基于無線傳感器能量消耗的智慧農(nóng)業(yè)異構(gòu)網(wǎng)絡(luò)優(yōu)化

周原　溫金芳

摘要：針對智慧農(nóng)業(yè)中無線傳感器異構(gòu)網(wǎng)絡(luò)的特點，采用能量消耗方法優(yōu)化，首先給出無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)模型、能量模型；然后隨機窗口決策避免大量用戶同時選擇同一時延間隔發(fā)送切換請求；最后通過基于能量消耗網(wǎng)絡(luò)簇首最優(yōu)數(shù)目進行用戶負(fù)載動態(tài)均衡化和平均剩余能量估計，剩余能量大的節(jié)點有較短的選舉周期，剩余能量小的節(jié)點有較長的選舉周期，這樣能夠充分平衡網(wǎng)絡(luò)中能量的消耗。試驗仿真結(jié)果顯示，無線傳感器能量消耗來進行簇首輪換，使網(wǎng)絡(luò)能量均勻消耗，延長網(wǎng)絡(luò)的生存時間，提升節(jié)點的適應(yīng)性。

關(guān)鍵詞：異構(gòu)網(wǎng)絡(luò)；能量；簇首；負(fù)載；無線傳感器

中圖分類號： TP393；S126 文獻標(biāo)志碼： A 文章編號：1002-1302（2016）07-0425-03

無線傳感器伴隨著能慧農(nóng)業(yè)的發(fā)展越來越得到廣泛的使用，比如英特爾公司在俄勒岡州建立了第一個無線葡糖園，傳感器被分布在葡萄園的每個角落，對葡萄生長溫室內(nèi)光照、溫度、濕度、二氧化碳濃度等環(huán)境情況進行實時監(jiān)測調(diào)控，這些信息有助于開展有效的灌溉和噴灑農(nóng)藥，進而降低成本和確保農(nóng)場獲得高效益。但是如何降低網(wǎng)絡(luò)能耗，設(shè)計能量有效的協(xié)議，以適應(yīng)傳感器網(wǎng)絡(luò)的特點，進而延長無線傳感器網(wǎng)絡(luò)的生命周期是目前學(xué)者研究的熱點[1-2]。

能量異構(gòu)是目前智慧農(nóng)業(yè)使用傳感器的主要方式，通信中暫時鏈路失敗或者區(qū)域的地形特點等隨機事件的影響，每個節(jié)點不可能均等地使用其能量[3-5]。傳統(tǒng)路由的設(shè)計主要是為了優(yōu)化服務(wù)質(zhì)量，并且節(jié)點多采用電源供電的方式，節(jié)點的供電不會受到限制。而無線傳感器網(wǎng)絡(luò)多數(shù)由無人看守的節(jié)點組成，一般采用電池供電的方式，因此路由協(xié)議的設(shè)計必需考慮能耗問題，以確保網(wǎng)絡(luò)壽命的最大化[6]。WSN設(shè)計基于同構(gòu)的網(wǎng)絡(luò)，而無線傳感器網(wǎng)絡(luò)是動態(tài)的自組織網(wǎng)絡(luò)，節(jié)點的位置分布在很多情況下都是隨機的，節(jié)點間通過多跳路徑來傳輸數(shù)據(jù)，隨著節(jié)點能量的耗盡，部分傳感器節(jié)點會退出網(wǎng)絡(luò)[7]。卿利、朱清新等提出了DEEC算法，該算法同時考慮了網(wǎng)絡(luò)的異構(gòu)性和節(jié)點的剩余能量。IntServ需要建立端到端連接的基于資源預(yù)留的方法，由于傳感器節(jié)點受資源的限制，無法管理每一連接的狀態(tài)信息，且不太可能在遠(yuǎn)距離端點間建立起持久通路[8]。本研究采用能量消耗對異構(gòu)網(wǎng)絡(luò)優(yōu)化，給出無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)模型、能量模型，以及隨機窗口決策避免大量用戶同時選擇同一時延間隔發(fā)送切換請求，通過基于能量消耗網(wǎng)絡(luò)簇首最優(yōu)數(shù)目，用戶負(fù)載動態(tài)均衡化和平均剩余能量估計值過程。試驗仿真結(jié)果顯示，無線傳感器能量消耗來進行簇首輪換，使網(wǎng)絡(luò)能量均勻消耗，延長網(wǎng)絡(luò)的生存時間，提升節(jié)點的適應(yīng)性。

