陳德全

（重慶幼兒師范高等?？茖W校，重慶 404047）

0 引言

水下傳感網絡（underwater sensor networks，UWSNs）在近海和海上領域有廣泛的應用，如環(huán)境監(jiān)測、深海挖掘、海洋勘察、水下開發(fā)。在WSNs中，位于水域內的傳感節(jié)點收集環(huán)境數據，再將數據傳輸至水面的匯聚節(jié)點（sink），sink 再將數據傳輸至控制中心。

由于水域獨特的特性，如環(huán)境噪聲、信號衰減，低聲速，多徑傳播，UWSNs 完全不同于陸地傳感網絡。這些特性導致低速率、高傳播時延，差的網絡連通以及高能耗，它們也對數據傳輸性能有破壞性影響。此外，由于水的潮汐，位于水域內的節(jié)點并非是靜態(tài)的。

因此，如何有效地將數據包傳輸到水面的sink成為UWSNs 研究熱點。目前，研究人員針對UWSNs的水域特性，提出不同的路由算法。其中，地理位置路由受到廣泛關注。地理位置路由只需局部節(jié)點位置信息決策路由。節(jié)點無需維持全局網絡拓撲信息。例如文獻［4］針對水下傳感網絡提出基于深度的路由（depth-based routing，DBR），它通過節(jié)點深度決策路由。但是DBR 路由沒有考慮到能量信息。

相比于陸地上的傳感網絡，UWSNs 內的節(jié)點在信號傳輸階段消耗了更多能量。因此，能量效率也是設計UWSNs 路由必須考慮的因素。例如，文獻［5］提出基于模糊邏輯的節(jié)點深度路由（fuzzy logic depth-based routing，FLDR），它在決策路由不僅考慮了節(jié)點位置信息，還考慮了節(jié)點能量。

此外，文獻［6］提出基于能效多徑地理位置路由（energy-efficient multi-path geographical routing，EMGR），它采用多條路徑傳輸數據包，提高傳輸數據包的可靠性。但是執(zhí)行EMGR 路由較復雜，增加了網絡能耗。文獻［7］提出了基于功效路由（power efficient-based routing，PEBR）協(xié)議。PEBR 路由利用距離、兩個鄰居節(jié)點間的夾角以及節(jié)點剩余能量選擇下一跳轉發(fā)節(jié)點。

盡管上述路由策略改善了路由性能，但是它們在選擇下一跳轉發(fā)節(jié)點并沒有考慮鏈路質量。為此，本文提出基于節(jié)點權重的地理位置路由（weight of node-based routing，WNBR）。WNBR 路由利用節(jié)點的能量因子、距離因子和鏈路質量因子構建節(jié)點權重，再依據節(jié)點權重擇優(yōu)選擇下一跳轉發(fā)節(jié)點。仿真結果表明，提出的WNBR 路由有效地提高了能量效率，降低了數據包傳輸時延。

1 網絡模型及能量模型

1.1 網絡模型

考慮三維的水下傳感網絡。N個sink 浮在水表面，這些sink 收集水下傳感節(jié)點感測的數據。令S表示第i 個sink 的ID，且i=1，2，…，N。將水下傳感節(jié)點分為兩類：錨節(jié)點和轉發(fā)節(jié)點。

所謂錨節(jié)點就是隨機部署在海床上的節(jié)點，這些節(jié)點的位置信息已知。錨節(jié)點感測環(huán)境數據，再轉發(fā)至下一跳節(jié)點。錨節(jié)點利用聲通信鏈路傳輸數據。假定網絡內部署了N個錨節(jié)點。令A表示第k個錨節(jié)點的ID，且k=1，2，…，N。由于錨節(jié)點產生感測數據，下文也將錨節(jié)點稱為源節(jié)點。

轉發(fā)節(jié)點用于幫助錨節(jié)點向信宿轉發(fā)數據。換而言之，轉發(fā)節(jié)點收集來自源節(jié)點的數據，然后轉發(fā)至下一跳節(jié)點。假定網絡內有N個轉發(fā)節(jié)點。令F表示第j 個轉發(fā)節(jié)點的ID，且j=1，2，…，N。

所有節(jié)點的最大通信范圍為R。每個節(jié)點周期地傳輸Hello 消息，其包含節(jié)點消息的序列號，節(jié)點的ID 號、節(jié)點位置坐標和剩余能量。此外，網絡內節(jié)點知曉所有sink 位置坐標。

圖1 給出網絡模型的平面圖。位于海底的錨節(jié)點感測環(huán)境數據，并利用聲通信鏈路向sink 傳輸數據。sink 通過RF 通信鏈路向控制中心傳輸數據。

圖1 網絡模型

1.2 基于Thorp 的聲信道模型

式中，SNR（d，f）為信噪比，且SNR（d，f）=（P（f）/Γ（d，f）/N（f）），其中，P（f）表示節(jié)點在頻率f 上傳輸一個數據包所需的功率，N（f）表示噪聲。

1.3 能量模型

所有節(jié)點的初始能量相同。節(jié)點傳輸數據和接收數據均消耗能量。令E（A）表示轉發(fā)節(jié)點A所消耗的能量：

2 WNBR 路由

2.1 候選下一跳轉發(fā)節(jié)點

式中，h表示源節(jié)點A表示離水面的深度；h表示轉發(fā)節(jié)點F表示離水面的深度，如圖2 所示。

圖2 距離因子示例

2.2 基于權重的下一跳節(jié)點的選擇

?

