葉大偉，沈 重

(海南大學 信息科學技術學院，海南 海口570228)

無線傳感器網絡(Wireless Sensor Networks，WSNs)能夠實時的檢測、感知、采集網絡分布區(qū)域內的各種環(huán)境檢測對象，并對這些數據進行處理，獲得詳細準確的信息，傳送給需要這些信息的用戶［1］. WSNs 具有能量有限、帶寬有限、計算存儲能力有限、傳感器節(jié)點數量多且分布廣、網絡拓撲動態(tài)性強、感知數據流大等特點［2］.

數量眾多的傳感器節(jié)點采集數據后，直接將原始數據傳輸到Sink 節(jié)點是不可行的. 文獻［3］表明，在WSNs 中距離100 m 的節(jié)點傳輸1 bit 信息所消耗的能量約等于處理3 000 條指令所消耗的能量. 因此在傳輸數據之前對數據進行壓縮是一種有效的減少傳輸能耗的方式. 利用小波變換對數據流具有良好的壓縮性能［4］，筆者通過采用Haar 小波數據壓縮算法，基于OMNeT++設計出WSNs 系統(tǒng)的整體架構、網絡協(xié)議，對采用的算法進行仿真實現(xiàn)，最后根據WSNs 的網絡特點，對實驗仿真過程中出現(xiàn)的因報文生成和傳輸問題進行分析解決，提出了簇頭報文判別機制和改善的Sink 節(jié)點報文有限等待機制. 實驗結果表明，OMNeT++能夠有效的仿真出WSNs 的數據壓縮特性，證明了該平臺在WSNs 仿真中系統(tǒng)的可靠性和結果的有效性，并給出了基于OMNeT++進行性能參數仿真的思路和方法，為WSNs 的數據壓縮研究及其分析提供了參考.

1 小波數據壓縮

在無線傳感器網絡中，單個傳感器節(jié)點收集到的數據在時間上可能是相關的，地理位置相鄰的傳感器節(jié)點采集的數據存在空間相關性. 利用小波變換具有多分辨分析的特性［5］，去除數據中的冗余信息，達到數據壓縮的目的. 無線傳感器網絡的部署在空間上是不規(guī)則的，因而不能直接應用傳統(tǒng)的小波變換，通過Haar 小波的分解與重構，減少數據流中存在的時－空相關性來減少冗余數據［5－6］.

本文利用Haar 小波結構簡單和變換復雜度低的優(yōu)點，進行無線傳感器數據壓縮算法的OMNeT++仿真，給出了具體的壓縮實現(xiàn)過程.

1.1 Haar 小波變換 Haar 小波的本質是對相鄰的數據求均值和差值，或者說分解為低頻數據和高頻數據. 設數據向量s，逐個計算相鄰數據的均值，得到數據個數為原向量一半的低分辨率新向量，稱為近似分量. 對于長度為2n的信號sk={sk，l≤l ＜2n}(k 表示變換級數，k =0 表示原始信號). Haar 小波分解公式如下

則多級Haar 小波變換的分解過程和重構過程如圖1 所示.

圖1 Haar 小波變換的分解過程和重構過程圖

1.2 Haar 小波的數據壓縮實現(xiàn) 仿真系統(tǒng)中在簇頭節(jié)點進行小波變換，從而實現(xiàn)對大量數據的壓縮處理. 簇頭接收簇內節(jié)點的數據報文后放入緩存. 數據經過小波變換后生成的小波系數的數據總量與原信號的數據相等，即小波變換的本身并不具有壓縮功能. 數據在經過小波變換后將被劃分為2 個部分，一個是低頻系數稱為的近似分量，另一個是高頻系數又稱為細節(jié)分量，其中低頻系數匯聚了原始數據的絕大部分能量. 根據小波變換的性質，將變換后的小波系數進行取閾值、量化和編碼，即可達到壓縮數據的目的. 一般而言，小波數據壓縮步驟如下

步驟1 傳感器節(jié)點采集數據sk;

步驟2 將數據發(fā)送給簇頭節(jié)點;

步驟3 在簇頭節(jié)點對原始采集數據進行Haar 小波分解，得到小波分解系數{ωi};

步驟4 根據采用硬閾值法，大于或等于該閾值λ 的小波系數則被保留，小于該閾值的小波系數則設置為得到小波估計系數

步驟6 設M=2n，則ω 的量化步長

步驟8 利用游程編碼方法對量化值進行編碼.

