馮 森，唐良瑞，郝建紅

(1.華北電力大學(xué)新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 102206;2.華北電力大學(xué)電氣與電子工程學(xué)院，北京 102206)

0 引言

近年來(lái)，隨著智能電網(wǎng)技術(shù)的不斷發(fā)展，其在用電側(cè)的業(yè)務(wù)應(yīng)用系統(tǒng)也逐步完善，對(duì)智能用電通信網(wǎng)傳輸帶寬、時(shí)延和可靠性等方面提出了更高的要求［1，2］。因此，具有低成本、低功耗、自組織、靈活性、可靠性及可擴(kuò)展性強(qiáng)等特點(diǎn)的無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)便成為一種面向智能用電可以選擇的重要技術(shù)手段［3］。

在WSN 中，節(jié)點(diǎn)的能量、計(jì)算和通信能力極其有限，因此無(wú)線傳感器網(wǎng)絡(luò)面臨較大的能量和帶寬等資源壓力［4］，如何高效均衡地使用節(jié)點(diǎn)能量，延長(zhǎng)網(wǎng)絡(luò)生命周期是路由算法設(shè)計(jì)的主要目標(biāo)［5，6］。然而節(jié)點(diǎn)大規(guī)模密集部署的傳感器網(wǎng)絡(luò)具有多對(duì)一的流量模式，且其拓?fù)浣Y(jié)構(gòu)和無(wú)線鏈路質(zhì)量動(dòng)態(tài)變化，以及事件觸發(fā)導(dǎo)致流量突發(fā)性等，這些都容易引起網(wǎng)絡(luò)發(fā)生擁塞，從而導(dǎo)致丟包率和節(jié)點(diǎn)能耗增加，嚴(yán)重影響網(wǎng)絡(luò)的服務(wù)質(zhì)量和生命周期。因此，基于擁塞控制的路由算法成為WSN 的研究熱點(diǎn)［7］。在WSN 擁塞控制研究中速率控制被廣泛采用。CODA［8］研究了WSN中擁塞檢測(cè)及避免，同時(shí)采用了閉環(huán)源調(diào)節(jié)機(jī)制，但是這種基于緩存長(zhǎng)度的擁塞檢測(cè)方法帶來(lái)了額外的開銷和網(wǎng)絡(luò)流量。此外還有ESRT［9］、UCC［10］等基于速率控制的擁塞路由算法?？傊俾氏拗茩C(jī)制需要節(jié)點(diǎn)不間斷地觀察它們父節(jié)點(diǎn)的發(fā)送行為以決定何時(shí)生成令牌，這一連續(xù)性監(jiān)控代價(jià)過(guò)高且耗能大。除了上述流量控制方法，還有一些研究探索了其他避免擁塞的機(jī)制，比如基于流量調(diào)度的路由算法。NCCAR［11］通過(guò)節(jié)點(diǎn)的區(qū)域擁塞度值選取路由，并結(jié)合網(wǎng)格編碼方法提高數(shù)據(jù)傳輸?shù)目煽啃?，合理地避免擁塞。TADR［12］通過(guò)由空閑或低負(fù)載的節(jié)點(diǎn)構(gòu)成的多路徑來(lái)分散過(guò)多的包，采用動(dòng)態(tài)路由技術(shù)來(lái)減輕擁塞以便降低靜態(tài)多徑路由的額外開銷，然而其系數(shù)取值具有不確定性并且對(duì)路由的能效性考慮不周。同時(shí)TADR 在面臨擁塞時(shí)會(huì)有較大的端到端延時(shí)，并且每次當(dāng)深度改變時(shí)計(jì)算深度開銷過(guò)大。

