劉顏顏，計成超

（1.六安職業(yè)技術(shù)學(xué)院信息與電子工程學(xué)院，安徽，六安，237000；2.滁州學(xué)院計算機與信息工程學(xué)院，安徽，滁州，239000）

0 引言

物聯(lián)網(wǎng)技術(shù)作為“中國制造2025”的重要組成部分，正日益成為支撐國民經(jīng)濟體系的新骨干技術(shù)之一[1]。當(dāng)前物聯(lián)網(wǎng)節(jié)點具有高密度及高實時性特性，特別是節(jié)點具有能量受限的特點，需要以較快速度實現(xiàn)傳輸收斂，以便能夠確保傳感數(shù)據(jù)的實時性及完整性質(zhì)量要求[2]?？焖偈諗考夹g(shù)由此成為物聯(lián)網(wǎng)的核心技術(shù)之一，極大地推動了物聯(lián)網(wǎng)技術(shù)的快速發(fā)展[3]。

由于物聯(lián)網(wǎng)節(jié)點具有的能量受限特性，學(xué)者們在物聯(lián)網(wǎng)快速收斂算法中主要針對該特性進(jìn)行研究，以便能夠在能量受限的情況下取得較好的快速收斂效果。Andrei等[4]提出了一種基于鏈路能量穩(wěn)定機制的物聯(lián)網(wǎng)快速收斂算法，該算法主要通過預(yù)設(shè)網(wǎng)絡(luò)監(jiān)測節(jié)點的方式進(jìn)行鏈路監(jiān)控，當(dāng)鏈路傳輸性能出現(xiàn)下降時將及時獲取監(jiān)控數(shù)據(jù)并進(jìn)行節(jié)點更換，能夠?qū)崿F(xiàn)對網(wǎng)絡(luò)傳輸鏈路的快速收斂，具有很強的收斂性能。然而，該算法的監(jiān)測節(jié)點預(yù)設(shè)數(shù)量較多，切換過程具有非平滑特性，網(wǎng)絡(luò)收斂質(zhì)量較差。Monika等[5]提出了一種基于廣播報文路由感知機制的物聯(lián)網(wǎng)快速收斂算法，該算法主要通過廣播hello數(shù)據(jù)分組并通過分析報文延時的方式動態(tài)捕捉路由聯(lián)通性能，具有較好的實時拓?fù)涓兄芰?，能夠迅速修補因鏈路抖動造成的網(wǎng)絡(luò)宕機現(xiàn)象，收斂速率較高。但是，該算法也具有明顯的缺陷，特別是廣播報文的頻率較高，容易造成嚴(yán)重的網(wǎng)絡(luò)擁塞現(xiàn)象。Suresh等[6]提出了一種基于混沌度聯(lián)合裁決機制的物聯(lián)網(wǎng)快速收斂算法，算法主要依托路由-能量均值混沌建模方式實現(xiàn)對網(wǎng)絡(luò)狀態(tài)實時裁決，具有很強的收斂性能，實踐意義較高。但是，該算法對網(wǎng)絡(luò)節(jié)點質(zhì)量要求較高，難以適應(yīng)高流動性物聯(lián)網(wǎng)應(yīng)用場景。

針對上述不足，本文基于拓?fù)鋮^(qū)域一體化成型映射機制提出了一種新的物聯(lián)網(wǎng)快速收斂算法，該算法由權(quán)重值-聚合度的區(qū)域一體化收斂成型方法和基于退避機制的簇頭更新方法兩部分構(gòu)成?；谖锫?lián)網(wǎng)節(jié)點具有分區(qū)成型的特性提出了區(qū)域一體化收斂成型方法，采取簇頭節(jié)點權(quán)值遞歸及節(jié)點聚合度采集等方式，降低因簇頭節(jié)點失效的現(xiàn)象，增強網(wǎng)絡(luò)的收斂性能?；谕吮軝C制的簇頭更新方法主要引入信道退避機制，通過該方法能夠有效避免簇頭節(jié)點因充電而難以發(fā)揮簇頭節(jié)點的問題，提高區(qū)域成型質(zhì)量，強化數(shù)據(jù)傳輸性能。最后使用NS2仿真實驗環(huán)境，證明了本文算法的優(yōu)越性能。

1 移動物聯(lián)網(wǎng)節(jié)點分布及調(diào)度模型

不妨設(shè)矩形區(qū)域內(nèi)以隨機方式布撒若干物聯(lián)網(wǎng)節(jié)點，見圖1，任意節(jié)點的能量及芯片處理性能均相同[7]。整個矩形區(qū)域內(nèi)設(shè)置sink節(jié)點作為中央處理節(jié)點，區(qū)域內(nèi)任意物聯(lián)網(wǎng)節(jié)點均可通過頻率加密方式(通過PSK調(diào)制方式達(dá)到隱藏子信道頻率)與sink節(jié)點進(jìn)行數(shù)據(jù)通信并接受sink所下發(fā)的調(diào)度管理指令[8]。

