基于徑向基網(wǎng)絡(luò)的WSN跨應(yīng)用能耗控制方案

劉冰月

摘? 要：針對(duì)無線傳感網(wǎng)節(jié)點(diǎn)資源受限，以及很難更換電池等問題，如何有效降低節(jié)點(diǎn)能耗成為研究關(guān)鍵點(diǎn)?，F(xiàn)有文獻(xiàn)大多針對(duì)單一應(yīng)用單獨(dú)設(shè)計(jì)解決方案、單獨(dú)評(píng)價(jià)方案效能，而實(shí)際上單一節(jié)點(diǎn)通常執(zhí)行多個(gè)應(yīng)用，因此需要研究基于跨應(yīng)用的最優(yōu)化能耗控制方案，使用基于神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)的k均值聚類自組織算法估算聚類中心、并使用最小均方差算法調(diào)整和修正聚類中心到輸出點(diǎn)的權(quán)重矩陣以改善收斂速度，最終實(shí)現(xiàn)數(shù)據(jù)融合、設(shè)計(jì)跨應(yīng)用資源調(diào)度方案，可以實(shí)現(xiàn)節(jié)點(diǎn)能耗控制。仿真實(shí)驗(yàn)結(jié)果表明，隨著節(jié)點(diǎn)運(yùn)行輪次增加，本文算法的節(jié)點(diǎn)能耗顯著降低。

關(guān)鍵詞：無線傳感網(wǎng);能耗控制;跨應(yīng)用;徑向基函數(shù)

中圖分類號(hào)：TP393? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

A Cross-application Energy Saving Mechanism Based on?RBF for Wireless Sensor Networks

LIU Bingyue

（Department of Software Engineering，Dalian Neusoft Institute of Information，Dalian 116023，China）

Abstract：With regard to the problems of constrained node resources and difficult battery replacement，how to reduce energy consumption of nodes has become a key research point.Existing literature mostly aims at the single application to design scheme and performance evaluation protocols.Since a single node executes more than one application，it is a new challenge to make an optimal energy control based on cross-application.The paper proposes a cross-application energy saving mechanism based on RBF for Wireless Sensor Networks to control node energy consumption.Then adjust and modify the weight matrix of the cluster center by Least Mean Square algorithm to realize data fusion.The simulation experiment results show that the node energy consumption can be significantly reduced after several rounds.

Keywords：wireless sensor network;energy saving;cross-application;radial basis function

1? ?引言（Introduction）

無線傳感器網(wǎng)絡(luò)通常由上百萬甚至上千萬節(jié)點(diǎn)通過自組織的方式構(gòu)成網(wǎng)絡(luò)，節(jié)點(diǎn)分布密度較大，而節(jié)點(diǎn)本身的計(jì)算能力、存儲(chǔ)能力和存儲(chǔ)能量的能力均十分有限，并且經(jīng)常部署到條件惡劣的無人環(huán)境中，很難對(duì)節(jié)點(diǎn)進(jìn)行更換，因此如何在保證節(jié)點(diǎn)正常工作的情況下盡可能地減少能量消耗成為無線傳感網(wǎng)的一個(gè)重點(diǎn)研究問題。為了解決這個(gè)問題，無線傳感器網(wǎng)需要引入各種用于抑制網(wǎng)絡(luò)覆蓋面積萎縮、抑制網(wǎng)絡(luò)空洞、延長(zhǎng)網(wǎng)絡(luò)壽命的功能和應(yīng)用，而這種做法導(dǎo)致一個(gè)節(jié)點(diǎn)上的應(yīng)用增多從而造成在資源受限的情況下承擔(dān)多種功能的局面。

現(xiàn)有的解決方案大多考慮的是節(jié)點(diǎn)上某一個(gè)應(yīng)用來單獨(dú)設(shè)計(jì)、單獨(dú)評(píng)價(jià)方案的有效性，力求使節(jié)點(diǎn)的有限資源能夠滿足單個(gè)應(yīng)用的能耗要求，而當(dāng)多個(gè)應(yīng)用組合后，則很難做到所有應(yīng)用的最優(yōu)化協(xié)同和整體能耗控制。

