基于ARIMA-ANN預(yù)測(cè)模型的能量感知路由算法*

蔡釗，馬林華，宋博，唐紅

(空軍工程大學(xué)航空航天工程學(xué)院，陜西 西安 710038)

摘要：針對(duì)傳統(tǒng)能量感知OLSR協(xié)議在減少傳輸功率消耗和均衡節(jié)點(diǎn)剩余能量之間不能兼顧的特點(diǎn),提出了一種新型的基于剩余能量比例和傳輸功率消耗的OLSR路由協(xié)議OLSR_RC，它利用上述兩方面的指標(biāo)構(gòu)造復(fù)合能量開(kāi)銷(xiāo)，并將其作為路由選擇的度量值。在減小網(wǎng)絡(luò)開(kāi)銷(xiāo)的同時(shí)，也防止了部分低電量節(jié)點(diǎn)的能量被快速耗盡，延長(zhǎng)了網(wǎng)絡(luò)的生存周期。此外，新路由還采用ARIMA-ANN組合能量預(yù)測(cè)模型對(duì)節(jié)點(diǎn)的剩余電量進(jìn)行預(yù)測(cè)，降低了由于拓?fù)淇刂?TC)消息丟失對(duì)選擇路由所造成的影響。這種新型路由協(xié)議在無(wú)線傳感器網(wǎng)絡(luò)領(lǐng)域有比較廣闊的應(yīng)用前景。

關(guān)鍵詞：OLSR路由；能量感知；復(fù)合能量開(kāi)銷(xiāo)；人工神經(jīng)網(wǎng)絡(luò)-自回歸差分滑動(dòng)平均組合模型

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A

doi:10.3969/j.issn.1007-130X.2015.06.006

收稿日期：*2014-10-14;修回日期：2014-12-05

作者簡(jiǎn)介:

通信地址：710038 陜西省西安市空軍工程大學(xué)航空航天工程學(xué)院

Address:College of Aeronautics and Astronautics Engineering,Air Force Engineering University,Xi’an 710038,Shaanxi,P.R.China

Anenergy-awareroutingalgorithmbasedonARIMA-ANNforecastingmodel

CAIZhao，MALin-hua，SONGBo，TANGHong

(CollegeofAeronauticsandAstronauticsEngineering,AirForceEngineeringUniversity,Xi’an710038,China)

Abstract:Aiming at the problem that the traditional energy-aware OLSR protocol cannot reduce transmission power consumption and balance the residual energy between nodes at the same time, we develop a new routing protocol called OLSR routing protocol based on residual energy ratio and transmission power consumption (OLSR_RC ). A composite energy cost involving the above two indicators is constructed, and is used as a routing metric. On one hand, the OLSR_RC protocol reduces the total power consumption of the entire network. On the other hand, it prevents the energy of the low-energy nodes from being depleted rapidly. In addition, we adopt the hybrid ARIMA-ANN model for forecasting residual energy level of the nodes, which can reduce the influence on route selection caused by topology control(TC) message loss. The new routing protocol has wide application prospects in wireless sensor networks.

Keywords:OLSRrouting；energy-aware；compositeenergymetrics；hybridARIMA-ANNmodel

1引言

移動(dòng)自組網(wǎng)絡(luò)MANET(MobileAd-hocNETworks)是一種不依賴(lài)于固定基礎(chǔ)設(shè)施的新型無(wú)線網(wǎng)絡(luò)，網(wǎng)絡(luò)中的節(jié)點(diǎn)既可以作為發(fā)送或接收終端，也可以作為路由器轉(zhuǎn)發(fā)數(shù)據(jù)包，具有高度的靈活性和極強(qiáng)的抗毀性。此外，網(wǎng)絡(luò)創(chuàng)建極為方便，彌補(bǔ)了傳統(tǒng)蜂窩系統(tǒng)和有線網(wǎng)絡(luò)的種種不足。無(wú)線傳感器網(wǎng)絡(luò)作為移動(dòng)自組網(wǎng)中一種重要的情形，廣泛地運(yùn)用在軍事、環(huán)境監(jiān)測(cè)等領(lǐng)域。但在大部分應(yīng)用場(chǎng)景中，無(wú)線傳感器由能量有限的電源供電，且不易更換備用電池，故能量消耗成為制約其運(yùn)行的較大瓶頸，也成為無(wú)線傳感器研究的一個(gè)熱點(diǎn)。

