萬智萍

中山大學(xué) 新華學(xué)院，廣州 510520

1 引言

水下傳感器網(wǎng)絡(luò)（UWSNs）在海洋資源保護(hù)，污染監(jiān)測，設(shè)置海洋軍事預(yù)警區(qū)等方面都有重要作用[1-2]，但與地面?zhèn)鞲衅魉褂玫碾姶挪ê凸獠ㄍㄐ拍Ｊ讲煌聜鞲衅骶W(wǎng)絡(luò)主要通過水聲通信。由于水聲傳播受水表面的反射、表層聲道、水聲介質(zhì)、水下交匯層等的影響[3-4]，信號延遲時間長且延遲時間變化頻率高，而且在多徑水聲信道的惡劣條件下會出現(xiàn)信號衰減快和多普勒失真等現(xiàn)象，這些問題使水下傳感器網(wǎng)絡(luò)相比地面?zhèn)鞲衅骶W(wǎng)絡(luò)的研究難度更大，實際解決方案少。由于海洋環(huán)境復(fù)雜，無線傳感器在水下部署只能依靠電池供電，通常只能攜帶能量十分有限的電池，因此只有對整個水下傳感器網(wǎng)絡(luò)的能量進(jìn)行合理利用，才可以維持網(wǎng)絡(luò)的正常生命周期[5]，解決過多的能量損耗問題也是現(xiàn)階段國內(nèi)外在水下傳感器網(wǎng)絡(luò)上的研究重點。

國內(nèi)文獻(xiàn)對水下多徑水聲信道條件下的無線傳感器網(wǎng)絡(luò)研究較少，在水聲無線傳感器網(wǎng)絡(luò)的能量優(yōu)化上國外有較為突出的研究成果。Andrej Stefanov[6]等人提出了一種水聲通信網(wǎng)絡(luò)規(guī)劃和性能分析方案，在水下傳感器網(wǎng)絡(luò)的節(jié)點間通信信道中使用與頻率相關(guān)的路徑損耗模型和萊斯衰落信道模型。并通過一個分層的水下聲傳感器網(wǎng)絡(luò)體系架構(gòu)使集電極站與傳感器操作在不同層，避免了集電極網(wǎng)絡(luò)與無線傳感器網(wǎng)絡(luò)的交叉干擾，優(yōu)化了網(wǎng)絡(luò)的能量和帶寬效率。Wang等[7]提出一種水下傳感器網(wǎng)絡(luò)節(jié)能高效的數(shù)據(jù)傳輸協(xié)議，該協(xié)議針對水下拓?fù)渥兓旒案哐舆t問題，根據(jù)節(jié)點剩余能量和節(jié)點位置提出一種能量消耗模型來選擇最優(yōu)的簇頭，簇頭會根據(jù)剩余能量、位置和端到端延遲來搜索下一跳節(jié)點，提升能源效率并延長網(wǎng)絡(luò)壽命。Zhou等[8]提出一種水下傳感器網(wǎng)絡(luò)節(jié)能路由協(xié)議，該協(xié)議會嘗試避免控制分組的轉(zhuǎn)發(fā)，并根據(jù)匯聚節(jié)點的需要在每個時間點選擇最合適的中繼節(jié)點，當(dāng)傳輸環(huán)境穩(wěn)定時，還會通過減少感測數(shù)據(jù)的傳輸次數(shù)來減少能量消耗。Dario Pompili[9]等人研究水聲傳感器網(wǎng)絡(luò)路由功能特點和水聲信道之間的互相作用，并針對延遲敏感和延遲不敏感的水聲信道的應(yīng)用需求，提出一種分布式地理路由算法，最大化的減少能量消耗。上述算法對水下傳感器網(wǎng)絡(luò)的能耗與延遲控制研究較為深入，但算法的復(fù)雜性較大，也沒有考慮到水下傳感器節(jié)點感測覆蓋的數(shù)量最小化問題，而節(jié)點資源設(shè)備數(shù)量的最小化可以有效地減少總體能量的額外過度損耗。

