稀疏水下傳感網(wǎng)中AUV數(shù)據(jù)移動(dòng)收集技術(shù)研究*

蔡文郁，張美燕

（1.杭州電子科技大學(xué)電子信息學(xué)院，杭州310018；2.浙江水利水電學(xué)院電氣工程系，杭州310018）

稀疏水下傳感網(wǎng)中AUV數(shù)據(jù)移動(dòng)收集技術(shù)研究*

蔡文郁1，張美燕2*

（1.杭州電子科技大學(xué)電子信息學(xué)院，杭州310018；2.浙江水利水電學(xué)院電氣工程系，杭州310018）

由于水下傳感器節(jié)點(diǎn)的水聲通信距離有限、價(jià)格昂貴，水下傳感器網(wǎng)絡(luò)中一般采用稀疏方式部署，因此很難保證整體網(wǎng)絡(luò)的連通性及數(shù)據(jù)采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作為天然的移動(dòng)數(shù)據(jù)采集平臺(tái)，可以彌補(bǔ)固定Sink節(jié)點(diǎn)數(shù)據(jù)采集方式的缺陷。提出了一種基于移動(dòng)AUV的水下傳感網(wǎng)移動(dòng)數(shù)據(jù)收集機(jī)制。以AUV覆蓋區(qū)域內(nèi)的傳感器節(jié)點(diǎn)作為臨時(shí)Sink節(jié)點(diǎn)，其他傳感器節(jié)點(diǎn)以臨時(shí)Sink節(jié)點(diǎn)為根節(jié)點(diǎn)，采用最小生成樹MST（Minimum Spanning Tree）方法將傳感數(shù)據(jù)傳輸?shù)竭@些臨時(shí)Sink節(jié)點(diǎn)，然后通過臨時(shí)Sink節(jié)點(diǎn)將匯聚數(shù)據(jù)傳輸給AUV。隨著AUV的自主移動(dòng)軌跡，水下傳感網(wǎng)的傳感數(shù)據(jù)都能簡單高效地被收集起來。仿真結(jié)果驗(yàn)證了該方法在保證網(wǎng)絡(luò)能耗的前提下提高了數(shù)據(jù)采集效率。

稀疏水下傳感網(wǎng)；傳感數(shù)據(jù)收集；移動(dòng)AUV；移動(dòng)路徑規(guī)劃

EEACC：6150P doi：10.3969/j.issn.1004-1699.2016.10.020

水下傳感器網(wǎng)絡(luò)作為無線傳感器網(wǎng)絡(luò)的一個(gè)重要分支，已經(jīng)成為一種具有廣泛應(yīng)用前景新型海洋觀測技術(shù)［1-2］。水下傳感器網(wǎng)絡(luò)部署在極其復(fù)雜多變的水下環(huán)境中，采用了帶寬受限、延時(shí)較大、信道不可靠的水聲通信方式，因此與陸地?zé)o線傳感網(wǎng)有很多的不同。眾所周知，無線傳感網(wǎng)通過多跳傳輸進(jìn)行數(shù)據(jù)收集會(huì)引起能量空洞問題，而在水下三維傳感網(wǎng)中也面臨著同樣的問題。水下監(jiān)測區(qū)域范圍大，水下傳感器節(jié)點(diǎn)價(jià)格昂貴，一般都是稀疏部署，所以水下傳感網(wǎng)無法保證全網(wǎng)節(jié)點(diǎn)全連通。傳統(tǒng)的固定Sink節(jié)點(diǎn)方式有著無法克服的缺陷：越靠近Sink的節(jié)點(diǎn)承擔(dān)了越多的數(shù)據(jù)流量，容易形成空洞區(qū)；網(wǎng)絡(luò)不能保證全連通時(shí)有部分節(jié)點(diǎn)的數(shù)據(jù)無法提交，因此無法適用于水下傳感器網(wǎng)絡(luò)。AUV（自主水下航行器，Autonomous Underwater Vehicle）作為水下傳感器網(wǎng)絡(luò)中普遍采用的一種監(jiān)測或運(yùn)載設(shè)備，可以天然地作為移動(dòng)Sink節(jié)點(diǎn)［3］。

