一種基于傳感節(jié)點密度和能量的動態(tài)分組策略

徐　陽

(南通航運職業(yè)技術學院 管理信息系，江蘇　南通　226010)

?

一種基于傳感節(jié)點密度和能量的動態(tài)分組策略

徐陽

(南通航運職業(yè)技術學院 管理信息系，江蘇南通226010)

降低能耗，延長網絡生命周期是無線傳感網絡研究的熱點之一。文章提出一種以節(jié)點密度和能耗作為依據，將網絡節(jié)點進行分組，并根據網絡環(huán)境的變化，動態(tài)調整群組大小，聚類傳輸數據的方法。實驗表明，該方法能降低節(jié)點能耗，延長網絡生命周期。

密度控制; 能耗; 聚類傳輸

無線傳感網絡廣泛應用于智能家居、環(huán)境監(jiān)測、軍事系統(tǒng)等領域[1]。無線傳感網絡的感知終端：傳感器，被用來采集溫度、濕度、壓力等外界環(huán)境信息。因缺少持續(xù)的能源供給，傳感器只能依靠電池來工作。因此，如何利用有限的能源獲得較長的網絡生命周期是一個很有意義的研究方向。

在無線傳感網絡中，能耗主要集中在三個環(huán)節(jié): 數據存儲、數據傳輸、數據處理。其中，數據傳輸對能耗的影響最為顯著。已有的研究[2-3]表明：數據傳輸所消耗的能量與信號強度、傳輸距離有著密切的關系。節(jié)點之間的距離越遠，將數據從源節(jié)點傳輸至目標節(jié)點所需消耗的能量越高。數據傳輸按傳輸方式分類，有直接傳輸、多跳傳輸和聚類傳輸三種。

多跳傳輸和聚類傳輸的運行效率優(yōu)于直接傳輸是顯而易見的。但在大規(guī)模的傳感網絡中，采用多跳或聚類傳輸可能出現的極端情況是：關鍵位置的簇頭除了完成自身的數據采集工作外，還需處理和轉發(fā)其他節(jié)點的數據。因此，簇頭消耗的能量比一般節(jié)點多，容易出現能量較早耗盡而停止工作，至整個網絡工作效率大幅下降的情況。針對這一問題，我們在聚類架構下提出一種新的群組劃分方法，將傳感網絡劃分成若干區(qū)域，并監(jiān)測各區(qū)域內節(jié)點的密度與能量，并動態(tài)調整簇頭和分組，使各節(jié)點負載均衡，以期延長網絡的生命周期。

1　相關研究

文獻[4]以一個隨機數決定簇頭，其余節(jié)點選擇最近的簇頭加入。其方法是，每個節(jié)點產生一個0到1之間的隨機數，并將該隨機數與簇頭閾值T(n)進行比較，如隨機數小于閾值T(n)，則該節(jié)點擔任簇頭。閾值T(n)計算公式如(1)所示

(1)

簇頭確定之后，其他傳感節(jié)點選擇最近的簇頭加入，完成設置。簇建立完成之后，每個傳感節(jié)點將采集到的數據，以時分多路(Time Division Multiple Access, TDMA)工作方式傳輸至簇頭，簇頭再將匯總的數據傳輸至數據中心。

文獻[5]直接通過數據中心建立簇，前提條件是：數據中心擁有所有節(jié)點的剩余能量與位置信息。數據中心根據節(jié)點的剩余能量，決定該節(jié)點是否能成為簇頭，并利用位置信息來分析計算如何配置簇頭，解決了隨機選擇簇頭，導致分布不均勻的問題。

文獻[6]以傳感節(jié)點的剩余能量作為判斷依據來選擇簇頭，使傳感節(jié)點達到負載均衡，以增加網絡的生命周期。簇頭閾值計算公式(2):

(2)

在公式(2)中Eresidual為節(jié)點剩余能量，Einitial為節(jié)點初始能量，Kopt為最佳簇數量。

(3)

