吳紀(jì)磊 章小寶

1(江西科技學(xué)院信息工程學(xué)院 江西 南昌 330098)2(南昌大學(xué)通信工程學(xué)院 江西 南昌 330031)

0 引 言

隨著經(jīng)濟(jì)的快速發(fā)展，人們對(duì)綠色發(fā)展、和諧發(fā)展的要求也越高，由于經(jīng)過(guò)長(zhǎng)期粗放式發(fā)展后，各種環(huán)境污染因素變得無(wú)處不在，與人民對(duì)美好生活的不斷追求形成了鮮明的反差和對(duì)比[1]。采取一定的技術(shù)手段，特別是無(wú)線傳感器網(wǎng)絡(luò)WSN，對(duì)高放射性、高化學(xué)腐蝕性、強(qiáng)生物傳染性環(huán)境污染因素進(jìn)行有效的數(shù)據(jù)采集與監(jiān)控，成為當(dāng)前環(huán)境監(jiān)測(cè)領(lǐng)域中具有發(fā)展前途的新興信息化技術(shù)之一[2]。

為提高WSN數(shù)據(jù)采集技術(shù)在環(huán)境監(jiān)測(cè)領(lǐng)域的運(yùn)用，研究者提出了若干具有前瞻性的WSN數(shù)據(jù)采集算法，在一定程度上起到了重要作用。Prabhudutta等[3]提出了一種基于能力均值區(qū)域覆蓋機(jī)制的WSN數(shù)據(jù)采集算法，首先通過(guò)基于污染嚴(yán)重度-節(jié)點(diǎn)覆蓋能力匹配機(jī)制，將覆蓋能力最強(qiáng)的節(jié)點(diǎn)作為種子節(jié)點(diǎn)，并進(jìn)行區(qū)域分割，不同區(qū)域內(nèi)均按照污染嚴(yán)重度-節(jié)點(diǎn)覆蓋能力匹配機(jī)制進(jìn)行區(qū)域節(jié)點(diǎn)的匹配，可迅速實(shí)現(xiàn)對(duì)污染區(qū)域的全覆蓋。但是，該算法對(duì)節(jié)點(diǎn)更迭因素考慮不足，難以實(shí)現(xiàn)節(jié)點(diǎn)動(dòng)態(tài)替換，限制了該算法的實(shí)踐意義。Krishnan等[4]提出了一種基于鄰居節(jié)點(diǎn)-次區(qū)域節(jié)點(diǎn)聯(lián)合評(píng)估機(jī)制的WSN數(shù)據(jù)采集算法，通過(guò)綜合評(píng)估鄰居節(jié)點(diǎn)與次區(qū)域節(jié)點(diǎn)間鏈路穩(wěn)定特性來(lái)獲取數(shù)據(jù)鏈路穩(wěn)定因子，其在采集數(shù)據(jù)時(shí)均選取性能最佳的鏈路穩(wěn)定因子所對(duì)應(yīng)的鏈路進(jìn)行數(shù)據(jù)傳輸，能夠?qū)崿F(xiàn)數(shù)據(jù)的超帶寬傳輸。然而，該算法對(duì)鏈路選取因素考慮面過(guò)窄，存在多個(gè)節(jié)點(diǎn)同時(shí)競(jìng)爭(zhēng)少數(shù)鏈路的情況，容易導(dǎo)致嚴(yán)重的數(shù)據(jù)擁塞現(xiàn)象。Yatish等[5]提出了一種基于主區(qū)域-次區(qū)域切換機(jī)制的WSN數(shù)據(jù)采集算法，鑒于文獻(xiàn)[4]存在嚴(yán)重的數(shù)據(jù)擁塞現(xiàn)象的不足，采取區(qū)域傳輸?shù)姆绞?，即在鏈路選擇上使用傳輸區(qū)域中性能最佳的一組節(jié)點(diǎn)作為中繼傳輸節(jié)點(diǎn)，有效規(guī)避了因數(shù)據(jù)擁塞現(xiàn)象而導(dǎo)致鏈路波動(dòng)情況的發(fā)生，可適應(yīng)大流量突發(fā)因素下數(shù)據(jù)采集。但是，該算法需要犧牲部分網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)據(jù)采集性能，以便實(shí)現(xiàn)數(shù)據(jù)的區(qū)域傳輸，在網(wǎng)絡(luò)節(jié)點(diǎn)分布較為稀疏時(shí)，這種算法的數(shù)據(jù)傳輸效率不理想。