目前一些學(xué)者提出了以移動(dòng)Sink節(jié)點(diǎn)作為數(shù)據(jù)收集的新方式，可以解決均衡節(jié)點(diǎn)能量消耗以延長網(wǎng)絡(luò)生存周期的問題，水下傳感器網(wǎng)絡(luò)屬于一種特殊的三維傳感網(wǎng)，具有其自身特點(diǎn)，目前還沒有得到深入研究。本文研究了一種基于移動(dòng)AUV的水下傳感網(wǎng)數(shù)據(jù)移動(dòng)收集技術(shù)：AUV采集覆蓋區(qū)域內(nèi)的傳感器節(jié)點(diǎn)作為臨時(shí)Sink節(jié)點(diǎn)，其他傳感器節(jié)點(diǎn)以臨時(shí)Sink節(jié)點(diǎn)為樹根節(jié)點(diǎn)，采用最小生成樹MST（Minimum Spanning Tree）將傳感數(shù)據(jù)傳輸?shù)皆撆R時(shí)Sink節(jié)點(diǎn)，然后通過Sink節(jié)點(diǎn)將匯聚數(shù)據(jù)傳輸給AUV。由于歸屬于最小生成樹集合時(shí)會(huì)產(chǎn)生沖突，本文利用位置最近的方式實(shí)現(xiàn)了節(jié)點(diǎn)的最優(yōu)歸屬。最終通過軟件仿真，驗(yàn)證了本文所提出算法在保證網(wǎng)絡(luò)能耗均衡的前提下，提高了網(wǎng)絡(luò)的數(shù)據(jù)采集效率。

1　相關(guān)文獻(xiàn)

以固定Sink節(jié)點(diǎn)進(jìn)行數(shù)據(jù)收集的傳統(tǒng)技術(shù)會(huì)導(dǎo)致近Sink節(jié)點(diǎn)耗費(fèi)更多能量，產(chǎn)生能量空洞現(xiàn)象。目前有一些研究者對(duì)無線傳感器網(wǎng)絡(luò)的動(dòng)態(tài)Sink數(shù)據(jù)采集進(jìn)行了研究，利用Sink節(jié)點(diǎn)的動(dòng)態(tài)移動(dòng)特性提高網(wǎng)絡(luò)能量特性。張希偉等人［4］提出利用移動(dòng)數(shù)據(jù)收集器進(jìn)行傳感器網(wǎng)絡(luò)中感知數(shù)據(jù)的收集，可以有效地減少傳感器將數(shù)據(jù)發(fā)送到靜止基站的傳輸跳數(shù)，節(jié)約網(wǎng)絡(luò)的能量，延長網(wǎng)絡(luò)壽命。同時(shí)，文獻(xiàn)［4］分類總結(jié)了近年來提出的一些典型的基于MDC（Mobile Data Collection）的算法和協(xié)議，著重討論了MDC在網(wǎng)絡(luò)能量、延遲、路由和傳輸?shù)确矫鎺淼男阅茏兓?。Can Tunca等人［5］對(duì)目前的分布式動(dòng)態(tài)Sink節(jié)點(diǎn)路由方式做了綜述，對(duì)幾十種層次型和非層次型動(dòng)態(tài)路由機(jī)制進(jìn)行了分析，提出了相應(yīng)的優(yōu)缺點(diǎn)及開放性研究方向。