為了克服TADR 的上述缺陷，本文提出一種基于融合判決的擁塞避免路由算法。算法基于主動(dòng)避免擁塞的設(shè)計(jì)思想，綜合考慮節(jié)點(diǎn)到Sink 距離，節(jié)點(diǎn)剩余能量和緩沖區(qū)隊(duì)列長(zhǎng)度作為路由下一跳評(píng)價(jià)標(biāo)準(zhǔn)，建立隸屬度函數(shù)并進(jìn)行融合判決，根據(jù)判決結(jié)果選取下一跳節(jié)點(diǎn)使數(shù)據(jù)包轉(zhuǎn)發(fā)避開擁塞節(jié)點(diǎn)最終到達(dá)Sink。實(shí)驗(yàn)表明，算法有效地避免了節(jié)點(diǎn)擁塞，提升網(wǎng)絡(luò)的吞吐量同時(shí)均衡全網(wǎng)節(jié)點(diǎn)能耗，延長(zhǎng)了網(wǎng)絡(luò)的生命周期。

本文后續(xù)部分安排如下:第一節(jié)詳細(xì)描述所提出的算法;第二節(jié)進(jìn)行實(shí)驗(yàn)仿真分析;第三節(jié)給出結(jié)論。

1 基于融合判決的擁塞避免路由算法

1.1 系統(tǒng)模型及問(wèn)題描述

智能用電通信網(wǎng)承載了大量多元化業(yè)務(wù)，其中用電基本業(yè)務(wù)與用電擴(kuò)展性業(yè)務(wù)這類業(yè)務(wù)數(shù)據(jù)對(duì)實(shí)時(shí)性要求雖然不高，但具有周期性質(zhì)，在整點(diǎn)上報(bào)時(shí)業(yè)務(wù)量突增。此外，在面向智能用電的WSN 拓?fù)浣Y(jié)構(gòu)中，多個(gè)源節(jié)點(diǎn)采集業(yè)務(wù)數(shù)據(jù)并通過(guò)中繼節(jié)點(diǎn)中轉(zhuǎn)，以多跳的方式發(fā)送到集中器。可以看出這種基于事件驅(qū)動(dòng)的WSN 中的數(shù)據(jù)傳輸存在“多對(duì)一”的特性。在流量突發(fā)的情況下，這種流量模式會(huì)引起網(wǎng)絡(luò)發(fā)生擁塞進(jìn)而增加網(wǎng)絡(luò)延遲和丟包率，由此造成的數(shù)據(jù)包重傳還會(huì)極大地消耗節(jié)點(diǎn)的能量，縮短網(wǎng)絡(luò)生命周期。因此，節(jié)點(diǎn)的緩沖區(qū)占用情況作為一個(gè)可靠的擁塞檢測(cè)指標(biāo)，在建立路由時(shí)考慮這一指標(biāo)避開緩存隊(duì)列狀況不佳的節(jié)點(diǎn)將有效地轉(zhuǎn)移網(wǎng)絡(luò)流量至空閑或負(fù)載較輕的節(jié)點(diǎn)，從而減輕網(wǎng)絡(luò)擁塞。此外，由無(wú)線傳播能耗模型可知無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)在傳送數(shù)據(jù)時(shí)的能量消耗與傳播距離的平方或四次方呈正比，在源節(jié)點(diǎn)遠(yuǎn)離Sink 的情況下，如何縮短數(shù)據(jù)傳輸路徑長(zhǎng)度及均衡節(jié)點(diǎn)能量消耗成為延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)生命周期的關(guān)鍵，因此節(jié)點(diǎn)剩余能量及到基站距離仍是建立路由時(shí)需要考慮的關(guān)鍵因素。

為了解決以上問(wèn)題，本文提出的算法采用主動(dòng)的擁塞避免機(jī)制建立路由。首先依據(jù)前向傳播鄰居節(jié)點(diǎn)的緩存隊(duì)列長(zhǎng)度、剩余能量和到基站距離3 個(gè)特征參量對(duì)路由下一跳節(jié)點(diǎn)選擇的不同影響，將其歸一化以建立合適的隸屬度函數(shù)，從而直觀地反映這些指標(biāo)對(duì)選擇下一跳節(jié)點(diǎn)的決定作用。然后利用算子將隸屬度函數(shù)進(jìn)行融合以得到最后的判決信度，根據(jù)最后的判決信度確定路由的下一跳節(jié)點(diǎn)。