文章不僅在傳統(tǒng)的路由層面上考慮能量優(yōu)化問題，針對水下傳感器網(wǎng)絡(luò)的基礎(chǔ)設(shè)備損耗問題，通過計算一定概率條件下需要的最少節(jié)點數(shù)目，有利于在進(jìn)行傳感器節(jié)點的實際部署問題上能有計劃地投入合適的傳感器數(shù)量，防止過多的多余傳感器節(jié)點帶來額外的能耗，給工作方帶來經(jīng)濟上和能源上的負(fù)擔(dān)。在延遲問題上簡要分析了可控的延遲因素，主要解決由于誤碼率過大引起的數(shù)據(jù)重傳問題所帶來的延遲時間，并采用了合適的錯誤控制方案。實驗上通過對比分析的方法來體現(xiàn)PPUN算法的優(yōu)勢。

2 能量優(yōu)化

2.1 水下節(jié)點三維分布模型

水下傳感器是通過固定在海面下不同深度的浮標(biāo)上進(jìn)行部署，圖1給出了水下三維分布的節(jié)點通信模型，假設(shè)水聲傳感器節(jié)點的水聲正常傳播范圍為一個球體，且通信半徑為r，位于通信半徑的節(jié)點之間直接通信，如m1和m2，超過通信范圍的節(jié)點通過中繼點進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。為了使水聲傳感器節(jié)點的感測范圍能完整覆蓋特定區(qū)域，往往這個傳感器網(wǎng)絡(luò)的感測覆蓋范圍都會超過實際所需的覆蓋范圍，為了更加直觀地進(jìn)行分析，給出了圖1水下節(jié)點三維分布模型的一個節(jié)點正面分布圖，如圖2（a）所示，正方形區(qū)為實際所需覆蓋范圍，黑色圓框為當(dāng)前模型的傳感器通信范圍，虛線圓框為為了滿足覆蓋需要而加入的其他傳感器的通信范圍，可以看出為了達(dá)到覆蓋正方形區(qū)的目的，傳感器節(jié)點的感測覆蓋范圍已經(jīng)超過了實際所需范圍。由于整個水下傳感器網(wǎng)絡(luò)的能耗取決于所有傳感器節(jié)點的能耗總和，因此在保證特定區(qū)域的感測覆蓋范圍且覆蓋的傳感器能連接成功的條件下，盡可能地減少傳感器的數(shù)量，可以降低水下傳感器網(wǎng)絡(luò)的能量消耗。

圖1 水下節(jié)點三維分布模型

圖2 參考模型

2.2 傳感器數(shù)量的概率優(yōu)化

2.2.1 最少所需感測覆蓋節(jié)點計算

以一個無向連通圖G=(M,E)作為傳感器網(wǎng)絡(luò)的模型，其中M=(m1,m2,...,mN)表示傳感器組，E表示傳感器之間的雙向鏈路。假設(shè)傳感器節(jié)點mi∈M有固定的感測范圍，用球形區(qū)域V表示，半徑為r。對于一個傳感器節(jié)點mi與其他節(jié)點可以在感測范圍V內(nèi)通信，引出如下四個基本定義：

定義1mi的相鄰節(jié)點組被定義為P={mj|d(mi,mj)≤r},mi,mj∈M}，其中d(mi,mj)表示節(jié)點mi與mj的歐幾里德距離，mj可以在V 內(nèi)的任何地方，用極坐標(biāo)(ρ,φ,θ)計算兩個節(jié)點間的距離：

其中：

定義2區(qū)域D為實際所需感測體積，是一個a×a×a的正方體，圖2（b）是一個二維的正面分析圖。D區(qū)域內(nèi)的每個節(jié)點位置通過一對笛卡爾坐標(biāo)x、y、z表示，其中：

定義3B為帶圓角的正面體，所有傳感器都位于B內(nèi)，在B內(nèi)的傳感器的感測范圍都能覆蓋到D（參照圖2（b））。

定義4用η表示感測覆蓋率，即在區(qū)域D內(nèi)的任何一點都能被傳感器覆蓋時D在B中所占的范圍，0＜η＜1。

由計算體積的數(shù)學(xué)表達(dá)式可以得到B=(α2+6αr+3πr2)×(2r+a)，假設(shè)一個在D內(nèi)的點q不能被一個在B內(nèi)的隨機傳感器mi覆蓋的概率為Pq(x,y,z)，每個隨機傳感器的覆蓋范圍為V，Pq(x,y,z)為：

