劉東旭

(滁州職業(yè)技術(shù)學院，安徽 滁州 239000)

0 引言

隨著以工業(yè)化4.0為代表的“中國制造2025”計劃不斷朝縱深推進，無線傳感網(wǎng)技術(shù)也日益從數(shù)據(jù)采集型轉(zhuǎn)向復(fù)合傳輸型，使得無線傳感網(wǎng)在實踐中不斷發(fā)揮重要的經(jīng)濟及社會作用[1]。此外，由于5G通信技術(shù)不斷與工業(yè)領(lǐng)域信息化技術(shù)交織，使得無線傳感網(wǎng)節(jié)點也與5G通信技術(shù)密切融合，推動傳統(tǒng)無線傳感網(wǎng)傳輸能力逐步向超寬帶傳輸模式轉(zhuǎn)換[2]。這些新變化要求無線傳感網(wǎng)應(yīng)在提升傳輸能力的同時，盡量以較低傳輸成本實現(xiàn)較高層次的帶寬傳輸能力[3]。因此，引入5G傳輸領(lǐng)域內(nèi)較為成熟的傳輸新技術(shù)、新機制成為無線傳感網(wǎng)研究領(lǐng)域中的熱點[4]。

為提高無線傳感網(wǎng)超寬帶傳輸能力，人們提出了一些具有前瞻性的研究突破點，一定程度上改善了無線傳感網(wǎng)的超寬帶傳輸能力。如Sahay等[5]提出了一種基于采樣序列并發(fā)傳輸機制的無線傳感網(wǎng)超寬帶傳輸算法，該算法利用區(qū)域內(nèi)節(jié)點具有的高數(shù)據(jù)傳輸相似度特性，引入采樣模型對數(shù)據(jù)予以并發(fā)融合，可顯著提升網(wǎng)絡(luò)數(shù)據(jù)區(qū)域傳輸能力，具有實現(xiàn)較為便捷的特點。但是，由于該算法的傳輸過程對數(shù)據(jù)相似度要求過高，使得算法難以適應(yīng)高傳輸率的網(wǎng)絡(luò)部署環(huán)境。Yu等[6]提出了一種基于區(qū)域聯(lián)合機制的無線傳感網(wǎng)超寬帶傳輸算法，該算法利用網(wǎng)絡(luò)信道冗余特性，通過調(diào)度冗余帶寬資源對存量數(shù)據(jù)予以傳輸，可顯著提升網(wǎng)絡(luò)傳輸帶寬，且網(wǎng)絡(luò)適應(yīng)性能卓越。然而，該算法需要通過網(wǎng)絡(luò)編碼模型對冗余鏈路予以評估，編碼準確度較低，易因誤碼率提升而導(dǎo)致網(wǎng)絡(luò)傳輸出現(xiàn)抖動現(xiàn)象。Ghanbar等[7]提出了一種基于擁塞控制機制的無線傳感網(wǎng)超寬帶傳輸算法，該算法采用節(jié)點編碼模型對擁塞數(shù)據(jù)及時啟動分流控制，能夠以較高效率消除網(wǎng)絡(luò)擁塞現(xiàn)象，網(wǎng)絡(luò)適應(yīng)能力較強。但是，該算法也存在一定的不足，特別是該算法對網(wǎng)絡(luò)鏈路占用率較低，使得該算法的數(shù)據(jù)傳輸能力較低，無法適應(yīng)大速率傳輸情形。

針對前述算法存在的不足，本文提出了一種基于幾何聚類映射采樣機制的無線傳感網(wǎng)超寬帶傳輸算法。該算法主要由幾何聚類映射方法和功率閾值穩(wěn)定方法兩部分構(gòu)成：基于聚類映射及節(jié)點信道采樣特性提出了幾何聚類映射方法，采取正交方式對信道干擾予以屏蔽，以提升傳輸質(zhì)量；基于能量預(yù)估及閾值裁決方式提出了功率閾值穩(wěn)定方法，通過該方法能夠及時對性能不穩(wěn)定的節(jié)點予以休眠處理，從而提高節(jié)點傳輸質(zhì)量，進而改善網(wǎng)絡(luò)傳輸性能。最后采用NS2仿真實驗環(huán)境，證明了本文算法的性能特點。

