軟件定義傳感器網(wǎng)絡(luò)重配置算法研究

沈連豐，朱亞萍，丁兆明，燕鋒，鄧曙光

（1. 東南大學(xué)移動通信國家重點實驗室，江蘇 南京 210096；2. 湖南城市學(xué)院通信與電子工程學(xué)院，湖南 益陽 413000）

軟件定義傳感器網(wǎng)絡(luò)重配置算法研究

沈連豐1，朱亞萍1，丁兆明1，燕鋒1，鄧曙光2

（1. 東南大學(xué)移動通信國家重點實驗室，江蘇 南京 210096；2. 湖南城市學(xué)院通信與電子工程學(xué)院，湖南 益陽 413000）

為了提高無線傳感器網(wǎng)絡(luò)的性能及其適應(yīng)性，提出一種軟件定義傳感器網(wǎng)絡(luò)的架構(gòu)并重點研究其網(wǎng)絡(luò)重配置算法。算法首先運用Voronoi圖理論，尋求SDSN全覆蓋問題中保證網(wǎng)絡(luò)能量均衡的最優(yōu)感知半徑分配，以達(dá)到目標(biāo)區(qū)域的K重覆蓋；其次基于單純復(fù)形理論，提出一種基于邊緣鏈群最小生成元和節(jié)點度的集中控制方法，以最簡練的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為目標(biāo)，同時保證整個系統(tǒng)的連通性以及突發(fā)區(qū)域的頑健性；考慮SDSN中路由協(xié)議在動態(tài)環(huán)境的自適應(yīng)性，提出一種基于多業(yè)務(wù)QoS的SDSN路由優(yōu)化算法并進行了仿真，結(jié)果表明所提路由算法能夠有效分配資源，滿足多業(yè)務(wù)QoS需求并延長網(wǎng)絡(luò)的生命周期。

軟件定義傳感器網(wǎng)絡(luò)；覆蓋優(yōu)化；拓?fù)淇刂?；路由?yōu)化

1 引言

無線傳感器網(wǎng)絡(luò)（WSN，wireless sensor networks）一般具有大規(guī)模、自組織、隨機部署等特點[1]，但受到環(huán)境復(fù)雜、傳感器節(jié)點資源有限、網(wǎng)絡(luò)拓?fù)浣?jīng)常發(fā)生變化等影響，使其應(yīng)用受到極大挑戰(zhàn)[2]，因而拓?fù)淇刂频燃夹g(shù)成為研究熱點。拓?fù)淇刂仆ㄟ^功率控制、節(jié)點休眠調(diào)度等機制盡可能減少傳感器節(jié)點的能量消耗，同時作用于媒體訪問控制（MAC，media access control）層和路由層之間，能有效降低通信干擾、提高MAC協(xié)議和路由協(xié)議的效率，并為路由層提供足夠的路由更新信息，而路由信息表的變化又反過來作用于拓?fù)淇刂茩C制，影響網(wǎng)絡(luò)的連通性和能量消耗等[3,4]。然而，傳統(tǒng)的WSN在網(wǎng)絡(luò)部署之后，其節(jié)點行為和由這些節(jié)點所提供的網(wǎng)絡(luò)功能很難發(fā)生改變，導(dǎo)致了網(wǎng)絡(luò)資源利用率低、策略更改困難和網(wǎng)絡(luò)難于管理[5]，這主要源于WSN網(wǎng)絡(luò)節(jié)點固有的分布式屬性，每一個節(jié)點都是一個獨立的自治系統(tǒng)，不利于網(wǎng)絡(luò)功能的靈活擴展。

軟件定義網(wǎng)絡(luò)（SDN，software-defined network）技術(shù)可以將網(wǎng)絡(luò)控制從以連接過程為核心的閉合模式轉(zhuǎn)變成以組網(wǎng)過程為核心的開放模式。SDN將傳統(tǒng)的緊耦合網(wǎng)絡(luò)架構(gòu)解耦成應(yīng)用、控制、基礎(chǔ)轉(zhuǎn)發(fā)設(shè)施3層分離架構(gòu)[6]，實現(xiàn)網(wǎng)絡(luò)應(yīng)用的可編程、整體網(wǎng)絡(luò)控制的中心式管控以及節(jié)點網(wǎng)絡(luò)單元的簡單化、通用化和低成本化。將SDN與WSN相結(jié)合，可進一步提高無線傳感器網(wǎng)絡(luò)的能量利用效率，簡化硬件結(jié)構(gòu)，降低成本，并且有機地整合網(wǎng)內(nèi)節(jié)點的分布式管理機制，實現(xiàn)統(tǒng)一的網(wǎng)絡(luò)管理控制系統(tǒng)，從而提高WSN的信息采集和管理效率，形成全網(wǎng)優(yōu)化的無線傳輸和資源分配。

本文基于 SDN技術(shù)，提出一種基于軟件定義網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)架構(gòu)及其網(wǎng)絡(luò)重配置算法以解決覆蓋優(yōu)化、拓?fù)淇刂坪吐酚蛇x擇等問題。該網(wǎng)絡(luò)簡稱軟件定義傳感器網(wǎng)絡(luò)（SDSN，software-defined sensor network），所提算法運用Voronoi圖理論、單純復(fù)形理論并考慮SDSN中路由協(xié)議的自適應(yīng)性及其在動態(tài)環(huán)境下的性能，以達(dá)到目標(biāo)區(qū)域的K重覆蓋、全局節(jié)點功率最優(yōu)、保證多個業(yè)務(wù)同時進行數(shù)據(jù)傳遞以及各自QoS（quality of service）的最大化等目標(biāo)。

2 相關(guān)工作

軟件定義傳感器網(wǎng)絡(luò)是近年提出的新概念，目前已成為研究熱點之一。如文獻(xiàn)[7]給出了一種軟件定義無線傳感器網(wǎng)絡(luò)（SD-WSN，software-defined WSN）架構(gòu)，該架構(gòu)包含應(yīng)用層、控制平面和數(shù)據(jù)平面 3部分，控制平面和數(shù)據(jù)平面之間通過 SOF（sensor OpenFlow）接口協(xié)議互連，從而實現(xiàn)了下層網(wǎng)絡(luò)單元的可編程；文獻(xiàn)[8]提出了軟件定義傳感器網(wǎng)絡(luò)架構(gòu)的概念，其所述的軟件定義傳感器網(wǎng)絡(luò)中傳感器節(jié)點可以通過空中下載動態(tài)實現(xiàn)系統(tǒng)采集任務(wù)的轉(zhuǎn)變；文獻(xiàn)[9]定義了控制平面的角色生成和傳送機制，以及可配置的傳感器節(jié)點的硬件實現(xiàn)單元；文獻(xiàn)[10]從SDN和WSN模型結(jié)合實現(xiàn)的角度對WSN網(wǎng)絡(luò)拓?fù)?、路由和傳輸任?wù)等方面獲得的有益性進行了分析，結(jié)果表明在WSN中采用軟件定義的網(wǎng)絡(luò)架構(gòu)有利于WSN網(wǎng)絡(luò)中路由問題和傳輸問題的解決，能夠降低網(wǎng)絡(luò)成本和能量消耗。

