莫崢嶸，陳子原，齊天一

（中國人民解放軍海軍工程大學 電子工程學院 二大隊5 隊，湖北 武漢 430000）

0 引 言

能量效率和能量供應能力是無線傳感網絡（Wireless Sensor Networks，WSNs）的熱點議題[1]?；谀芰啃实腗AC 協議，設計有效的路由是建立能量采集策略的關鍵。路由協議的基本目的，不僅是向目的節(jié)點傳輸數據，還需提高能量效率，進而提高WSNs 的網絡壽命[2-3]。

面向傳統的同構WSNs，研究人員提出許多路由協議。在同構WSNs 中，傳感節(jié)點具有相同的通信能力[4]、功率和處理數據能力。最近，基于異構WSN 框架的物聯網（Internet-of-Things，IoT）應用受到廣泛關注?；谶@個應用，必須考慮WSN 的異構性和能量采集能力。實際上，基于傳統的同構WSNs 的路由協議難以直接應用于復雜的異構網絡。因此，針對基于異構WSNs 的IoT 應用，提出新的路由協議是非常必要的。

能量采集（Energy Harvesting，EH）是部署基于WSNs的IoT 應用的關鍵技術[5]。利用EH 技術，傳感節(jié)點能夠從可再生能源（如太陽、機械振動或無線頻率（RF）輻射）獲取能量。先進的EH 技術的出現給基于EH-WSN 的路由協議的發(fā)展提供了基礎。在能量采集感知的路由協議中，能量采集率是發(fā)展路由成本函數的重要指標。文獻[6]提出能量-機會權重最小能量算法，其通過可用節(jié)點能量和能量采集率計算每個節(jié)點成本。文獻[7]提出基于隨機化最小路徑恢復時間（Randomized Minimum Path Recovery Time，R-MPRT）算法，R-MPRT 給每個鏈路計算成本。文獻[8]提出分布式能量采集感知路由算法（DEHAR），DEHAR 算法利用可用節(jié)點能量和跳數，計算離信宿的最短路徑。而文獻[9]提出能量采集感知的自組按需距離矢量路由（AODV-EHA）。AODV-EHA算法充分利用現存的AODV 在處理WSN 的自組特性的優(yōu)勢，再利用節(jié)點的能量采集能力去決定具有最少傳輸成本的路由。

盡管上述路由算法降低了能量消耗，擴延了傳感節(jié)點的壽命，但它們仍存在一定的局限性。例如，文獻[6]和文獻[10]并沒有考慮在采集區(qū)間所采集的能量數量。而文獻[10-11]對網絡內所有傳感節(jié)點采用固定的更新率，因此，它們無法處理周圍能量源的統計特性。 此外，文獻[6-7]依據全局網絡信息建立路由表，進而轉發(fā)數據包。然而，在異構WSNs 中的獲取全局信息是非常困難的。

為此，本文提出能量-采集-感知算法（Energy-Harvesting-Aware Routing Algorithm，EHARA）。EHARA 算法強調了能量效率、服務質量（QoS）和網絡壽命。EHARA 路由依據節(jié)點所消耗的能量、所采集的能量和剩余能量信息，計算路由成本，進而選擇最佳路由。實驗數據表明，EHARA 算法有效地提高了路由性能和能量效率。

1 系統模型

1.1 網絡模型

考慮異構多跳WSNs，其由多個傳感節(jié)點和一個信宿組成，如圖1所示。傳感節(jié)點具有無線連通及能從周圍環(huán)境采集能量的能力，而信宿不受能量限制。

圖1 網絡模型Fig.1 Network model

節(jié)點可能是傳感節(jié)點，也可作為路由器，這兩者均稱為節(jié)點。作為傳感節(jié)點，它感測環(huán)境數據，并將此數據包傳輸至信宿；作為路由器，它能夠通過鏈路將數據傳輸至信宿。

本文考慮三類典型的可再生能量源，如太陽、振動（移動車輛）和RF 輻射。所有節(jié)點能夠以不同的能量采集率從這三個能量源中任意一個收集能量。如圖1所示，紅色、紫色和綠色節(jié)點分別表示由基于太陽能的EH、基于移動車輛的EH 和基于RF 的EH。