1 本文算法設(shè)計

考慮到當前算法存在的不足，本文提出了一種基于幾何聚類映射采樣機制的無線傳感網(wǎng)超寬帶傳輸算法(UWB Transmission Algorithm For Wireless Sensor Networks Based On Geometric Clustering Mapping Sampling Mechanism，GCMS算法)。所提算法主要針對當前無線傳感網(wǎng)超寬帶傳輸應(yīng)用過程中存在的能量集中困難及傳輸抖動現(xiàn)象，構(gòu)建了幾何聚類映射方法和功率閾值穩(wěn)定方法：通過幾何聚類映射方法提高網(wǎng)絡(luò)傳輸過程中的抗噪性能，降低因噪聲干擾導(dǎo)致的傳輸抖動現(xiàn)象的發(fā)生頻率；通過功率閾值穩(wěn)定方法，提升聚類節(jié)點對數(shù)據(jù)擁塞的控制能力，改善超寬帶傳輸條件下控制網(wǎng)絡(luò)擁塞的性能。接下來是詳細設(shè)計。

1.1 幾何聚類映射

無線傳感網(wǎng)超寬帶傳輸過程一般需要進行傳感采樣及信道映射，為提升傳輸能力，一般使用1 GHz頻段的傳感信號[6]。信道均采用聚類模型，將頻段分割為多個正交信道，并使用多個正交信號接收方式實現(xiàn)點對點通信。下一跳節(jié)點進行數(shù)據(jù)接收時將按預(yù)設(shè)信道頻段一一匹配時域信號，當且僅當信號頻率處于可匹配狀態(tài)時才啟用數(shù)據(jù)接收信道，從而完成點對點通信過程[7]。

不妨設(shè)某時刻無線傳感網(wǎng)中共有m個聚類節(jié)點并發(fā)啟動數(shù)據(jù)傳輸流程，則網(wǎng)絡(luò)傳輸信號的頻域F(ω，m)可由如式(1)模型決定：

(1)

式中：ε(λ)表示聚類節(jié)點的單位發(fā)射功率；μ(m)表示第m個聚類節(jié)點的累積發(fā)射功率強度，一般而言在節(jié)點制式指定時該積累發(fā)射功率強度將保持不變；λk表示第k個聚類對應(yīng)的信道干涉頻率，若兩條信道的干涉頻率近似時，將會因頻譜之間互相疊加而導(dǎo)致嚴重的傳輸擁塞現(xiàn)象發(fā)生。

針對第m個聚類而言，采取積分變換[8]的方式即可獲取時變信號f(t)：

(2)

式中：ψj表示第j個聚類的初始功率；σi表示信道發(fā)射增益；G(t)表示調(diào)制信號，可由對數(shù)映射方式獲取[9]：

G(t)=2πe(1-2πt3)lnt。

(3)

聯(lián)立式(1)～(3)可得：

(4)

由于無線傳感網(wǎng)進行超寬帶傳輸時需要考慮數(shù)據(jù)壓縮感知因素[10]，因此，對式(4)按在數(shù)據(jù)傳輸周期T予以采樣映射：

(5)

顯然，由式(5)可知任意兩個聚類a和b，必有如式(6)關(guān)系成立：

∮F(ω，a)G(ω，b)dω=0 。

(6)

通過式(5)所示的采樣映射后，數(shù)據(jù)將能夠消除信道間的噪聲干擾，大大提升網(wǎng)絡(luò)數(shù)據(jù)傳輸速度。

顯然，對于任意不同的節(jié)點而言，式(5)所示的信號必定處于互不干涉狀態(tài)，即：

∮G(ω，x)G(ω，y)dxdy=0 。

(7)

圖1 幾何聚類映射過程

完成幾何聚類映射方法后，聚類間數(shù)據(jù)傳輸頻率將處于正交狀態(tài)[11]，最大限度地消除了頻率漂移因素，從而增強了網(wǎng)絡(luò)傳輸性能。

1.2 功率閾值穩(wěn)定

雖然幾何聚類映射方法能夠提升網(wǎng)絡(luò)數(shù)據(jù)傳輸能力，但是由于無線傳感網(wǎng)超寬帶傳輸過程中存在功率抖動現(xiàn)象，所以需要及時對功率及能量剩余情況予以穩(wěn)定，并按傳輸性能對聚類進一步優(yōu)化，從而實現(xiàn)網(wǎng)絡(luò)穩(wěn)定傳輸，下面是詳細步驟。