2 OMNeT++數據壓縮仿真設計

基于WSNs 自身的特點，高效準確的仿真工具對推動WSNs 節(jié)能發(fā)展作用很大［7－8］. 盡管目前在各種成熟的網絡仿真平臺，如NS2，OPNET，GloMoSim 和QualNet，但WSNs 的特性使得這些仿真平臺具有某些使用的局限性［9－10］.

OMNeT++(Objective Modular Network TestBed in C++)是一款面向對象的離散時間網絡模擬器，采用面向組件的設計模式，避免調用不必要的模塊，降低系統(tǒng)的內存占用率［11］. OMNeT ++支持腳本配置，在不必修改源代碼和不重新編譯的情況下，通過參數設置對不同的環(huán)境的網絡模型進行仿真［12］. 為了進一步提高仿真性能，本系統(tǒng)使用一個在OMNeT ++ 平臺基礎上開發(fā)的無線及移動框架組件(Mobility Framework，MF)，并使用Cmd-env 提供的時間記錄器對仿真過程中的時間進行跟蹤記錄.

無線傳感器網絡模擬系統(tǒng)(虛擬傳感器網絡，VWSN)的整體設計框架，主要包含協(xié)調模塊、算法管理模塊、部署模塊、節(jié)點構造器和基礎類庫5 個基礎模塊.

2.1 基于數據壓縮的VWSN 網絡協(xié)議設計 無線及移動框架組件下無線傳感器網絡協(xié)議主要包括數據報文格式、報文生成和傳輸方法. 協(xié)議棧由上至下可以分為APP，NET 和NIC 層，其中NIC 層包括MAC層和PHY 層，總體架構如圖2 所示.

圖2 網絡協(xié)議整體架構圖

整體基于VWSN 數據壓縮算法的網絡協(xié)議實現(xiàn)介紹如下:Initialize()(初始化)，handleLowerMsg()(處理下層信息)，handleUpperMsg()(處理上層消息)，sendDown()(向下發(fā)送)，sendUp()(向上發(fā)送)函數由OMNeT++封裝提供，為各層所共享. 其中APP 層包含上層小波壓縮算法模塊，壓縮算法包括數據源模塊、數據匯聚模塊、小波變換和游程編碼模塊. generatePacket()用于產生、抽取樣本數據. 在NET 中構建成簇網絡拓撲結構. 路由表模塊則采用基于Dijkstra 算法的跳數最小權重路由算法，主要包括router()和findNextHop()2 種方法，其中router 處理數據報文否需要轉發(fā)，findNextHop()則負責為數據報文選擇下一跳路由. MAC 層采用異步通信協(xié)議［13］，包括時鐘調度的handleSelfMsg()和Pop()(緩存數據發(fā)送)、sleep()(轉為睡眠狀態(tài))、Queue()(數據存儲)和bkQueue()(備份數據報文緩存)、ACK()(ACK 信息處理)等. 底層數據收發(fā)信息及數據校驗功能，主要由Send()(數據發(fā)送)和Receive()(數據接收)模塊實現(xiàn).

2.1.1 網絡協(xié)議中報文生成與傳輸 在VWSN 系統(tǒng)中，節(jié)點時鐘調度不定期生成數據報文. 數據報文分為數據域和報頭，其中報頭包括數據報文的源地址、目的地址、包序列號和時間戳等相關信息. 由于數據報文傳輸由網絡層負責，采用在文獻［14］中的網絡成簇協(xié)議. 對于成簇算法，簇內節(jié)點依據最小權重路由算法中轉至簇頭節(jié)點，簇頭處理數據后再將數據報文采用相同的路由算法發(fā)往Sink 節(jié)點. 此時，為了防止簇頭對數據報文進行二次壓縮處理，在數據報文路由中添加判定.