1.2 算法描述

基于融合判決的擁塞避免路由算法共分為3個(gè)階段:(1)鄰居節(jié)點(diǎn)發(fā)現(xiàn)階段;(2)最優(yōu)路徑確定階段;(3)數(shù)據(jù)傳輸階段。

1.2.1 鄰居節(jié)點(diǎn)發(fā)現(xiàn)階段

無(wú)線傳感器網(wǎng)絡(luò)中任意節(jié)點(diǎn)i 都維護(hù)一個(gè)自身信息列表list(i)，其中包含節(jié)點(diǎn)i 在網(wǎng)絡(luò)中的標(biāo)識(shí)id(i)，節(jié)點(diǎn)i 當(dāng)前的剩余能量eres(i)，節(jié)點(diǎn)i 到基站的距離dbs(i)，節(jié)點(diǎn)當(dāng)前的緩存隊(duì)列長(zhǎng)度q(i)以及節(jié)點(diǎn)i 的下一跳鄰居節(jié)點(diǎn)列表nbr(i)。

由Sink 發(fā)起鄰居節(jié)點(diǎn)發(fā)現(xiàn)消息廣播，其中包含Sink 自身的id(s)和位置信息。任意節(jié)點(diǎn)a 收到Sink 的消息后，更新自身消息列表，并將Sink的id 加入到自己的下一跳鄰居節(jié)點(diǎn)列表中，繼續(xù)廣播包含自身id 的消息。任意節(jié)點(diǎn)j 收到來(lái)自非Sink 節(jié)點(diǎn)k 的消息后，若dbs(j)＞dbs(k)則更新自身消息列表，添加k 的消息到nbr(j)，即節(jié)點(diǎn)k 為j的前向傳播鄰居節(jié)點(diǎn)，繼續(xù)廣播直到所有節(jié)點(diǎn)接收到消息并更新，則鄰居發(fā)現(xiàn)階段結(jié)束。

1.2.2 最優(yōu)路徑確定階段

此階段根據(jù)融合判決結(jié)果由源節(jié)點(diǎn)起逐跳選取下一跳節(jié)點(diǎn)從而確定出最優(yōu)路徑。

算法在選取下一跳節(jié)點(diǎn)時(shí)綜合考慮節(jié)點(diǎn)的剩余能量，節(jié)點(diǎn)到基站距離和節(jié)點(diǎn)緩存隊(duì)列長(zhǎng)度這3點(diǎn)因素作為評(píng)價(jià)指標(biāo)。在節(jié)點(diǎn)剩余能量相同的情況下，節(jié)點(diǎn)到基站的距離越小節(jié)點(diǎn)傳輸數(shù)據(jù)消耗的能量越小，所以在節(jié)點(diǎn)剩余能量相同的情況下，優(yōu)先選擇距離基站近的節(jié)點(diǎn)擔(dān)任轉(zhuǎn)發(fā)節(jié)點(diǎn);在節(jié)點(diǎn)到基站距離相同的情況下，為了避免剩余能量小的節(jié)點(diǎn)率先失效，優(yōu)先選擇剩余能量多的節(jié)點(diǎn)作為下一跳;而在節(jié)點(diǎn)剩余能量、節(jié)點(diǎn)到基站距離均相同的情況下，緩存隊(duì)列長(zhǎng)度小的節(jié)點(diǎn)負(fù)載輕，優(yōu)先選作下一跳節(jié)點(diǎn)可以有效避免發(fā)生擁塞。而現(xiàn)實(shí)情況下，同時(shí)考慮節(jié)點(diǎn)的3 個(gè)評(píng)價(jià)指標(biāo)的情況較為復(fù)雜，為了消除3 種評(píng)價(jià)指標(biāo)下判決結(jié)果的不一致性，CARF 算法為單個(gè)指標(biāo)建立隸屬度函數(shù)，反映其對(duì)選擇下一跳的判決影響，然后將各個(gè)評(píng)價(jià)指標(biāo)隸屬度函數(shù)進(jìn)行融合判決，得到最終的判決信度，由此選出最合適的下一跳節(jié)點(diǎn)。