Step 1：通過如式(8)模型取得當前聚類功率閾值Pnow

(7)

式中：Srev表示聚類節(jié)點接收功率；Gsend表示聚類節(jié)點發(fā)射功率；Eλ表示當前節(jié)點最大能量，R表示節(jié)點最大覆蓋半徑。

Step 2：獲取聚類節(jié)點的最小能量閾值Δ，獲取方式如式(9)：

(9)

Step 3：對全網(wǎng)節(jié)點進行過濾，詳如圖2，按如式(10)的方式獲取功率閾值?：

(10)

圖2 功率閾值穩(wěn)定過程

Step 4：選取網(wǎng)絡(luò)區(qū)域內(nèi)功率閾值最大的節(jié)點作為新的聚類節(jié)點，聚類成員最低加入閾值?in滿足如式(11)模型：

(11)

式中：t表示時變因子，一般而言該時變因子為隨機序列；mod表示取整操作。

Step 5：當且僅當網(wǎng)絡(luò)節(jié)點功率閾值高于?in時，執(zhí)行本次流程，算法結(jié)束。

完成功率閾值穩(wěn)定后，網(wǎng)絡(luò)節(jié)點將可以動態(tài)調(diào)整傳輸功率，若功率低于最小能量閾值時將進入休眠狀態(tài)，從而降低網(wǎng)絡(luò)擁塞水平，提升網(wǎng)絡(luò)運行質(zhì)量。

2 仿真實驗

為驗證所提算法的性能，采取NS2仿真實驗環(huán)境(Network Simulator Version 2)[12]，對照組算法為當前無線傳感網(wǎng)超寬帶傳輸常用的基于NMF和2-SVD-QR混合矩陣分解的WSN優(yōu)化傳輸算法(A Novel Optimization Method For WSN Based On Mixed Matrix Decomposition Of NMF And 2-SVD-QR，NMF-SVD-QR算法)[13]和基于SWIPT機制的WSN節(jié)能傳輸算法(Research on Energy-Efficient Routing Algorithm Based On SWIPT In Multi-Hop Clustered WSN for 5G System，EER-SWIPT算法)[14]。整個網(wǎng)絡(luò)節(jié)點部署區(qū)域為矩形區(qū)域，節(jié)點處于可移動狀態(tài)。不失一般性，將節(jié)點運動速度設(shè)置為1 m/s和10 m/s兩種狀態(tài)，以模仿低速信道和高速信道兩種仿真環(huán)境。節(jié)點制式為LTE節(jié)點，頻率不低于2.024 Mbps。仿真對照參數(shù)為網(wǎng)絡(luò)傳輸帶寬和擁塞累計發(fā)生頻次。詳細參數(shù)見表1。

表1 仿真參數(shù)表

1)網(wǎng)絡(luò)傳輸帶寬：網(wǎng)絡(luò)傳輸帶寬指在某一時刻，網(wǎng)絡(luò)sink節(jié)點最終接收到的有效數(shù)據(jù)總和。該數(shù)值越大，說明網(wǎng)絡(luò)傳輸性能也就越高，網(wǎng)絡(luò)超寬帶傳輸能力也就越強。

2)擁塞發(fā)生頻次。擁塞發(fā)生頻次指截至統(tǒng)計時刻，網(wǎng)絡(luò)中節(jié)點及鏈路已經(jīng)發(fā)生擁塞事件的累計次數(shù)的總和，該數(shù)值越大說明網(wǎng)絡(luò)擁塞控制性能也就越差，網(wǎng)絡(luò)整體傳輸性能將會受到更大的影響，需要花費較多的網(wǎng)絡(luò)資源以消除擁塞。此外，隨著擁塞發(fā)生次數(shù)及頻率的增加，網(wǎng)絡(luò)正常工作時間可能會出現(xiàn)一定程度的下降。

