王紅艷+劉暐

摘 要： 無(wú)線傳感器網(wǎng)絡(luò)在物聯(lián)網(wǎng)中占有重要地位，其能夠降低能耗并有效保障數(shù)據(jù)傳輸。然而，無(wú)線傳感器網(wǎng)絡(luò)底層拓?fù)浣Y(jié)構(gòu)通常存在網(wǎng)絡(luò)鏈路質(zhì)量低、網(wǎng)絡(luò)能耗高、網(wǎng)絡(luò)干擾等問題。針對(duì)現(xiàn)有網(wǎng)絡(luò)鏈路不穩(wěn)定的問題，提出具有穩(wěn)定鏈路的冪律可調(diào)優(yōu)化算法，并對(duì)其生成的拓?fù)鋭?dòng)態(tài)性能進(jìn)行研究。通過網(wǎng)絡(luò)節(jié)點(diǎn)失效容錯(cuò)需求仿真和鏈路穩(wěn)定性仿真，驗(yàn)證了冪律可調(diào)優(yōu)化算法的準(zhǔn)確性，為無(wú)線傳感器網(wǎng)絡(luò)拓?fù)鋬?yōu)化提供參考。

關(guān)鍵詞： 穩(wěn)定鏈路； 無(wú)線傳感器網(wǎng)絡(luò)； 冪律可調(diào)； 底層拓?fù)洌?算法優(yōu)化

中圖分類號(hào)： TN911?34； TP393 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）19?0045?04

Design and simulation of stable link based topology optimization algorithm for WSNs

WANG Hongyan1， LIU Wei1， 2

（1. Department of Electric Automatization， Hebei University of Water Resources and Electric Engineering， Cangzhou 061000， China；

2. School of Electrical and Information Engineering， Tianjin University， Tianjin 300072， China）

Abstract： Wireless sensor networks （WSNs） play an important role in the Internet of Things， which can reduce energy consumption and ensure data transmission. The underlying layer topology structure of WSNs usually has the problems of low network link quality， high network energy consumption and network interference. Since the current network link is instable， a power law adjustable optimization algorithm with stable link is proposed， and the topologic dynamic performance generated by it is studied. The accuracy of the power law adjustable optimization algorithm was verified by means of the simulation required by the network node failure tolerance and link stability. It is hoped the algorithm can provide a reference for the future topology optimization of WSNs.

Keywords： stable link； wireless sensor network； power law adjustability； bottom topology； algorithm optimization

0 引 言

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSNs）在運(yùn)行過程中能夠?qū)μ囟ūO(jiān)測(cè)范圍節(jié)點(diǎn)進(jìn)行自組織，并通過無(wú)線網(wǎng)絡(luò)進(jìn)行高效信息收集與分析[1?2]。WSNs工作狀態(tài)受環(huán)境影響明顯，尤其是當(dāng)出現(xiàn)通信時(shí)斷時(shí)，會(huì)引發(fā)整個(gè)系統(tǒng)鏈路失穩(wěn)。在遭遇環(huán)境障礙時(shí)，WSNs自身是否擁有可靠拓?fù)淙蒎e(cuò)能力將決定網(wǎng)絡(luò)工作狀態(tài)的穩(wěn)定性[3]。理論界對(duì)WSNs拓?fù)淙蒎e(cuò)性優(yōu)化問題展開大量研究，并提出冗余備份機(jī)制、無(wú)標(biāo)度容錯(cuò)拓?fù)涞壤砟罴胺椒╗4]。傳統(tǒng)容錯(cuò)理念下，為擴(kuò)大WSNs容錯(cuò)性能，主張?jiān)鲈O(shè)冗余鏈路，而這通常會(huì)帶來鏈路穩(wěn)定性降低的問題。事實(shí)上，由于WSNs中各節(jié)點(diǎn)的節(jié)點(diǎn)度大小存在顯著不均衡特征?；谶@一認(rèn)知，無(wú)標(biāo)度容錯(cuò)拓?fù)渌枷雵L試更有效地控制節(jié)點(diǎn)失效概率，從而擴(kuò)大網(wǎng)絡(luò)容錯(cuò)性能。眾多研究人員不斷研究無(wú)標(biāo)度容錯(cuò)拓?fù)渌惴?，以提升?jié)點(diǎn)失效的可容性[5?6]。然而，許多算法仍然停留在固定冪指數(shù)階段，對(duì)節(jié)點(diǎn)失效隨機(jī)性難以很好應(yīng)付，且不能有效提升鏈路穩(wěn)定性[7?8]。