目前，關(guān)于SDSN的研究工作主要集中在方案可行性方面，對于如何利用軟件定義的優(yōu)勢解決 WSN中幾個重要問題方面的研究涉及尚少。為此，本文在SDSN網(wǎng)絡(luò)架構(gòu)下對其重配置算法進行較為深入的研究，包括覆蓋優(yōu)化、網(wǎng)絡(luò)拓?fù)浜吐酚蓞f(xié)議等。

覆蓋可以看成是對網(wǎng)絡(luò)服務(wù)質(zhì)量的一種度量，其重要因素之一是網(wǎng)絡(luò)對周邊事物的感知能力[11]。在WSN節(jié)點覆蓋問題中，已有不少典型的計算方法，如最壞與最佳情況覆蓋[12]、連通傳感器覆蓋控制算法[13]等，但其優(yōu)化策略多是通過網(wǎng)絡(luò)節(jié)點的初始部署來實現(xiàn)的，未考慮網(wǎng)絡(luò)拓?fù)浒l(fā)生變化或者網(wǎng)絡(luò)突發(fā)事件發(fā)生時如何實現(xiàn)網(wǎng)絡(luò)的實時覆蓋優(yōu)化。近期關(guān)于網(wǎng)絡(luò)覆蓋問題的研究注重對覆蓋空洞的檢測和修復(fù)，提出了基于各種理論的空洞檢測和修復(fù)方法，如基于同調(diào)理論的覆蓋空洞檢測算法[14]、基于Voronoi圖的分布式節(jié)點協(xié)同空洞檢測和修復(fù)算法[15]、多目標(biāo)網(wǎng)絡(luò)覆蓋質(zhì)量約束下可編程節(jié)點執(zhí)行多個重編程任務(wù)時所需能量消耗的最小化問題[16]等。

傳統(tǒng)的WSN網(wǎng)絡(luò)拓?fù)淇刂?，主要通過分布式的功率調(diào)節(jié)控制、分級拓?fù)淇刂苹蛘吖β誓Ｊ娇刂品椒▉硌娱L無線傳感器網(wǎng)絡(luò)的生命周期，提高其能量效率[17]。由于采用分布式的方法，網(wǎng)絡(luò)節(jié)點不能有效地獲取全網(wǎng)節(jié)點在位置、剩余能量、感知范圍、發(fā)射功率等方面的信息，單節(jié)點只能根據(jù)自身以及其相鄰節(jié)點的信息進行局部的網(wǎng)絡(luò)控制，網(wǎng)絡(luò)的性能不能達(dá)到全局最優(yōu)。關(guān)于拓?fù)淇刂扑惴ǖ难芯客ǔ；陔S機圖理論模型[18]，例如基于鄰近圖的功率控制算法等。近年來已有更多的拓?fù)淠Ｐ捅粦?yīng)用于WSN的拓?fù)淇刂蒲芯恐小Ｈ缥墨I(xiàn)[19]將博弈理論模型應(yīng)用于拓?fù)淇刂蒲芯?，提出了一種非合作式博弈的分布式拓?fù)淇刂品椒?，用于動態(tài)設(shè)計高效和能量均衡的網(wǎng)絡(luò)拓?fù)?；文獻(xiàn)[20]提出了一種單純復(fù)形理論應(yīng)用的簡化算法，用來刪除網(wǎng)絡(luò)拓?fù)渲卸嘤嗟墓?jié)點，并保持拓?fù)浣Y(jié)構(gòu)的不變性。

WSN路由算法的目的是尋找優(yōu)化路徑以將有用信息從源節(jié)點發(fā)到目的節(jié)點。經(jīng)典的路由協(xié)議包括低功耗自適應(yīng)分層路由協(xié)議[4]、基于地理位置和能量信息的路由協(xié)議等[21]。隨著SDN研究的深入，其路由協(xié)議的研究也受到重視。文獻(xiàn)[22]提出一種將SDN技術(shù)用于ad hoc 網(wǎng)絡(luò)（SDNAN, softwaredefined networking in ad hoc networks）的路由協(xié)議，可以動態(tài)調(diào)整路由規(guī)則來適應(yīng)不同的用戶需求。文獻(xiàn)[23]提出一種基于 SDN 技術(shù)的路由算法，用于Internet 中自治系統(tǒng)間的路由計算。但是，現(xiàn)有的WSN網(wǎng)絡(luò)路由協(xié)議設(shè)計主要考慮如何降低整個網(wǎng)絡(luò)的能量消耗，而在路由協(xié)議的自適應(yīng)性以及動態(tài)環(huán)境下路由協(xié)議的性能方面尚有很大的改進空間。

基于已有軟件定義傳感器網(wǎng)絡(luò)架構(gòu)，本文提出SDSN架構(gòu)，通過應(yīng)用層中覆蓋優(yōu)化、網(wǎng)絡(luò)的拓?fù)淇刂坪吐酚蓞f(xié)議等相關(guān)應(yīng)用，設(shè)計網(wǎng)絡(luò)重配置算法，從而完成整個傳感器網(wǎng)絡(luò)參數(shù)的重新設(shè)置。本文提出一種基于Voronoi圖的動態(tài)覆蓋算法，算法中管控中心可以通過調(diào)節(jié)節(jié)點的感知范圍實現(xiàn)網(wǎng)絡(luò)的全局覆蓋優(yōu)化，實現(xiàn)網(wǎng)絡(luò)資源的全局共享；提出一種基于單純復(fù)形理論的拓?fù)淇刂扑惴?，在已求知的網(wǎng)絡(luò)K重覆蓋的基礎(chǔ)上，借助于SDSN網(wǎng)絡(luò)架構(gòu)的全局信息，算法尋找最簡練的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，使網(wǎng)絡(luò)性能達(dá)到全局最優(yōu)；提出一種基于多業(yè)務(wù)QoS的路由算法，利用SDSN的控制器獲取整體網(wǎng)絡(luò)的鏈路狀態(tài)和每個節(jié)點上的能量消耗等信息，在發(fā)生多個并發(fā)事件時提高網(wǎng)絡(luò)路由重配置的準(zhǔn)確性和實時性。上述算法有機結(jié)合并通過軟件定義實現(xiàn)無線傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和資源的重配置，從而有效提高其性價比并拓展應(yīng)用領(lǐng)域。

3 軟件定義傳感器網(wǎng)絡(luò)架構(gòu)模型

圖1 SDSN體系架構(gòu)