實際所需的感測覆蓋范圍D=a3，則可以得出D中不被傳感器感測范圍覆蓋的概率為：

即感測覆蓋率η可以得出：

因此，在滿足感測覆蓋率η的條件下可以得到所需的最少傳感器數(shù)目為：

但這里所得到的最少節(jié)點數(shù)目n是滿足感測覆蓋范圍的最少節(jié)點，但滿足了實際需要的覆蓋范圍，卻不考慮傳感器之間的連通問題，則整個傳感器網(wǎng)絡(luò)無法正常工作。因此接下來需要計算出在B范圍內(nèi)傳感網(wǎng)絡(luò)能連通條件下需要的最少節(jié)點數(shù)目，即n個傳感器能連通的概率，從而求出在滿足感測覆蓋率條件和傳感器連通條件下的概率，再求出滿足概率條件的最少節(jié)點個數(shù)n。

2.2.2 n個傳感器連通概率

假設(shè)在B范圍內(nèi)有傳感器的數(shù)目為n，N為一個節(jié)點集合，初始值為，即只有一個節(jié)點。代表另一個節(jié)點集合為源節(jié)點通過鄰居節(jié)點連通至匯聚節(jié)點所需要的步驟，即需要經(jīng)歷的下一跳次數(shù)，初始值為0。

定義5Pi為任意一個傳感器能找到鄰居節(jié)點的概率。

定義6在每一個步驟之后各增加1減少，即與N集合中的節(jié)點連通的集合中的節(jié)點會歸屬到集合N中，在最后一個步驟l=n-1時節(jié)點連通工作結(jié)束。

定義7PN,l表示集合N中的一個節(jié)點在步驟l與集合 Nˉ中至少一個節(jié)點連通的概率；PNˉ,l表示集合 Nˉ中的一個節(jié)點在步驟l與集合N中至少一個節(jié)點連通的概率。

在進(jìn)行步驟l后可以得到PN,l和PNˉ,l為：

其中Pi=V/D，V為前面提到的傳感器的覆蓋范圍。得到PNˉ,l之后，可以求出n個傳感器節(jié)點連通的概率為：

最終求同時滿足感測覆蓋率η和傳感器連通條件下的概率P(η|Pn)，采用的是概率乘法公式，根據(jù)概率乘法公式的定義，事件A與B是相互獨立的。如圖2的參考模型所示，傳感器節(jié)點的分布滿足了覆蓋D的要求，但有個別節(jié)點并沒有與其他節(jié)點互相連通，而節(jié)點在互相連通的條件下不一定滿足感測范圍完全覆蓋D的條件，因此感測覆蓋率和傳感器連通概率是互相獨立的，因此可得：

當(dāng)確定了所需的感測覆蓋率和所需的傳感器節(jié)點連通率，就可以通過得出的P(η|Pn)值來求得最少所需的節(jié)點個數(shù)n。

2.3 節(jié)點鏈路優(yōu)化的通道感知路由

在最少傳感器節(jié)點個數(shù)n隨機部署的條件下，再進(jìn)行通道感知的路由算法分析，對節(jié)點間的鏈路選擇進(jìn)行優(yōu)化，使節(jié)點通過選擇更合適的中繼節(jié)點，并得出了預(yù)期的跳距離，在鏈路規(guī)劃上對網(wǎng)絡(luò)的能量消耗進(jìn)一步優(yōu)化。

假設(shè)節(jié)點mi為了向匯聚節(jié)點發(fā)送數(shù)據(jù)，需要通過中繼節(jié)點mj向匯聚節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)，mi與mj的距離表示為d(mi,mj)=rij，用球坐標(biāo)來表示預(yù)期的下一跳節(jié)點距離：

其中，Pηj表示選擇j∈M為下一跳節(jié)點的概率。圖3為向中繼節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)的三維模型，由于多徑水聲信道的信號衰減符合瑞利衰落信道模型[10-11]，假設(shè)有一傳輸損耗閾值En，節(jié)點的每一次數(shù)據(jù)包轉(zhuǎn)發(fā)所耗能量都不能超過此值，否則會影響匯聚節(jié)點對數(shù)據(jù)的正常接收，節(jié)點mi選擇mj為下一節(jié)點需要消耗的能量為Ej，選擇比mj更靠近匯聚節(jié)點的節(jié)點k所消耗的能量Ek≥En，與匯聚節(jié)點的距離為Rk＜R（如圖3所示，R為節(jié)點mi到mj的距離）。因此，被選擇作為下一跳的節(jié)點mj應(yīng)滿足Ej＜En。選擇下一跳節(jié)點為mj的概率為：