最后，選擇具有最大權重的轉發(fā)節(jié)點作為自己的下一跳節(jié)點。選擇過程如算法2 所示。B表示下一跳轉發(fā)節(jié)點。

?

2.3 數據包的傳輸

首先，進行網絡初始化。節(jié)點廣播Hello 包，使節(jié)點交互Hello 包，構建自己一跳鄰居節(jié)點集。依據算法1 候選下一跳轉發(fā)節(jié)點集。再依據式（10）計算節(jié)點的權重值，最終選擇具有最大權重節(jié)點作為下一跳轉發(fā)節(jié)點。數據包的傳輸過程如下頁圖3所示。

圖3 WNBR 路由數據包轉發(fā)流程圖

3 性能分析

3.1 仿真環(huán)境

利用MATLAB 軟件分析WNBR 路由性能?？紤]500 m×500 m×1 000 m 三維立體區(qū)域。在區(qū)域內部署4 個sink，50 個～350 個節(jié)點。采用文獻［14］的水下水聲調制解調器—LinkQuest UWM1000。具體的仿真參數如表1 所示，總的仿真時間1 000 s。運行50 次，取平均值作為最終的仿真數據。

表1 仿真參數

此外，選擇文獻［4］提出的DBR、文獻［5］提出的FLDR、文獻［6］提出的EMGR 路由和文獻［7］提出的PEBR 路由作為參照，并分析數據包傳輸率、端到端時延和能耗。

3.2 數據分析

3.2.1 數據包傳輸率

首先，分析節(jié)點數對數據包傳輸率的影響，其中節(jié)點數從50 至350 變化，如圖4 所示。

圖4 數據包傳遞率

從圖4 可知，數據包傳遞率隨節(jié)點數的增加而上升。原因在于：節(jié)點數的增加，提高了網絡連通率，最終，提升了數據包傳遞率。當然，數據包傳遞率并非與節(jié)點數的增加而呈線性增長。從圖4中可知，在節(jié)點數從50 增加至200 階段，節(jié)點數的增加迅速提升了數據包傳遞率。但是，當節(jié)點數從200 增加至350 階段時，數據包傳遞率隨節(jié)點數的增加而保持緩慢增長，增長速度相當緩慢。這主要因為：當節(jié)點數增加到一定數量后，若繼續(xù)增加節(jié)點密度，容易導致網絡擁塞，抑制了數據包傳遞率的增加。

相 比 于DBR、FLDR、EMGR 和PEBR 路 由，WNBR 路由的數據包傳遞率得到提高。在節(jié)點密度較高階段，PEBR 路由和WNBR 路由的數據包傳遞率相近。但是在節(jié)點密度稀疏階段，WNBR 路由的數據包傳遞率優(yōu)于PEBR 路由。

相比于EMGR 路由，FLDR 路由和DBR 路由，PEBR 路由具有更好的數據包傳遞率。由于EMGR路由采用多路徑傳輸，它的數據包傳遞率優(yōu)于FLDR 路由和DBR 路由。但是EMGR 路由消耗了更多能量。

3.2.2 端到端傳輸時延

本節(jié)分析節(jié)點數對WNBR 路由的端到端傳輸時延的影響，如下頁圖5 所示。從圖5 可知，節(jié)點數的增加降低了傳輸數據包的時延。相比于PEBR 路由、EMGR 路由、FLDR 路由和DBR 路由，WNBR 路由減少了端到端傳輸時延。原因在于：WNBR 路由緩解了終端隱藏問題，源節(jié)點依據節(jié)點權重選擇下一跳轉發(fā)節(jié)點，提高路徑的穩(wěn)定性。

圖5 端到端傳輸時延

PEBR 路由的端到端時延與WNBR 路由的端到端時延相近。此外，盡管EMGR 路由利用多條短路徑降低了時延，但是其端到端時延仍高于WNBR路由。

3.2.3 網絡能量消耗

分析WNBR 路由的網絡的能量消耗，如圖6 所示。從圖6 可知，節(jié)點數的增加，提高了網絡能耗。原因在于：節(jié)點數的增加，增加了網絡內需要傳輸的數據包數，增加了節(jié)點需要傳輸的數據包數，這導致了節(jié)點的能耗增加。

圖6 網絡能量消耗

相比于DBR 路由、FLDR 路由、EMGR 路由和PEBR 路由，WNBR 路由在能量消耗方面仍保持優(yōu)勢。這歸功于：WNBR 路由利用節(jié)點能量、距離因子和鏈路質量構建路徑，提升了路由的穩(wěn)定性。

4 結論

針對UWSNs 的數據傳輸問題，提出基于節(jié)點權重的地理位置路由WNBR。WNBR 路由從節(jié)點能量、距離以及鏈路質量3 方面的信息決策下一跳轉發(fā)節(jié)點，構建穩(wěn)定的數據傳輸路徑。仿真結果表明，WNBR 路由在能量消耗、數據包傳遞率方面均具有較好的性能表現。后繼將機器學習算法引入路由，進一步優(yōu)化算法的性能。