為了和SDN基本架構(gòu)一致，本文提出的SDSN體系架構(gòu)主體上也分為基礎(chǔ)設(shè)施層、控制層和應(yīng)用層3層。由圖1可見，所提架構(gòu)實質(zhì)上是由大量軟件定義傳感器節(jié)點和集中式管控中心2部分構(gòu)成，其節(jié)點結(jié)構(gòu)由傳感器模塊和通用可編程數(shù)據(jù)收發(fā)單元組成，其網(wǎng)絡(luò)覆蓋、拓?fù)淇刂?、路由協(xié)議等網(wǎng)絡(luò)控制技術(shù)由集中式管控中心統(tǒng)一配置，并將相應(yīng)配置文件分發(fā)到各節(jié)點的數(shù)據(jù)收發(fā)單元，以獲得全局最優(yōu)的網(wǎng)絡(luò)性能。這一架構(gòu)的主要特點在于可根據(jù)用戶和網(wǎng)絡(luò)狀態(tài)需求，利用可編程控制的網(wǎng)絡(luò)單元，定制算法、策略、協(xié)議等內(nèi)核可高度重構(gòu)化的網(wǎng)絡(luò)支撐系統(tǒng)，通過OpenFlow等相關(guān)協(xié)議開發(fā)面向?qū)ο蟮拈_放式管理與業(yè)務(wù)適配接口，實現(xiàn)軟件定義傳感網(wǎng)信息的抽象化和跨層網(wǎng)絡(luò)控制集成化，從而建立起具備統(tǒng)一網(wǎng)絡(luò)控制能力的適應(yīng)集中控制、節(jié)點網(wǎng)絡(luò)單元簡化、網(wǎng)絡(luò)管理高效、性能全局最優(yōu)等特點的新型傳感器網(wǎng)絡(luò)架構(gòu)體系，即該架構(gòu)的每一層均服務(wù)于傳感器網(wǎng)絡(luò)的重配置，也可以說在每一層中都增加了網(wǎng)絡(luò)重配置單元并且用軟件來實現(xiàn)。

在網(wǎng)絡(luò)部署完畢后，管控中心通過實時配置各感知節(jié)點的感知范圍，使監(jiān)測區(qū)域被SDSN感知并實現(xiàn)全覆蓋。

4 SDSN的網(wǎng)絡(luò)重配置算法

如前所述，采用所提的SDSN架構(gòu)及其網(wǎng)絡(luò)重配置算法來解決傳感器網(wǎng)絡(luò)的覆蓋優(yōu)化、拓?fù)淇刂坪吐酚蓛?yōu)化等問題，SDSN網(wǎng)絡(luò)重配置算法由基于Voronoi圖的動態(tài)覆蓋算法、基于單純復(fù)形理論的拓?fù)淇刂扑惴ê突诙鄻I(yè)務(wù) QoS的路由算法所構(gòu)成，它們有機結(jié)合，共同完成網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)以及資源的重配置。

4.1 基于Voronoi圖的動態(tài)覆蓋算法

SDSN的網(wǎng)絡(luò)拓?fù)渫ǔＪ莿討B(tài)變化的，當(dāng)有節(jié)點產(chǎn)生移動或失效時，網(wǎng)絡(luò)中各節(jié)點的感知范圍需進行調(diào)整以達(dá)到對監(jiān)測區(qū)域的完全感知覆蓋；同時，若網(wǎng)絡(luò)中某一區(qū)域產(chǎn)生突發(fā)事件，相關(guān)聯(lián)的節(jié)點也應(yīng)實時調(diào)整自己的感知范圍，以增加對該區(qū)域的感知精度，實現(xiàn)對突發(fā)事件的協(xié)同感知。本文針對SDSN網(wǎng)絡(luò)重配置算法中的覆蓋需求，提出一種基于Voronoi圖的動態(tài)覆蓋方法，通過引入Voronoi圖理論將監(jiān)測區(qū)域進行凸域劃分，并綜合考慮網(wǎng)絡(luò)的能量均衡和覆蓋冗余，尋求一種最優(yōu)化的節(jié)點感知半徑重配置方案，來解決網(wǎng)絡(luò)部署或網(wǎng)絡(luò)拓?fù)渥兓瘯r對監(jiān)測區(qū)域的感知全覆蓋問題，以及網(wǎng)絡(luò)中發(fā)生突發(fā)事件時對目標(biāo)事件區(qū)域進行多點協(xié)同感知、實現(xiàn)K重覆蓋的問題。

Voronoi圖是計算幾何中一種空間分割的重要方法，定義監(jiān)測區(qū)域A和區(qū)域內(nèi)隨機部署的感知節(jié)點 S = {si|i = 1,2,… , N}，通過計算集合S中元素的最鄰近距離，可以將目標(biāo)區(qū)域分割為多個相鄰接的凸域，劃分后由確定的凸多邊形稱為關(guān)聯(lián)于si的Voronoi域V(si)，其中，H ( si, sj)表示線段垂直平分線的si一側(cè)的半平面，可知對于每一元素si，其Voronoi域中的任何點到si的距離都小于該點到S中其他元素的距離。若兩節(jié)點的關(guān)聯(lián)Voronoi域存在公共邊，則這兩點互為鄰居節(jié)點，連接兩兩鄰居節(jié)點的線段所形成的圖是Voronoi圖的對偶圖，稱為 Voronoi劃分對應(yīng)的Delaunay三角剖分。

基于 Voronoi圖的動態(tài)覆蓋算法的執(zhí)行過程如圖 2所示，算法通過實時監(jiān)測網(wǎng)絡(luò)的全局信息，將SDSN的覆蓋優(yōu)化問題分為：1）通過對區(qū)域的Voronoi劃分和構(gòu)建Delaunay三角剖分，尋求區(qū)域全覆蓋問題中保證能量均衡的節(jié)點感知半徑最優(yōu)化配置；2）通過Voronoi圖和多目標(biāo)決策，選擇最優(yōu)的節(jié)點子集并調(diào)整其感知半徑，求解突發(fā)事件區(qū)域 K重覆蓋問題的2個子問題。具體方法如下。

圖2 SDSN中基于Voronoi圖的動態(tài)覆蓋算法執(zhí)行過程

1) 最優(yōu)化感知半徑配置策略

SDSN覆蓋優(yōu)化算法的Voronoi模型如圖3所示。對于監(jiān)測區(qū)域A和區(qū)域內(nèi)的感知節(jié)點集S，算法首先對監(jiān)測區(qū)域進行Voronoi凸域劃分，具體的Voronoi劃分示意如圖3（a）所示，其中，實線代表Voronoi多邊形，虛線表示對應(yīng)的Delaunay三角剖分。算法采用逐點插入法構(gòu)建 Delaunay三角剖分，其步驟為：①構(gòu)建節(jié)點集S的最小凸集，生成初始Delaunay三角剖分；②隨機排列節(jié)點集S中的所有節(jié)點；③對任一節(jié)點Sr執(zhí)行內(nèi)插操作：首先定位包含Sr的三角形SiSjSk，然后連接Sr和三角形各個頂點，將其剖分成3個子三角形，最后利用邊交換法規(guī)格化三角剖分。這樣，就將全覆蓋問題分解為計算局部Delaunay三角形的覆蓋問題。