在下一跳節(jié)點(diǎn)選取中，節(jié)點(diǎn)緩存隊(duì)列長(zhǎng)度越小對(duì)成為下一跳節(jié)點(diǎn)的貢獻(xiàn)就越大。qmax作為節(jié)點(diǎn)i 的最大緩存，q(i)為節(jié)點(diǎn)i 的當(dāng)前緩存隊(duì)列長(zhǎng)度，則歸一化后的節(jié)點(diǎn)i 的緩存占用率Fq(i)為

可見(jiàn)節(jié)點(diǎn)當(dāng)前緩存隊(duì)列長(zhǎng)度越小則緩存占用率越小，說(shuō)明該節(jié)點(diǎn)流量負(fù)載較輕，不易發(fā)生擁塞，適合作為路由下一跳節(jié)點(diǎn)進(jìn)行數(shù)據(jù)包轉(zhuǎn)發(fā)，因此本文采用高斯函數(shù)為其建立隸屬度函數(shù)，如式(2)所示

式中:σ，c 為調(diào)節(jié)隸屬度函數(shù)的常數(shù)參量，修改此常數(shù)可控制隸屬度函數(shù)曲線。本文中取σ = 0.5，c =－0.1 。μq(i)越大，說(shuō)明該節(jié)點(diǎn)隸屬于下一跳節(jié)點(diǎn)的概率越大，否則隸屬于下一跳節(jié)點(diǎn)的概率越小。其曲線如圖1所示。

圖1 節(jié)點(diǎn)緩存占用率指標(biāo)隸屬度函數(shù)曲線Fig.1 The membership function curve of node cache usage

由能量模型計(jì)算公式可知，為使全網(wǎng)節(jié)點(diǎn)減少消耗的能量，則在下一跳節(jié)點(diǎn)選取時(shí)距離基站越近的節(jié)點(diǎn)越優(yōu)。因此，節(jié)點(diǎn)距離基站越近則其成為下一跳節(jié)點(diǎn)的概率越大，將節(jié)點(diǎn)到基站的距離值歸一化后作為該節(jié)點(diǎn)成為下一跳可能性的判決信度，同樣可采用高斯函數(shù)為其建立隸屬度函數(shù):

式中:dbs(i)為節(jié)點(diǎn)i 到Sink 的距離;dmax為離Sink最遠(yuǎn)節(jié)點(diǎn)的距離。

為了均衡全網(wǎng)節(jié)點(diǎn)的能耗，優(yōu)先選取剩余能量高的節(jié)點(diǎn)作為下一跳。將節(jié)點(diǎn)的剩余能量值歸一化后作為該節(jié)點(diǎn)成為下一跳可能性的判決信度，為了使其符合上述兩個(gè)評(píng)價(jià)指標(biāo)對(duì)節(jié)點(diǎn)隸屬度的影響，令

式中:eres(i)為節(jié)點(diǎn)i 當(dāng)前剩余能量;e0為節(jié)點(diǎn)初始能量。

由上述分析可知，三個(gè)評(píng)價(jià)指標(biāo)進(jìn)行歸一化后都變?yōu)槌杀拘蛯傩?，根?jù)其對(duì)路由下一跳選擇的判決影響，均采用高斯函數(shù)建立隸屬度函數(shù)。

為了較好地融合節(jié)點(diǎn)緩存隊(duì)列長(zhǎng)度、節(jié)點(diǎn)到基站距離和節(jié)點(diǎn)剩余能量對(duì)該節(jié)點(diǎn)成為下一跳節(jié)點(diǎn)隸屬度的影響，本文采用下式對(duì)其進(jìn)行融合:

