入新的延遲．不同類型數據包的傳輸延遲見表1．

表1 傳輸延時表

簇狀樹形網絡拓撲簡單實用，在眾多無線傳感器網絡應用中被大量采用[16-17].因此，本文采用一個8節(jié)點的樹形網絡進行仿真評估,其網絡拓撲圖見圖3．為了證明ACW策略的有效性,在SMAC協議[6]上加載ACW策略,并與原協議進行性能對比．節(jié)點參數設置見表2．

圖3 樹形拓撲

表2 節(jié)點參數設置表

3 結果分析

3.1 ACW策略效果

采用SMAC協議時,節(jié)點1～節(jié)點7的緩存隊列長度與仿真時間的變化關系見圖4．由圖可知,離匯聚節(jié)點較近的節(jié)點1～節(jié)點3的隊列在仿真過程中長期處于飽和狀態(tài),其余各節(jié)點的緩存隊列在仿真開始后迅速進入飽和狀態(tài),且隊列被逐漸排空．該仿真過程持續(xù)1 200 s．仿真中,外圍節(jié)點將數據包推送至離匯聚節(jié)點較近的節(jié)點,而離匯聚節(jié)點較近的節(jié)點來不及排空緩存的數據包,發(fā)生緩存溢出,導致節(jié)點1～節(jié)點3處大量數據包被丟棄．

圖4 SMAC各節(jié)點隊列長度變化曲線

采用ACW策略后,節(jié)點1～節(jié)點7的緩存隊列長度與仿真時間的變化關系見圖5．由圖可知,離匯聚節(jié)點較近的節(jié)點1～節(jié)點3的隊列于仿真開始時便迅速進入飽和狀態(tài),隨后各節(jié)點的緩存隊列被逐漸排空,仿真持續(xù)1 800 s．其原因在于,當網絡發(fā)生擁塞時,ACW策略提高了節(jié)點1～節(jié)點3成功競爭信道的概率,同時,迫使外圍緩存數據包較少節(jié)點的競爭信道成功率大幅降低,延緩了外圍節(jié)點向節(jié)點1～節(jié)點3推送數據包的速度,縮短了緩存隊列的長度,外圍節(jié)點逐漸恢復競爭信道能力,從而繼續(xù)進行數據包的傳遞．ACW策略極大地避免了由于擁塞導致的數據包丟失．

圖5 ACW各節(jié)點隊列長度變化曲線

由此可知,ACW策略的效果主要體現在2個方面:① 幫助緩存隊列較長的節(jié)點提高競爭信道能力，獲得較高的數據包發(fā)送概率,以減輕擁塞,減少數據包的丟失;② 在緩存隊列較短的節(jié)點處,緩存數據包．當擁塞發(fā)生時,網絡中的數據包在網絡的外圍節(jié)點進行緩存,避免了數據包的迅速匯聚．

3.2 數據包傳遞率及能耗評估

數據包傳遞率是指成功到達匯聚節(jié)點的數據包數目與產生于所有源節(jié)點的數據包總數目的比值．源節(jié)點數據包的產生間隔時間與數據包傳遞率之間的關系見圖6．由圖可知,隨著源節(jié)點向網絡中注入數據包的頻率增加,ACW策略大幅提高了SMAC協議的數據包傳遞率．當數據包的產生間隔時間小于10 s時,ACW策略使數據包傳遞率提高了25%～30%．

圖6 數據包傳遞率與源節(jié)點數據包產生時間間隔的關系

平均能耗是指仿真過程中各節(jié)點耗能的平均值．由圖7可知,由于SMAC協議采用周期性睡眠策略,其平均能耗較低．ACW策略大幅提高數據包傳遞率的同時,相對于SMAC協議,其能耗略微增加．增加的能耗源于對更多數據包的傳輸．

圖7 平均能耗與源節(jié)點數據包產生時間間隔的關系

4 結論

1) 設計了一種自適應競爭窗口調整算法．將緩存較多數據包的節(jié)點賦予較高的成功競爭信道概率,從而提高了數據包的傳遞率．當擁塞發(fā)生時,數據包在網絡外圍被節(jié)點緩存,避免了數據包的迅速匯聚．本質上,通過平衡網絡中載荷分布,大幅減少了網絡中數據包的丟失．

2)在仿真軟件NS-2 V2.29中進行了ACW策略設計及仿真．結果表明,該策略提高了數據包的傳遞率,緩解了無線傳感器網絡擁塞所帶來的副作用．

)

[1] Yick J,Mukherjee B,Ghosal D. Wireless sensor network survey[J].ComputerNetworks,2008,52(12): 2292-2330.