一般認(rèn)為在覆蓋問題中，節(jié)點的感知行為是能量消耗的主要因素，將節(jié)點si的能耗建模為感知半徑Ri的函數(shù)Pi(Ri)，引入節(jié)點的剩余能量Ei，則整個網(wǎng)絡(luò)的剩余生命期可以表示為

對任一Delaunay三角形 ? S1S2S3，其頂點sj的坐標(biāo)為(yj)， j∈ {1,2,3}，為最小化覆蓋冗余，3個頂點的感知圓盤在三角形內(nèi)交于一點，算法根據(jù)相應(yīng)節(jié)點的權(quán)重 l( sj)（在網(wǎng)絡(luò)初始部署階段可令Rj=0）計算交點cg，使權(quán)重較小的頂點至cg的距離較近，則可得到節(jié)點sj的一種半徑分配rj=d(si, cg)，計算過程如圖3（b）所示。算法對與sj鄰接的所有Delaunay三角形進行依次計算，并在所產(chǎn)生的半徑分配集中選取最大值作為sj的優(yōu)化半徑分配。其他節(jié)點通過依次迭代也可得到各自的優(yōu)化半徑，從而網(wǎng)絡(luò)獲得最優(yōu)的感知范圍配置方案，在保證區(qū)域全覆蓋的基礎(chǔ)上，可以達(dá)到能量均衡、最大化網(wǎng)絡(luò)生命周期的目的。特別地，對位于區(qū)域邊界處的節(jié)點sk，應(yīng)將sk至V(sj) 與區(qū)域邊界交點的距離、sk至邊界頂點的距離分別與得到的優(yōu)化半徑做比較，取其中的最大值作為sk的半徑，以保證區(qū)域邊界的全覆蓋。

2) 最優(yōu)化節(jié)點子集決策策略

采用覆蓋重數(shù)作為區(qū)域覆蓋的性能指標(biāo)。假設(shè)突發(fā)事件發(fā)生時，感知節(jié)點sn首先上報事件信息，則將sn感知范圍作為目標(biāo)區(qū)域Z，sn在Voronoi圖中的M跳鄰居節(jié)點作為候選節(jié)點集Sm={s1,…, sl}，目標(biāo)區(qū)域的覆蓋重數(shù)可以表示為

對任意 sm∈SM，調(diào)整其感知半徑使其中，是調(diào)整后的半徑，則調(diào)整后的節(jié)點sm可以實現(xiàn)對目標(biāo)區(qū)域的覆蓋。管控中心綜合考慮候選節(jié)點調(diào)整半徑所付出的代價包括網(wǎng)絡(luò)生命期的變化及覆蓋冗余度的增加，從候選集中決策選擇最優(yōu)的K-1個節(jié)點，調(diào)整其感知半徑以實現(xiàn)對目標(biāo)事件區(qū)域的K重覆蓋。式(1)給出

了網(wǎng)絡(luò)的剩余生命期模型，它與節(jié)點的剩余能量 Em和能耗相關(guān)，而覆蓋冗余度的變化量在監(jiān)測區(qū)域已實現(xiàn)全覆蓋的情況下可以表示為這樣算法可以建立相應(yīng)的決策代價函數(shù) H(L,U)進行子集決策，決策過程可以抽象為如下帶約束條件的優(yōu)化模型。

目標(biāo)函數(shù)

約束條件

圖3 SDSN覆蓋優(yōu)化算法的Voronoi模型

通過對該優(yōu)化模型的求解分析，可以尋求最優(yōu)的節(jié)點子集和半徑調(diào)整方案，如果候選節(jié)點集較大，可以考慮采用啟發(fā)式算法進行子集搜索，以獲得問題的次優(yōu)解。

4.2 基于單純復(fù)形理論的拓?fù)淇刂扑惴?/h3>

SDSN網(wǎng)絡(luò)中的傳感器節(jié)點和節(jié)點間通信鏈路可以抽象為0-單形和1-單形，通過合理地增加或者刪除節(jié)點間的無線通信鏈路，生成一個能量高效的優(yōu)化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。為了獲取SDSN網(wǎng)絡(luò)連通性的相關(guān)信息，引入單純鏈復(fù)形和貝蒂數(shù)的定義。給定一個單復(fù)形，它的j維單純鏈Dj是由其j維定向單形生成的拓?fù)淇臻g。單純鏈Dj對應(yīng)的邊緣算子?j的定義如下

其中，vi表示所對應(yīng)單形的頂點。應(yīng)用邊緣算子?j可以對單純復(fù)形的j維單純鏈進行降維，從而得到單純復(fù)形的單純鏈復(fù)形

單純鏈復(fù)形中 ?j：Dj→ Dj?1的核被稱為j維閉鏈群，記作 Zj； ?j+1：Dj+1→ Dj的像被稱為 j維邊緣鏈群，記作Bj。由引理 ?j?j+1= 0可知j維邊緣群屬于j維閉鏈群，即 Zj?Bj，繼而可以定義該復(fù)形的j-貝蒂數(shù)為

其中，dimZj表示 j維閉鏈群 Zj的維數(shù)，dimBj表示 j維邊緣鏈群 Bj的維數(shù)，j-貝蒂數(shù) Bj等于 j維閉鏈群 Zj維數(shù)與 j維邊緣鏈群 Bj維數(shù)的差。在SDSN場景下，0維閉鏈群 Z0的維數(shù)就是 SDSN中傳感器節(jié)點的數(shù)量，0維邊緣鏈群B0的維數(shù)就是全網(wǎng)各連通分量最小連通子集的1-單形數(shù)量之和，從而0-貝蒂數(shù)0β表示SDSN中連通分量的個數(shù)，1-貝蒂數(shù)則表示二維平面上沒有無線信號覆蓋的空洞的個數(shù)。