1 無線傳感器異構(gòu)網(wǎng)絡(luò)模型

1.1 異構(gòu)傳感器網(wǎng)絡(luò)的結(jié)構(gòu)模型

假定網(wǎng)絡(luò)中有n個節(jié)點均勻分布在區(qū)域中，基站匯接點位于網(wǎng)絡(luò)中間位置，假定網(wǎng)絡(luò)中的分布節(jié)點處于靜止不動狀態(tài)。異構(gòu)傳感器網(wǎng)絡(luò)中不同節(jié)點具有不同的通信能力；不同節(jié)點具有不同的運動速度；不同節(jié)點具有不同的消息存儲能力，即存儲隊列長度不同；監(jiān)控不同對象的節(jié)點獲得的數(shù)據(jù)消息大小不同[9]。異構(gòu)傳感器網(wǎng)絡(luò)包含有普通節(jié)點和高級節(jié)點2種節(jié)點，設(shè)普通節(jié)點的初始能量為E0，m是高級節(jié)點在所有節(jié)點中所占的比例，α是高級節(jié)點的初始能量多于普通節(jié)點能量的倍數(shù)，則異構(gòu)網(wǎng)絡(luò)中所有節(jié)點的總能量為n（1-m）E0+nm（1+α）E0=n（1+α）E0，網(wǎng)絡(luò)中的相對于同構(gòu)網(wǎng)絡(luò)增加αm倍。在異構(gòu)傳感器網(wǎng)絡(luò)中每個節(jié)點的覆蓋半徑為r，探測區(qū)域內(nèi)所有節(jié)點都在同一個平面內(nèi)，節(jié)點的初始布置是隨機的，所有節(jié)點可獲取自身位置[10]。

1.2 無線傳感器網(wǎng)絡(luò)能量模型

假設(shè)節(jié)點在距離為d的情況下發(fā)送L數(shù)據(jù)消耗的能量為：

式中：Eelec表示發(fā)送或接收每比特數(shù)據(jù)時的能量消耗；εfs為 d≤d0時的發(fā)送電路放大系數(shù)；εmp為d>d0時的發(fā)送電路放大系數(shù)；εfs·d2和εmp·d4為發(fā)送每比特數(shù)據(jù)放大器的能量消耗；d0為閾值，當(dāng)發(fā)送節(jié)點與接收節(jié)點的距離小于d0時，發(fā)送方發(fā)送數(shù)據(jù)的能量損耗與距離的平方成正比，否則與距離的4次方成正比[11]。

1.3 隨機窗口決策

由于各無線接入系統(tǒng)對時隙長度不相同，定義Δ為不同時隙長度的公約數(shù)，對于實時業(yè)務(wù)用戶，其時間窗口被分為s個時間間隔：

s=T/Δ。

（2）

當(dāng)切換用戶i產(chǎn)生一個隨機時延t后，將經(jīng)歷一個時延間隔后發(fā)起切換請求，該時間間隔為[ti/Δ]。 假設(shè)有f個實時業(yè)務(wù)用戶在同一時刻發(fā)起切換請求[12]，ξ表示事件，當(dāng)前用戶所選擇的時延間隔沒有發(fā)生“碰撞”，因此可式中：nopt是網(wǎng)絡(luò)簇首選舉的參考周期，節(jié)點的剩余能量越大，其選舉周期相對于參考周期就縮短相應(yīng)的比例；同樣節(jié)點剩余能量越小，其選舉周期就增大原來相應(yīng)的比例。剩余能量大的節(jié)點有較短的選舉周期，剩余能量小的節(jié)點有較長的選舉周期，這樣能夠充分平衡網(wǎng)絡(luò)中能量的消耗。

3 試驗仿真

通過MATLAB下的仿真試驗，對比其他算法來衡量算法的性能。假設(shè)有150個節(jié)點的異構(gòu)無線傳感器網(wǎng)絡(luò)，考慮到農(nóng)田環(huán)境中有干擾的存在，每個節(jié)點的初始能量為E0（1+αi），αi隨機分布于[0，1]區(qū)間，并保持起始總能量為一定值，所有節(jié)點隨機地分布在1個100 m ×100 m的正方形區(qū)域內(nèi)。假設(shè)基站位于該農(nóng)田中的中心，同時具有理想的鏈路層協(xié)議，忽略信號碰撞和無線信道干擾。試驗采用的能量和無線電路參數(shù)如下：E0=0.7 J，Eelec=40 nJ/b，EDA=40 nJ/（b·個），εfs=9 pJ·m2/b，εmp=0.001 5 pJ·m4/b。

圖2給出了高級節(jié)點m、高級節(jié)點能量系數(shù)α與網(wǎng)絡(luò)生存時間的關(guān)系。從圖2可以看出，節(jié)點的剩余能量決定節(jié)點的簇首選舉概率，剩余能量多的節(jié)點擁有較大的簇首選舉概率，剩余能量大的節(jié)點有較短的選舉周期，剩余能量小的節(jié)點有較長的選舉周期，較高初始能量和剩余能量的節(jié)點比低能量節(jié)點擁有更多的機會成為簇首節(jié)點，從而使網(wǎng)絡(luò)能量均勻消耗，延長網(wǎng)絡(luò)的生存時間，提升了節(jié)點適應(yīng)性。