其中，P{Nd=R=1}表示與匯聚節(jié)點的距離為R的節(jié)點只有一個的概率，P{L[i,j]≥R}是下一跳距離大于節(jié)點k到匯聚節(jié)點的距離的概率。設(shè)ρ是水下傳感器網(wǎng)絡(luò)的每單位體積節(jié)點密度，可得P{ }Nd=R=1為：

圖3 數(shù)據(jù)轉(zhuǎn)發(fā)模型

當(dāng)ρr2sinθdθdφdr→0時，即dθ、dr或dφ有一個取值為零時

由瑞利分布[12-13]可知：

其中，Pm通過計算V(Rm＜R)與mi感測范圍的總體積之比得出：

結(jié)合式（1）、（7）～（12）可以得出預(yù)期下一跳節(jié)點距離

對節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)的跳距離的計算，保證了在多徑水聲信道的惡劣條件下信號能通過中繼點轉(zhuǎn)發(fā)到達(dá)匯聚節(jié)點，不會因為轉(zhuǎn)發(fā)過程出現(xiàn)的信號衰減而導(dǎo)致信號丟失，并且在這一前提下選擇了最短的轉(zhuǎn)發(fā)路徑，降低了能量損耗。

3 延遲分析

3.1 水聲信道延遲因素

水下傳感器網(wǎng)絡(luò)在整個生命周期所消耗的時間主要有：傳感器感測數(shù)據(jù)所耗時間、數(shù)據(jù)包的傳輸時間、數(shù)據(jù)包解碼所消耗的時間。延遲時間出現(xiàn)在傳播延遲、解碼延遲。傳播延遲受水下傳播環(huán)境的影響，因此傳播延遲屬于不可控制因素，解碼延遲是由于數(shù)據(jù)包出現(xiàn)誤碼和丟失現(xiàn)象導(dǎo)致數(shù)據(jù)重傳而引起的，解碼延遲可以通過降低誤碼率，合適的糾錯方法來加以控制。

3.2 錯誤率控制方法

為了降低誤包率，使用帶QAM調(diào)制的OFDM傳輸，用16-QAM調(diào)制方案[14]的錯誤率為：

其中，Pb是比特錯誤率，ψ=10ζ10，BN是噪聲帶寬，υTX是數(shù)據(jù)速率。ζ是指在一個有多個干擾節(jié)點的采用擴頻的碼分多址技術(shù)（CDMA）的水下傳感器網(wǎng)絡(luò)的接收端處，一個水聲信號的信號與干擾加噪聲比（SINR）。BCH、RS和FEC塊碼用(q,n,k,σ)表示，誤包率為：

其中，qo是指該數(shù)據(jù)單元的長度，n是塊長度，k是有效負(fù)載長度，σ是位的糾錯能力。

錯誤率控制采用的是完全遞增冗余重傳機制改進(jìn)方案（HARQ-III）[15]，HARQ-III方案結(jié)合了自動請求重傳（ARQ）和前向糾錯編碼（FEC），并且對發(fā)送的數(shù)據(jù)包采用互補刪除的方式，使各個數(shù)據(jù)包不僅可以單獨譯碼，也可以合成一個具有更大冗余信息的編碼包進(jìn)行合并譯碼。防止在惡劣的慢衰落的條件下數(shù)據(jù)包仍不斷重傳導(dǎo)致的耗時，并且用HARQ-III方案合并的碼字能夠覆蓋FEC編碼中的比特位，譯碼信息更全面。

整個HARQ-III方案的工作時間為：

其中，λ為預(yù)期的重傳次數(shù)，接收機的分組成功概率在一定值內(nèi)接近一個階躍函數(shù)。Tnode為感測數(shù)據(jù)所花費的時間，T1和T2為數(shù)據(jù)包的傳輸時間，TP是數(shù)據(jù)傳播過程的延遲，TACK表示接受方成功的接收到數(shù)據(jù)，回復(fù)一個ACK數(shù)據(jù)確認(rèn)所消耗的時間。PS表示一個數(shù)據(jù)包在一定距離被成功接收到且不使用HARQ重傳的概率，TB1和TB2為用于解碼FEC碼的時間，包含了FEC塊碼進(jìn)行解碼時的延遲時間。一個FEC塊碼進(jìn)行解碼時的延遲時間為：