不難發(fā)現(xiàn)，該式可實(shí)現(xiàn)3 個(gè)評(píng)價(jià)指標(biāo)的加強(qiáng)性和調(diào)和性并滿足以下特性:

(1)是一個(gè)縮維映射F:[0，1]2→ [0，1]

(2)F(0，0，0)= 0，F(xiàn)(1，1，1)= 1

(3)F(a，b，c)≤F(d，e，f)，a ≤d，b ≤e，c ≤f

(4)F(a，b，c)= F(b，a，c)= F(a，c，b)=F(c，b，a)

(5)F(a，b，c)≥max(a，b，c)，a ≥0.5，b ≥0.5，c≥0.5 或F(a，b，c)≤min(a，b，c)，a ≤0.5，b ≤0.5，c ≤0.5

(6)min(a，b，c)＜ F(a，b，c) ＜ max(a，b，c)，a ＞0.5 ＞b ＞c 或a ＞b ＞0.5 ＞c

其中a，b，c，d，e，f∈(0，1)。

因此將式(7)的融合結(jié)果作為最后的判決信度，確定隸屬度函數(shù)值μ(i)最大的節(jié)點(diǎn)為路由下一跳節(jié)點(diǎn)。

1.2.3 路由維護(hù)階段

最優(yōu)路徑確定以后，隨著數(shù)據(jù)傳輸輪數(shù)的增加，網(wǎng)絡(luò)中節(jié)點(diǎn)的擁塞情況和剩余能量發(fā)生變化，但頻繁執(zhí)行算法選取最優(yōu)路徑會(huì)產(chǎn)生過(guò)大的控制開銷，造成能量浪費(fèi)。因此，本文為傳輸路徑上的節(jié)點(diǎn)設(shè)定擁塞閾值，若路徑上任意節(jié)點(diǎn)i 的緩存占用率超過(guò)這一閾值或者由于能量耗盡失效，則節(jié)點(diǎn)發(fā)送路由維護(hù)請(qǐng)求，算法立即重啟最優(yōu)路徑的選取過(guò)程。

2 仿真結(jié)果及分析

本文采用MATLAB 進(jìn)行實(shí)驗(yàn)仿真，選取經(jīng)典的路由算法DD［13］和TADR 作為基本對(duì)比算法。仿真中固定個(gè)數(shù)節(jié)點(diǎn)隨機(jī)均勻分布在邊長(zhǎng)為100 m 的正方形區(qū)域中，匯聚節(jié)點(diǎn)位于(0，0)處，所有節(jié)點(diǎn)一旦放置就不再移動(dòng)，每個(gè)節(jié)點(diǎn)的初始能量為0.5 J，具體仿真參數(shù)設(shè)置如表1所示。

本文使用的仿真場(chǎng)景中配置有1 個(gè)Sink 和4 個(gè)源節(jié)點(diǎn)，其中Sink 位于坐標(biāo)軸原點(diǎn)，而源節(jié)點(diǎn)處于區(qū)域邊緣，遠(yuǎn)離匯聚節(jié)點(diǎn)。這樣的設(shè)置使得路由算法選取的路徑需經(jīng)過(guò)WSN 中大面積區(qū)域。