2.1 網(wǎng)絡(luò)傳輸帶寬

圖3為所提算法與NMF-SVD-QR算法和EER-SWIPT算法的網(wǎng)絡(luò)傳輸帶寬測試結(jié)果。由圖3可知，所提算法具有網(wǎng)絡(luò)傳輸帶寬較高的特點，說明所提算法能夠較好地適應(yīng)超寬帶傳輸場景。所提算法針對無線傳感網(wǎng)超寬帶環(huán)境存在的頻率干涉現(xiàn)象，設(shè)計了幾何聚類映射方法，采用抽樣方式對背景噪聲信號及信道漂移予以適應(yīng)，從而提升了網(wǎng)絡(luò)傳輸帶寬。特別是所提算法再次考慮到聚類節(jié)點在超寬帶環(huán)境下存在的節(jié)點受限現(xiàn)象，采取功率閾值穩(wěn)定方法及時剔除失效節(jié)點，因而降低了網(wǎng)絡(luò)擁塞現(xiàn)象發(fā)生的概率，改善了網(wǎng)絡(luò)傳輸性能。NMF-SVD-QR算法主要采取矩陣分解方式對冗余聚類節(jié)點予以休眠處理，雖然能夠在一定程度上降低網(wǎng)絡(luò)擁塞現(xiàn)象發(fā)生的概率，但由于該算法對正常傳輸過程中信號干涉現(xiàn)象考慮不足，信道間極易出現(xiàn)干涉現(xiàn)象，使得網(wǎng)絡(luò)傳輸帶寬難以得到進一步提高。EER-SWIPT算法針對信道干涉現(xiàn)象，采取鏈路優(yōu)化模型降低抖動概率，然而由于該算法未考慮數(shù)據(jù)擁塞狀況下節(jié)點性能的優(yōu)化，在超寬帶傳輸條件下易出現(xiàn)擁塞數(shù)據(jù)過多的現(xiàn)象，所以使得該算法的網(wǎng)絡(luò)傳輸帶寬要低于所提算法。

2.2 擁塞累計發(fā)生頻次

圖4為所提算法與NMF-SVD-QR算法和EER-SWIPT算法在擁塞累計發(fā)生頻次方面的仿真測試結(jié)果。由圖4可知，所提算法具有擁塞累計發(fā)生頻次較低的特點，說明所提算法能夠顯著降低網(wǎng)絡(luò)擁塞發(fā)生的概率。這是由于所提算法針對擁塞發(fā)生時鏈路和節(jié)點存在的抖動特點，通過幾何聚類映射方法降低鏈路因信道漂移而發(fā)生抖動的概率，特別是算法采用功率閾值穩(wěn)定方法對聚類成員節(jié)點進行了二次優(yōu)化，因而發(fā)生擁塞時能夠及時得到紓解。NMF-SVD-QR算法主要采用休眠機制避開擁塞峰值帶寬，不過由于該算法僅通過將當前擁塞峰值延遲發(fā)送的方式改善擁塞狀況，當多個節(jié)點同時休眠時可能導(dǎo)致下一時刻網(wǎng)絡(luò)擁塞峰值發(fā)生疊加效應(yīng)，因而該算法擁塞累計發(fā)生頻次要高于所提算法。EER-SWIPT算法僅考慮了采用鏈路優(yōu)化的方式降低擁塞發(fā)生的概率，未考慮節(jié)點受限情況下及時對擁塞予以紓解，因而該算法的擁塞累計發(fā)生頻次要顯著高于所提算法。

(a)節(jié)點運動速度1 m/s

(b)節(jié)點運動速度10 m/s圖3 網(wǎng)絡(luò)傳輸帶寬

(a)節(jié)點運動速度1 m/s圖4 擁塞發(fā)生頻次

(b)節(jié)點運動速度10 m/s圖4 擁塞發(fā)生頻次

3 結(jié)語

針對當前無線傳感網(wǎng)超寬帶傳輸過程中存在的性能受限現(xiàn)象，提出了一種基于幾何聚類映射采樣機制的無線傳感網(wǎng)超寬帶傳輸算法。算法主要由幾何聚類映射方法和功率閾值穩(wěn)定方法兩部分構(gòu)成，可顯著增強網(wǎng)絡(luò)傳輸能力，改善超寬帶條件下網(wǎng)絡(luò)擁塞現(xiàn)象，以達到較高的傳輸質(zhì)量。

下一步，將針對本文算法對萊斯信道等復(fù)雜信道環(huán)境適應(yīng)能力較差的不足，擬引入信道退避控制機制，以提升本文算法在信道控制方面的性能，進一步促進所提算法在實際環(huán)境下的適應(yīng)能力。