同時(shí)，在某些特定的領(lǐng)域，為了保證傳感器共享和分發(fā)數(shù)據(jù)的實(shí)時(shí)性，采用先應(yīng)式路由有著極強(qiáng)的必要性，因?yàn)榭梢詼p小路由發(fā)現(xiàn)時(shí)間并提高分組交付率。優(yōu)化鏈路狀態(tài)路由OLSR(OptimizedLinkStateRouting)作為移動(dòng)自組網(wǎng)中一種重要的先應(yīng)式路由協(xié)議，在龐大且密集的網(wǎng)絡(luò)中表現(xiàn)出了良好的性能[1]。但是，其需要所有節(jié)點(diǎn)定期地發(fā)送TC消息和Hello消息，網(wǎng)絡(luò)通信開(kāi)銷(xiāo)大大增加。針對(duì)這種情況，人們提出了許多關(guān)于OLSR路由的能量感知改進(jìn)方法。例如：有結(jié)合最小跳數(shù)和最大能量的路由[2],有基于能耗均衡和距離因子的分簇路由[3]，不勝枚舉。其中有兩種經(jīng)典的協(xié)議：一種是最低能量路由[4]，它選擇傳輸數(shù)據(jù)包所需能耗最小的路徑；另一種是最大-最小路由路徑[5]，它選擇剩余能量最大的節(jié)點(diǎn)作為選擇路徑上的節(jié)點(diǎn)。最低能量路由雖然節(jié)省了傳輸數(shù)據(jù)包的基礎(chǔ)能耗，但是會(huì)造成那些傳輸能耗較小的節(jié)點(diǎn)的能量很快被耗盡，嚴(yán)重危害了網(wǎng)絡(luò)的生存周期。而最大-最小路由則有可能因?yàn)橐苊馐褂米畹湍芰康墓?jié)點(diǎn)，而使其周邊多個(gè)低電量節(jié)點(diǎn)的能量快速耗盡，造成嚴(yán)重的網(wǎng)絡(luò)分區(qū)。為了能夠盡可能延長(zhǎng)網(wǎng)絡(luò)生存周期[6，7]，我們將采取折衷的方式結(jié)合這兩種協(xié)議的優(yōu)點(diǎn)。此外，在網(wǎng)絡(luò)負(fù)載比較重的情況下，OLSR協(xié)議的拓?fù)湎⒑苋菀子捎跊_突而丟失，并且越是在傳輸TC消息的上游，影響越嚴(yán)重。

為了解決上述問(wèn)題，本文做出以下兩方面改進(jìn)：(1)在選擇路由的時(shí)候，提出了一種基于傳輸功率消耗和節(jié)點(diǎn)剩余電量比例的改進(jìn)路由協(xié)議OLSR_RC(OLSRroutingprotocolbasedonResidualenergyratioandpowerComsumptionfortransmission)，在降低網(wǎng)絡(luò)開(kāi)銷(xiāo)的同時(shí)，均衡了節(jié)點(diǎn)間的能量消耗，最大限度地延長(zhǎng)了網(wǎng)絡(luò)的生存周期；(2)針對(duì)TC消息容易因?yàn)闆_突而丟失，采用了自回歸差分滑動(dòng)平均ARIMA(AutoRegressiveIntegratedMovingAverage)模型和人工神經(jīng)網(wǎng)絡(luò)ANN(ArtificialNeuralNetwork)的組合算法[8,9]，預(yù)測(cè)節(jié)點(diǎn)自身剩余能量，并廣播出去，使其他節(jié)點(diǎn)可以在沒(méi)有收到最新拓?fù)湎⒌那闆r下，利用預(yù)測(cè)值計(jì)算復(fù)合能量開(kāi)銷(xiāo)。

2復(fù)合能量開(kāi)銷(xiāo)的選取

在路由選徑時(shí)，結(jié)合上述兩種方法的優(yōu)點(diǎn)，采取一種折衷的方案：在移動(dòng)自組網(wǎng)運(yùn)行初期，選取傳輸功率消耗最小的路徑，減少整個(gè)網(wǎng)絡(luò)的通信開(kāi)銷(xiāo)；在網(wǎng)絡(luò)運(yùn)行的后期，隨著節(jié)點(diǎn)間能量消耗率差異的增大，在進(jìn)行路由選擇時(shí)優(yōu)先選取剩余能量比例較高的節(jié)點(diǎn)，保持整個(gè)網(wǎng)絡(luò)在能量開(kāi)銷(xiāo)方面的均衡，延長(zhǎng)網(wǎng)絡(luò)的生存周期。

在進(jìn)行建模分析時(shí)，為簡(jiǎn)化模型做出兩點(diǎn)基本假設(shè)：(1)節(jié)點(diǎn)沒(méi)有能量補(bǔ)給，且其始終處于數(shù)據(jù)包發(fā)送、數(shù)據(jù)包接收和空閑這三種典型的能量消耗模式之中；(2)每個(gè)節(jié)點(diǎn)都有其固定的傳輸范圍?；谝陨霞僭O(shè)，本文設(shè)計(jì)了進(jìn)行路由決策的目標(biāo)函數(shù)WR(t)，見(jiàn)式(1)。在路由決策時(shí)，選擇目標(biāo)函數(shù)值最小的路徑。