對(duì)此，本文提出了一種基于時(shí)變演化博弈機(jī)制的WSN數(shù)據(jù)采集算法，通過(guò)構(gòu)建種子節(jié)點(diǎn)聚類(lèi)初始化方法，能夠提高種子節(jié)點(diǎn)-區(qū)域節(jié)點(diǎn)切換過(guò)程中存在的映射質(zhì)量，穩(wěn)定上傳鏈路，提高區(qū)域劃分效率；基于能量冗余性能構(gòu)建流量切換閾值，考慮節(jié)點(diǎn)傳輸數(shù)據(jù)時(shí)具有的演化博弈特性，并通過(guò)經(jīng)濟(jì)效益評(píng)估模型統(tǒng)一評(píng)估切換效果，均衡了傳輸流量，提高了網(wǎng)絡(luò)數(shù)據(jù)采集性能。最后，在NS2仿真實(shí)驗(yàn)平臺(tái)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了本文算法的優(yōu)越性能。

1 WSN信號(hào)發(fā)射模型

由于WSN節(jié)點(diǎn)均采用無(wú)線方式進(jìn)行數(shù)據(jù)通信，一般而言，對(duì)于高污染環(huán)境下的數(shù)據(jù)采集往往使用LTE-5G方式進(jìn)行數(shù)據(jù)采集[6-7]。為減緩環(huán)境污染因素對(duì)傳輸鏈路造成的抖動(dòng)，本文WSN節(jié)點(diǎn)使用64-PSK方式對(duì)采集的數(shù)據(jù)進(jìn)行信號(hào)調(diào)制，調(diào)制后的射頻信號(hào)按2.049 GHz的頻率進(jìn)行數(shù)據(jù)傳輸，如圖1所示。

圖1 數(shù)據(jù)采集圖

數(shù)據(jù)在網(wǎng)絡(luò)中分為n個(gè)子信號(hào)進(jìn)行分割傳輸，則信號(hào)增益沖激H(k)(φ)為：

(1)

依據(jù)式(1)，可得采集到的第k路WSN數(shù)據(jù)的射頻表現(xiàn)形式為：

Y(k)(φ)=F(k)(φ)+T(φ)H(k)(φ)

(2)

式中:Y(M)(φ)為第k路WSN數(shù)據(jù)經(jīng)過(guò)離散化后形成的沖激參量，通過(guò)捕捉該參量能夠獲取傳感數(shù)據(jù)的突變情況；F(k)(φ)為該沖激參量在信道傳輸中的拉普拉斯信道噪聲，均值為1，標(biāo)準(zhǔn)差為0；T(φ)表示第k路WSN數(shù)據(jù)在進(jìn)行首輪數(shù)據(jù)傳輸時(shí)的信道增益，其時(shí)域信號(hào)表達(dá)式T(t)為：

(3)

式中:Ts表示信號(hào)周期；Tc表示數(shù)據(jù)傳輸周期；Nc表示第k路WSN數(shù)據(jù)在Tc內(nèi)的最大抖動(dòng)數(shù)值；bj為RSA信道加密秘鑰[8]，且滿足bj∈{+1,-1}；ai為64-PSK符號(hào)集合，且滿足ai∈{+1,-1}。

此外，式(3)中其余參量表示形式如下：

A(t)=e(1-4πt2/Λ2)

(4)

式中:Λ為信道噪聲的初始沖激響應(yīng)。

聯(lián)立式(2)-式(4)可得：

(5)

中央控制系統(tǒng)接收到式(5)所示的傳輸信號(hào)后，再次進(jìn)行λ等間隔抽樣，可得最終的解調(diào)信號(hào)為：

(6)

顯然，對(duì)于不同的節(jié)點(diǎn)k而言，式(6)必正交：

Y(i)(φλ)×Y(j)(φλ)=0

(7)