圖2顯示了所有傳感節(jié)點和路由器的內部模塊。每個節(jié)點由用于數據處理的低功耗微型控制器、基于IEEE 802.15.4 的低功耗的RF 發(fā)射器、功率管理單元和能量采集器以及能量存儲設備（如電池）組成。為了管理所采集的能量，本文考慮基于存儲能量協議，允許節(jié)點存儲電子能量。如果所采集的能量大于能量消耗，則可將多余能量存儲，供后期使用。

圖2 節(jié)點模型Fig.2 Node model

1.2 能量消耗模型

為了設計有效的路由協議，考慮每個節(jié)點傳輸一個數據包所消耗的能量是非常必要的。這些能耗由傳輸、接收或轉發(fā)數據包所發(fā)生的能耗組成。此外，節(jié)點在監(jiān)聽到達的數據包或等待下一個突好事件時，需要消耗能量。

式中，幀序號BO 和超幀序號SO 分別表示幀間隔（Bea-con Interval，BI）和超幀時長[11]。

如果節(jié)點i為源節(jié)點（Tx），則而如果節(jié)點i為目的節(jié)點（Rx），則

節(jié)點i的剩余能量則可表述為：

1.3 采集能量的預測模型

由于周圍能量源的隨機性，可將能量采集活動作為統計過程。假定采集能量的過程與傳輸、接收、空閑監(jiān)聽和休眠四個階段獨立。為了提高采集過程中能量采集率，引用能量預測模型是非常必要的。

為此，EHARA 引用基于標準 Kalman 濾波 KF[12]的預測模型，通過KF 估算能量采集率。

2 EHARA算法

2.1 能量采集階段

為了更充分使用節(jié)點能量，首先對節(jié)點當前剩余能量進行等級劃分。如果節(jié)點的當前剩余能量仍能維持基本操作，就只利用節(jié)點休眠時間采集能量；若節(jié)點的當前剩余能量過低（小于預定的門限值），就拓延退僻時間，加大節(jié)點采集能量時間。

具體而言，首先考慮傳感節(jié)點的能量級別，將節(jié)點能量劃分三個等級，如圖3所示。Level 3 表示傳感節(jié)點維持以上操作的最小能量等級。依據節(jié)點i的剩余能量考慮以下兩種情況：

節(jié)點i將在休眠時期收集能量。因此，節(jié)點i所收集的能量按式（6）計算：

圖3 傳感節(jié)點的剩余能量Fig.3 Remaining energy of sensing nodes

在這種情況下，節(jié)點i可能沒有足夠的能量去維持正常操作。因此，在這種情況下，節(jié)點必須暫時性關掉發(fā)射器，進入休眠狀態(tài)，從而保存能量，直到電池能量恢復高于Level 3。通過這種策略，傳感節(jié)點能夠減少能耗，維持網絡壽命。為了拓延能量采集時間，加大退避時間，即通過新參數extrabackoff 產生新的額外退避過程，目的在于延長傳統的IEEE 802.15.4 CSMA/CA 協議的退避時間。通過延長退避時間，使得節(jié)點能夠有更多時間等待和從周圍能量源中采集能量。延長退避時間的策略如算法1所示。每B個Beacon 間隔（BIs）執(zhí)行一次算法 1。在每B個 BIs 后，節(jié)點就計算在當前B個 BIs 中的所消耗的能量然后，再計算在下一個B個 BIs 的extrabackoff所需要時間：