(1)

(2)

其中，R代表由源節(jié)點(diǎn)到目的節(jié)點(diǎn)的一條路徑，WR(t)為t時(shí)刻路由R的目標(biāo)函數(shù)取值;WR_i(t)為t時(shí)刻路由R上節(jié)點(diǎn)i的目標(biāo)函數(shù)取值，它由傳輸功率消耗部分和節(jié)點(diǎn)剩余能量部分構(gòu)成。在自組網(wǎng)運(yùn)行初期，節(jié)點(diǎn)剩余能量部分相差無(wú)幾，傳輸功率消耗對(duì)路由選徑影響比較大；在運(yùn)行后期，剩余能量比例差距不斷增大，逐漸成為路由選擇的首要因素。其中，Pt_i是傳輸功率消耗部分，代表節(jié)點(diǎn)i傳輸單位長(zhǎng)度的數(shù)據(jù)報(bào)文所需的能耗。公式(2)后兩項(xiàng)是剩余能量部分，前者與各個(gè)節(jié)點(diǎn)的剩余能量比例有關(guān)，體現(xiàn)出節(jié)點(diǎn)間能量消耗比例的差異，防止部分節(jié)點(diǎn)過(guò)早耗盡能量；后者與每個(gè)節(jié)點(diǎn)的絕對(duì)能量消耗有關(guān)，可以體現(xiàn)出自組網(wǎng)運(yùn)行期間各節(jié)點(diǎn)的負(fù)載情況。通常能耗大說(shuō)明其在自組網(wǎng)運(yùn)行中承擔(dān)了更多的中繼任務(wù)，屬于關(guān)鍵節(jié)點(diǎn)，我們需要盡量延長(zhǎng)他們的生存周期。但是，值得注意的是，這兩者的作用是相互沖突的，應(yīng)將次要考慮因素(第三項(xiàng))所占比重減小。K1、K2是比例系數(shù)，更改這兩個(gè)參數(shù)可以調(diào)節(jié)剩余能量部分的總大小及式(2)后兩項(xiàng)各自所占的比例。在本文中將K1設(shè)置為2，K2設(shè)置為0.2。Efull_i代表節(jié)點(diǎn)i的初始能量，Emax則表示網(wǎng)絡(luò)中異構(gòu)節(jié)點(diǎn)的最大初始能量，它作為式(2)中第三項(xiàng)的分母主要是為了進(jìn)行歸一化。Ri(t)為t時(shí)刻節(jié)點(diǎn)i的預(yù)計(jì)剩余能量，其取值可以通過(guò)后面所提出的組合預(yù)測(cè)算法得出。發(fā)射功率Pt的設(shè)置可以參照式(3)：

(3)

其中Pt、Pr分別為發(fā)射功率和接收功率(單位為dB)，d、λ分別為傳輸距離和波長(zhǎng)(單位為m)，L是傳輸損耗。在工程實(shí)現(xiàn)和仿真中，我們所設(shè)置的發(fā)射功率，要保證在其通信范圍內(nèi)所有節(jié)點(diǎn)所接收的信號(hào)功率不小于其接收靈敏度As，即：

(4)

3ARIMA-ANN組合能量預(yù)測(cè)模型

在傳感器節(jié)點(diǎn)運(yùn)行期間，由于其受眾多因素的影響，故能量開(kāi)銷(xiāo)的變化規(guī)律既不是平穩(wěn)過(guò)程，也不是純線性或者非線性過(guò)程[10]。簡(jiǎn)單的統(tǒng)計(jì)預(yù)測(cè)方法，如滑動(dòng)平均和指數(shù)平滑，都不能很好地刻畫(huà)這一過(guò)程。鑒于ARIMA模型對(duì)序列具有良好的線性處理能力，ANN模型具有較強(qiáng)的學(xué)習(xí)和處理能力，對(duì)序列背后的非線性部分有極強(qiáng)的挖掘能力。故在實(shí)際應(yīng)用中，我們將兩者結(jié)合起來(lái)，構(gòu)建了一種基于ARIMA模型和ANN模型的組合預(yù)測(cè)模型。通過(guò)使用這兩個(gè)模型分別對(duì)時(shí)間序列的線性及非線性部分建模，更加準(zhǔn)確地描述了能量開(kāi)銷(xiāo)時(shí)間序列的復(fù)雜結(jié)構(gòu)，并根據(jù)遞推公式計(jì)算出了節(jié)點(diǎn)剩余能量。