基于上述定義，本算法提出了基于邊緣鏈群最小生成元和節(jié)點度，以最簡練的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為目標(biāo)，同時保證整個系統(tǒng)的連通性以及突發(fā)區(qū)域頑健性的全局節(jié)點功率最優(yōu)的問題，并將該最優(yōu)問題分解為幾個子問題進行求解，由2個子過程來執(zhí)行，即功率預(yù)配置過程和功率重配置過程。功率預(yù)配置過程確保了網(wǎng)絡(luò)部署和網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化時網(wǎng)絡(luò)拓?fù)涞木喰院瓦B通性，功率重配置過程確保了網(wǎng)絡(luò)突發(fā)事件發(fā)生時突發(fā)區(qū)域網(wǎng)絡(luò)拓?fù)涞念B健性。當(dāng)管控中心檢測到網(wǎng)絡(luò)拓?fù)浒l(fā)生變化時執(zhí)行功率預(yù)配置過程，刪除網(wǎng)絡(luò)中冗余的無線鏈路同時確保網(wǎng)絡(luò)的連通性；當(dāng)檢測到突發(fā)事件發(fā)生時，由SDSN管控中心執(zhí)行功率重配置過程，調(diào)整突發(fā)事件產(chǎn)生區(qū)域內(nèi)節(jié)點的無線發(fā)射功率，增加區(qū)域內(nèi)無線鏈路的冗余度以提高局部區(qū)域的穩(wěn)定性和頑健性。

SDSN功率預(yù)配置和重配置的具體流程如下。

1) 軟件定義傳感網(wǎng)絡(luò)功率預(yù)配置過程

首先，SDSN管控中心根據(jù)節(jié)點的位置和初始發(fā)射功率獲取網(wǎng)絡(luò)中所有1-單形的節(jié)點構(gòu)成，然后計算邊緣算子?0、?1的核空間維數(shù)以及像空間維數(shù)得到0β。其次，根據(jù)0β的取值判斷網(wǎng)絡(luò)是否連通，0β為1表示網(wǎng)絡(luò)連通，反之表示網(wǎng)絡(luò)不連通；如果網(wǎng)絡(luò)不是連通的，計算?1像空間的最小生成元，根據(jù)最小生成元得到各個連通分量的最小連通子集，從而確定連通分量內(nèi)節(jié)點的最佳發(fā)射功率。接著，通過綜合考慮連通分量中節(jié)點的度和剩余能量來決定邊緣節(jié)點的選擇，根據(jù)邊緣節(jié)點的位置信息增大其發(fā)射功率使網(wǎng)絡(luò)的0-貝蒂數(shù)降為 1，這里節(jié)點的度是指包含該節(jié)點網(wǎng)絡(luò)中1-單形的個數(shù)。軟件定義傳感網(wǎng)絡(luò)功率預(yù)配置流程如圖4所示。

圖4 軟件定義傳感網(wǎng)絡(luò)功率預(yù)配置擬定流程

2) 軟件定義傳感網(wǎng)絡(luò)功率重配置過程

在確保整個網(wǎng)絡(luò)連通性的基礎(chǔ)上，SDSN管控中心根據(jù)突發(fā)事件發(fā)生的位置和范圍得到突發(fā)區(qū)域內(nèi)節(jié)點的位置信息，根據(jù)突發(fā)事件的緊急程度來確定對突發(fā)區(qū)域內(nèi)節(jié)點度的平均增加量。然后，以區(qū)域外節(jié)點度的變化最小為目標(biāo)對突發(fā)區(qū)域內(nèi)節(jié)點的發(fā)射功率進行迭代調(diào)整，同時確保每個迭代步區(qū)域內(nèi)節(jié)點平均度的增量都是一樣的，經(jīng)過多次迭代可以得到最優(yōu)的重配置節(jié)點集以及相應(yīng)的重配置功率。軟件定義傳感網(wǎng)絡(luò)功率重配置過程如圖 5所示。

圖5 軟件定義傳感網(wǎng)絡(luò)功率重配置擬定流程

4.3 基于多業(yè)務(wù)QoS的路由算法

在SDSN中，源節(jié)點到目的節(jié)點的路由選擇對于整個無線傳感器網(wǎng)絡(luò)系統(tǒng)的性能具有重要作用。在發(fā)生多個并發(fā)事件時，系統(tǒng)中央控制器會根據(jù)各自源節(jié)點自身業(yè)務(wù)的QoS，整體網(wǎng)絡(luò)的鏈路狀態(tài)和每個節(jié)點上的能量消耗等信息選擇到目的節(jié)點的路由，提高因突發(fā)事件網(wǎng)絡(luò)中路由重新配置的準(zhǔn)確性和實時性。

圖 6是基于多業(yè)務(wù) QoS的路由算法擬定系統(tǒng)，當(dāng)有突發(fā)事件發(fā)生時，SDSN管控中心接收到源節(jié)點發(fā)起數(shù)據(jù)的發(fā)送請求，管控中心根據(jù)新的突發(fā)事件Unew以及SDSN中剩余正在進行的業(yè)務(wù)集Un′ow進行合并形成新的業(yè)務(wù)集合 Unow= Un′ow∪ Unew。每個業(yè)務(wù)集合中的元素包含該業(yè)務(wù)數(shù)據(jù)的發(fā)送端、數(shù)據(jù)的到達(dá)端和數(shù)據(jù)發(fā)送的QoS需求等網(wǎng)絡(luò)信息，新的業(yè)務(wù)集合存儲在管控中心中用于路由計算。

隨后，根據(jù)新的業(yè)務(wù)集合Unow管控中心集中調(diào)取網(wǎng)絡(luò)中的有效信息用于路由計算，如各節(jié)點剩余能量E={E1,…,EN}和各個業(yè)務(wù)的QoS需求等。考慮到節(jié)點的可擴展性，多個無線收發(fā)裝置同時配置在一個傳感器節(jié)點成為可能，因此，基于 SDN的傳感器網(wǎng)路由算法將收發(fā)裝置的可擴展性加入路由算法中。由于一個無線傳感器節(jié)點可同時收、同時發(fā)或者部分收和部分發(fā)送數(shù)據(jù)，因此，不同于傳統(tǒng)單一收發(fā)裝置傳感器網(wǎng)絡(luò)的路由計算，整個網(wǎng)絡(luò)的路由將變得極其復(fù)雜。所以，本文將多收發(fā)裝置作為研究路由算法的一個網(wǎng)絡(luò)特性，同時可以看到該算法能夠退化到單一收發(fā)裝置的傳感器網(wǎng)絡(luò)中，具有一定的普適作用。業(yè)務(wù)QoS作為衡量該業(yè)務(wù)服務(wù)質(zhì)量的標(biāo)準(zhǔn)有著較好的作用，QoS的關(guān)鍵指標(biāo)主要包括：可用性、吞吐量、時延、時延變化和丟失等。本文將考慮網(wǎng)絡(luò)單位時間內(nèi)傳輸?shù)男畔⒘孔鳛闃I(yè)務(wù)QoS的度量準(zhǔn)則。路由算法依據(jù)業(yè)務(wù)集中每個業(yè)務(wù)QoS需求動態(tài)分配路由給各個業(yè)務(wù)，保證最大化每個業(yè)務(wù)的QoS。

圖6 基于多業(yè)務(wù)QoS的路由算法擬定系統(tǒng)