數據報文經過節(jié)點單跳到簇頭后，簇頭根據數據報文源地址信息判斷該包是否為簇內節(jié)點產生:

a)是，發(fā)送APP 層進行數據壓縮.

b)否，該包是一個需多跳至Sink 點的中轉路由包.

本文算法中節(jié)點至簇頭采用平面路由協(xié)議，即系統(tǒng)初始化時為每一個節(jié)點確定一條靜態(tài)路由至Sink節(jié)點. 雖然靜態(tài)路由不能較好地適應網絡，但可以從一定程度上降低網絡非數據通信能耗. 數據報文生成如圖3 所示.

圖3 數據報文生成示意圖

2.1.2 網絡協(xié)議中Sink 節(jié)點報文等待機制 在設計WSNs 仿真時，無線傳感器網絡存在一定的報文丟失概率，Sink 節(jié)點不知道何時能接收到期待的數據報文，因此在具體實現(xiàn)仿真架構的模型時，筆者提出了一種等待機制. Sink 節(jié)點接收到數據報文后，根據數據報文的地址分類放入相應的緩存中，并將該數據報文的時間戳設定為當前的系統(tǒng)時間，同時Sink 節(jié)點維護一個周期性檢測信號，如果滿足以下條件，則立即調用解碼函數

1)Sink 節(jié)點接收全一個系列報文;

2)來自一個系列報文的數據量超過該報文總數的一半.

通過采用等待機制，可以有效地避免因丟包引起的Sink 節(jié)點無限等待解碼，提高了系統(tǒng)的穩(wěn)定性和數據解碼的準確性.

2.4 性能統(tǒng)計 模擬系統(tǒng)在執(zhí)行任務過程中通過后臺數據庫對模擬結果進行記錄，并依據該記錄對小波壓縮算法的性能進行評估. 本文將從能耗、壓縮比和均方差3 個性能指標來敘述系統(tǒng)的性能統(tǒng)計與結果分析.

1)能耗 將節(jié)點發(fā)送數據報文、接收報文、數據處理看做一個個事件，并為每一個事件設置相應的能量損耗. 每一個節(jié)點初始化設置一個能量值，采用一階無線模型［15］進行網絡性能分析，此模型中傳送距離D 的k 比特數據能耗方程表示如下.

傳輸能耗ETx可以表示為

接收能耗ERx可以表示為

數據處理能耗Ep可以表示成

其中，N 是完成計算花費的時鐘周期的數目，Vdd是CPU 的工作電壓，C 每個時鐘周期所轉換的數據量，C的大小與CPU 有關，本文采用StrongARM SA－1100 芯片，取C=0.67 nF.

2)壓縮比 設簇頭緩存內參與小波變換的數據報文總數是Stotal，編碼后重新封裝的序列數據報文數量為SC，則壓縮比可以由以下公式得到

壓縮比越高，網絡內數據冗余度就越低，參與網絡通信的數量就越少.

3)均方差 由于仿真系統(tǒng)直接涉及的傳感器數據報文在傳輸過程中存在丟包因素，因此數據還原存在誤差，即為均方差(Mean Square Error，MSE).

MSE 代表著數據還原的平均精度，可以表示為

其中，n 為數據總量，si為第i 個原始數據，sri 為相應的接收數據.

3 結果分析

首先導入Berkele-Intel 聯(lián)合研究實驗室采集的真實溫度數據，基于OMNeT ++平臺對WSNs 數據壓縮算法進行實驗仿真. 在實驗中，無線傳感器仿真網絡參數設置如表1 所示. 此外為了更好的分析Haar小波算法在WSNs 中數據壓縮的有效性，還增加了Huffman 編碼來對比壓縮中的參數性能.

隨著采集數據的上升，處理和傳輸的數據報文會增加，同時節(jié)點平均能耗會相應增加，從圖4 中可以得出，對比于未采用數據壓縮方式，Huffman 算法對數據進行了壓縮，能耗會較為減少. 而采用Haar 小波變換壓縮數據后，節(jié)點平均能耗較Huffman 算法有更明顯下降，平均下降了0.23 J 的能量值. 同時壓縮比對比如圖5 所示，Haar 小波變換比Huffman 算法平均高出10 個百分點，較好的降低了數據冗余度，更為有效的壓縮數據.