3.1基于ARIMA模型的能量預(yù)測(cè)算法

由于傳感器網(wǎng)絡(luò)能量開(kāi)銷(xiāo)是非平穩(wěn)序列，不滿足ARMA模型對(duì)時(shí)間序列的平穩(wěn)要求，必須對(duì)其進(jìn)行差分，故本文采用ARIMA模型[11]捕捉能量開(kāi)銷(xiāo)中的線性特征。ARIMA模型是一種處理信號(hào)序列的參數(shù)化分析方法，模型表達(dá)式如下：

(5)

其中，Xi、φi、θi、εi分別表示第i個(gè)時(shí)間步長(zhǎng)內(nèi)的時(shí)間序列取值、自回歸項(xiàng)系數(shù)、滑動(dòng)平均項(xiàng)系數(shù)以及白噪聲(零均值平穩(wěn)隨機(jī)信號(hào))。L為滯后算子，即LiXt=Xt-i。p是自回歸階數(shù)，q是滑動(dòng)平均階數(shù)，d是將這個(gè)序列差分成平穩(wěn)序列所需的差分次數(shù)，通常情況下差分不超過(guò)兩次。

求解ARIMA模型時(shí)，首先對(duì)ARIMA模型進(jìn)行d次差分，將其轉(zhuǎn)化為ARMA(自回歸滑動(dòng)平均)模型，然后根據(jù)自相關(guān)圖和偏自相關(guān)圖確定p、q的初步范圍，最后再采用最小信息準(zhǔn)則和相似性準(zhǔn)則具體確定模型的最佳階數(shù)。在獲悉模型階數(shù)的基礎(chǔ)上，通過(guò)均方誤差方法或最大似然方法對(duì)自回歸項(xiàng)系數(shù)和滑動(dòng)平均項(xiàng)系數(shù)進(jìn)行估值。在得出全部參數(shù)后，利用此前多個(gè)拓?fù)渲芷趦?nèi)的實(shí)測(cè)值，采用遞歸的方式對(duì)能量開(kāi)銷(xiāo)時(shí)間序列取值進(jìn)行預(yù)測(cè)，見(jiàn)式(6)：

(6)

(7)

3.2基于ANN模型的能量預(yù)測(cè)算法

由于無(wú)線傳感器網(wǎng)絡(luò)在運(yùn)行中除了周期性地交互數(shù)據(jù)，還需要快速分發(fā)重要的臨時(shí)性數(shù)據(jù)，且有許多意外情況會(huì)影響其能量消耗，故其能量開(kāi)銷(xiāo)序列存在非線性波動(dòng)。只運(yùn)用ARIMA模型不能很好地表現(xiàn)其非線性特征，因此我們采用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)實(shí)際值與預(yù)測(cè)值間的差值進(jìn)行優(yōu)化，盡可能準(zhǔn)確描述能量開(kāi)銷(xiāo)時(shí)間序列的復(fù)合特征。

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)實(shí)際輸出與網(wǎng)絡(luò)輸出差異最小化的原則，不斷修正神經(jīng)元連接權(quán)值和閾值的智能算法[10，12]，其組成框圖如圖1所示。網(wǎng)絡(luò)的輸入共分為兩部分，包括外部輸入量和輸出量延遲序列。在正向傳播過(guò)程中，這些輸入信息經(jīng)過(guò)隱含層處理后經(jīng)過(guò)加權(quán)匯集到輸出層上，如果網(wǎng)絡(luò)層不能得到與預(yù)期相符的輸出，則其與實(shí)測(cè)值之間的差值將會(huì)沿原來(lái)通路進(jìn)行反向傳播，用來(lái)調(diào)整神經(jīng)元連接權(quán)值的大小，以減小誤差。如此反復(fù)調(diào)整，直到預(yù)測(cè)誤差小于限定閾值。在仿真中，為降低計(jì)算的復(fù)雜度，我們所建立的ANN模型中隱含層只進(jìn)行一步處理，表達(dá)式為：

(8)

(9)

其中，et表示人工神經(jīng)網(wǎng)絡(luò)輸出量，xj代表隱含層第j個(gè)節(jié)點(diǎn)處理后的輸出，αj表示從xj到輸出的權(quán)值，εt則為隨機(jī)誤差項(xiàng)。q是隱含層節(jié)點(diǎn)個(gè)數(shù)。 Ik、et-i分別代表t時(shí)刻第k個(gè)外部輸入量取值和t-i時(shí)刻輸出序列的取值，wij表示由第i個(gè)輸入變量到xj的權(quán)值，p是輸入反饋延時(shí)步數(shù)，σ是隱含層傳遞函數(shù)。本文中取q為50，p為30，σ(x)=1/(1+e-x)。

Figure 1　Structure model of artificial neural network 圖1　人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