1）AfterBcurrent BIs

2）DetermineEic，cur，λih，pre，andpipe3）CompareEirand Level3

4）Calculatetibousing 式（7）

5）CalculatetihandEihusing 式（8）

節(jié)點i的能量收集時間及所收集的能量數可定義為：

2.2 數據傳輸階段

數據傳輸的關鍵在于鏈路的選擇。EHARA 算法選用成本最高的鏈路作為數據傳輸通道，為此，依據extrabackoff的執(zhí)行過程，鏈路成本的定義如下：

式中：Ci,j表示由節(jié)點i至節(jié)點j的鏈路表示目標節(jié)點j的能量消耗表示源節(jié)點i的剩余能量；參數au 為單位退避時期。從式（11）可知，具有高Ci,j鏈路的連通時間更長；計算鏈路成本是依據節(jié)點和鏈路的局部信息。因此，它能夠很容易融入傳統距離矢量路由。此外，從式（7）～式（10）可知，引用長的退避時間，在傳輸前，節(jié)點需等待更長時間。通過更長的時間，節(jié)點能量收集更多能量。除了增加能量采集數量之除，EHARA路由必須滿足以下QoS：

式中：pl，th 分別表示信宿的數據包丟失率和吞吐量；而相應的數據包丟失率的門限值PLmax和吞吐量的門限值（THmin,THmax）可依據不同應用設定。

3 性能仿真

3.1 仿真參數

利用Matlab 建立仿真平臺。將V個異構傳感節(jié)點隨機分布于100 m×100 m。在仿真過程中引用基于IEEE 802.15.4 CSMA 的MAC 協議，具體的仿真參數如表1所示。此外，為了更好地分析EHARA 性能，選用文獻[9]的 R-MPRT 和 AODV-EHA 算法作為參照。

表1 仿真參數Table 1 Simulation parameters

3.2 實驗一

本次實驗分析平均每個數據包所消耗的能量和總體剩余能量。實驗數據如圖4、圖5所示。

圖4 平均每個數據包所消耗的能量Fig.4 Average energy consumption of data packets of different algorithms

圖5 網絡剩余能量Fig.5 Remaining energy of network of different algorithms

從圖5可知，R-MPRT 算法消耗了更多能量，而提出的EHARA 算法能量消耗最少。原因在于，EHARA 算法減少了每個節(jié)點的平均能耗。

圖5顯示了在8 000 s 仿真期間，各算法的剩余能量數據，剩余能量隨時間推移逐漸下降。在仿真時間結束時，EHARA 算法和AODV-EHA 算法的分別消耗了50%，92.5%能量，分別剩余12.5 J 和2.5 J（網絡總能量為 25 J）。對于 R-MPRT 算法，它在運行了 5 000 s 后，所有傳感節(jié)點的能量已耗盡。這些數據表明，相比于AODV-EHA 算法和 R-MPRT 算法，EHARA 算法的網絡壽命提高了40%和50%。

3.3 實驗二

本次實驗分析EHARA 算法的QoS 性能，包括數據包丟失率、吞吐量，實際數據如圖6、圖7所示。從圖6可知，數據包丟失率隨節(jié)點數的增加呈上升趨勢。相比于 R-MPRT 和 AODV-EHA 算法，EHARA 算法的數據包丟失率得到有效控制。當V=100 時，EHARA 算法比AODV-EHA 算法的數據包丟失率下降了60%。原因在于，EHARA 算法通過維持更多的活動節(jié)點，提高了路由的穩(wěn)定性和可靠性。

圖6 數據包丟失率Fig.6 Loss ratio of data packet of different algorithms

圖7 吞吐量Fig.7 Throughput of different algorithms

最后，分析了信宿的吞吐量。從圖7可知，節(jié)點數的增加，提高了算法的吞吐量。相比于AODV-EHA 和RMPRT，EHARA 算法的吞吐量得到有效提高。例如，當源節(jié)點V=100 時，AODV-EHA 算法吞吐量最低，EHARA算法比AODV-EHA 算法的吞吐量提高了41%。

4 結 論

本文針對基于WSN 的物聯網應用，提出能量采集感知路由EHARA。EHARA 路由充分考慮了物聯網應用的特點，利用節(jié)點采集能量，彌補傳感節(jié)點的能量不足。同時，定義鏈路成本，再選擇最佳的鏈路轉發(fā)數據包。實驗數據表明，提出的EHARA 路由能夠有效地保存能量，最終實現延長網絡壽命的目的。