基于“WSNs容錯(cuò)需求實(shí)際差異”以及“通信鏈路擇優(yōu)”，本文嘗試設(shè)計(jì)一種WSNs拓?fù)鋬?yōu)化算法，并通過IRIS實(shí)驗(yàn)平臺(tái)、Matlab軟件驗(yàn)證其容錯(cuò)性能可靠性。通過相關(guān)實(shí)驗(yàn)及仿真，希望對(duì)改善WSNs運(yùn)行效率及穩(wěn)定性有積極的促進(jìn)作用。

1 拓?fù)溲莼Ｐ蜆?gòu)建

1.1 BA模型

1999年，Barabasi與Reka Albert提出BA模型，即無(wú)標(biāo)度容錯(cuò)拓?fù)溲莼Ｐ蚚9]。根據(jù)該模型，新節(jié)點(diǎn)與原節(jié)點(diǎn)[i]之間建立鏈路時(shí)，以如下概率進(jìn)行：

[Π（i）=kij∈Akj] （1）

式中：[A]表示網(wǎng)絡(luò)原有節(jié)點(diǎn)集合；[kj]表示原節(jié)點(diǎn)的節(jié)點(diǎn)度。

在演化[t]步長(zhǎng)后，BA模型會(huì)形成一個(gè)新無(wú)線傳感網(wǎng)絡(luò)，其節(jié)點(diǎn)數(shù)為[N=m0+t，]鏈路數(shù)為[mt。]如圖1所示，在與原節(jié)點(diǎn)連接時(shí)，新節(jié)點(diǎn)會(huì)優(yōu)先選擇高密度區(qū)域，從而形成密度顯著不均勻的新網(wǎng)絡(luò)。

演化過程中會(huì)不斷產(chǎn)生新鏈路，從而導(dǎo)致WSNs原節(jié)點(diǎn)[i]的節(jié)點(diǎn)度[ki]出現(xiàn)變化，其變化率可由下式計(jì)算：

[?ki?t=m?Π（i）=mkij∈Akj] （2）

式中：[t]表示演化步長(zhǎng)；[m]表示鏈路數(shù)。

[j∈Akj]表示原節(jié)點(diǎn)的節(jié)點(diǎn)度，其計(jì)算公式為：

[j∈Akj=2mt] （3）

將式（3）代入式（2），有：

[?ki?t=ki2t] （4）

求解式（4），可得節(jié)點(diǎn)度計(jì)算公式：

[ki（t）=mtti12] （5）

式中[ti]表示節(jié)點(diǎn)進(jìn)入時(shí)間。

那么，可由下式計(jì)算節(jié)點(diǎn)度在[k]以下的概率：

[pki（t）

最后，BA模型拓?fù)涠扔?jì)算公式為：

[p（k）=?p（ki（t）

如圖2所示，BA模型演化所生成的拓?fù)涠确膬缏芍笖?shù)為3的冪律分布；節(jié)點(diǎn)度[k]越高，度分布概率值[p（k）]越低?？梢姡摱确植紝?duì)隨機(jī)節(jié)點(diǎn)失效的容錯(cuò)性能較強(qiáng)；相應(yīng)地，對(duì)選擇性節(jié)點(diǎn)失效的容錯(cuò)性能很弱。

1.2 基于穩(wěn)定鏈路的容錯(cuò)拓?fù)溲莼Ｐ?/p>

從BA模型分析中可以發(fā)現(xiàn)，該模型在適應(yīng)性方面存在缺點(diǎn)，尤其不能有效進(jìn)行擇優(yōu)連接。因此，需要從WSNs應(yīng)用多樣化出發(fā)，納入節(jié)點(diǎn)吸引度指標(biāo)，對(duì)BA模型進(jìn)行優(yōu)化。

定義1：節(jié)點(diǎn)吸引度（Attraction Degree）是指在構(gòu)建鏈路時(shí)，被模型優(yōu)先選擇的能力，記為[β。]在求取節(jié)點(diǎn)吸引度時(shí)，可以通過RSSI（信號(hào)強(qiáng)度指示）計(jì)算。