無(wú)線傳感器運(yùn)行期間，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和部分鏈路的狀態(tài)會(huì)發(fā)生一定程度的改變，這些變化都會(huì)極大影響節(jié)點(diǎn)的能量消耗，使能量開(kāi)銷(xiāo)時(shí)間序列的取值出現(xiàn)較大的波動(dòng)。為此，本文設(shè)計(jì)了四個(gè)外部輸入量，通過(guò)定量描述每個(gè)節(jié)點(diǎn)周邊鏈路及拓?fù)浣Y(jié)構(gòu)的變化，盡可能準(zhǔn)確預(yù)測(cè)能量開(kāi)銷(xiāo)序列的取值。在實(shí)際運(yùn)用中，我們需要通過(guò)Hello消息中LinkCode字段來(lái)感知變化，并將新增或減少的對(duì)稱(chēng)鄰居節(jié)點(diǎn)或MPR選擇節(jié)點(diǎn)個(gè)數(shù)送入對(duì)應(yīng)的外部輸入端口，將其融入能量開(kāi)銷(xiāo)的預(yù)測(cè)中。其中節(jié)點(diǎn)變化狀況與外部輸入端口的對(duì)應(yīng)情況參見(jiàn)表1。

Table 1　 Corresponding relation table of

當(dāng)列表中的某種情況發(fā)生時(shí)，外部輸入端口(I1～I(xiàn)4)的輸入相應(yīng)置為a、b、c、d。對(duì)應(yīng)的神經(jīng)元連接權(quán)值通過(guò)實(shí)測(cè)值與網(wǎng)絡(luò)輸出差值的最小化準(zhǔn)則來(lái)進(jìn)行修正。通過(guò)多次反向傳輸過(guò)程來(lái)調(diào)整神經(jīng)元連接權(quán)值，最終使輸出誤差小于限定閾值，得出模型具體參數(shù)。

3.3組合能量預(yù)測(cè)算法設(shè)計(jì)

組合模型建模共分三步，首先利用ARIMA模型對(duì)時(shí)間序列的線性部分進(jìn)行建模預(yù)測(cè)，將這個(gè)取值與后續(xù)收到的實(shí)測(cè)值做差，得到時(shí)間序列的非線性特性。之后，利用人工神經(jīng)網(wǎng)絡(luò)通過(guò)不斷修正神經(jīng)元連接權(quán)值和閾值來(lái)近似描述出非線性殘差并進(jìn)行預(yù)測(cè)，并將兩部分預(yù)測(cè)結(jié)果求和，得到未來(lái)多個(gè)拓?fù)渲芷趦?nèi)節(jié)點(diǎn)能量開(kāi)銷(xiāo)的預(yù)測(cè)值。最后將節(jié)點(diǎn)開(kāi)銷(xiāo)的預(yù)測(cè)值代入公式(10)通過(guò)遞推得到節(jié)點(diǎn)剩余能量的預(yù)測(cè)值。

(10)

其中，Ei(t)、Ri(t)分別表示節(jié)點(diǎn)i在第t個(gè)拓?fù)渲芷趦?nèi)的能量開(kāi)銷(xiāo)預(yù)測(cè)值和第t個(gè)拓?fù)渲芷谀┒说氖Ｓ嗄芰款A(yù)測(cè)值。組合預(yù)測(cè)模型定期或者在預(yù)測(cè)誤差超過(guò)閾值時(shí)重新進(jìn)行擬合。

4OLSR_RC路由協(xié)議設(shè)計(jì)

4.1OLSR_RC路由組成框圖

在OLSR_RC路由中增添了復(fù)合能量開(kāi)銷(xiāo)的計(jì)算，并引入了能量預(yù)測(cè)的機(jī)制，故與傳統(tǒng)的OLSR協(xié)議相比，增添了三個(gè)比較重要的模塊：ARIMA-ANN的組合預(yù)測(cè)模塊、復(fù)合能量開(kāi)銷(xiāo)管理模塊以及路由表計(jì)算模塊，他們之間的關(guān)系如圖2所示。