其中Tadd和Tmult分別是在Galois字段的字段元素m=[lbk+1]的加法和乘法的延遲時間。

4 計算復(fù)雜度分析

在本文算法中，對傳感器數(shù)量進(jìn)行概率優(yōu)化的計算部分，其中公式（6）只需進(jìn)行一次計算，求滿足感測覆蓋率條件下最少節(jié)點數(shù)目n1，假設(shè)計算時間為t1。根據(jù)確定的傳感器連通概率，公式（9）求出最少節(jié)點數(shù)量n2，假設(shè)計算時間為t2，由于最終的傳感器數(shù)量因此在傳感器數(shù)量概率優(yōu)化上的時間開銷大約為t1+t2。在路由問題上，根據(jù)公式（12）計算選擇下一跳節(jié)點的概率，假設(shè)每個節(jié)點的平均計算時間為w1，則m個鄰居節(jié)點的計算開銷為mw1，而m個節(jié)點在計算出選擇概率后，進(jìn)行概率大小的比較，所花費的比較時間假設(shè)為w2。則算法的計算時間總開銷為：t1+t2+mw1+w2，計算復(fù)雜度則為。

在實際應(yīng)用上，本文的傳感器數(shù)量概率優(yōu)化方法適用于對水下監(jiān)測環(huán)境的節(jié)點投入數(shù)量進(jìn)行預(yù)估，防止投入過多節(jié)點，減少傳感器節(jié)點的設(shè)備投入成本。而通道感知路由算法通過優(yōu)化中繼選擇及對延遲時間的控制，在采集水下檢測數(shù)據(jù)上可以帶來更好的健壯性和高效性。

5 實驗結(jié)果及分析

5.1 仿真條件

分析本文的水下傳感器網(wǎng)絡(luò)方案在能量優(yōu)化和延遲控制上的效果，需要研究水下聲學(xué)信道的特性，建立相應(yīng)的水下聲學(xué)信道仿真環(huán)境。算法都采用C++進(jìn)行編程實現(xiàn)，在水下仿真環(huán)境參數(shù)的選取上借鑒了文獻(xiàn)[6]和文獻(xiàn)[16]，根據(jù)實際的水下監(jiān)測和預(yù)警需要，節(jié)點隨機部署范圍較大，這里模擬水下節(jié)點部署空間為1 000 m×1 000 m×1 000 m的水下監(jiān)控區(qū)，節(jié)點覆蓋半徑為100 m。水下信道水聲傳播速度為1 500 m/s，通過分析水下多徑信道影響聲音傳播過程而造成的延遲時間，規(guī)定每分鐘固定延時1.5 ms，而載波頻率為7.5 kHz，發(fā)送功率為30 W。其他仿真條件如表1所示。

5.2 仿真實驗

表1 仿真參數(shù)

實驗中采用比較法來驗證PPUN算法的性能，對比組算法為文獻(xiàn)[17]提出了一種新的非對稱多路徑分離水聲網(wǎng)絡(luò)通信（AMDC）算法，以及文獻(xiàn)[18]提出一種水下傳感器網(wǎng)絡(luò)的鏈路狀態(tài)自適應(yīng)反饋路由算法（LAFR）。其中文獻(xiàn)[17]以構(gòu)建基于樹的多路徑原理劃分水下通信空間并把AMDC能量效率問題作為一個分布式優(yōu)化問題進(jìn)行分析，并在仿真實驗中體現(xiàn)出AMDC機制在能源效率優(yōu)化和總數(shù)據(jù)包錯誤率控制上的優(yōu)勢。文獻(xiàn)[18]使用鏈路檢測機制來獲取鏈路狀態(tài)信息（鏈接對稱或不對稱的鏈接），通過充分利用水下非對稱鏈路，節(jié)省能源。并采用基于信任的路由表更新機制，通過路由表的頻繁更新來減少能源消耗。

對于水下數(shù)據(jù)傳輸能耗方面的比較，圖4分別給出了不同比特速率下三種算法的每比特數(shù)據(jù)的平均傳輸能耗情況。從圖中可以看出，AMDC算法在不同比特速率下的傳輸能耗波動最大，LAFR和PPUN算法的波動幅度較小，在比特速率達(dá)到3 kb/s時，三種算法的每比特數(shù)據(jù)平均傳輸能耗接近相等，當(dāng)比特速率大于3.8 kb/s時，PPUN算法的每比特平均傳輸能耗低于LAFR算法和AMDC算法。這是由于PPUN采用節(jié)點鏈路優(yōu)化的通道感知路由方法，考慮了能耗閾值條件下的最短傳輸路徑，有效避免數(shù)據(jù)轉(zhuǎn)發(fā)失效而消耗能量，因此在傳輸速率或數(shù)據(jù)傳輸量較大的情況下，PPUN算法在減少數(shù)據(jù)傳輸能耗上所發(fā)揮的作用更加明顯。