設(shè)某區(qū)域內(nèi)已存在[m]個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，則新節(jié)點(diǎn)與其中某節(jié)點(diǎn)[i]連接的概率計(jì)算公式為：

[Π（i）=εkij∈localkj+（1-ε）βij∈localβj] （8）

式中：[ε]表示拓?fù)鋮?shù)，取值區(qū)間為[0，1]；local表示相鄰節(jié)點(diǎn)集。

通過式（8）能夠?qū)Π（i）]進(jìn)行強(qiáng)度調(diào)整，而無(wú)標(biāo)度容錯(cuò)拓?fù)洚a(chǎn)生和演化過程即可被高效調(diào)控。

2 基于演化模型的APSL算法

由上述分析可知，新節(jié)點(diǎn)在連接原節(jié)點(diǎn)時(shí)，概率值由吸引度[βi]以及節(jié)點(diǎn)度[ki]決定。基于該認(rèn)知，本文提出無(wú)標(biāo)度容錯(cuò)拓?fù)鋬?yōu)化算法，即APSL算法。

2.1 APSL算法組網(wǎng)及流程

2.1.1 組網(wǎng)結(jié)構(gòu)

如圖3所示，APSL算法在構(gòu)建無(wú)標(biāo)度容錯(cuò)拓?fù)鋾r(shí)，會(huì)以非線性增長(zhǎng)方式逐漸擴(kuò)大網(wǎng)絡(luò)結(jié)構(gòu)。初始時(shí)，拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)包含的節(jié)點(diǎn)數(shù)較少，且其直徑僅為[R0；]每增長(zhǎng)一時(shí)間步長(zhǎng)，會(huì)有更多新加入節(jié)點(diǎn)；未加入節(jié)點(diǎn)會(huì)在下次時(shí)間步長(zhǎng)中被納入拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)。

2.1.2 算法流程

如圖4所示，APSL算法運(yùn)行流程主要包含如下4個(gè)環(huán)節(jié)：

（1） 算法開始時(shí)，初始網(wǎng)絡(luò)包含[m0]個(gè)已存在節(jié)點(diǎn)，各節(jié)點(diǎn)相互間未建立穩(wěn)定鏈路；

（2） 增加一時(shí)間步長(zhǎng)，依照Poisson規(guī)則，會(huì)有[ni]個(gè)新節(jié)點(diǎn)加入；

（3） 每一時(shí)間步長(zhǎng)中，新節(jié)點(diǎn)會(huì)與鄰節(jié)點(diǎn)（數(shù)量為m）構(gòu)建連接，且連接概率為[Π（i）]；

（4） 判斷網(wǎng)絡(luò)規(guī)模是否達(dá)到[N，]若達(dá)到，則結(jié)束運(yùn)算；否則，返回步驟（2），再次開始運(yùn)算。

經(jīng)過如上運(yùn)算所形成的無(wú)標(biāo)度容錯(cuò)拓?fù)浣Y(jié)構(gòu)具有冪率指數(shù)可調(diào)節(jié)特性。與傳統(tǒng)容錯(cuò)拓?fù)浣Y(jié)構(gòu)相比，該結(jié)構(gòu)一方面對(duì)選擇性節(jié)點(diǎn)失效的容忍性能更加理想；另一方面也可以進(jìn)一步改善節(jié)點(diǎn)鏈路穩(wěn)定性。

3 仿真驗(yàn)證分析

本次仿真分析包括兩個(gè)基本任務(wù)：

（1） 依據(jù)RSSI指標(biāo)，對(duì)APSL算法下鏈路穩(wěn)定性進(jìn)行分析，并驗(yàn)證APSL算法的準(zhǔn)確度，該任務(wù)須通過IRIS平臺(tái)進(jìn)行；

（2） 依據(jù)RSSI指標(biāo)，通過Matlab軟件對(duì)APSL算法的有效度進(jìn)行驗(yàn)證。

3.1 通信鏈路穩(wěn)定性試驗(yàn)