其中N為節(jié)點總數，M為網絡大小，dtoBS為節(jié)點與數據中心的距離。

文獻[7]：在簇穩(wěn)定階段加入睡眠機制，在簇頭確定之后先讓一半的傳感節(jié)點睡眠，另一半傳感節(jié)點傳輸數據到簇頭，傳輸完成之后換；另一半節(jié)點傳輸，降低了閑置節(jié)點的能量開銷。

2　能量密度分組方法

2.1運行環(huán)境

1) 所有傳感節(jié)點的位置固定且不會移動;

2) 所有傳感節(jié)點擁有相同的初始能量;

3) 根據能量消耗模型，不同的傳輸距離，能量消耗不同;

4) 傳感節(jié)點擁有直接與數據中心通信的能力。

2.2能量消耗模型

能量消耗模型為文獻[1][4-5]所提出，傳感節(jié)點傳輸k位數據到距離d的目標節(jié)點的能量消耗

(4)

其中距離的閾值d0為

(5)

傳感節(jié)點在接收k位數據的能量消耗

(6)

公式(4)為傳輸數據的能量消耗，傳輸距離如果小于距離閾值(dd0)，則使用多重路徑干擾模型。Eelec電子組件所需要的能量消耗。公式(6)，表示傳感節(jié)點接收k位數據的能量消耗。

2.3運行流程

在選擇簇頭時，我們將節(jié)點連接度與剩余能量作為選擇簇頭的閾值(Si_dE)。具有較高連接度的節(jié)點，其附近有較多的鄰居節(jié)點，可視作該節(jié)點所在位置節(jié)點密度較高，反之則密度較低。完成初始設置后，各節(jié)點將閾值廣播出去，讓每個節(jié)點與鄰居節(jié)點交換這一數值，最后選擇閾值高的擔任簇頭。傳感節(jié)點的閾值如公式(7)。

(7)

其中dmax為同簇內的最大連接度，ds則為節(jié)點與同簇鄰居節(jié)點的連接度，Eresidual為節(jié)點剩余能量，Einitial為節(jié)點初始能量，α與β為能量與連接度的權重值，α+β=1。

圖1為密度能量分組機制運行流程圖，以下將詳細說明整個運行流程步驟。

Step 1:所有傳感節(jié)點初始化。

Step 2:判斷節(jié)點是否全死亡，若是則結束模擬，若否則繼續(xù)進行模擬。

Step 3:計算與鄰居節(jié)點的連接度ds。

Step 4:廣播節(jié)點ds值。

Step 5:計算同區(qū)域內的最大連接度dmax、每個節(jié)點按照公式(7)計算出自己的閾值。

Step 6:廣播相關信息包含ID、位置、閾值，讓所有節(jié)點能獲知鄰居節(jié)點的相關信息。

Step 7:每個節(jié)點收到相同區(qū)域內鄰居節(jié)點的相關信息，比較閾值，選出最大的Si_dE值，該節(jié)點成為簇頭。

Step 8:確定簇頭之后，其余節(jié)點則成為該簇成員。

Step 9:每個節(jié)點完成數據采集工作，將數據傳輸至同簇的簇頭。

Step 10:簇頭匯總數據，將數據傳回中心。

Step 11:若重組簇則，返回Step2。

3　模擬結果

我們用Matlab來進行模擬，仿真的網絡環(huán)境為100 m*100 m的區(qū)域，隨機布置100個傳感節(jié)點，劃分成四個簇，如圖3，各簇的節(jié)點分別以Х、◇、○、*符號表示。數據中心設置在坐標(50,175)傳感區(qū)域外的位置，節(jié)點初始能量為0.5焦耳，詳細參數設置如表1所示。

表1　模擬參數

圖3為幾種不同策略下網絡生命周期圖，比較了LEACH[4]、SEP[8]、only E(energy aware單純考慮節(jié)點剩余能量來選擇簇頭)和能量密度分組的方法。不難看出，使用能量密度分組的方法，隨著活躍節(jié)點的個數減少，網絡生命周期仍在緩緩增加，沒有出現斷崖式的終止。