2 WSN數(shù)據(jù)采集算法

采用式(6)-式(7)所示的信號(hào)傳輸模型，能夠有效地減緩污染源對(duì)信道的不利影響，提高信道傳輸容量，降低數(shù)據(jù)抖動(dòng)性能。這主要是由于式(6)-式(7)能夠?qū)⒉煌?jié)點(diǎn)的傳輸信號(hào)進(jìn)行正交化處理，最大限度地消除信道噪聲，改善因污染源而造成的頻率漂移及功率受限現(xiàn)象。然而，單純通過(guò)信號(hào)方式進(jìn)行傳輸改善會(huì)存在一定的弊端。因此，本文提出新的WSN數(shù)據(jù)采集算法，其分為三個(gè)部分：

(1) 基于性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化。該過(guò)程主要根據(jù)區(qū)域內(nèi)節(jié)點(diǎn)性能進(jìn)行區(qū)域初始化，并通過(guò)灰度-矢量微分映射機(jī)制實(shí)現(xiàn)對(duì)種子節(jié)點(diǎn)聚類(lèi)進(jìn)行更新，解決WSN數(shù)據(jù)在高污染環(huán)境下種子節(jié)點(diǎn)易失效的難題。

(2) 基于演化博弈機(jī)制的區(qū)域流量均衡。該過(guò)程主要通過(guò)種子節(jié)點(diǎn)-區(qū)域節(jié)點(diǎn)博弈過(guò)程的能量冗余情況來(lái)構(gòu)建流量切換閾值，隨后通過(guò)該閾值作為裁決指標(biāo)，解決WSN在高污染環(huán)境下流量不均衡的問(wèn)題，提升算法的數(shù)據(jù)傳輸質(zhì)量。

(3) 基于經(jīng)濟(jì)效益評(píng)估模型的質(zhì)量評(píng)估。該過(guò)程針對(duì)傳統(tǒng)算法難以對(duì)WSN進(jìn)行整體評(píng)估，通過(guò)經(jīng)濟(jì)效益評(píng)估模型的方式實(shí)現(xiàn)對(duì)節(jié)點(diǎn)、數(shù)據(jù)資源的統(tǒng)一管理，方便了WSN在高污染應(yīng)用場(chǎng)景下的部署流程。

2.1 基于性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化

由于高污染環(huán)境下WSN數(shù)據(jù)采集具有嚴(yán)重依賴歷史數(shù)據(jù)的特性[7]，這是由于高污染環(huán)境下WSN節(jié)點(diǎn)部署具有一次性的特性，且諸如大放射性、強(qiáng)化學(xué)腐蝕性、高生物傳染性的環(huán)境具有時(shí)變特性，因此按照傳統(tǒng)的一次布撒并進(jìn)行區(qū)域分割的方式具有難以更換的弊端[9]。

針對(duì)此種不足，本文采用灰度-矢量微分映射機(jī)制，通過(guò)歷史數(shù)據(jù)挖掘污染信息的時(shí)變規(guī)律，能夠?qū)崿F(xiàn)聚類(lèi)初始化。初始化流程圖如圖2所示。

圖2 基于性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化流程圖

對(duì)式(6)-式(7)所示的采集數(shù)據(jù)信號(hào)進(jìn)行抽樣，獲取污染源時(shí)變灰度矢量Y(0)：

Y(0)={y(1),y(2),…,y(n)}

(8)

式中：y(n)表示第n個(gè)節(jié)點(diǎn)按式(5)傳輸?shù)男盘?hào)。

對(duì)式(8)進(jìn)行時(shí)變累加處理，得到時(shí)變序列X(n,1)：

(9)

在式(9)基礎(chǔ)上進(jìn)行矢量微分映射[9]：

(10)

顯然，式(10)為一階微分方程，記為contaminated(1,1)，μ為矯正參數(shù)。

由式(6)可知，接收到的信號(hào)為離散信號(hào)，即對(duì)任意信號(hào)而言均需要進(jìn)行矯正，設(shè)矯正矢量η：

η=[tμ]T

(11)