本試驗(yàn)所用IRIS平臺(tái)由Crossbow公司研制。試驗(yàn)過程中，首先須選擇一個(gè)無(wú)障礙場(chǎng)地，確保試驗(yàn)通信不受非正常干擾。接著，須在IRIS平臺(tái)設(shè)置2個(gè)節(jié)點(diǎn)，其中一個(gè)為數(shù)據(jù)接收點(diǎn)，記為A；另外一個(gè)節(jié)點(diǎn)為數(shù)據(jù)發(fā)送點(diǎn)，記為B。為增加數(shù)據(jù)詳實(shí)度，初始時(shí)2個(gè)節(jié)點(diǎn)無(wú)間距；試驗(yàn)開始后，兩節(jié)點(diǎn)逐步隔開，每次間距增加值設(shè)置為0.6 m；步長(zhǎng)每增加一次，都需要觀察并記錄RSSI值。本次試驗(yàn)統(tǒng)計(jì)數(shù)據(jù)分析結(jié)果如圖5所示。

由圖5可知，當(dāng)RSSI值大于-95 dBm時(shí)，節(jié)點(diǎn)A數(shù)據(jù)收包率分布在區(qū)間[0.9，1.0]。尤其是當(dāng)RSSI值超過-81 dBm時(shí)，收包率更加接近1.0。試驗(yàn)結(jié)果表明，在APSL算法下，RSSI值越大，數(shù)據(jù)收包率也越高。可見，相對(duì)應(yīng)節(jié)點(diǎn)鏈路穩(wěn)定性較高，APSL算法的準(zhǔn)確度可接受。

3.2 通信鏈路穩(wěn)定性仿真

本次仿真過程中，仍然以RSSI值為拓?fù)浣Y(jié)構(gòu)鏈路穩(wěn)定性評(píng)估指標(biāo)。為增加APSL算法結(jié)果的可對(duì)比性，將算法參數(shù)[ε]的取值分為三類情形，分別為0.1，0.5以及0.9。運(yùn)用Matlab軟件對(duì)不同情形進(jìn)行仿真，并重點(diǎn)關(guān)注RSSI最大值、RSSI最小值以及RSSI均值。仿真結(jié)果如圖6所示。

由圖6可知，基于同一算法參數(shù)[ε]，隨著RSSI值的增大，對(duì)應(yīng)鏈路質(zhì)量也越高；在相同RSSI值統(tǒng)計(jì)標(biāo)準(zhǔn)下，算法參數(shù)[ε]越大，對(duì)應(yīng)鏈路質(zhì)量則越低；在RSSI最大值維度下，不同算法參數(shù)所對(duì)應(yīng)的鏈路質(zhì)量差異更加顯著。在各種情形下，鏈路質(zhì)量RSSI均不低于-94 dBm。尤其是在RSSI最大值情形下，鏈路質(zhì)量RSSI更是高于-63 dBm。

結(jié)合圖6分析結(jié)果可知，APSL拓?fù)浣Y(jié)構(gòu)鏈路穩(wěn)定性確實(shí)可靠，將RSSI值作為擇優(yōu)概率評(píng)估指標(biāo)可信，APSL有效度可接受。

根據(jù)APSL算法規(guī)則，擇優(yōu)增長(zhǎng)（Growth）對(duì)拓?fù)浣Y(jié)構(gòu)容錯(cuò)性能有影響。為進(jìn)一步驗(yàn)證APSL算法的性能，本試驗(yàn)將引入該參數(shù)，并將APSL算法與EAEM算法（Energy?aware Evolution Model，為一種十分經(jīng)典的拓?fù)渌惴ǎ┑男阅苓M(jìn)行對(duì)比。計(jì)算過程中，算法參數(shù)被設(shè)定為0.1，0.5與0.9三種不同情況。同時(shí)，節(jié)點(diǎn)數(shù)[ki]是拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)規(guī)模的決定因素，同時(shí)也會(huì)對(duì)鏈路穩(wěn)定性產(chǎn)生影響。

為檢驗(yàn)擇優(yōu)增長(zhǎng)機(jī)制效果，本試驗(yàn)將通過調(diào)整節(jié)點(diǎn)數(shù)來對(duì)比EAEM算法與APSL算法的性能。驗(yàn)證過程中，將算法參數(shù)[ε]分別設(shè)定為0.1，0.5與0.9。兩類算法下網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)與鏈路質(zhì)量RSSI均值關(guān)系圖，如圖7所示。