圖1　密度能量分組流程

圖2　網絡環(huán)境布置仿真圖

圖3　四種策略下的網絡生命周期

圖4　簇1連接度變化

圖5　簇2連接度變化

圖6　簇3連接度變化

圖7　簇4連接度變化

實驗結果表明在網絡節(jié)點密度較高的情況下，采用能量密度分組的方法，對延長網絡生命周期很有效，但是在網絡節(jié)點密度較小時，該方法優(yōu)勢不明顯。除此之外我們還能監(jiān)控各個簇的狀態(tài)，通過仿真，我們發(fā)現，網絡生命周期與連接度是有關系的。我們能獲知哪些簇密度不足，快速找到故障點，維護網絡也變得比較方便。

4　結論

本文提出了一種能量密度分組方法，用以改善無線傳感網絡的能耗。實驗結果表明：使用能量密度分組方法，在相同密度環(huán)境下，能有效延長無線傳感網絡的生命周期，提升網絡運行效率。

[1]I.F. Akyildiz, Su Weilian, Y. Sankarasubramaniam, E. Cayirci. A survey on sensor networks[C]. IEE Communications Magazine, 2002,40:102-114.

[2]Pinto A R,Montez C,Araújo G,et al.An approach to implement data fusion techniques in wireless sensor networks using genetic machine learning algorithms[J].Information Fusion,2014,15:90-101.

[3]Hancke G P,Gungor V C.Guest Editorial Special Section on Industrial Wireless Sensor Networks[J].IEEE Transactions on Industrial Informatics,2014,10(1):762-765.

[4]W.R. Heinzelman, A. Chandrakasan, H. Balakrishnan, Energy-efficient communication protocol for wireless microsensor networks[C]. Proceedings of the 33rd Annual Hawaii International Conference on System Sciences, 2000:4-7.

[5]W. B. Heinzelman, A. Chandrakasan and H. Balakrishnan. An Application-Specific Protocol Architecture for Wireless Microsensor Networks[C]. IEEE Transactions Wireless Communications, 2002,1:660-670.

[6]M.C.M. Thein, T. Thein. An Energy Efficient Cluster-Head Selection for Wireless Sensor Networks[C]. International Conference on Intelligent Systems, Modelling and Simulation, pp. 287-291, Britain Liverpool, 2010:27-29.

[7]R. Chauhan, V. Gupta. Energy Efficient Sleep Scheduled Clustering & Spanning Tree based data aggregation in wireless sensor network[C]. International Conference on Recent Advances in Information Technology (RAIT), 2012:536-541.

[8]G. Smaragdakis, I. Matta and A. Bestavros. SEP: A Stable Election Protocol for clustered heterogeneous wireless sensor networks[C]. Second International Workshop on Sensor and Actor Network Protocols and Applications (SANPA 2004), 2004.

責任編輯王紅巖

A dynamic grouping strategy based on density and energy of sensor nodes

XUYang

(Department of Management & Information,Nantong Shipping College; Nantong226010, China)

Reducing energy consumption to prolong the network lifetime is one of the hotspots in the research of wireless sensor networks. We propose a method of clustering transmission based on node density and energy consumption. Network nodes are divided into several groups. According to the change of network environment, the group could be dynamically adjusted. Experimental results show that the method can reduce the energy consumption of nodes, prolong the network lifetime, and effectively improve the wireless sensor network.

density control; energy consumption; clustering transmission

2013-03-11

徐陽(1980—),男,江蘇南通人,副教授,研究方向：網絡擁塞控制,物聯網技術。

10.13750/j.cnki.issn.1671-7880.2016.03.017

TP 393

A

1671-7880(2016)03-0057-04

項目來源：江蘇省交通運輸廳科學研究計劃項目 (2012Y24-2)