記矯正矩陣B為：

(12)

使用最小二乘法[10]，并聯(lián)立式(11)、式(12)可得：

η=(BBT)-1X(n,1)(BTB)

(13)

聯(lián)立式(10)、式(13)可得contaminated(1,1)的時(shí)變方程如下：

(14)

式(14)經(jīng)過(guò)離散抽樣后可得：

(15)

式中：X(1,1)=X(1,0)。

式(15)為種子節(jié)點(diǎn)聚類(lèi)初始化過(guò)程中種子節(jié)點(diǎn)的信號(hào)強(qiáng)度，只需要按照式(15)逐個(gè)進(jìn)行信號(hào)接收，即可唯一確定種子節(jié)點(diǎn)，并將種子節(jié)點(diǎn)作為區(qū)域內(nèi)信號(hào)匯聚的中心節(jié)點(diǎn)，實(shí)踐中聯(lián)立式(15)并將種子節(jié)點(diǎn)的信號(hào)抽樣值代入contaminated(1,1)，即可迅速實(shí)現(xiàn)區(qū)域分割，且鏈路收斂速度較快。

2.2 基于演化博弈機(jī)制的區(qū)域流量均衡

高污染環(huán)境下WSN一般遵循自由空間傳播模型，即按式(6)接收到模型傳輸數(shù)據(jù)時(shí)，當(dāng)且僅當(dāng)節(jié)點(diǎn)發(fā)射信號(hào)強(qiáng)度達(dá)到一定功率時(shí)，才能確保數(shù)據(jù)鏈路處于穩(wěn)定狀態(tài)，該最小功率Pmin滿足：

(16)

式中：Dsend表示發(fā)射節(jié)點(diǎn)的信號(hào)增益；Rrev表示接收節(jié)點(diǎn)的信號(hào)增益；λ表示信號(hào)波長(zhǎng)；R表示發(fā)射節(jié)點(diǎn)的最大覆蓋范圍；l為污染損耗因子，一般取0～1。為保證傳輸質(zhì)量，一般還需要將Pmin最小功率進(jìn)行擴(kuò)容處理，以確保信號(hào)傳輸強(qiáng)度能夠達(dá)到需求:

(17)

實(shí)踐中，考慮到發(fā)射節(jié)點(diǎn)進(jìn)行信號(hào)發(fā)射過(guò)程中需要確保信號(hào)質(zhì)量的問(wèn)題，因此R的范圍不一定取最大覆蓋半徑，如圖3所示。若同一區(qū)域內(nèi)種子節(jié)點(diǎn)的能量降低到一定水平，則承擔(dān)區(qū)域節(jié)點(diǎn)的傳輸任務(wù)的種子節(jié)點(diǎn)將因能量受限處于嚴(yán)重的傳輸抖動(dòng)狀態(tài)。

圖3 節(jié)點(diǎn)發(fā)射圖

考慮到WSN無(wú)線發(fā)射過(guò)程中具有時(shí)變特性[11]，若種子節(jié)點(diǎn)在能量降低過(guò)程中，其與區(qū)域內(nèi)其余傳輸節(jié)點(diǎn)的能量相比而言并不顯著，則種子節(jié)點(diǎn)將不再予以更換。

為保證種子節(jié)點(diǎn)能夠?qū)崿F(xiàn)超密度覆蓋，進(jìn)行更新種子節(jié)點(diǎn)時(shí)須采取閾值控制策略，若種子節(jié)點(diǎn)的能量密度小于閾值，則選取區(qū)域內(nèi)能量最好的節(jié)點(diǎn)作為新的種子節(jié)點(diǎn)。能量閾值Door獲取方式如下：

(18)

式中：x表示種子節(jié)點(diǎn)的分布函數(shù)，一般為高斯分布；r表示傳輸周期；E0表示種子節(jié)點(diǎn)初始能量；Es表示剩余能量；mod()為模函數(shù)。