考慮到節(jié)點的可擴展性，假設(shè)每個節(jié)點可以部署一個或者多個無線收發(fā)裝置（異構(gòu)無線傳感器網(wǎng)絡(luò)中的高級節(jié)點），同時整個網(wǎng)絡(luò)配置K個正交子信道來進行數(shù)據(jù)的傳送。假設(shè)網(wǎng)絡(luò)中共有N個節(jié)點，每個節(jié)點可擁有rn個無線收發(fā)裝置，節(jié)點i所擁有的有效傳輸半徑為Ti，節(jié)點i與節(jié)點j的歐氏距離記為dij，由此可得網(wǎng)絡(luò)中可進行一跳傳輸?shù)逆溌芳嫌洖?ε= {(i, j)|dij≤ Ti,1 ≤ i, j≤ N, i ≠j} 。

考慮到SDSN干擾受限的特點，同一信道可以在相互獨立的鏈路上同時發(fā)送數(shù)據(jù)，又因為在本文中K個正交子信道都可以用來傳輸數(shù)據(jù)。因此，可以得到一個并發(fā)數(shù)據(jù)傳輸鏈路集，記為P = [1,… , p, … ,|P|]。從而可以調(diào)度每個并發(fā)鏈路集所占用的時間百分比，進而得到每個鏈路上單位時間內(nèi)所能傳送信息量的上限。根據(jù)該信息量上限，可以得到最優(yōu)傳輸路徑。

定義下面的二元指示變量：① 若鏈路(i, j)在并發(fā)鏈路集p上被激活且占用子信道k，為1，否

則， vk,p為0；② 若節(jié)點i在并發(fā)鏈路集p上被激

i, j

活且占用子信道k，則 xn

k,p為1，否則，為0。因為一個節(jié)點在同一時刻最多只能與一個相鄰節(jié)點在某一子信道上進行通信，由此可得

因為每個節(jié)點受到其自身無線收發(fā)裝置個數(shù)的限制，由此可以得到

如果2條鏈路可在同一子信道上同時傳輸，那么這2條鏈路必須相互獨立，此時應(yīng)滿足

其中，F(xiàn)[(i,j),(u,w)]為指示鏈路(i,j)和鏈路(u,w)是否相互獨立的二元變量，若相互獨立則為1，否則，為0。

為描述簡單，歸一化激活鏈路在一個子信道上的數(shù)據(jù)速率為單位常量，因此，可以得到每條鏈路在單位時間內(nèi)的信息量上限為

其中，λp為并發(fā)傳輸集合p所占用單位時間上的百分比數(shù)。

假設(shè)系統(tǒng)有M個端到端的業(yè)務(wù)流，則每個業(yè)務(wù)的源節(jié)點、目的節(jié)點和該業(yè)務(wù) QoS可以寫為Sm=(sm,dm,Im),sm,dm=1,2,… ,N, Im> 0,m =1,2,… , M 。定義 Iim,j為業(yè)務(wù) m在單位時間內(nèi)通過鏈路(i,j)的信息量。

在無線通信網(wǎng)絡(luò)中，每個節(jié)點在發(fā)送或接收每個比特都應(yīng)消耗一定的能量。若節(jié)點發(fā)送ψbit數(shù)據(jù)，則其消耗能量為 ET= Eψ+ αd2ψ；若節(jié)點接

elec

收ψbit數(shù)據(jù)，則其消耗能量為 ER=Eψ。因此，

elec

在單位時間內(nèi)節(jié)點i發(fā)送數(shù)據(jù)所消耗的能量為

同理，可得在單位時間內(nèi)節(jié)點i接收數(shù)據(jù)所消耗的能量為

在單位時間內(nèi)，節(jié)點i所消耗的總能量為

用iρ表示節(jié)點i的能量負(fù)載情況為

其中，Ei為節(jié)點i剩余總能量，E為每個節(jié)點初始化能量。利用Jain公平指數(shù)，可得

在節(jié)點擁有一個或者多個無線收發(fā)裝置，即節(jié)點間可采用多個正交子信道進行通信和多種業(yè)務(wù)流同時傳送的場景下，通過平衡每個節(jié)點的剩余能量在保證每個業(yè)務(wù) QoS的前提下延長網(wǎng)絡(luò)的工作壽命。

該算法可以表述如下。

目標(biāo)函數(shù)

約束條件

目標(biāo)函數(shù)（17）表示最大化網(wǎng)絡(luò)能量Jain公平指數(shù)，以達(dá)到網(wǎng)絡(luò)各節(jié)點剩余能量均衡；約束條件（18）表示在單位時間內(nèi)m業(yè)務(wù)中流入和流出轉(zhuǎn)發(fā)節(jié)點的信息量應(yīng)相等；約束條件（19）和（20）分別表示在單位時間內(nèi)屬于 m業(yè)務(wù)的源節(jié)點流入和目的節(jié)點沒有相應(yīng)信息量流出；約束條件（21）表示單位時間內(nèi)m業(yè)務(wù)源節(jié)點流出的總信息量；約束條件（22）表示單位時間內(nèi)所有業(yè)務(wù)在每個鏈路上的信息量應(yīng)小于該鏈路的單位時間內(nèi)信息量的上限；約束條件（23）表示每個節(jié)點上無線收發(fā)裝置個數(shù)的約束。

基于多業(yè)務(wù)QoS的路由算法執(zhí)行過程如圖7所示。當(dāng)網(wǎng)絡(luò)中有突發(fā)事件發(fā)生時，開始路由計算，管控中心搜集所需信息，依據(jù)非線性有約束規(guī)劃算法進行迭代求解，若解滿足收斂條件，則算法終止，若不滿足算法收斂條件，算法繼續(xù)；而當(dāng)網(wǎng)絡(luò)中沒有突發(fā)事件發(fā)生時，系統(tǒng)則直接跳過路由計算，保持原路由不變。

5 路由算法性能仿真及其結(jié)果分析

為了驗證所提網(wǎng)絡(luò)重配置算法，本節(jié)以路由算法為例進行性能仿真并分析其結(jié)果，其他算法的仿真及其與已有算法的比較將另文給出。

5.1 仿真場景

圖8給出了本文所提SDSN的工作場景，其初始場景如圖8（a）所示。管控中心對SDSN節(jié)點剩余能量進行衡量，選擇了節(jié)點 a、b、c成為接入節(jié)點，剩下的SDSN節(jié)點d、e退化為普通節(jié)點，與區(qū)域內(nèi)其他傳感器節(jié)點一同工作。網(wǎng)絡(luò)中存在若干業(yè)務(wù)，在管控中心的集中式調(diào)度下，它們分別從各自的源節(jié)點到達(dá)目的節(jié)點，系統(tǒng)處于穩(wěn)定的工作狀態(tài)。