除了上述綜述性文獻(xiàn)以外，王章權(quán)等人［6］研究了一種優(yōu)化網(wǎng)絡(luò)生存時(shí)間的Sink節(jié)點(diǎn)移動(dòng)路徑選擇算法（MPSA），在MPSA算法中，將單跳傳輸?shù)臒o線傳感網(wǎng)監(jiān)測區(qū)域分成多個(gè)大小一致的網(wǎng)格，Sink節(jié)點(diǎn)可移動(dòng)到任一網(wǎng)格中心，停留收集單跳最大通信范圍內(nèi)的傳感節(jié)點(diǎn)數(shù)據(jù)。郜帥等人［7］以滿足時(shí)延要求和最小化網(wǎng)絡(luò)整體能耗為優(yōu)化目標(biāo)，提出了一種基于虛擬點(diǎn)優(yōu)先級(jí)的移動(dòng)sink路徑優(yōu)化選擇方法。徐佳等人［8］通過建立最大化最小能耗概率模型，提出了一種MMPEC數(shù)據(jù)收集方法，對(duì)網(wǎng)絡(luò)中子節(jié)點(diǎn)與匯聚節(jié)點(diǎn)之間的路徑長度進(jìn)行分布式優(yōu)化?；輹酝热耍?］提出了一種基于移動(dòng)Sink的簇頭節(jié)點(diǎn)數(shù)據(jù)收集算法（MSRDG），該算法基于圖論原理，在滿足時(shí)延性的條件下，綜合考慮了普通節(jié)點(diǎn)到簇頭節(jié)點(diǎn)路由和移動(dòng)Sink遍歷路經(jīng)選取的問題，構(gòu)建了一條通過的簇頭節(jié)點(diǎn)盡可能多的移動(dòng)軌跡。任條娟等人［10］提出Sink節(jié)點(diǎn)移動(dòng)的無線傳感網(wǎng)生存時(shí)間優(yōu)化算法（LOAMSN），該算法分析Sink節(jié)點(diǎn)移動(dòng)時(shí)的流量平衡約束、最大傳輸速率約束、節(jié)點(diǎn)能耗約束等約束條件，將生存時(shí)間優(yōu)化問題轉(zhuǎn)化成優(yōu)化模型。最新文獻(xiàn)［11］提出以具有自主運(yùn)動(dòng)能力的AUV作為移動(dòng)收集節(jié)點(diǎn)，從而優(yōu)化數(shù)據(jù)收集的能量消耗，但是沒有利用水下傳感器網(wǎng)絡(luò)的拓?fù)浼軜?gòu)實(shí)現(xiàn)能量優(yōu)化傳輸。

針對(duì)稀疏特性的三維水下傳感器網(wǎng)絡(luò)，目前還缺乏相應(yīng)研究成果。上述面向無線傳感器網(wǎng)絡(luò)的動(dòng)態(tài)Sink算法機(jī)制也無法直接應(yīng)用于三維水下傳感器網(wǎng)絡(luò)，因此本文研究面向稀疏水下傳感網(wǎng)的AUV數(shù)據(jù)移動(dòng)采集技術(shù)。

2　傳感數(shù)據(jù)移動(dòng)收集策略

基于AUV的移動(dòng)數(shù)據(jù)收集機(jī)制如圖1所示，具有自主移動(dòng)能力的AUV穿梭于水下傳感網(wǎng)中，通過廣播方式喚醒覆蓋區(qū)域內(nèi)的水下傳感器節(jié)點(diǎn)，然后進(jìn)行傳感數(shù)據(jù)的收集，數(shù)據(jù)采集完之后AUV移動(dòng)到另一個(gè)位置再次進(jìn)行數(shù)據(jù)收集。

圖1　AUV移動(dòng)數(shù)據(jù)收集機(jī)制

考慮到水下傳感網(wǎng)的實(shí)際特點(diǎn)，假設(shè)本文算法研究的模型如下：①所有的水下傳感器節(jié)點(diǎn)具有相同的通信半徑、初始能量和能耗模型。②由于水下區(qū)域范圍較大，水下傳感器節(jié)點(diǎn)的部署具有稀疏性，難以完全連通。③移動(dòng)AUV具有可控制的移動(dòng)性，其能量、容量、計(jì)算能力等均不受限制。④由于AUV移動(dòng)速度遠(yuǎn)大于海洋洋流效應(yīng)，因此認(rèn)為水下傳感器節(jié)點(diǎn)為相對(duì)靜止。⑤在無線通信范圍內(nèi)的水下傳感器節(jié)點(diǎn)間可以相互通信，交互必要的數(shù)據(jù)。⑥休眠的水下傳感器節(jié)點(diǎn)的通信功能處于開啟狀態(tài)，可以隨時(shí)接收到廣播數(shù)據(jù)。⑦水下傳感器節(jié)點(diǎn)和AUV都具有有限的通信距離，無法覆蓋整個(gè)監(jiān)測區(qū)域。⑧水下傳感器節(jié)點(diǎn)可通過各種定位算法獲取自身的精確坐標(biāo)位置。