當(dāng)種子節(jié)點(diǎn)閾值下降到Door的水平時(shí)，種子節(jié)點(diǎn)通過(guò)廣播機(jī)制告知區(qū)域內(nèi)剩余節(jié)點(diǎn)，隨后從剩余節(jié)點(diǎn)中篩選出能量最佳的節(jié)點(diǎn)作為新的種子節(jié)點(diǎn)，如圖4所示。種子節(jié)點(diǎn)完成更新后，采取廣播機(jī)制告知控制中心，流程結(jié)束。

圖4 基于演化博弈機(jī)制的區(qū)域流量均衡流程圖

2.3 基于經(jīng)濟(jì)效益評(píng)估模型的質(zhì)量評(píng)估機(jī)制

雖然演化博弈機(jī)制的區(qū)域流量均衡流程機(jī)制能夠?qū)崿F(xiàn)種子節(jié)點(diǎn)的切換，但單純依靠能量評(píng)估方式進(jìn)行種子節(jié)點(diǎn)切換也存在一定的不足之處，主要是各種子節(jié)點(diǎn)之間的傳輸效果難以評(píng)估。因此，本文基于經(jīng)濟(jì)效益評(píng)估模型進(jìn)行質(zhì)量評(píng)估，以便能夠降低數(shù)據(jù)傳輸過(guò)程中存在的鏈路抖動(dòng)問(wèn)題。

記單個(gè)種子節(jié)點(diǎn)在自身覆蓋區(qū)域b內(nèi)，實(shí)現(xiàn)能量閾值切換策略c的網(wǎng)絡(luò)收益μ(b,c)為：

μ(b,c)=U(c,N(c))-P(c,N(c))

(19)

式中：N(c)表示達(dá)到能量閾值切換策略c的種子節(jié)點(diǎn)總數(shù)；U(c,N(c))為經(jīng)濟(jì)效用函數(shù)，一般情況下其初始值為能量閾值Door；P(c,N(c))為經(jīng)濟(jì)效益函數(shù)。

設(shè)中央控制節(jié)點(diǎn)對(duì)每個(gè)區(qū)域分配的上傳帶寬相同，則總體網(wǎng)絡(luò)收益μ可規(guī)定為式(18)、式(19)與種子節(jié)點(diǎn)總數(shù)N之和：

(20)

式中：Ns表示區(qū)域內(nèi)節(jié)點(diǎn)總數(shù)。

在完成能量閾值切換后，計(jì)算當(dāng)前時(shí)刻總體網(wǎng)絡(luò)收益μ，如圖5所示。若更換種子節(jié)點(diǎn)后出現(xiàn)總體網(wǎng)絡(luò)收益下降，說(shuō)明更新種子節(jié)點(diǎn)后將會(huì)出現(xiàn)鏈路抖動(dòng)，影響整體網(wǎng)絡(luò)數(shù)據(jù)采集性能，暫時(shí)不予更換；反之，則在演化博弈機(jī)制的區(qū)域流量均衡流程機(jī)制執(zhí)行完畢，完成種子節(jié)點(diǎn)的更換。

圖5 基于經(jīng)濟(jì)效益評(píng)估模型質(zhì)量評(píng)估機(jī)制流程圖

3 仿真實(shí)驗(yàn)

為了便于評(píng)估所提算法的性能，使用NS2仿真模擬環(huán)境進(jìn)行測(cè)試[12-13]。對(duì)照組為當(dāng)前常用的超寬帶能量相鄰啟發(fā)算法[14](Efficient Nearest Neighbor Heuristic TSP Algorithms，ENNH-TSP)及黑洞安全組節(jié)點(diǎn)探測(cè)傳輸算法[15](Secure Group-Based Blackhole Node Detection Scheme，SGBB-NDS)。并使用采集鏈路抖動(dòng)率、傳輸帶寬、匯總帶寬丟包率、信源傳輸質(zhì)量等四個(gè)指標(biāo)來(lái)量化，借助高斯信道、拉普拉斯信道、萊斯信道分別進(jìn)行低、中、高干擾環(huán)境下信道模擬，仿真參數(shù)如表1所示。