表1 仿真環(huán)境參數(shù)Tab.1 Simulation environment parameters

在無(wú)線傳感器網(wǎng)絡(luò)中，數(shù)據(jù)傳輸?shù)目煽啃允荳SN 的重要性能評(píng)價(jià)指標(biāo)，吞吐率在一定程度上反應(yīng)了網(wǎng)絡(luò)可靠程度。傳感器節(jié)點(diǎn)因擁塞將會(huì)導(dǎo)致數(shù)據(jù)重傳，而多次重傳不成功時(shí)，數(shù)據(jù)包就有可能被丟棄。分別執(zhí)行DD、TADR 和CARF 協(xié)議，統(tǒng)計(jì)得到網(wǎng)絡(luò)吞吐率隨節(jié)點(diǎn)總數(shù)的變化關(guān)系，如圖2所示。由圖2 可知，當(dāng)節(jié)點(diǎn)數(shù)量從100 到300 變化時(shí)，執(zhí)行CARF 算法的網(wǎng)絡(luò)吞吐率最高，而DD 算法由于沒(méi)有擁塞控制機(jī)制表現(xiàn)最差。CARF 算法建立了基于節(jié)點(diǎn)緩沖區(qū)包隊(duì)列長(zhǎng)度的隸屬度函數(shù)，這一主動(dòng)轉(zhuǎn)移流量的路由策略很大程度上避免了擁塞的發(fā)生，降低了網(wǎng)絡(luò)丟包率。雖然TADR算法考慮下一跳節(jié)點(diǎn)的擁塞狀態(tài)，即通過(guò)節(jié)點(diǎn)緩沖區(qū)隊(duì)列長(zhǎng)度來(lái)檢測(cè)擁塞，然而由于采用線性加權(quán)的局限性及權(quán)重系數(shù)選擇的不確定性，其對(duì)網(wǎng)絡(luò)性能改有限。本文提出的CARF 算法采用融合判決方法獲得最終判決信度，實(shí)現(xiàn)擁塞避免路由機(jī)制，進(jìn)一步提高了網(wǎng)絡(luò)吞吐率等性能。

圖2 網(wǎng)絡(luò)吞吐率與節(jié)點(diǎn)數(shù)量的關(guān)系Fig.2 The relationship between the network throughput and the number of nodes

此外，網(wǎng)絡(luò)生命周期和節(jié)點(diǎn)平均能耗也是衡量擁塞控制路由算法性能的重要指標(biāo)。其中，WSN 網(wǎng)絡(luò)生命周期的精確定義是由具體應(yīng)用環(huán)境來(lái)決定的，有些應(yīng)用場(chǎng)景可以容許相當(dāng)一部分的節(jié)點(diǎn)失效，而有的應(yīng)用中任一節(jié)點(diǎn)死亡都會(huì)對(duì)網(wǎng)絡(luò)產(chǎn)生至關(guān)重要的影響。本文選擇首個(gè)節(jié)點(diǎn)死亡時(shí)數(shù)據(jù)發(fā)送輪數(shù)定義為WSN 網(wǎng)絡(luò)生命周期。由圖3 可以看出，CARF 算法與DD、TADR 算法相比有效提高了網(wǎng)絡(luò)生命周期。CARF 算法在路由下一跳節(jié)點(diǎn)選擇時(shí)結(jié)合節(jié)點(diǎn)緩沖區(qū)隊(duì)列長(zhǎng)度、節(jié)點(diǎn)到匯聚節(jié)點(diǎn)距離和剩余能量水平3 個(gè)評(píng)價(jià)指標(biāo)，得到了避免擁塞及優(yōu)化網(wǎng)絡(luò)能耗和生命周期的實(shí)驗(yàn)結(jié)果。并且不難看出隨著網(wǎng)絡(luò)規(guī)模的增大，CARF 算法的優(yōu)勢(shì)愈發(fā)明顯。這說(shuō)明了CARF 算法在不同的網(wǎng)絡(luò)規(guī)模中性能表現(xiàn)都更為優(yōu)異。

圖3 網(wǎng)絡(luò)生命周期與節(jié)點(diǎn)數(shù)量的關(guān)系Fig.3 The relationship between the network lifetime and the number of nodes

實(shí)驗(yàn)仿真結(jié)果與本文算法設(shè)計(jì)初衷相吻合，即全面考慮影響WSN 網(wǎng)絡(luò)擁塞及能耗的因素，將其通過(guò)隸屬度函數(shù)建立起與下一跳節(jié)點(diǎn)選擇的關(guān)系，并利用融合判決方法確定最優(yōu)路徑，優(yōu)化全網(wǎng)能量消耗，有效延長(zhǎng)WSN 網(wǎng)絡(luò)的生命周期。