水下傳感器節(jié)點(diǎn)被隨機(jī)地部署在長寬高為L×L×L的水下三維區(qū)間內(nèi)，水下三維傳感網(wǎng)的拓?fù)淠Ｐ涂梢杂糜邢驁DG（V?VAUV，E?EAUV）來表示，其中V?VAUV為所有傳感器節(jié)點(diǎn)加上AUV的節(jié)點(diǎn)集合，E?EAUV為所有節(jié)點(diǎn)邊及節(jié)點(diǎn)與AUV之間鏈路的集合。在水下三維傳感器網(wǎng)絡(luò)的實(shí)際應(yīng)用中，用于數(shù)據(jù)收集的AUV往往事先設(shè)置好運(yùn)動(dòng)軌跡，AUV依靠慣性導(dǎo)航實(shí)現(xiàn)預(yù)定軌跡移動(dòng)，因此本文研究點(diǎn)主要是調(diào)度水下傳感器節(jié)點(diǎn)的數(shù)據(jù)傳輸路徑實(shí)現(xiàn)網(wǎng)絡(luò)生存周期的最大化。本文研究算法的思路如下：當(dāng)水下傳感器節(jié)點(diǎn)不處于AUV的覆蓋范圍時(shí)，傳感數(shù)據(jù)都保存在節(jié)點(diǎn)的緩存中，此時(shí)可認(rèn)為傳感器節(jié)點(diǎn)處于休眠狀態(tài)；當(dāng)傳感節(jié)點(diǎn)收到AUV的廣播信號(hào)時(shí)，即處于AUV的最大通信范圍內(nèi)時(shí)，水下傳感器節(jié)點(diǎn)進(jìn)入工作狀態(tài)，并以自己為樹根節(jié)點(diǎn)廣播構(gòu)造MST樹消息，收到消息的樹葉節(jié)點(diǎn)通過MST多跳通信的方式將數(shù)據(jù)發(fā)送給AUV。

假設(shè)水下傳感器節(jié)點(diǎn)具有一致的初始能量，網(wǎng)絡(luò)生存周期定義為從開始運(yùn)行到第一個(gè)節(jié)點(diǎn)由于能量耗盡而失效的時(shí)間。

在第p次移動(dòng)時(shí)，如果只有一個(gè)節(jié)點(diǎn)或者沒有節(jié)點(diǎn)與AUV節(jié)點(diǎn)位置重合，即：

對(duì)于網(wǎng)絡(luò)中的任意節(jié)點(diǎn)，必須滿足如下流量平衡約束條件，

其中l(wèi)ij和lji分別表示節(jié)點(diǎn)i到節(jié)點(diǎn)j和節(jié)點(diǎn)j到節(jié)點(diǎn)i的鏈路，V0表示節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)，fij和 fji分別為節(jié)點(diǎn)i發(fā)送給節(jié)點(diǎn) j和節(jié)點(diǎn) j發(fā)送給節(jié)點(diǎn)i的數(shù)據(jù)總量，為節(jié)點(diǎn)i在 p時(shí)刻通過節(jié)點(diǎn)k發(fā)送給AUV的數(shù)據(jù)總量，tp為p時(shí)刻AUV巡航停留時(shí)間，λi為節(jié)點(diǎn)i的數(shù)據(jù)產(chǎn)生率。

在經(jīng)典的網(wǎng)絡(luò)流量模型下，在生命周期內(nèi)節(jié)點(diǎn)能量消耗必須小于總能量：

最優(yōu)化目標(biāo)如下：

上述網(wǎng)絡(luò)生存時(shí)間優(yōu)化模型屬于典型的線性規(guī)劃LP（Linear Programming）問題［12］。

如圖2所示的具體實(shí)現(xiàn)過程如下：AUV采集覆蓋區(qū)域內(nèi)存在有傳感器節(jié)點(diǎn)Sink_A和 Sink_B，Sink_A和 Sink_B各自作為 Cluster_A簇和 Cluster_B簇的臨時(shí)Sink節(jié)點(diǎn)，其他歸屬于Cluster_A簇和 Cluster_B簇范圍的傳感器節(jié)點(diǎn)以 Sink_A和Sink_B節(jié)點(diǎn)作為樹根節(jié)點(diǎn)，采用最小生成樹（MST）將傳感數(shù)據(jù)傳輸?shù)皆撆R時(shí)Sink_A和Sink_B節(jié)點(diǎn)，然后將匯聚所得的數(shù)據(jù)傳輸給AUV。