表1 仿真參數(shù)表

3.1 采集鏈路抖動(dòng)率測(cè)試

圖6(a)-(c)分別為高斯信道、拉普拉斯信道、萊斯信道條件下，本文算法與ENNH-TSP、SGBB-NDS算法在低、中、高干擾信道環(huán)境下鏈路抖動(dòng)率的測(cè)試數(shù)據(jù)。由圖可知，本文算法在三種信道抖動(dòng)環(huán)境下的采集鏈路抖動(dòng)率始終處于較低水平，且隨著數(shù)據(jù)采集速率的不斷增加，本文算法的采集鏈路抖動(dòng)率波動(dòng)幅度明顯低于對(duì)照組算法。這是由于本文算法針對(duì)傳感節(jié)點(diǎn)在高污染環(huán)境下容易失效的特點(diǎn)，有針對(duì)性地基于演化博弈機(jī)制進(jìn)行了區(qū)域流量均衡化處理，能夠顯著降低因流量不均衡而導(dǎo)致鏈路抖動(dòng)的問(wèn)題。此外，本文算法針對(duì)單純更新種子節(jié)點(diǎn)方式存在著對(duì)網(wǎng)絡(luò)整體傳輸性能有顯著影響的問(wèn)題，基于經(jīng)濟(jì)效益評(píng)估模型質(zhì)量構(gòu)建了評(píng)估機(jī)制，能夠?qū)⒎N子節(jié)點(diǎn)的更新納入全網(wǎng)統(tǒng)一的質(zhì)量評(píng)估體系內(nèi)，改善了因種子節(jié)點(diǎn)切換而導(dǎo)致的采集鏈路抖動(dòng)的問(wèn)題。ENNH-TSP算法雖然考慮了不同種子節(jié)點(diǎn)具有能量相似特性，采取交叉覆蓋的方式進(jìn)行種子節(jié)點(diǎn)抖動(dòng)，但沒(méi)有考慮種子節(jié)點(diǎn)切換后需要進(jìn)行的鏈路優(yōu)化問(wèn)題，因此難以進(jìn)一步降低采集鏈路抖動(dòng)頻率。SGBB-NDS算法通過(guò)預(yù)設(shè)安全節(jié)點(diǎn)的方式進(jìn)行數(shù)據(jù)傳輸，然而僅采取簡(jiǎn)單更換機(jī)制進(jìn)行安全節(jié)點(diǎn)的更換，在高干擾環(huán)境下依然存在嚴(yán)重的鏈路抖動(dòng)問(wèn)題。

(a) 高斯信道

(b) 拉普拉斯信道

(c) 萊斯信道圖6 不同信道下的采集鏈路抖動(dòng)率測(cè)試結(jié)果

3.2 傳輸帶寬測(cè)試

圖7(a)-(c)分別為高斯信道、拉普拉斯信道、萊斯信道條件下，本文算法與ENNH-TSP算法、SGBB-NDS算法在低、中、高干擾信道環(huán)境下傳輸帶寬的測(cè)試數(shù)據(jù)。由圖可知，本文算法在三種信道傳輸條件下的傳輸帶寬均要高于對(duì)照組算法，且傳輸帶寬平穩(wěn)。這是由于本文算法能夠基于性能優(yōu)選方案進(jìn)行種子節(jié)點(diǎn)聚類(lèi)初始化，且采取灰度-矢量微分映射機(jī)制實(shí)現(xiàn)對(duì)種子節(jié)點(diǎn)聚類(lèi)進(jìn)行更新，選取的種子節(jié)點(diǎn)性能較好，數(shù)據(jù)采集及傳輸過(guò)程中出故障的概率也較低。ENNH-TSP算法在傳輸過(guò)程中采取交叉模式，即相鄰區(qū)域內(nèi)的種子節(jié)點(diǎn)互相承擔(dān)對(duì)方區(qū)域內(nèi)數(shù)據(jù)傳輸，雖然能夠降低節(jié)點(diǎn)能量開(kāi)支，然而容易出現(xiàn)因部分節(jié)點(diǎn)失效而導(dǎo)致大面積節(jié)點(diǎn)失效的現(xiàn)象，因此該機(jī)制傳輸帶寬性能要差于本文算法；SGBB-NDS算法僅采取簡(jiǎn)單上傳模式，即種子節(jié)點(diǎn)除非因能量耗盡，否則將不進(jìn)行節(jié)點(diǎn)更新，因而降低了傳輸性能，導(dǎo)致該算法在傳輸帶寬上要低于本文算法。