圖4 每比特數(shù)據(jù)的平均傳輸能耗

圖5給出了三種算法在不同數(shù)據(jù)傳輸速率下的網(wǎng)絡(luò)總能耗上的對比情況，從圖中可以看出，三種算法在數(shù)據(jù)傳輸速率變化時網(wǎng)絡(luò)總能耗逐漸增大，在Data rate=10 kb/s時LAFR算法的能耗總量為672 J，AMDC算法為723 J，PPUN算法為712 J。在10＜Data rate≤30 kb/s，LAFR算法的能耗總量最少，AMDC算法最大。在Data rate≥30 kb/s，PPUN算法的能耗總量最少，AMDC算法最大。在Data rate=50 kb/s時LAFR算法的能耗總量為1 086 J，AMDC算法為1 125 J，PPUN算法為936 J。并且在圖中可以看出，隨著數(shù)據(jù)傳輸速率的增大，PPUN算法的能耗總量增長幅度最小。從Data rate=10 kb/s到Data rate=50 kb/s，PPUN算法的能耗總量增長了224 J，AMDC算法增長了402 J，LAFR算法增長了374 J。可以看出，PPUN算法采用傳感器節(jié)點數(shù)量優(yōu)化和通道感知的路由優(yōu)化方法，在減少網(wǎng)絡(luò)能耗總量上得到了一定的效果。

圖5 不同數(shù)據(jù)傳輸速率下的能量消耗總量

實際應(yīng)用中，在水下監(jiān)測范圍內(nèi)投入不同的傳感器節(jié)點數(shù)量會對水下網(wǎng)絡(luò)的性能帶來影響，例如平均能耗和丟包率。圖6顯示了在監(jiān)測范圍固定的條件下，投入不同的節(jié)點數(shù)量時網(wǎng)絡(luò)的節(jié)點平均能耗情況。從圖中可以看出，隨著網(wǎng)絡(luò)的節(jié)點密度增大，節(jié)點平均能耗量逐漸降低，這是由于節(jié)點數(shù)量的增多使得節(jié)點平均中繼距離變小，因此傳輸能耗降低。其中PPUN算法的通道感知路由算法能夠搜索最短的轉(zhuǎn)發(fā)路徑，并且通過對數(shù)據(jù)傳輸?shù)哪芰肯牧窟M(jìn)行規(guī)劃，從而減少由于傳輸能量不足而引起的丟包概率，避免網(wǎng)絡(luò)在數(shù)據(jù)重傳上消耗更多的能量，因此PPUN算法的節(jié)點平均傳輸能耗更低。圖7中也可以看出PPUN算法在控制丟包率上的有效性，根據(jù)圖7中的數(shù)據(jù)顯示，PPUN算法的平均丟包率分別為LAFR算法和AMDC算法的85.7%、77.2%。

圖6 不同節(jié)點密度條件下的節(jié)點平均能耗

圖7 不同節(jié)點密度條件下的丟包率

對延遲控制的分析以時間為變量，其他參數(shù)如表1所示不做更改。觀察在模擬仿真期間出現(xiàn)的延遲時間，并通過數(shù)據(jù)分析得到了圖8的延遲時間分析圖。從圖中可以看出，在仿真期間LAFR算法的延遲時間較大，處于46.9 ms至61.2 ms之間，AMDC算法處在43.5 ms至59.8 ms之間，PPUN算法的延遲時間和波動幅度較小，處在42.3 ms至46.1 ms之間。從仿真分析結(jié)果可以得出，PPUN算法結(jié)合帶QAM調(diào)制的OFDM傳輸與HARQ-III錯誤控制方案的方法，對整個傳輸過程的延遲控制起到了一定的效果。