圖2　AUV移動(dòng)數(shù)據(jù)收集機(jī)制

在本文算法中，假設(shè)傳感器節(jié)點(diǎn)都已知自身的坐標(biāo)位置，因此，當(dāng)傳感器節(jié)點(diǎn)接收到多個(gè)臨時(shí)Sink節(jié)點(diǎn)的MST組網(wǎng)數(shù)據(jù)包時(shí)，會(huì)面臨最優(yōu)MST域的選擇，本文使用了地理位置最近原則來進(jìn)行裁決。本算法的工作過程如下：

①每個(gè)傳感器節(jié)點(diǎn)Si廣播Beacon信息（包括自身ID值及剩余能量值）MiB=＜IDi，Ei，TTLi＞，TTLi表示往返時(shí)間，其一跳鄰居節(jié)點(diǎn)收到后將發(fā)送回Reply消息，從而獲取其一跳鄰居節(jié)點(diǎn)集 NBi=表示傳感器節(jié)點(diǎn)的通信距離。

②移動(dòng)AUV廣播Wake UP消息（包括時(shí)間間隔及自身坐標(biāo)值）：MtW=＜Tt，Xt，Yt，Zt＞；

③接收到AUV廣播消息的傳感器節(jié)點(diǎn)成為Root節(jié)點(diǎn)，標(biāo)志自身為Root節(jié)點(diǎn)，廣播MST消息：MkM=＜IDk，xk，yk，zk，TTLk＞；

④接收到MST消息的傳感器節(jié)點(diǎn)，根據(jù)MST算法選擇加入相應(yīng)Root節(jié)點(diǎn)的最小生成樹集合，然后廣播轉(zhuǎn)發(fā)MST消息，從而形成多個(gè)最小生成樹集合；

⑤每個(gè)最小生成樹集合節(jié)點(diǎn)根據(jù)MST路徑發(fā)送數(shù)據(jù)到相應(yīng)的Root節(jié)點(diǎn)，Root節(jié)點(diǎn)將匯總的傳感器數(shù)據(jù)發(fā)送給AUV；

⑥AUV收集完數(shù)據(jù)后，自主移動(dòng)到下一個(gè)坐標(biāo)位置，重復(fù)步驟②。

以上算法的簡化模型為選擇單個(gè)節(jié)點(diǎn)作為Root節(jié)點(diǎn)，此時(shí)所有傳感器節(jié)點(diǎn)的數(shù)據(jù)通過最小生成樹發(fā)送到Root節(jié)點(diǎn)，該Root節(jié)點(diǎn)將匯總數(shù)據(jù)發(fā)送給AUV。該簡化算法實(shí)現(xiàn)更加簡單，可以離AUV的最近節(jié)點(diǎn)作為Root節(jié)點(diǎn)，雖然Root節(jié)點(diǎn)會(huì)消耗很多能量，但是由于隨著AUV的運(yùn)動(dòng)軌跡，Root節(jié)點(diǎn)會(huì)逐漸替換，因此可以達(dá)到能量均衡的效果。

上述方法存在如下問題：如圖3所示，由于AUV覆蓋范圍的改變，有可能形成同一個(gè)簇重復(fù)出現(xiàn)在AUV覆蓋范圍的情況，因此在每次充當(dāng)臨時(shí)Sink節(jié)點(diǎn)后必須記錄，以免重復(fù)進(jìn)行數(shù)據(jù)采集，保證在算法運(yùn)行的每輪間隔，每個(gè)傳感器節(jié)點(diǎn)都可以發(fā)送一次傳感數(shù)據(jù)。

圖3　同簇最小生成樹變更情況

3　仿真結(jié)果

本文采用Matlab構(gòu)建仿真平臺(tái)，對(duì)本文算法進(jìn)行性能分析。仿真環(huán)境的主要參數(shù)為：Nsensor個(gè)傳感器節(jié)點(diǎn)隨機(jī)分布在半徑為10×10×10的三維區(qū)域內(nèi)，傳感器節(jié)點(diǎn)的覆蓋半徑Rcover。水聲通信的速率一般為幾千波特率，因此傳感器節(jié)點(diǎn)每次的數(shù)據(jù)包長度設(shè)置為m=512 bit。最小生成樹的構(gòu)成方式采用了Kruskal算法［13］。由于水下傳感器網(wǎng)絡(luò)采用稀疏部署，因此無法保證每個(gè)傳感器節(jié)點(diǎn)都可以滿足連通性要求，這些孤立的傳感器節(jié)點(diǎn)無法進(jìn)行數(shù)據(jù)采集。仿真采用的節(jié)點(diǎn)能量模型如下：假設(shè)每個(gè)傳感器節(jié)點(diǎn)的初始能量都為E0=10 J，能量消耗模型采用常用的平方消耗模型，仿真的具體參數(shù)如下公式所示：