(a) 高斯信道

(b) 拉普拉斯信道

(c) 萊斯信道圖7 不同信道下的傳輸帶寬測(cè)試結(jié)果

3.3 匯總帶寬丟包率測(cè)試

匯總帶寬丟包率反映了中央控制節(jié)點(diǎn)匯總WSN節(jié)點(diǎn)數(shù)據(jù)結(jié)束后對(duì)傳輸質(zhì)量的評(píng)估，匯總帶寬丟包率越低，說(shuō)明數(shù)據(jù)傳輸質(zhì)量越好。圖8(a)-(c)分別為高斯信道、拉普拉斯信道、萊斯信道條件下，本文算法與ENNH-TSP機(jī)制、SGBB-NDS機(jī)制在低、中、高干擾信道環(huán)境下匯總帶寬丟包率的測(cè)試數(shù)據(jù)。由圖可知，本文算法在三種信道條件下的匯總帶寬丟包率均處于較低的水平，這是由于本文算法基于性能優(yōu)選方案進(jìn)行種子節(jié)點(diǎn)聚類(lèi)初始化，且采取灰度-矢量微分映射機(jī)制實(shí)現(xiàn)對(duì)種子節(jié)點(diǎn)聚類(lèi)進(jìn)行更新，具有良好的數(shù)據(jù)上傳性能，不易發(fā)生因種子節(jié)點(diǎn)性能受限而導(dǎo)致匯總困難的現(xiàn)象。ENNH-TSP算法由于僅采取交叉?zhèn)鬏敊C(jī)制，容易因節(jié)點(diǎn)交叉?zhèn)鬏攲?dǎo)致鏈路產(chǎn)生嚴(yán)重的抖動(dòng)問(wèn)題，從而導(dǎo)致較高的丟包率；SGBB-NDS算法僅采取簡(jiǎn)單上傳模式，傳輸過(guò)程中未對(duì)上傳鏈路進(jìn)行穩(wěn)定化部署，因而丟包現(xiàn)象難以得到緩解。

(a) 高斯信道

(b) 拉普拉斯信道

(c) 萊斯信道圖8 不同信道下的匯總帶寬丟包率測(cè)試結(jié)果

3.4 信源傳輸質(zhì)量

圖9(a)為信源，圖9(b)-(d)分別為本文算法與ENNH-TSP方法、SGBB-NDS技術(shù)完成數(shù)據(jù)采集后接收到的信源。由圖9(b)可知，本文算法接收到的信源圖片清晰度較高，細(xì)節(jié)保留較為完整，僅有輕微噪聲干擾，沒(méi)有出現(xiàn)模糊等失真現(xiàn)象。由圖9(c)可知，ENNH-TSP方法的接收?qǐng)D像存在視覺(jué)不自然現(xiàn)象，且存在較多的噪聲干擾，丟失了部分細(xì)節(jié)。而SGBB-NDS技術(shù)的接收質(zhì)量不佳，模糊較為嚴(yán)重，且喪失了較大的細(xì)節(jié)，見(jiàn)圖9(d)。這是由于本文算法先后采取了性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化、演化博弈機(jī)制的區(qū)域流量均衡、經(jīng)濟(jì)效益評(píng)估模型質(zhì)量評(píng)估機(jī)制，能夠顯著改善丟包現(xiàn)象，且傳輸鏈路抖動(dòng)現(xiàn)象發(fā)生頻率較低，降低了因傳輸抖動(dòng)現(xiàn)象發(fā)生而導(dǎo)致的傳輸錯(cuò)誤，因此信源傳輸質(zhì)量較高。ENNH-TSP方法及SGBB-NDS技術(shù)由于分別采取交叉?zhèn)鬏敿昂?jiǎn)單傳輸?shù)姆绞剑y以對(duì)網(wǎng)絡(luò)整體傳輸性能進(jìn)行評(píng)估，且傳輸鏈路抖動(dòng)發(fā)生概率較大，因而信源傳輸質(zhì)量較差。