2? 研究現(xiàn)狀（Current status of energy saving mechanisms）

由于無線傳感網(wǎng)中節(jié)點(diǎn)的能量消耗主要來自于數(shù)據(jù)感知、數(shù)據(jù)計(jì)算和數(shù)據(jù)通信等幾方面，其中，數(shù)據(jù)通信的單位能耗是最高的[1]，目前對(duì)于無線傳感網(wǎng)的能耗控制研究主要集中于如何減少節(jié)點(diǎn)間數(shù)據(jù)通信次數(shù)、有效進(jìn)行數(shù)據(jù)融合等方面。文獻(xiàn)[2]提出了一種基于簇頭選舉算法的能量控制方案。文獻(xiàn)[3]研究了數(shù)據(jù)采樣過程中基于數(shù)據(jù)感知方法的能耗控制策略。文獻(xiàn)[4]研究了無線傳感網(wǎng)中現(xiàn)有的數(shù)據(jù)融合算法。文獻(xiàn)[5]提出Duty cycling概念來管理節(jié)點(diǎn)的激活與休眠兩種狀態(tài)的切換，通過使節(jié)點(diǎn)盡可能多地休眠達(dá)到節(jié)省能耗延長(zhǎng)壽命的目的。

現(xiàn)有應(yīng)用大多采用分立開發(fā)的方式，各應(yīng)用按照自己的應(yīng)用需求進(jìn)行網(wǎng)絡(luò)通信的設(shè)計(jì)，調(diào)用節(jié)點(diǎn)提供的通信API去實(shí)現(xiàn)。這樣各應(yīng)用有不同的數(shù)據(jù)包結(jié)構(gòu)、有不同的節(jié)點(diǎn)休眠與激活調(diào)度。此外，在無線傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)間的通信通常就是發(fā)生在相鄰的節(jié)點(diǎn)之間，因此，當(dāng)多種應(yīng)用分立開發(fā)時(shí)，相鄰的兩個(gè)節(jié)點(diǎn)之間進(jìn)行重復(fù)通信的可能性很大。為了提高信息在應(yīng)用之間的使用效率，需要重點(diǎn)解決以下三個(gè)方面的問題：消息的“復(fù)用與分解”;跨應(yīng)用的數(shù)據(jù)共享;服務(wù)提供方式（應(yīng)用編程接口設(shè)計(jì)）。本文主要針對(duì)跨應(yīng)用數(shù)據(jù)共享和數(shù)據(jù)融合這一問題進(jìn)行研究。

3? 跨應(yīng)用能耗控制方案設(shè)計(jì)（Design of a cross-applications energy saving mechanism）

由于無線傳感網(wǎng)各節(jié)點(diǎn)分布密度較大，節(jié)點(diǎn)上的各應(yīng)用經(jīng)常會(huì)采集、存儲(chǔ)或傳輸大連冗余信息，從而消耗過多的資源和能量。利用節(jié)點(diǎn)本地計(jì)算和存儲(chǔ)能力來進(jìn)行數(shù)據(jù)融合，減少冗余信息，降低通信數(shù)據(jù)量，這樣就能夠減少無線傳感網(wǎng)節(jié)點(diǎn)的能量消耗，從而達(dá)到延長(zhǎng)節(jié)點(diǎn)壽命、降低資源負(fù)荷等目的。

為解決以上問題，本文提出跨應(yīng)用能耗控制方案。本文從跨應(yīng)用數(shù)據(jù)共享和數(shù)據(jù)融合這一方面入手，通過建立一個(gè)數(shù)據(jù)中心，如圖1所示，將各應(yīng)用需要通過無線通信交互獲得的數(shù)據(jù)轉(zhuǎn)變?yōu)樵L問本地?cái)?shù)據(jù)，各應(yīng)用不再直接使用無線通信功能。數(shù)據(jù)中心通過調(diào)度器自行維護(hù)各應(yīng)用所需數(shù)據(jù)的時(shí)效性。通過這種方式謀求各應(yīng)用間的數(shù)據(jù)共享，避免重復(fù)通信，達(dá)到節(jié)點(diǎn)整體的資源優(yōu)化使用。