可知，隨著拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)節(jié)點(diǎn)總數(shù)的增加，兩類算法對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)鏈路質(zhì)量RSSI均值都呈顯著上升態(tài)勢(shì)。在相同網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)下，APSL拓?fù)浣Y(jié)構(gòu)RSSI均值更大，網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)相同時(shí)，算法參數(shù)[ε]越大，APSL拓?fù)浣Y(jié)構(gòu)RSSI均值也越大。

可見，相比EAEM算法，APSL算法對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)具有更佳的鏈路穩(wěn)定性表現(xiàn)，其算法的有效度可以被接受。

4 結(jié) 論

WSNs容錯(cuò)性能算法不能很好地適應(yīng)隨機(jī)性失效問題，在經(jīng)典容錯(cuò)拓?fù)渌惴ǖ幕A(chǔ)上，針對(duì)經(jīng)典算法的缺陷，本文提出無(wú)標(biāo)度容錯(cuò)算法。經(jīng)過模型分析和仿真實(shí)驗(yàn)，得出如下結(jié)論：

（1） BA模型度分布對(duì)隨機(jī)節(jié)點(diǎn)失效的容錯(cuò)性能較強(qiáng)；與傳統(tǒng)容錯(cuò)拓?fù)浣Y(jié)構(gòu)相比，APSL算法網(wǎng)絡(luò)結(jié)構(gòu)對(duì)選擇性節(jié)點(diǎn)失效的容忍性能更加理想。

（2） 在APSL算法下，RSSI值越大，數(shù)據(jù)收包率也越高，在RSSI最大值維度下，不同算法參數(shù)對(duì)應(yīng)的鏈路質(zhì)量差異更加顯著。

（3） 網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)相同時(shí)，算法參數(shù)[ε]越大，APSL拓?fù)浣Y(jié)構(gòu)RSSI均值也越大；相比EAEM算法，APSL算法對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)具有更佳的鏈路穩(wěn)定性表現(xiàn)，其算法有效度在可被接受的范圍內(nèi)。

總之，本文提出的APSL算法有利于改善WSNs鏈路穩(wěn)定性，而將RSSI值作為評(píng)估指標(biāo)也具有合理性。

參考文獻(xiàn)

[1] 李曦達(dá)，劉彬，尹榮榮，等.一種具有穩(wěn)定鏈路的冪律可調(diào)WSNs無(wú)標(biāo)度容錯(cuò)拓?fù)渌惴╗J].燕山大學(xué)學(xué)報(bào)，2015，39（6）：555?560.

[2] 潘大為.能量有效的WSNs路由協(xié)議與分布式調(diào)度方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[3] 劉舒拉.基于博弈論的無(wú)線傳感器網(wǎng)絡(luò)路由算法研究[J].現(xiàn)代電子技術(shù)，2011，34（9）：45?47.

[4] 王濤春，秦小麟，劉亮，等.無(wú)線傳感器網(wǎng)絡(luò)中安全高效的空間數(shù)據(jù)聚集算法[J].軟件學(xué)報(bào)，2014，25（8）：1671?1684.

[5] 王慧嬌，張華成，黃廷磊.一種基于TopDisc的WSNs拓?fù)淇刂扑惴╗J].傳感器與微系統(tǒng)，2014，33（10）：115?117.

[6] 舒堅(jiān)，湯津，劉琳嵐，等.基于模糊支持向量回歸機(jī)的WSNs鏈路質(zhì)量預(yù)測(cè)[J].計(jì)算機(jī)研究與發(fā)展，2015，52（8）：1842?1851.

[7] 羅小元，王慧彬，王金然，等.基于最優(yōu)剛性圖的鏈路質(zhì)量與能量的拓?fù)淇刂扑惴╗J].控制與決策，2015，30（11）：2055?2060.

[8] 鄭耿忠，劉三陽(yáng)，齊小剛.基于小世界網(wǎng)絡(luò)模型的無(wú)線傳感器網(wǎng)絡(luò)拓?fù)溲芯烤C述[J].控制與決策，2010，25（12）：1761?1768.

[9] 何明，梁文輝，陳國(guó)華，等.水下移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)拓?fù)鋄J].控制與決策，2013，28（12）：1761?1770.