OLSR_RC路由運(yùn)行時(shí)，首先由MAC層統(tǒng)計(jì)本節(jié)點(diǎn)包括數(shù)據(jù)包傳輸功率消耗、初始能量和當(dāng)前電量在內(nèi)的三個(gè)數(shù)據(jù)，將三個(gè)數(shù)據(jù)通過(guò)TC消息共享給其他節(jié)點(diǎn)，并將第三個(gè)數(shù)據(jù)傳給ARIMA-ANN的組合預(yù)測(cè)模塊進(jìn)行定期擬合。模型預(yù)測(cè)出本節(jié)點(diǎn)剩余能量，并量化到1至255的整數(shù)上。這個(gè)數(shù)一方面通過(guò)TC消息共享給其他節(jié)點(diǎn)，另一方面保存到復(fù)合能量開(kāi)銷(xiāo)管理模塊。復(fù)合能量開(kāi)銷(xiāo)管理模塊利用接收到的其他節(jié)點(diǎn)的初始能量、當(dāng)前能量(沒(méi)有最新的TC消息時(shí)使用之前收到的剩余能量預(yù)測(cè)值)及傳輸功率消耗，進(jìn)行復(fù)合能量開(kāi)銷(xiāo)計(jì)算，并對(duì)復(fù)合能量開(kāi)銷(xiāo)存儲(chǔ)模塊中的數(shù)據(jù)進(jìn)行更新。同時(shí)，復(fù)合能量開(kāi)銷(xiāo)管理模塊判斷實(shí)測(cè)值與先前預(yù)測(cè)值之間的誤差是否超過(guò)閾值，來(lái)決定將計(jì)算結(jié)果交給路由表計(jì)算模塊后，需不需要通知組合預(yù)測(cè)模型重新進(jìn)行擬合。路由表計(jì)算模塊對(duì)原有的Dijsktra算法做出了修改，用復(fù)合能量開(kāi)銷(xiāo)取代跳數(shù)，在選擇路由時(shí)選取復(fù)合開(kāi)銷(xiāo)最小的路徑。

4.2拓展TC消息格式

OLSR_RC的TC消息只增加了源節(jié)點(diǎn)的初始能量、當(dāng)前能量、剩余能量預(yù)測(cè)值及拓?fù)湎l(fā)送時(shí)刻，共計(jì)八個(gè)字節(jié)，用于其他節(jié)點(diǎn)對(duì)復(fù)合能量開(kāi)銷(xiāo)的計(jì)算，其格式見(jiàn)圖3。

Figure 3　Extended topology control message format 圖3　拓展的TC消息格式

其中，transmit_time字段占用一個(gè)字節(jié)，存放在TC消息的保留字段，用于消除傳輸中各種延遲所帶來(lái)的影響；initial_energy為節(jié)點(diǎn)的初始能量；power_cost代表傳輸單位長(zhǎng)度數(shù)據(jù)報(bào)文的能量消耗；current為拓?fù)湎l(fā)送時(shí)刻的剩余能量；predict_i是距發(fā)送時(shí)刻2i個(gè)拓?fù)溟g隔后的剩余能量預(yù)測(cè)值，通過(guò)1～255的整數(shù)來(lái)表示其大小。通常在沒(méi)有收到MPR選擇節(jié)點(diǎn)最新發(fā)送的TC消息時(shí)，使用預(yù)測(cè)值作為其當(dāng)前的剩余能量。predict_i-1與pedict_i的間隔為兩個(gè)拓?fù)湎l(fā)送周期，故一個(gè)TC消息可以預(yù)測(cè)未來(lái)50s的剩余能量，顯著降低由于拓?fù)湎G失對(duì)路由發(fā)現(xiàn)的影響。

需要說(shuō)明的是，新增的八個(gè)字節(jié)在發(fā)送消息中所占的整體比例不大。假設(shè)節(jié)點(diǎn)A的接口地址僅有一個(gè)，對(duì)稱(chēng)節(jié)點(diǎn)數(shù)nsym為10，MPR節(jié)點(diǎn)數(shù)nmpr為4，鏈路碼類(lèi)型數(shù)nLC為4，TC和Hello消息發(fā)送間隔采用默認(rèn)值，則節(jié)點(diǎn)A在一秒內(nèi)的平均控制消息發(fā)送量可由下式計(jì)算：

(11)

新增TC控制消息數(shù)據(jù)量為：

(12)

新增數(shù)據(jù)量占總發(fā)送控制消息的比例為：

(13)

由上式可知，新增數(shù)據(jù)量在總發(fā)送控制消息中所占的比例很小。同時(shí)，由于大多數(shù)控制消息的數(shù)據(jù)空間并沒(méi)有被充分利用，故由于協(xié)議改進(jìn)而新增的發(fā)送消息量還要遠(yuǎn)低于1.58%， 改進(jìn)路由的新增協(xié)議開(kāi)銷(xiāo)可以近似忽略。

5協(xié)議仿真性能分析

5.1仿真環(huán)境設(shè)置

本文利用ns2作為仿真測(cè)試平臺(tái)，測(cè)試了網(wǎng)絡(luò)在不同流量負(fù)載、移動(dòng)速度和拓?fù)浣Y(jié)構(gòu)的條件下，節(jié)點(diǎn)的最低能量水平和平均剩余能量。表2定義了仿真時(shí)的網(wǎng)絡(luò)基礎(chǔ)配置。仿真不同拓?fù)浣Y(jié)構(gòu)時(shí)，同構(gòu)網(wǎng)絡(luò)設(shè)置50個(gè)節(jié)點(diǎn)，功率配置參數(shù)按照表3中的集合1，異構(gòu)網(wǎng)絡(luò)設(shè)置五個(gè)集合，每個(gè)集合包含10個(gè)節(jié)點(diǎn)，各集合的功率配置參數(shù)參照表3進(jìn)行設(shè)置。