AUV運(yùn)動(dòng)軌跡采用了隨機(jī)運(yùn)動(dòng)模型，移動(dòng)一個(gè)時(shí)間間隔后懸停一段時(shí)間，用于采集傳感數(shù)據(jù)，本文將AUV的每次運(yùn)動(dòng)周期定義為一輪，網(wǎng)絡(luò)生命周期采用仿真輪數(shù)值來表示。

其中（x（t+1），y（t+1），z（t+1）和（x（t），y（t），z（t）分別代表AUV在t+1時(shí)刻和t時(shí)刻的位置，Vauv表示AUV的隨機(jī)運(yùn)動(dòng)速度，以Step為最大值隨機(jī)分布，θxy和θz分別表示X-Y平面和Z平面的隨機(jī)方向，仿真場景及AUV運(yùn)動(dòng)軌跡如圖4所示，圖4（a）為最大步進(jìn)值Step=2時(shí)100輪的運(yùn)動(dòng)軌跡，圖4（b）為最大步進(jìn)值Step=1時(shí)200輪的運(yùn)動(dòng)軌跡。覆蓋情況及AUV運(yùn)動(dòng)軌跡如圖5所示，圖5（a）為Nsensor=50，Rcover=1時(shí)的網(wǎng)絡(luò)三維覆蓋情況，圖 5（b）為 Nsensor=20，Rcover=2時(shí)的網(wǎng)絡(luò)三維覆蓋情況。移動(dòng)AUV下傳感數(shù)據(jù)單MST收集如圖6所示，圖6（a）為Rcover=2時(shí)的單MST采集樹，圖6（b）為Rcover=2.5的單MST采集樹，從仿真圖可以發(fā)現(xiàn)：覆蓋半徑越小，未并入MST采集樹的單獨(dú)節(jié)點(diǎn)越多。移動(dòng)AUV下傳感數(shù)據(jù)多條MST收集如圖7所示，圖7（a）為2條MST采集樹，圖7（b）為3條MST采集樹，圖7（c）為4條MST采集樹，圖7（d）為5條MST采集樹。

本文通過移動(dòng)AUV進(jìn)行傳感數(shù)據(jù)采集，用以提高網(wǎng)絡(luò)的能量效率。本文所提出的算法與固定Sink節(jié)點(diǎn)方式進(jìn)行了網(wǎng)絡(luò)生命周期的比較，假設(shè)固定Sink節(jié)點(diǎn)的坐標(biāo)為（5，5，5），網(wǎng)絡(luò)生命周期定義為網(wǎng)絡(luò)中出現(xiàn)至少一個(gè)節(jié)點(diǎn)耗盡能量時(shí)的仿真輪數(shù)，該網(wǎng)絡(luò)生命周期的定義要求所有網(wǎng)內(nèi)的傳感器節(jié)點(diǎn)都要正常工作，否則就認(rèn)為水下傳感器網(wǎng)絡(luò)無法完成監(jiān)測功能而失效。

通過多次仿真取平均值，固定Sink節(jié)點(diǎn)最小生成樹方式（稱為對(duì)比算法）與本文算法的網(wǎng)絡(luò)生命周期對(duì)比結(jié)果如圖8所示，本文算法網(wǎng)絡(luò)失效周期為254輪，對(duì)比算法的網(wǎng)絡(luò)失效周期為62輪，可見本文提出的算法可以大幅度提高網(wǎng)絡(luò)生命周期。