另一路由算法仿真評(píng)價(jià)參數(shù)為節(jié)點(diǎn)能量消耗，它衡量將一個(gè)數(shù)據(jù)包由源節(jié)點(diǎn)轉(zhuǎn)發(fā)至Sink 時(shí)節(jié)點(diǎn)的平均消耗能量，其反映了WSN 網(wǎng)絡(luò)的能量有效性水平。本文取各路由算法運(yùn)行至最大生命周期輪數(shù)時(shí)每個(gè)節(jié)點(diǎn)每輪的平均能耗做出分析與比較。圖4 展示了不同拓?fù)湓O(shè)置場(chǎng)景下的節(jié)點(diǎn)能耗仿真結(jié)果。可以看出本文的CARF 算法相較DD、TADR 算法擁有最低的節(jié)點(diǎn)能耗水平。DD 算法下數(shù)據(jù)包的發(fā)送建立在Sink 發(fā)布查詢的基礎(chǔ)上，而Sink 還要在發(fā)布查詢的過(guò)程中建立梯度場(chǎng)，由于網(wǎng)絡(luò)通信狀態(tài)的動(dòng)態(tài)性，無(wú)法保證按已建立的路徑在能耗方面最優(yōu)，此外隨著網(wǎng)絡(luò)負(fù)載提高丟包率大幅上升，重傳造成大量的能量消耗。TADR 算法能耗代價(jià)明顯優(yōu)于DD，其在WSN 區(qū)域根據(jù)普通節(jié)點(diǎn)到匯聚節(jié)點(diǎn)的通信距離將其分成逐跳增加的固定區(qū)域，并建立基于節(jié)點(diǎn)跳數(shù)的深度虛擬勢(shì)能場(chǎng)，但這種方法使得所建路由的勢(shì)能場(chǎng)值是離散的，并且每次當(dāng)深度改變時(shí)計(jì)算深度開銷過(guò)大，而本文算法中根據(jù)節(jié)點(diǎn)到Sink 的距離建立隸屬度函數(shù)，更為精確直接地反映距離因素與能量消耗的關(guān)系，并且許多情況下跳數(shù)靈活變化的路由要優(yōu)于固定跳數(shù)路由。此外，TADR 算法只建立了基于跳數(shù)的深度勢(shì)能場(chǎng)和基于節(jié)點(diǎn)隊(duì)列長(zhǎng)度的勢(shì)能場(chǎng)，造成算法只是單一的保證了最小跳數(shù)路由的建立并且可能產(chǎn)生節(jié)點(diǎn)回傳情況，從而忽略了網(wǎng)絡(luò)整體能耗的均衡性。CARF 算法中路由的建立使得數(shù)據(jù)包的發(fā)送為正向距離傳播，有效地避免了節(jié)點(diǎn)回傳和局部環(huán)傳遞等問(wèn)題，從而降低了網(wǎng)絡(luò)節(jié)點(diǎn)整體能耗，使得網(wǎng)絡(luò)平均節(jié)點(diǎn)能耗穩(wěn)定地維持在一個(gè)較低的水平。同時(shí)，與其他路由算法相比其性能受到網(wǎng)絡(luò)規(guī)模變化的影響也最小。

圖4 網(wǎng)絡(luò)平均節(jié)點(diǎn)能耗與節(jié)點(diǎn)數(shù)量的關(guān)系Fig.4 The relationship between the average energy consumption and the number of nodes