隨著突發(fā)事件A的到來，大量的數(shù)據(jù)需要上傳至管控中心，網(wǎng)絡(luò)中原有的路由已經(jīng)不能滿足新的傳輸需求，管控中心需要對網(wǎng)絡(luò)中的路由進行優(yōu)化，重新選擇接入節(jié)點，并對接入節(jié)點的發(fā)射功率、路由進行重配置，盡可能將系統(tǒng)中的業(yè)務(wù)數(shù)據(jù)上傳，調(diào)整后的系統(tǒng)場景如圖8（b）所示。

仿真采用Matlab，仿真環(huán)境設(shè)置參數(shù)如表1所示。

仿真場景如下：SDSN網(wǎng)絡(luò)使用單信道，并假設(shè) 10個普通節(jié)點和 4個接入節(jié)點隨機分布在（x=-50，y=-50)和（x=50，y=50)的矩形區(qū)域內(nèi)，管控中心位于原點（x=0，y=0）處。各普通節(jié)點的單跳傳輸、接收距離均為20 m。網(wǎng)絡(luò)中業(yè)務(wù)流數(shù)目為10，即每個普通節(jié)點都有數(shù)據(jù)業(yè)務(wù)需要上傳。

圖7 基于多業(yè)務(wù)QoS的路由算法擬執(zhí)行過程

圖8 SDSN工作場景

表1 仿真參數(shù)

5.2 仿真結(jié)果及其分析

根據(jù)上述的聯(lián)合功率控制的路由協(xié)議及仿真參數(shù)，對路由算法的性能進行仿真。圖9(a)表明接入節(jié)點發(fā)射功率上限為[1.6 1.6 1.6 1.6]TmW時，接入鏈路的最優(yōu)傳輸速率*r?隨著迭代次數(shù)增加的變化情況?？梢园l(fā)現(xiàn)在迭代600次時，曲線逐漸趨于平緩，并最終收斂于[2.219, 2.278, 2.211, 2.201]Tnat/symbol。圖 9(b)為接入節(jié)點發(fā)射功率上限為[1.8, 1.8, 1.8,1.8]TmW時，接入鏈路的最優(yōu)傳輸速率*r?的迭代變化情況，可以發(fā)現(xiàn)當(dāng)接入節(jié)點發(fā)射功率上限變化時，所提算法都在1 000次迭代內(nèi)獲得了最優(yōu)解，這也意味著所提路由協(xié)議具有較好的收斂性。

圖9 接入節(jié)點速率收斂曲線

圖10給出接入節(jié)點功率上限與流速率關(guān)系的仿真結(jié)果。由圖可見，接入節(jié)點發(fā)射功率上限從=[1.4 1.4 1.4 1.4]TmW到=[2.6 2.6 2.6 2.6]TmW變化時，管控中心為各接入節(jié)點分配的最優(yōu)流速率的變化情況，可以發(fā)現(xiàn)，隨著接入節(jié)點最大發(fā)射功率的增大，最優(yōu)流速率也逐漸增大，系統(tǒng)的總吞吐量將隨之增加，表明管控中心能夠充分地對網(wǎng)絡(luò)中的資源加以調(diào)配，滿足區(qū)域內(nèi)各業(yè)務(wù)數(shù)據(jù)上傳需求，盡可能地提高系統(tǒng)性能。此外，當(dāng)接入節(jié)點最大發(fā)射功率相同時，管控中心為各接入節(jié)點分配的資源相差不大，表明系統(tǒng)能夠通過設(shè)置節(jié)點發(fā)射功率的上限有效地均衡系統(tǒng)中接入節(jié)點的能耗，以延長網(wǎng)絡(luò)的生命周期。

圖10 接入節(jié)點功率上限與流速率關(guān)系曲線

6 結(jié)束語

本文將軟件定義網(wǎng)絡(luò)技術(shù)融合進無線傳感器網(wǎng)絡(luò)，給出了軟件定義傳感器網(wǎng)絡(luò)的體系架構(gòu)，提出了SDSN的網(wǎng)絡(luò)重配置算法，具體包括覆蓋優(yōu)化、拓?fù)淇刂埔约奥酚蓛?yōu)化3個方面。對于覆蓋優(yōu)化，提出了一種基于Voronoi圖的動態(tài)覆蓋算法，尋求SDSN全覆蓋問題中保證網(wǎng)絡(luò)能量均衡的最優(yōu)感知半徑分配，并選擇最優(yōu)節(jié)點子集和其感知半徑，以達(dá)到目標(biāo)區(qū)域的K-覆蓋；在拓?fù)淇刂品矫?，基于單純?fù)形理論，提出了一種基于邊緣鏈群最小生成元和節(jié)點度的集中控制方法，包括SDSN功率預(yù)配置過程中的邊緣鏈群最小生成元高效、次優(yōu)算法，以及快速、高效的SDSN功率重配置迭代算法，保證了整個系統(tǒng)的連通性以及突發(fā)區(qū)域的頑健性；考慮SDSN中路由協(xié)議的自適應(yīng)性以及其在動態(tài)環(huán)境下的性能，提出一種基于多業(yè)務(wù)QoS的SDSN路由優(yōu)化算法，依據(jù)每個業(yè)務(wù)的QoS需求動態(tài)分配路由，從而保證多個業(yè)務(wù)同時進行數(shù)據(jù)傳遞以及各自QoS的最大化，同時平衡傳感器節(jié)點的剩余能量。以路由算法為例進行了仿真，結(jié)果表明所提路由算法能夠有效分配資源，滿足SDSN網(wǎng)絡(luò)中多業(yè)務(wù)QoS需求并延長網(wǎng)絡(luò)的生命周期。

7 致謝

東南大學(xué)移動通信國家重點實驗室博士生張瑞、劉誠毅、茆意偉、章躍躍參與了本文初稿的部分撰寫，碩士生李媚、丁翠、曹智勇、唐敏等對本文所提算法研制了實驗系統(tǒng)并進行了仿真，在此一并致謝。

[1] YICK J, MUKHERJEE B, GHOSAL D. Wireless sensor network survey[J]. Computer Networks, 2008, 52(12)： 2292-2230.

[2] LOCHER T, RICKENBACH P V, WATTENHOFER R. Sensor networks continue to puzzle： selected open problems[C]//International Conference on Distributed Computing and Networking (ICDCN),c2008：25-38.

[3] RAJARAMAN R. Topology control and routing in ad hoc networks： a survey[J]. ACM SIGACT News, 2002, 33(2)： 60-73.

[4] AL-KARAKI J N, KAMAL A E. Routing techniques in wireless sensor networks： a survey[J]. IEEE Wireless Communications, 2004,11(6)： 6-28.

[5] FRANK C, ROMER K. Algorithms for generic role assignment in wireless sensor networks[C]//Proc of ACM SenSys’05, c2005：230-242.

[6] SEZER S, CHOUHAN P K, RAO N, et al. Are we ready for SDN?implementation challenges for software-defined networks [J]. IEEE Communications Magazine, 2013, 51(7)： 36-43.