圖8 延遲時間

6 結(jié)論

本文針對水下傳感器網(wǎng)絡(luò)的能量損耗和延遲問題，提出了一種基于概率優(yōu)化的水下通道感知能量優(yōu)化路由，算法從傳感器的感測覆蓋問題和節(jié)點鏈路問題上對網(wǎng)絡(luò)進(jìn)行總體能量優(yōu)化，分析數(shù)據(jù)錯誤率并采用合適的錯誤控制方案來縮短解碼延遲時間，提高水下傳感器網(wǎng)絡(luò)的延遲控制效率。對能量損耗、延遲控制問題進(jìn)行了仿真實驗，從仿真結(jié)果可以看出，算法在能量優(yōu)化上具有一定的作用，在縮短延遲時間上，也得到較好的效果。

[1]魏志強，楊光，叢艷平.水下傳感器網(wǎng)絡(luò)安全研究[J].計算機學(xué)報，2012，35（8）：1595-1606.

[2]黃艷，梁韋華，于海斌.一種高效覆蓋的水下傳感器網(wǎng)絡(luò)部署策略[J].電子與信息學(xué)報，2009，31（5）：1036-1040.

[3]Zhou Zhong，Peng Zheng，Cui Junhong.Efficient multipath communication for time-critical applications in underwater acoustic sensor networks[J].IEEE-ACM Transactions on Networking，2011，19（1）：28-41.

[4]Li Bin，Zhou Zheng，Zou Weixia.Quantum memetic evolutionary algorithm-based low-complexity signal detection for underwater acoustic sensor networks[J].IEEE Transactions on Systems，2012，42（5）：626-640.

[5]夏娜，王長生，鄭榕.魚群啟發(fā)的水下傳感器節(jié)點布置[J].自動化學(xué)報，2012，38（2）：296-303.

[6]Stefanov A，Stojanovic M.Design and performance analysis of underwater acoustic networks[J].IEEE Journal on Selected Areas in Communications，2011，29（10）：2012-2021.

[7]Wang K，Gao H，Xu X，et al.An energy-efficient reliable data transmission scheme for complex environmental monitoring in underwater acoustic sensor networks[J].IEEE Sensors Journal，2015，16（11）：4051-4062.

[8]Zhou Z，Yao B，Xing R，et al.E-CARP：An energy efficient routing protocol for UWSNs in the Internet of underwater things[J].IEEE Sensors Journal，2015，16（11）：4072-4082.

[9]Pompili D，Akyildiz I F.A multimedia cross-layer protocol for underwater acoustic sensor networks[J].IEEE Transactions on Wireless Communications，2010，9（9）：2924-2933.

[10]Polprasert C，Ritcey J A，Stojanovic M.Capacity of OFDM systems over fading underwater acoustic channels[J].IEEE Journal of Oceanic Engineering，2011，36（4）：514-524.

[11]Liu Chunshan，Zakharov Y V，Chen Teyan.Doubly selective underwater acoustic channel model for a moving transmitter/receiver[J].IEEE Transactions on Vehicular Technology，2012，61（3）：938-950.

[12]Yang Wenbin，Yang T C.High-frequency channel characterization for M-ary frequencyshift-keying underwater acoustic communications[J].Journal of the Acoustical Society of America，2006，120（5）：2615-2626.

[13]Bhatnagar M R.Performance analysis of a path selection scheme in multi-hop decode-and-forward protocol[J].IEEE Communications Letters，2012，16（12）：1980-1983.

[14]Pelekanakis K，Baggeroer A B.Exploiting space-timefrequency diversity with MIMO-OFDM for underwater acoustic communications[J].IEEE Journal of Oceanic Engineering，2011，36（4）：502-513.

[15]Karmokar A K，Djonin D V，Bhargava V K.Cross-layer rate and power adaptation strategies for IR-HARQ systems over fading channels with memory：A SMDP-based approach[J].IEEE Transactions on Communications，2006，56（8）：1352-1365.

[16]Pompili D，Melodia T，Akyildiz I F.Distributed routing algorithms for underwater acoustic sensor networks[J].IEEE Transactions on Wireless Communications，2010，9（9）：2934-2944.

[17]Xu Junfeng，Li Keqiu，Min Geyong.Asymmetric multipath division communications in underwater acoustic networks with fading channels[J].Journal of Computer and System Sciences，2013，79（2）：269-278.

[18]Zhang Song，Li Deshi，Chen Jian.A link-state based adaptive feedback routing for underwater acoustic Sensor networks[J].IEEE Sensors Journal，2013，13（11）：4402-4412.