圖1 節(jié)點分布Fig.1 Node distribution

由于節(jié)點間通信均采用無線方式進(jìn)行，當(dāng)前多以LTE-5G信號模式完成數(shù)據(jù)發(fā)射[9]。發(fā)送過程中網(wǎng)絡(luò)節(jié)點能量損失主要與初始功率E0、傳輸距離d、傳輸帶寬B三者密切相關(guān)?？紤]到目前以LTE-5G節(jié)點均支持能量無線快充模式，可通過sink節(jié)點補充電池能量[9]，則對于任意一個網(wǎng)絡(luò)節(jié)點而言，能量消耗E(B)滿足如下模型：

當(dāng)僅當(dāng)傳輸距離d在節(jié)點覆蓋范圍內(nèi)時成立。

當(dāng)僅當(dāng)傳輸距離d在節(jié)點覆蓋范圍外時成立。

由模型（1）、（2）可知，節(jié)點進(jìn)行數(shù)據(jù)發(fā)射時耗能水平主要與傳輸距離d、傳輸帶寬B相關(guān)，特別是當(dāng)傳輸距離d顯著大于節(jié)點覆蓋范圍時，數(shù)據(jù)傳輸耗能將會顯著下降。

對于接收節(jié)點而言，根據(jù)文獻(xiàn)[10]可知能量消耗E(B)滿足：

物聯(lián)網(wǎng)節(jié)點運行時，同一時刻可能有多個節(jié)點首先傳輸給區(qū)域內(nèi)的簇頭節(jié)點，然后由簇頭節(jié)點與sink節(jié)點進(jìn)行數(shù)據(jù)通信，若節(jié)點數(shù)據(jù)發(fā)送滿足泊松分布時，網(wǎng)絡(luò)整體耗能E滿足：

其中x、y、z分別表示滿足模型（1）、（2）、（3）的三類不同節(jié)點。一般地，y即為簇頭節(jié)點個數(shù)。

不妨設(shè)網(wǎng)絡(luò)中節(jié)點總數(shù)為N，即：

聯(lián)立模型（4）、（5）并設(shè)節(jié)點滿足泊松分布可得[10]：

即當(dāng)僅當(dāng)網(wǎng)絡(luò)中簇頭節(jié)點個數(shù)滿足模型（6）時，網(wǎng)絡(luò)平均耗能水平最低。

2 本文物聯(lián)網(wǎng)快速收斂算法

當(dāng)前實踐中的若干解決方案雖然能夠部分解決物聯(lián)網(wǎng)快速收斂難題，然而一般均在路由層面上通過廣播數(shù)據(jù)報文的方式實現(xiàn)對網(wǎng)絡(luò)狀況的快速捕捉，容易導(dǎo)致網(wǎng)絡(luò)出現(xiàn)嚴(yán)重的擁塞并帶來精確度不高等難題。對此，本文提出了拓?fù)鋮^(qū)域一體化成型映射機制（Mapping Mechanism of Topological Region Integration Shaping，TRIS機制）。

2.1 基于權(quán)重值-聚合度的區(qū)域一體化收斂成型方法

物聯(lián)網(wǎng)節(jié)點中簇頭節(jié)點可用于數(shù)據(jù)匯聚及上傳，實踐中一般需要在網(wǎng)絡(luò)中布設(shè)較多的簇頭節(jié)點，以便能夠迅速完成網(wǎng)絡(luò)收斂過程。由模型（6）可知，當(dāng)網(wǎng)絡(luò)中簇頭節(jié)點個數(shù)滿足該模型時，整體能耗將維持在較低水平，網(wǎng)絡(luò)的收斂性能達(dá)到最優(yōu)。因此，以模型（6）計算出的簇頭個數(shù)為權(quán)值，考慮到簇頭節(jié)點具有的泊松分布及隨機分布特性[10]，區(qū)域一體化收斂成型方法的步驟如下：

Step 1：sink節(jié)點從區(qū)域內(nèi)隨機選取若干能量最優(yōu)的節(jié)點作為簇頭節(jié)點，簇頭節(jié)點個數(shù)滿足模型（6）所示。

Step 2：區(qū)域內(nèi)其余節(jié)點發(fā)送HELLO數(shù)據(jù)分組并與簇頭節(jié)點間建立路由，并計算聚合度JH(i.j)，聚合度獲取方式如下：