為了比較不同的算法能量有效性，圖3給出了不同算法的網(wǎng)絡(luò)生存周期比較。

從圖3的仿真結(jié)果中看出，WSN算法的網(wǎng)絡(luò)存在周期比較短，DEEC算法不能很好地利用異構(gòu)節(jié)點帶來的額外能量，其穩(wěn)定周期很短，節(jié)點按照固定的速率死掉，網(wǎng)絡(luò)存在周期短，本研究算法由于對具有不同初始能量的節(jié)點區(qū)別對待，從而獲得了比DEEC算法和WSN算法更長的穩(wěn)定周期和更多的有效數(shù)據(jù)量算法的能量消耗均衡性，且從開始出現(xiàn)失效節(jié)點到所有節(jié)點失效的時間跨度最小，跨度越小，標(biāo)志著整個網(wǎng)絡(luò)的能量使用率越高。

4 總結(jié)

本研究采用能量消耗對異構(gòu)網(wǎng)絡(luò)優(yōu)化，給出無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)模型、能量模型，以及隨機窗口決策避免大量用戶同時選擇同一時延間隔發(fā)送切換請求，通過基于能量消耗網(wǎng)絡(luò)簇首最優(yōu)數(shù)目，用戶負(fù)載動態(tài)均衡化和平均剩余能量估計值過程。試驗仿真結(jié)果顯示，無線傳感器能量消耗來進行簇首輪換，使網(wǎng)絡(luò)能量均勻消耗，延長網(wǎng)絡(luò)的生存時間，提升節(jié)點的適應(yīng)性，促進智慧農(nóng)業(yè)發(fā)展。

參考文獻：

[1]葛文杰，趙春江. 農(nóng)業(yè)物聯(lián)網(wǎng)研究與應(yīng)用現(xiàn)狀及發(fā)展對策研究[J]. 農(nóng)業(yè)機械學(xué)報，2014，45（7）：222-230，277.

[2]張鐵民，李輝輝，陳大為，等. 多源傳感器信息融合的農(nóng)用小車路徑跟蹤導(dǎo)航系統(tǒng)[J]. 農(nóng)業(yè)機械學(xué)報，2015，46（3）：37-42.

[3]張春花，劉方愛，申志遠(yuǎn). 一種新的異構(gòu)無線傳感器網(wǎng)絡(luò)分簇算法[J]. 傳感器與微系統(tǒng)，2013，32（6）：143-146.

[4]楊 勇，夏士雄，周 勇. WSN中能量有效的分層協(xié)作覆蓋模型[J]. 軟件學(xué)報，2012，23（10）：2783-2794.

[5]于春娣，丁 勇，李 偉，等. 一種能量有效的WSN目標(biāo)跟蹤動態(tài)協(xié)同自組織算法[J]. 傳感技術(shù)學(xué)報，2012，25（11）：1577-1583.

[6]唐 琳，吳 際. 異構(gòu)多媒體傳感器網(wǎng)絡(luò)服務(wù)質(zhì)量研究[J]. 電子與信息學(xué)報，2013，35（4）：965-969.

[7]余良俊，汪小志，劉志剛，等. 基于ARM與ZigBee的溫室環(huán)境無線監(jiān)控系統(tǒng)設(shè)計[J]. 農(nóng)機化研究，2015，（7）：97-100.

[8]黎 昂，曾利軍，譚 艷. 近鄰中繼節(jié)點在異構(gòu)網(wǎng)絡(luò)中的分簇部署策略[J]. 計算機科學(xué)，2013，40（1）：45-48.

[9]尹建月. 異構(gòu)傳感器網(wǎng)絡(luò)分簇路由算法研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2011：20-45.

[10]李士軍，溫 竹，宮 鶴，等. 無線傳感器網(wǎng)絡(luò)在農(nóng)業(yè)中的應(yīng)用進展[J]. 浙江農(nóng)業(yè)學(xué)報，2014，26（6）：1715-1720.

[11]劉 唐，彭 艦，楊 進. 異構(gòu)延遲容忍移動傳感器網(wǎng)絡(luò)中基于轉(zhuǎn)發(fā)概率的數(shù)據(jù)傳輸[J]. 軟件學(xué)報，2013，24（2）：215-229.

[12]單慧勇，劉中一，田云臣. 集成傳感器射流清潔的水產(chǎn)養(yǎng)殖環(huán)境監(jiān)測系統(tǒng)設(shè)計[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（7）：429-430.

[13]焦 毅，易克初，馬懋德，等. 基于QoS感知的異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡算法[J]. 吉林大學(xué)學(xué)報：工學(xué)版，2013，43（3）：794-800.

[14]劉乃森，倪 軍，董繼飛，等. 多光譜作物生長傳感器溫度特性試驗[J]. 農(nóng)業(yè)工程學(xué)報，2014，21（21）：157-164.

[15]石文孝，張 閣，王繼紅，等. 基于網(wǎng)格的異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡算法[J]. 吉林大學(xué)學(xué)報：工學(xué)版，2013，43（5）：788-793.

[16]宋慶恒，劉英德，馬 源，等. 基于多傳感器數(shù)據(jù)融合的溫室溫濕度控制系統(tǒng)設(shè)計[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（6）：394-396.