Table 2　 Basic network configuration

Table 3　 Power consumption parameters of

5.2仿真結(jié)果及分析

5.2.1節(jié)點(diǎn)最低剩余能量比較

從圖4～圖7可以看出，不論是由同構(gòu)節(jié)點(diǎn)還是異構(gòu)節(jié)點(diǎn)構(gòu)成的網(wǎng)絡(luò)，在不同節(jié)點(diǎn)運(yùn)動(dòng)速度和不同數(shù)據(jù)傳輸速率的情況下，具有能量預(yù)測(cè)功能的OLSR_RC協(xié)議中的節(jié)點(diǎn)最低能量均好于OLSR協(xié)議的情況，并且隨著節(jié)點(diǎn)運(yùn)動(dòng)速度加快和數(shù)據(jù)傳輸速率提升，兩種協(xié)議之間的差距會(huì)進(jìn)一步增大。實(shí)驗(yàn)結(jié)果表明，新路由避免了網(wǎng)絡(luò)運(yùn)行中對(duì)部分節(jié)點(diǎn)的過(guò)度使用，有效均衡了網(wǎng)絡(luò)負(fù)載。

Figure 4　Lowest energy level of the heterogeneous nodes at the packet rate of 40 kbps 圖4　數(shù)據(jù)包速率為40 kbps時(shí)異構(gòu)節(jié)點(diǎn)最低剩余能量

Figure 5　Lowest energy level of the heterogeneous nodes at the packet rate of 50 kbps 圖5　數(shù)據(jù)包速率為50 kbps時(shí)異構(gòu)節(jié)點(diǎn)最低剩余能量

Figure 6　Lowest energy level of the homogeneous nodes at the packet rate of 40 kbps 圖6　數(shù)據(jù)包速率為40 kbps時(shí)同構(gòu)節(jié)點(diǎn)最低剩余能量

Figure 7　Lowest energy level of the homogeneous nodes at the packet rate of 50 kbps 圖7　數(shù)據(jù)包速率為50 kbps時(shí)同構(gòu)節(jié)點(diǎn)最低剩余能量

5.2.2節(jié)點(diǎn)平均剩余能量比較

由圖8～圖11可知，在節(jié)點(diǎn)平均剩余能量方面，OLSR_RC路由明顯優(yōu)于傳統(tǒng)OLSR協(xié)議，其在均衡節(jié)點(diǎn)間剩余能量的同時(shí)兼顧發(fā)送數(shù)據(jù)所消耗的能量，減小了網(wǎng)絡(luò)的總能耗，提高了節(jié)點(diǎn)平均剩余能量水平，延長(zhǎng)了節(jié)點(diǎn)的生存周期，其能量保護(hù)性能明顯優(yōu)于OLSR協(xié)議。

Figure 8　Average energy level of the heterogeneous nodes at the packet rate of 40 kbps 圖8　數(shù)據(jù)包速率為40 kbps時(shí)異構(gòu)節(jié)點(diǎn)平均剩余能量

Figure9　Average energy level of the heterogeneous nodes at the packet rate of 50 kbps 圖9　數(shù)據(jù)包速率為50 kbps時(shí)異構(gòu)節(jié)點(diǎn)平均剩余能量

Figure 10　Average energy level of the homogeneous nodes at the packet rate of 40 kbps 圖10　數(shù)據(jù)包速率為40 kbps時(shí)同構(gòu)節(jié)點(diǎn)平均剩余能量

Figure 11　Average energy level of the homogeneous nodes at the packet rate of 50 kbps 圖11　數(shù)據(jù)包速率為50 kbps時(shí)同構(gòu)節(jié)點(diǎn)平均剩余能量

6結(jié)束語(yǔ)

本文提出了具備能量預(yù)測(cè)功能的能量感知路由協(xié)議OLSR_RC，它用一種結(jié)合節(jié)點(diǎn)傳輸能耗和剩余能量的復(fù)合開(kāi)銷(xiāo)代替了跳數(shù)，改進(jìn)了路由發(fā)現(xiàn)中Dijkstra算法。同時(shí)，建立了ARIMA-ANN組合預(yù)測(cè)模型對(duì)節(jié)點(diǎn)剩余能量進(jìn)行預(yù)測(cè)，降低了由于TC消息丟失對(duì)路由選擇所造成的影響。仿真結(jié)果表明，OLSR_RC協(xié)議降低了網(wǎng)絡(luò)總能耗，均衡了節(jié)點(diǎn)間的流量負(fù)載，延長(zhǎng)了網(wǎng)絡(luò)的生存周期。

參考文獻(xiàn):

[1]DeRangoF,CanoJC,FotinoM,etal.OLSRvsDSR:Acomparativeanalysisofproactiveandreactivemechanismsfromanenergeticpointofviewinwirelessadhocnetworks[J].ComputerCommunication,2008,31(16):3843-3854.