[2] Potdar V,Sharif A,Chang E. Wireless sensor networks: a survey[C]//Proceedingsof2009AdvancedInformationNetworkingandApplicationsWorkshops. Bradford,England,2009: 636-641.

[3] Wan C Y,Eisenman S B,Campbell A T,et al. Overload traffic management for sensor networks[J].ACMTransactionsonSensorNetworks,2007,3(4): 18-22.

[4] Pries R,Menth S,Staehle D,et al. Dynamic contention window adaptation (DCWA) in IEEE 802.11e wireless local area networks[C]//Proceedingsof2008InternationalConferenceonCommunicationsandElectronics. Hoi An,Vietnam,2008: 92-97.

[5] Lv J,Zhang X M,Han X J,et al. A novel adaptively dynamic tuning of the contention window (CW) for distributed coordination function in IEEE 802.11 ad hoc networks[C]//Proceedingsof2007InternationalConferenceonConvergenceInformationTechnology. Gyeongju,Korea,2007: 290-294.

[6] Ye W,Heidemann J,Estrin D. An energy-efficient MAC protocol for wireless sensor networks[C]//Proceedingsof2002IEEEINFOCOM. New York,USA,2002: 1567-1576.

[7] Ringwald M,Romer K. BitMAC: a deterministic,collision-free,and robust MAC protocol for sensor networks[C]//Proceedingsofthe2ndEuropeanWorkshoponWirelessSensorNetworks. Istanbul,Turkey,2005: 57-69.

[8] Yu F,Wu T,Biswas S. Toward in-band self-organization in energy-efficient MAC protocols for sensor networks[J].IEEETransactionsonMobileComputing,2008,7(2): 156-170.

[9] Liu S,Fan K,Sinha P. CMAC: an energy-efficient MAC layer protocol using convergent packet forwarding for wireless sensor networks[J].ACMTransactionsonSensorNetworks,2009,5(4): 1-34.

[10] Hurni P,Braun T. MaxMAC: a maximally traffic-adaptive MAC protocol for wireless sensor networks[C]//Proceedingsof2010EuropeanConferenceonWirelessSensorNetworks. Coimbra,Portugal,2010: 289-305.

[11] Fang C,Liu H,Qian L. LC-MAC: an efficient mac protocol for the long-chain wireless sensor networks[C]//Proceedingsof2011InternationalConferenceonCommunicationsandMobileComputing. Qingdao,China,2011: 495-500.

[12] Hull B,Jamieson K,Balakrishnan H. Mitigating congestion in wireless sensor networks[C]//Proceedingsof2004InternationalConferenceonEmbeddedNetworkedSensorSystems. Baltimore,Maryland,USA,2004: 134-147.

[13] Wan C Y,Eisenman S B,Campbell A T. Coda: congestion detection and avoidance in sensor networks[C]//Proceedingsof2003InternationalConferenceonEmbeddedNetworkedSensorSystems. Los Angeles,CA,USA,2003: 266-279.

[14] Zhai H,Fang U. Distributed flow control and medium access in multihop ad hoc networks[J].IEEETransactionsonMobileComputing,2006,5(11): 1503-1514.

[15] Intanagonwiwat C,Govindan R,Estrin D. Directed diffusion: a scalable and robust communication paradigm for sensor networks[C]//Proceedingsof2000InternationalConferenceonMobileComputingandNetworking. Boston,USA,2000: 56-67.

[16] Jonhnstone I,Nicholson J,Shehzad B,et al. Experiences from a wireless sensor network deployment in a petroleum environment[C]//Proceedingsof2007InternationalConferenceonWirelessCommunicationsandMobileComputing. New York,USA,2007: 382-387.

[17] Wan Y D,Li L,He J. Anshan: wireless sensor networks for equipment fault diagnosis in the process industry[C]//Proceedingsof2008Sensor,MeshandAdHocCommunicationsandNetworks. San Francisco,CA,USA,2008: 314-322.