網(wǎng)絡(luò)失效時(shí)節(jié)點(diǎn)剩余能量情況如圖9所示，當(dāng)本文算法網(wǎng)絡(luò)失效時(shí)，網(wǎng)絡(luò)平均剩余能量只剩余至4.571 2 J，而應(yīng)用對(duì)比算法網(wǎng)絡(luò)失效時(shí)，網(wǎng)絡(luò)平均剩余能量還剩余8.221 2 J。因此可以發(fā)現(xiàn)，應(yīng)用了本文算法后，網(wǎng)絡(luò)中眾多節(jié)點(diǎn)的能量能夠得到充分利用，由于本文算法發(fā)揮了自主運(yùn)動(dòng)AUV進(jìn)行移動(dòng)數(shù)據(jù)采集的優(yōu)勢，因此避免了三維網(wǎng)絡(luò)中的能量空洞現(xiàn)象，提高了整體網(wǎng)絡(luò)的能耗性能。

圖4　仿真場景及AUV運(yùn)動(dòng)軌跡

圖5　不同覆蓋情況及AUV運(yùn)動(dòng)軌跡

圖6　移動(dòng)AUV下傳感數(shù)據(jù)單MST收集

圖7　移動(dòng)AUV下傳感數(shù)據(jù)多MST收集

圖8　網(wǎng)絡(luò)生命周期（Nsensor=100，Rcover=2.5）

圖9　網(wǎng)絡(luò)失效時(shí)節(jié)點(diǎn)剩余能量（Nsensor=100，Rcover=2.5）

4　結(jié)語

本文針對(duì)水下傳感器網(wǎng)絡(luò)中大范圍區(qū)域數(shù)據(jù)收集的難題，利用具有自主運(yùn)動(dòng)能力的AUV作為移動(dòng)Sink節(jié)點(diǎn)實(shí)現(xiàn)傳感數(shù)據(jù)的動(dòng)態(tài)收集。以AUV覆蓋區(qū)域內(nèi)的傳感器節(jié)點(diǎn)作為臨時(shí)Sink節(jié)點(diǎn)，其他傳感器節(jié)點(diǎn)采用最小生成樹（MST）將傳感數(shù)據(jù)傳輸?shù)脚R時(shí)Sink節(jié)點(diǎn)進(jìn)行匯總。下一步的工作將研究利用多個(gè)AUV實(shí)現(xiàn)水下傳感器網(wǎng)絡(luò)的高效數(shù)據(jù)收集，重點(diǎn)研究多AUV之間的協(xié)同作業(yè)技術(shù)，以進(jìn)一步提高水下傳感器網(wǎng)絡(luò)數(shù)據(jù)收集的效率。

［1］Akyildiz I，Pompili D，Melodia T.Underwater Acoustic Sensor Networks：Research Challenges［J］.Ad Hoc Networks，2005，3（3）：257-279.

［2］Cui Junhong，Kong Jiejun，Mario Gerla，et al.Challenges：Building Scalable Mobile Underwater Wireless Sensor Networks for Aquatic Applications［J］.IEEE Network，Special Issue on Wireless Sensor Networking，2006，20（3）：12-18.

［3］Hollinger G，Choudhary S，Qarabaqi P，et al.Underwater Data Collection Using Robotic Sensor Networks［J］.IEEE Journal on Selected Areas in Communications，2012，30（5）：899-911.

［4］張希偉，戴海鵬，徐力杰，等.無線傳感器網(wǎng)絡(luò)中移動(dòng)協(xié)助的數(shù)據(jù)收集策略［J］.軟件學(xué)報(bào)，2013，24（2）：198-214.

［5］Can Tunca，Sinan Isik M，Yunus Donmez，et al.Distributed Mobile Sink Routing for Wireless Sensor Networks：A Survey［J］.IEEE Communications Surveys&Tutorials，2014，16（2）：877-897.

［6］王章權(quán)，陳友榮，尉理哲，等.優(yōu)化網(wǎng)絡(luò)生存時(shí)間的Sink節(jié)點(diǎn)移動(dòng)路徑選擇算法［J］.傳感技術(shù)學(xué)報(bào)，2014，27（3）：409-415.

［7］郜帥，張宏科.時(shí)延受限傳感器網(wǎng)絡(luò)移動(dòng)Sink路徑選擇方法研究［J］.電子學(xué)報(bào)，2011，39（4）：742-747.

［8］徐佳，馮鑫，楊富貴，等.最大化最小能耗概率的移動(dòng)Sink無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集方法［J］.電子學(xué)報(bào)，2015，43（12）：2470-2475.