在傳輸實驗數據過程中，數據報文的丟失則可造成Sink 節(jié)點因為無法接受全部數據報文而陷入無限等待狀態(tài)，以致解碼函數調用停頓，額外增加MSE 的值，同時會影響獲取數據的準確性，進而影響傳感器網絡的有效性. 采用了改進的有限等待機制，降低了數據報文的丟包率(如圖6 所示)，在有限的等待機制下，MSE 保持較低的值，平均降低了3.75 個百分點.

圖4 Haar 小波變換與Huffman 能耗對比圖

圖5 Haar 小波變換與Huffman 壓縮比圖

圖6 MSE 效果對比圖

4 結束語

本文將Haar 小波變換的數據壓縮算法應用于無線傳感器網絡，并設計出基于OMNeT++仿真軟件的整體網絡架構. 對于仿真設計中的一些存在的問題(如整個網絡各層協(xié)議的設計、報文生成與傳輸方式、Sink 節(jié)點接收數據包等待機制等)提出了詳細的解決方案及框架圖. 通過仿真結果分析，Haar 小波變化的數據壓縮算法能較好的減少系統(tǒng)能耗，且提出的Sink 節(jié)點報文等待機制，能更好的較低網絡丟包率和均方差，延長網絡整體的生存周期.

［1］李建中，高宏.無線傳感器網絡的研究進展［J］.計算機研究與發(fā)展，2008，45(1):1 －15.

［2］范祥輝，李士寧，杜鵬雷，等. WSN 中一種自適應無損數據壓縮機制［J］.計算機測量與控制，2010，18(2):463 －465.

［3］POTTIE J，KAISER W J. Wireless integrated network sensors［J］. Communications of the ACM，2000，43(5):51 －58.

［4］周四望，林亞平，葉松濤. 傳感器網絡中一種存儲有效的小波漸進數據壓縮算法［J］. 計算機研究與發(fā)展2009，46(12):2055 －2092.

［5］WAGNER R，HYEOKHO C，BARANIUK R，et al Distributed wavelet transform for irregular sensor network girds:proceedings of the 13th Workshop on Statistical Signal Processing(SSP)，Bordeaux，July 17 －20，2005［C］.［S.l.］:IEEE，2005.

［6］張建明，林亞平，周四望，等. 傳感器網絡中誤差有界的小波數據壓縮算法［J］.軟件學報，2010，21(6):1364 －1377.

［7］SHEN Chong ，HARTE S，POPOVICI E，et al.Automated protocol selection for energy efficient WSN applications［J］.IET Electronics Letters，2009，45(21):1098 －1099.

［8］SHEN Chong，HARTE S，O’FLYNN B，et al.Energy-aware dynamic route management for THAWS［J］. Springer Lecture Notes on ICST，2010，24:174 －188.

［9］王杉，魏急波，莊釗文. 基于GloMoSim 的移動自組網路由仿真［J］.電訊技術，2006(5):105 －108.

［10］金偉，劉方愛，王曉潔. 基于NS 的AdHoc 網絡路由協(xié)議仿真研究［J］.計算機技術與發(fā)展，2010，20(1):63 －66.

［11］石為人，黃河，鮮曉東，等. OMNeT++與NS2 在無線傳感器網絡仿真中的比較研究［J］.計算機科學，2008，35(10):53 －57.

［12］CHAMBERLAIN T.Learning OMNeT++ ［EB/OL］. ［2014 －01 －10］.http:∥omnetpp.org.

［13］馬濤，單洪，陳娟.異構無線傳感器網絡的基礎層MAC 協(xié)議設計［J］.計算機工程，2013，39(7):137 －141.

［14］高騰.能量高效的無線傳感器網絡分簇路由協(xié)議研究［D］.大連:大連理工大學，2011.

［15］WANG A，CHANDRAKSAN A. Energy-efficient dsps forwireless sensor networks ［J］. IEEE Signal Processing Magazine，2002，19(4):68 －78.