其中，CH表示簇頭節(jié)點，Node表示任意待傳輸數(shù)據(jù)的節(jié)點。

Step 3：聯(lián)立模型（7）、（8）獲取離散聚類函數(shù)JM(i,j)。

Step 4：根據(jù)離散聚類函數(shù)進(jìn)行簇頭聚類更新:

Step 5：按照模型（10）進(jìn)行簇頭聚類更新后，sink節(jié)點處于待命狀態(tài)，此時無發(fā)射功率的需求，其處于休眠狀態(tài)，方法結(jié)束。

2.2 基于退避機制的簇頭更新方法

雖然簇頭節(jié)點可通過無線充電方式補充電量，但是，在當(dāng)前簇頭節(jié)點完成充電前，該節(jié)點處于失效狀態(tài)。因此，當(dāng)sink節(jié)點監(jiān)測到網(wǎng)絡(luò)中存在充電狀態(tài)的節(jié)點時，將優(yōu)先考慮該節(jié)點的剩余能量是否足以維持下一輪網(wǎng)絡(luò)收斂。不妨設(shè)該節(jié)點的初始功率為E0，剩余功率為E，因能量受限而導(dǎo)致網(wǎng)絡(luò)信道發(fā)生碰撞的概率為η。顯然，若當(dāng)前網(wǎng)絡(luò)信道發(fā)生碰撞的概率越大，則該簇頭節(jié)點需要及時得到更換，以免網(wǎng)絡(luò)收斂過程出現(xiàn)故障。在此過程中，該節(jié)點需要及時通知網(wǎng)絡(luò)中其余節(jié)點，并由網(wǎng)絡(luò)按照模型（7）-（10）重新完成簇頭的更新，退避時間T可由如下模型唯一地確定：

其中，Time表示網(wǎng)絡(luò)傳輸數(shù)據(jù)的時間。

3 仿真實驗

仿真實驗采用隨機分布的網(wǎng)絡(luò)模型，節(jié)點分布在矩形區(qū)域內(nèi)，節(jié)點信號制式為LTE-5G信號制式，預(yù)成型采用128-PSK星座成型方案[11]。為便于對比，仿真對照組采用當(dāng)前常見的時間度一體化物聯(lián)網(wǎng)收斂算法（Convergence Algorithm for Time-Integrated Internet of Things，TI-IOT算法）[12]、路由集中度快速收斂算法（A Fast Convergence Algorithm for Routing Concentration Degree，RCD算法）[13]。使用NS2仿真實驗環(huán)境，指標(biāo)選取網(wǎng)絡(luò)收斂時間、節(jié)點剩余能量、路由冗余度、網(wǎng)絡(luò)穩(wěn)定工作時間四個指標(biāo)。仿真參數(shù)表如下：

表1 仿真參數(shù)表Table 1 Simulation parameter table

3.1 網(wǎng)絡(luò)收斂時間

圖2為不同算法的網(wǎng)絡(luò)收斂時間測試結(jié)果。由圖可知，隨著節(jié)點密度的不斷增加，網(wǎng)絡(luò)收斂時間均出現(xiàn)上升的態(tài)勢，這是因為節(jié)點密度與網(wǎng)絡(luò)復(fù)雜度呈現(xiàn)正比關(guān)系，因此網(wǎng)絡(luò)收斂難度也增大。但是，本文算法的網(wǎng)絡(luò)收斂時間始終處于較低水平，具有明顯的優(yōu)勢。這是由于本文算法采用拓?fù)鋮^(qū)域一體化成型映射機制，能夠通過權(quán)值及聚類機制實現(xiàn)簇頭節(jié)點的快速更新，可實現(xiàn)節(jié)點與sink節(jié)點間無中斷數(shù)據(jù)通信，且路由質(zhì)量較佳，故而網(wǎng)絡(luò)收斂時間較短。TI-IOT算法主要通過路由探測機制進(jìn)行簇頭節(jié)點更新，由于探測過程中未考慮簇頭節(jié)點的能量退避因素，當(dāng)簇頭節(jié)點處于充電狀態(tài)時難以發(fā)揮簇頭節(jié)點的功能，因而網(wǎng)絡(luò)收斂時間較長。RCD算法雖然通過設(shè)置備用路由方式，能夠降低簇頭節(jié)點更新過程中出現(xiàn)的路由障礙現(xiàn)象，然而由于該算法在LTE-5G環(huán)境下的路由拓?fù)渥儎觿×遥y以實現(xiàn)路由層面的一體化成型，因此網(wǎng)絡(luò)收斂時間較長。