(a) 信源 (b)本文算法

(c) ENNH-TSP算法 (d) SGBB-NDS算法圖9 信源傳輸質(zhì)量

3.5 算法復(fù)雜度分析

本文算法主要由基于性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化、基于演化博弈機(jī)制的區(qū)域流量均衡、基于經(jīng)濟(jì)效益評(píng)估模型質(zhì)量評(píng)估機(jī)制三個(gè)部分構(gòu)成。其中：基于性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化的算法復(fù)雜度主要體現(xiàn)在使用微分器逐個(gè)對(duì)信號(hào)進(jìn)行矢量微分，該過(guò)程的算法復(fù)雜度為O(n)，n表示網(wǎng)絡(luò)中節(jié)點(diǎn)總數(shù)；基于演化博弈機(jī)制的區(qū)域流量均衡的算法復(fù)雜度主要體現(xiàn)在對(duì)各個(gè)節(jié)點(diǎn)的遍歷上，該過(guò)程的算法復(fù)雜度為O(m)，m(m

ENNH-TSP算法主要采用冒泡算法對(duì)相鄰節(jié)點(diǎn)的能量情況進(jìn)行探測(cè)，探測(cè)過(guò)程中采用交叉覆蓋的方式對(duì)節(jié)點(diǎn)進(jìn)行優(yōu)化，當(dāng)網(wǎng)絡(luò)中節(jié)點(diǎn)個(gè)數(shù)為n時(shí)，算法整體復(fù)雜度為O(n2)。SGBB-NDS算法需要對(duì)網(wǎng)絡(luò)中存在的“網(wǎng)絡(luò)黑洞”進(jìn)行遍歷探測(cè)，并采用簡(jiǎn)單更換機(jī)制進(jìn)行安全節(jié)點(diǎn)的更換，當(dāng)網(wǎng)絡(luò)中節(jié)點(diǎn)個(gè)數(shù)為n時(shí)，需要更換的安全節(jié)點(diǎn)數(shù)量為h(h

根據(jù)上述分析可知：SGBB-NDS算法的復(fù)雜度最低；本文算法復(fù)雜度要高于SGBB-NDS算法，但其復(fù)雜度仍然比較低；而ENNH-TSP算法的復(fù)雜度最高。

雖然本文算法的復(fù)雜度要高于SGBB-NDS算法，但是，本文算法具有更低的傳輸鏈路抖動(dòng)率和丟包率，以及更高的傳輸帶寬，可以有效降低網(wǎng)絡(luò)擁塞現(xiàn)象，提高WSN數(shù)據(jù)采集性能。

4 結(jié) 語(yǔ)

鑒于當(dāng)前WSN數(shù)據(jù)采集算法在實(shí)踐中存在的一些不足之處，提出了一種基于時(shí)變演化博弈機(jī)制的WSN數(shù)據(jù)采集算法。通過(guò)基于性能優(yōu)選方案的種子節(jié)點(diǎn)聚類(lèi)初始化、基于演化博弈機(jī)制的區(qū)域流量均衡、基于經(jīng)濟(jì)效益評(píng)估模型質(zhì)量評(píng)估機(jī)制，改善了種子節(jié)點(diǎn)在高污染環(huán)境下容易失效的難題，提高了傳輸鏈路的穩(wěn)定性能，增強(qiáng)了WSN數(shù)據(jù)采集質(zhì)量，且能夠通過(guò)經(jīng)濟(jì)效益評(píng)估模型的方式實(shí)現(xiàn)對(duì)節(jié)點(diǎn)、數(shù)據(jù)資源的統(tǒng)一管理。實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了所提算法的合理性與有效性。

下一步，針對(duì)本文算法具有能耗較高的不足，擬通過(guò)能量協(xié)同機(jī)制降低種子節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸?shù)哪芰肯?，提高種子節(jié)點(diǎn)的數(shù)據(jù)傳輸周期，進(jìn)一步增強(qiáng)本文算法對(duì)高污染環(huán)境的適應(yīng)性能。