[7] LUO T, TAN H-P, QUEK T Q S. Sensor OpenFlow： enabling software-defined wireless sensor networks[J]. IEEE Communications Letters, 2012, 16(11)： 1896-1899.

[8] ZENG D, MIYAZAKI T, GUO S, et al. Evolution of software-defined sensor networks[C]// 2013 IEEE Ninth International Conference on Mobile Ad-hoc and Sensor Networks (MSN). Dalian, China, c2013：410-413.

[9] MIYAZAKI T, et al. A software defined wireless sensor network[C]//2014 International Conference on Computing, Networking and Communications (ICNC). Honolulu, HI, c2014： 847-852.

[10] ALEKSANDER M B, et al. Implementation technology software-defined networking in wireless sensor networks[C]//2015 IEEE 8th International Conference on Intelligent Data Acquisition and Advanced Computing Systems： Technology and Applications (IDAACS).Warsaw, c2015：448-452.

[11] MEGUERDICHIAN S, KOUSHANFAR F, POTKONJAK M, et al.Coverage problems in wireless ad hoc sensor networks[C]//IEEE Conf on Computer Communications (INFOCOM). New York, c2001： 1380-1387.

[12] LEE C, SHIN D, BAE S W, et al. Best and worst-case coverage problems for arbitrary paths in wireless sensor networks[J]. Ad Hoc Networks, 2013,(11)：1699-1714.

[13] YU J, CHEN Y, HUANG B. On connected target k-coverage in heterogeneous wireless sensor networks[C]// 2015 International Conference on Identification, Information, and Knowledge in the Internet of Things (IIKI). Beijing, c2015：262-265.

[14] YAN F, VERGNE A, MARTINS P, et al. Homology-based distributed coverage hole detection in wireless sensor networks[J]. IEEE/ACM Transactions on Networking, 2015, 23(6)： 1705-1718.

[15] QIU C X, SHEN H Y, CHEN K. An energy-efficient and distributed cooperation mechanism for k-coverage hole detection and healing in WSNs[C]//2015 IEEE 12th International Conference on Mobile Ad Hoc and Sensor Systems (MASS). Dallas, TX, c2015： 73-81.

[16] ZENG D, LI P, GUO S, et al. Energy minimization in multi-task software-defined sensor networks[J]. IEEE Transactions on Computers,2015, 64(11)： 3128-3139.

[17] AZIZ A, SEKERCIOGLU Y A, FITZPATRICK P, et al. A survey on distributed topology control techniques for extending the lifetime of battery powered wireless sensor networks[J]. IEEE Communications Surveys and Tutorials, 2013, 15(1)： 121-144.

[18] 甘從輝, 鄭國強, 唐盛禹. 無線傳感器網(wǎng)絡(luò)的拓?fù)淇刂蒲芯縖J]. 計算機應(yīng)用研究, 2009, 26(9)： 3214-3218.GAN C H, ZHENG G Q, TANG S Y. Survey of topology control in wireless sensor networks[J]. Applications Research of Computers,2009, 26(9)： 3214-3218.

[19] XU M, YANG Q, KWAK K S. Distributed topology control with lifetime extension based on non-cooperative game for wireless sensor networks[J]. IEEE Sensors Journal, 2016, 16(9)： 3332-3342.

[20] VERGNE A, DECREUSEFOND L, MARTINS P. Reduction algorithm for simplicial complexes[C]//2013 Proceedings IEEE INFOCOM, Turin, c2013：475-479.

[21] SANCHEZ J A, RUIZ P M, STOJMNENOVIC I. GMR： geographic multicast routing for wireless sensor networks[C]//2006 3rd Annual IEEE Communications Society on Sensor and Ad Hoc Communications and Networks. Reston, VA, c2006：20-29.

[22] BASKETT P, SHANG Y, ZENG W J, et al. SDNAN： software-defined networking in ad hoc networks of smartphones[C]//2013 IEEE 10th Consumer Communications and Networking Conference (CCNC). Las Vegas, NV, c2013：861-862.

[23] BENNESBY R, FONSECA P, MOTA E, et al. An inter-AS routing component for software-defined networks[C]//2012 IEEE Network Operations and Management Symposium. Maui, HI, c2012：138-145.

Study on network reconfiguration algorithms in software-defined sensor networks

SHEN Lian-feng1, ZHU Ya-ping1, DING Zhao-ming1, YAN Feng1, DENG Shu-guang2
(1. National Mobile Communications Research Laboratory, Southeast University, Nanjing 210096, China;2. College of Communications and Electronics Engineering, Hunan City University, Yiyang 413000, China)

In order to improve the performances and adaptabilities of wireless sensor networks the architecture of software-defined sensor network (SDSN) was proposed and the studies were focused on the network reconfiguration algorithm of SDSN. In the algorithm, the theory of Voronoi diagram was first used to search the optimal allocation of sensing radius to achieve K-coverage on the target region. Then, based on the theory of simplicial complex, a centralized control mechanism based on the minimal generator of boundary chain group and the node degree was proposed to simplify the architecture of network topology and to ensure the connectivity of the whole system and the robustness of the emergency region. Considering the adaptability in dynamic environment of routing protocols in SDSN, a routing optimization algorithm for SDSN was proposed, which was based on quality of service (QoS) of multi-service. Simulation results show that the proposed routing algorithm can efficiently allocate resources to satisfy the requirements of multi-service’s QoS and to prolong the lifetime of network.

software-defined sensor networks, coverage optimization, topology control, routing optimization

s: The National Natural Science Foundation of China (No.61471164), The Research Fund of National Mobile Communication Research Laboratory, Southeast University (No.2016B02)

TP393

A

10.11959/j.issn.1000-436x.2016132

2016-05-05；

2016-07-01

國家自然科學(xué)基金項目資助（No.61471164）；東南大學(xué)移動通信國家重點實驗室自主研究基金資助項目（No.2016B02）

沈連豐（1952-），男，江蘇邳州人，東南大學(xué)教授、博士生導(dǎo)師，主要研究方向為寬帶移動通信、短距離無線通信和泛在網(wǎng)絡(luò)等。

朱亞萍（1990-），女，江蘇建湖人，東南大學(xué)博士生，主要研究方向為寬帶移動通信、無線傳感器網(wǎng)絡(luò)定位等。

丁兆明（1978-），男，山東日照人，東南大學(xué)博士生，主要研究方向為無線傳感器網(wǎng)絡(luò)、拓?fù)淇刂频取?/p>

燕鋒（1983-），男，湖北天門人，博士，東南大學(xué)副研究員，主要研究方向為無線傳感器網(wǎng)絡(luò)、異構(gòu)網(wǎng)絡(luò)等。

鄧曙光（1972-），男，湖南益陽人，博士，湖南城市學(xué)院教授，主要研究方向為無線傳感器網(wǎng)絡(luò)、車域網(wǎng)、異構(gòu)網(wǎng)絡(luò)等。