［9］惠曉威，劉彥每.WSN數(shù)據(jù)收集中移動(dòng)Sink的路徑規(guī)劃和簇頭節(jié)點(diǎn)選取問題的綜合研究［J］.傳感技術(shù)學(xué)報(bào)，2014，27（1）：118-122.

［10］任條娟，楊海波，陳友榮.Sink節(jié)點(diǎn)移動(dòng)的無線傳感網(wǎng)生存時(shí)間優(yōu)化算法［J］.傳感技術(shù)學(xué)報(bào)，2012，25（5）：683-690.

［11］Mariam Akbar，Nadeem Javaid，Ayesha Hussain Khan，et al.Efficient Data Gathering in 3D Linear Underwater Wireless Sensor Networks Using Sink Mobility［J］.Sensors，2016，16（3）：404-415.

［12］Gu Yu，Ji Yusheng，Li Jie，et al.ESWC：Efficient Scheduling for the Mobile Sink in Wireless Sensor Networks with Delay Constraint［J］.IEEE Transactions on Parallel and Distributed Systems，2013，24（7）：1310-1320.

［13］Kruskal J B.On the Shortest Spanning Subtree of A Graph and the Traveling Salesman Problem［J］.Amer Math Soc，1956，7：48-50.

蔡文郁（1979-），男，博士，副教授，主要從事物聯(lián)網(wǎng)、無線傳感網(wǎng)及嵌入式技術(shù)研究。主持和參與國家自然科學(xué)基金2項(xiàng)、浙江省自然科學(xué)基金3項(xiàng)、浙江省公益性行業(yè)專項(xiàng)3項(xiàng)，國家863計(jì)劃項(xiàng)目2項(xiàng)、國家海洋局行業(yè)專項(xiàng)1項(xiàng)、浙江省重大科技專項(xiàng)1項(xiàng)，橫向課題10余項(xiàng)。近年來發(fā)表論文40余篇，被SCI/EI收錄20余篇，申請專利及軟著40余項(xiàng)，授權(quán)30余項(xiàng)；

張美燕（1983-），女，講師，從事無線傳感網(wǎng)絡(luò)、新型能源技術(shù)、物聯(lián)網(wǎng)技術(shù)等研究，主持浙江省自然科學(xué)基金2項(xiàng)，浙江省公益性行業(yè)專項(xiàng)2項(xiàng)，浙江省水利廳科技項(xiàng)目1項(xiàng)，參與浙江省廳級(jí)項(xiàng)目多項(xiàng)。近年來發(fā)表論文20余篇，被三大索引收錄論文10余篇，申請發(fā)明專利和實(shí)用新型專利20余項(xiàng)。

Sensory Data Gather Technology with Mobile AUV for Sparse Underwater Sensor Networks*

CAI Wenyu1，ZHANG Meiyan2*
（1.School of Electronics&Information，Hangzhou Dianzi University，Hangzhou 310018，China；2.School of Electrical Engineering，Zhejiang University of Water Resources and Electric Power，Hangzhou 310018，China）

Due to limited communication distance and high price of underwater acoustic nodes，underwater sensor networks are generally deployed in a sparse manner.Therefore，it is hard to guarantee overall network connectivity and data collection efficiency.AUV，which is a natural platform for mobile data collection，can overcome the shortcomings of data acquisition with fixed Sink node.This paper proposed a mobile data collection mechanism with mobile AUV for underwater sensor networks.In the proposed mechanism，sensor nodes covered by AUV are regarded as temporary Sink nodes.The other sensor nodes transmit sensory data to temporary Sink nodes using minimum spanning tree（MST）transmission method.Finally，temporary Sink nodes gather data and deliver them to AUV.Along with the movement trajectory of AUV，sensory data of the whole networks can be collected in a simple and efficient way.The simulation results verified that the proposed algorithm can improve data collection efficiency in the constraint of network energy consumption.

sparse underwater sensor networks；sensory data gathering；mobile AUV；mobile path planning

TP393

A

1004-1699（2016）10-1589-07

項(xiàng)目來源：浙江省自然科學(xué)基金項(xiàng)目（LY15F030018，LY16F030004）

2016-04-23修改日期：2016-06-15