[2]LiPing,DaiJin.Anovelenergy-savingroutingalgorithminWSN[J].ComputerEngineeringScience,2014,36(7):1275-1278.(inChinese)

[3]ZhangShi-yue,WuJian-de,WangXiao-dong,etal.Anenergycomsumptionbalancedclusteringroutingalgorithmforwirelesssensornetwork[J].ComputerEngineering,2014,40(8):6-9.(inChinese)

[4]TariqueM,TepeK.Minimumenergyhierarchicaldynamicsourceroutingformobileadhocnetworks[J].AdHocNetworks,2009,7(6):1125-1135.

[5]BertazziL,GoldenB,WangXing-yin.Min-MaxvsMin-Sumvehiclerouting:Aworst-caseanalysis[J].EuropeanJournalofOperationalResearch,2015,240(2):372-381.

[6]WeiXiao-hai,ChenGuo-liang,WanYing-yu,etal.Optimizedprioritybasedenergyefficientroutingalgorithmformobileadhocnetworks[J].AdHocNetworks,2004,2(3):231-239.

[7]ThamaraiP.PredictingroutelifetimeformaximizingnetworklifetimeinMANET[C]//Procof2012InternationalConferenceonComputing,ElectronicsandElectricalTechnologies,2012:792-797.

[8]ZhangGP.TimeseriesforecastingusingahybridARIMAandneuralnetworkmodel[J].Neurocomputing,2003,50 (1):159-175.

[9]KhasheiM,BijariM.AnovelhybridizationofartificialneuralnetworksandARIMAmodelfortimeseriesforcasting[J].AppliedSoftComputing,2011,11(2):2664-2675.

[10]BaiYan,MaGuang-si.Trafficpredictionandanalysisbasedonthegreyradialbasisfunctionneuralnetworkmodel[J].ComputerEngineering&Science,2008,30(10):122-124. (inChinese)

[11]GuoZhi-hao,MalakootiS,CameliaS,etal.Multi-objectiveOLSRforproactiveroutinginMANETwithdelay,energy,andlinklifetimepredictions[J].AppliedMathematicalModeling,2011,35(3):1413-1426.

[12]YolcuU,EgriogluE,AladagCH.Anewliner&nonlinearartificialneuralnetworkmodelfortimeseriesforecasting[J].DecisionSupportSystem,2013,54(3):1340-1347.

參考文獻(xiàn)：附中文

[2]李平,戴勁.無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)能路由算法研究[J].計(jì)算機(jī)工程與科學(xué),2014,36(7):1275-1278.

[3]張?jiān)姁?，吳德建，王曉東,等.一種能耗均衡的無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法[J].計(jì)算機(jī)工程,2014,40(8):6-9.

[10]白燕,馬光思.基于灰色徑向基神經(jīng)網(wǎng)絡(luò)模型的流量預(yù)測(cè)與分析[J].計(jì)算機(jī)工程與科學(xué),2008,30(10):122-124.

蔡釗(1990-),男,北京人，碩士生，研究方向?yàn)榫W(wǎng)絡(luò)通信技術(shù)。E-mail:laziofly1214@163.com

CAIZhao,bornin1990,MScandidate,hisresearchinterestincludesnetworkcommunicationtechnology.

馬林華(1965-),男,陜西漢中人，博士，教授，研究方向?yàn)榫幋a理論、抗干擾通信和寬帶網(wǎng)絡(luò)通信。E-mail:Malinhua1965@163.com

MALin-hua,bornin1965,PhD,professor,hisresearchinterestsincludecodingtheory,anti-interferencecommunication,andbroadbandnetworkcommunications.

宋博(1970-),男,陜西西安人，碩士，副教授，研究方向?yàn)閷拵ЬW(wǎng)絡(luò)通信。E-mail:songbo1970@163.com

SONGBo,bornin1970,MS,associateprofessor,hisresearchinterestincludesbroadbandnetworkcommunications.

唐紅(1967-),女,上海人，碩士，高級(jí)實(shí)驗(yàn)師,研究方向?yàn)樾诺谰幋a與調(diào)制。E-mail:tanghong1965tanghong@163.com

TANGHong,bornin1967,MS,seniorexperimentalist,herresearchinterestincludeschannelcodingandmodulation.