圖2 網(wǎng)絡(luò)收斂時間Fig.2 Network convergence time

3.2 網(wǎng)絡(luò)平均剩余能量

圖3為不同算法的節(jié)點平均剩余能量測試結(jié)果。由圖可知，隨著節(jié)點密度的不斷增加，網(wǎng)絡(luò)平均剩余能量呈現(xiàn)先增加，后降低，最終趨于穩(wěn)定的狀態(tài)。這是由于隨著節(jié)點密度的不斷增加，網(wǎng)絡(luò)路由質(zhì)量也隨之提升，但由于網(wǎng)絡(luò)數(shù)據(jù)傳輸量也隨之提高，會造成一定的網(wǎng)絡(luò)擁塞，因此超過一定閥值后網(wǎng)絡(luò)平均剩余能量將出現(xiàn)下降態(tài)勢。但是，本文網(wǎng)絡(luò)平均剩余能量始終處于較高的水平，節(jié)點密度的閥值也要高于對照組算法，這是由于本文算法網(wǎng)絡(luò)收斂時間較短，能夠快速達(dá)到穩(wěn)定狀態(tài)。此外，本文算法通過拓?fù)鋮^(qū)域一體化成型映射機制可快速實現(xiàn)簇頭節(jié)點的收斂，因此網(wǎng)絡(luò)擁塞程度較低，減少了節(jié)點能量的消耗。TI-IOT算法單純采用路由探測機制優(yōu)化節(jié)點剩余能量，當(dāng)節(jié)點密度大幅度增加時難以優(yōu)化網(wǎng)絡(luò)中傳輸報文，因此節(jié)點能量消耗水平要高于本文算法。RCD算法沒有針對節(jié)點剩余能量進(jìn)行必要的降耗處理，因此網(wǎng)絡(luò)平均剩余能量要低于本文算法。

圖3 網(wǎng)絡(luò)平均剩余能量Fig.3 Average remaining energy of nodes

3.3 路由冗余度

圖4為不同算法的路由冗余度的測試結(jié)果。由圖可知，隨著網(wǎng)絡(luò)運行時間的不斷增加，本文算法的路由冗余度始終處于較低的水平，且波動程度較小。這是由于本文算法采用了拓?fù)鋮^(qū)域一體化成型映射機制，能夠顯著優(yōu)化簇頭節(jié)點的運行質(zhì)量，路由收斂速度較快，因而具有較低的路由冗余度。較TI-IOT算法和RCD算法具有明顯的優(yōu)勢。

圖4 路由冗余度Fig.4 Routing redundancy

3.4 網(wǎng)絡(luò)穩(wěn)定工作時間

圖5為不同算法的網(wǎng)絡(luò)穩(wěn)定工作時間測試結(jié)果。由圖可知，本文算法的網(wǎng)絡(luò)穩(wěn)定工作時間始終處于較高水平，且波動較小。這是由于本文算法使用的拓?fù)鋮^(qū)域一體化成型映射機制可通過穩(wěn)定簇頭節(jié)點的方式，進(jìn)一步改善網(wǎng)絡(luò)波動性能，提高網(wǎng)絡(luò)穩(wěn)定工作時間，具有顯著的優(yōu)勢。TI-IOT算法及RCD算法由于具有較高水平的路由冗余度，且節(jié)點剩余能量要低于本文算法，容易因節(jié)點能量受限而產(chǎn)生嚴(yán)重的網(wǎng)絡(luò)抖動現(xiàn)象，因而網(wǎng)絡(luò)穩(wěn)定工作時間要低于本文算法。

圖5 網(wǎng)絡(luò)穩(wěn)定工作時間Fig.5 Network Stable Working Time

4 結(jié)束語

本文提出了一種基于拓?fù)鋮^(qū)域一體化成型機制的物聯(lián)網(wǎng)快速收斂算法。該算法主要由權(quán)重值-聚合度的區(qū)域一體化收斂成型方法和基于退避機制的簇頭更新方法構(gòu)成，可顯著提高網(wǎng)絡(luò)收斂質(zhì)量，增強網(wǎng)絡(luò)穩(wěn)定運行水平，改善網(wǎng)絡(luò)收斂過程中節(jié)點能量受限的現(xiàn)象，具有很強的實際部署性能。

下一步，將針對本文算法難以適用超高速LTE部署環(huán)境的不足，考慮采取超歐里幾何立體拓?fù)浞€(wěn)定機制，改善高抖動環(huán)境下無法快速收斂網(wǎng)絡(luò)路由的問題，進(jìn)一步提高本文算法在實踐中的應(yīng)用價值。