3 結(jié)論

結(jié)合智能用電通信業(yè)務(wù)的流量特點(diǎn)，針對(duì)已有擁塞控制路由算法的不足，本文提出一種無(wú)線傳感器網(wǎng)絡(luò)中的基于融合判決的擁塞避免路由算法。該算法考慮節(jié)點(diǎn)緩存隊(duì)列長(zhǎng)度、節(jié)點(diǎn)到基站距離和節(jié)點(diǎn)剩余能量三個(gè)影響WSN 網(wǎng)絡(luò)性能的重要因素，建立隸屬度函數(shù)并通過(guò)融合算子得到最終判決信度來(lái)確定路由下一跳節(jié)點(diǎn)選擇。實(shí)驗(yàn)仿真結(jié)果表明，CARF 算法相比DD、TADR 算法更有效地提升了網(wǎng)絡(luò)吞吐率，并且具有更高的節(jié)點(diǎn)能效性和均衡性，使無(wú)線傳感器網(wǎng)絡(luò)獲得了更長(zhǎng)的生命周期。

［1］Aggarwal A，Kunta S，Verma P K.A proposed communications infrastructure for the Smart Grid［C］.Innovative Smart Grid Technologies (ISGT)，Gaithersburg，MD，USA，19－21 Jan.，2010:1－5.

［2］郭云鵬，劉偉佳，文福拴.智能配電系統(tǒng)的發(fā)展現(xiàn)狀與展望［J］.華北電力大學(xué)學(xué)報(bào)，2014，41(5):74－81.

［3］Gungor V C，Lu B，Hancke G P.Opportunities and challenges of wireless sensor networks in smart grid［J］.IEEE Transactions on Industrial Electronics，2010，57 (10):3557－3564.

［4］Sergiou C，Vassiliou V.Estimating maximum traffic volume in wireless sensor networks using fluid dynamics principles［J］.IEEE Communications Letters，2013，17 (2):257－260.

［5］Uster H，Lin H.Integrated topology control and routing in wireless sensor networks for prolonged network lifetime［J］.Ad Hoc Networks，2011，9 (5):835－851.

［6］Padilla P，Camacho J，MaciáFernández G，et al.On the influence of the propagation channel in the performance of energy-efficient geographic routing algorithms for wireless sensor networks［J］.Wireless Personal Communications，2013，70 (1):15－38.

［7］孫利民，李波，周新運(yùn).無(wú)線傳感器網(wǎng)絡(luò)的擁塞控制技術(shù)［J］.計(jì)算機(jī)研究與發(fā)展，2008，45 (1):63－72.

［8］Wan C Y，Eisenman S B，Campbell A T.CODA:Congestion Detection and Avoidance in Sensor Networks［C］.Proceedings of the First International Conference on Embedded Networked Sensor Systems (SenSys ’03)，Los Angeles，CA，US，5－7 November，2003:266－279.

［9］Hull B，Jamieson K，Balakrishnan H.Mitigating Congestion in Wireless Sensor Networks［C］.Proc.Int’l Conf.Embedded Networked Sensor Systems (SenSys ’04)，Baltimore，MA，US，3－ 5 November，2004:134－147.

［10］張玉鵬，劉凱，王廣學(xué).基于無(wú)線傳感器網(wǎng)絡(luò)的跨層擁塞控制協(xié)議［J］.電子學(xué)報(bào)，2011，39 (10):2258－2262.

［11］付彬，李仁發(fā)，劉彩蘋，等.無(wú)線傳感器網(wǎng)絡(luò)中一種基于網(wǎng)絡(luò)編碼的擁塞感知路由協(xié)議［J］.計(jì)算機(jī)研究與發(fā)展，2011，48 (6):991－999.

［12］Ren F Y，He T，Das S K，et al.Traffic-Aware Dynamic Routing to Alleviate Congestion in Wireless Sensor Networks［J］.IEEE Transactions on Parallel and Distributed Systems，2011，22 (9):1585－1599.

［13］Intanagonwiwat C，Govindan R，Estrin D，et al.Directed diffusion for wireless sensor networking［J］.IEEE/ACM Transactions on Networking，2003，11(1):2－16.