這里的數(shù)據(jù)存儲(chǔ)單元在進(jìn)行數(shù)據(jù)存儲(chǔ)時(shí)，由于來自多個(gè)應(yīng)用的數(shù)據(jù)信息量較大，并且具有不同的數(shù)據(jù)類型，但數(shù)據(jù)之間也存在多種聯(lián)系或冗余，在進(jìn)行數(shù)據(jù)存儲(chǔ)時(shí)，需要根據(jù)上層應(yīng)用數(shù)據(jù)的相似性進(jìn)行數(shù)據(jù)融合，并根據(jù)各應(yīng)用需求進(jìn)行最大可能的壓縮數(shù)據(jù)。

當(dāng)前主要技術(shù)方向是基于提供的樣本數(shù)據(jù)的相似性進(jìn)行分類，可以借助神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法有效地實(shí)現(xiàn)數(shù)據(jù)融合的智能化。使用特定的學(xué)習(xí)算法參照訓(xùn)練樣本值進(jìn)行不斷地調(diào)整和修正權(quán)值，從而實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)對(duì)大量不確定數(shù)據(jù)進(jìn)行推理，由于神經(jīng)網(wǎng)絡(luò)的非線性逼近能力，可以在對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)并不斷調(diào)整和修正權(quán)值之后，建立起有效的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合模型。

數(shù)據(jù)中心屬于更特殊的節(jié)點(diǎn)設(shè)備，系統(tǒng)的模塊化使得節(jié)點(diǎn)可以根據(jù)環(huán)境條件配備不同類型的傳感器，而數(shù)據(jù)中心可以整合所有類型的數(shù)據(jù)。當(dāng)節(jié)點(diǎn)休眠時(shí)，通常只啟動(dòng)數(shù)據(jù)采集模塊和數(shù)據(jù)融合模塊，當(dāng)數(shù)據(jù)中心檢測(cè)到節(jié)點(diǎn)被激活時(shí)，它將打開通信模塊，這種機(jī)制可以顯著降低節(jié)點(diǎn)功耗。更重要的是，數(shù)據(jù)中心所采用的數(shù)據(jù)融合算法會(huì)大大減少通信數(shù)據(jù)量和通信次數(shù)，從而節(jié)點(diǎn)能耗也隨之下降[6-9]。

4? 基于徑向基函數(shù)的數(shù)據(jù)融合算法（Data fusion?algorithm based on radial basis function）

由于無線傳感網(wǎng)中各傳感器節(jié)點(diǎn)獲得的信息數(shù)據(jù)量非常大，數(shù)據(jù)的類型也是各種各樣的，這就要求數(shù)據(jù)融合系統(tǒng)能夠通過不斷的學(xué)習(xí)，準(zhǔn)確的理解和掌握這些數(shù)據(jù)之間的聯(lián)系。另外，傳感器節(jié)點(diǎn)從外界采集的數(shù)據(jù)具有不可靠、不完備等特點(diǎn)，從而要求數(shù)據(jù)融合系統(tǒng)必須具有較好的容錯(cuò)性。神經(jīng)網(wǎng)絡(luò)由于自身的特點(diǎn)可以很好地滿足以上要求。

本文選擇徑向基函數(shù)作為神經(jīng)網(wǎng)絡(luò)的隱層激活函數(shù)。為了設(shè)計(jì)一個(gè)符合實(shí)際需求的RBF神經(jīng)網(wǎng)絡(luò)，在得到足夠的訓(xùn)練樣本后，需要解決以下問題：

首先，必須確認(rèn)神經(jīng)網(wǎng)絡(luò)中的隱節(jié)點(diǎn)數(shù)，然后確定各個(gè)聚類域的聚類中心、擴(kuò)展常數(shù)和輸出權(quán)重矩陣。構(gòu)建神經(jīng)網(wǎng)絡(luò)的核心是選擇樣本聚類中心。最便捷的方法是將所有樣本作為一個(gè)聚類中心。這種方法的優(yōu)點(diǎn)是計(jì)算復(fù)雜度較低，適用于變量較少的小型網(wǎng)絡(luò)[10]。

如圖2所示，假設(shè)神經(jīng)網(wǎng)絡(luò)中有N個(gè)輸入，K個(gè)隱節(jié)點(diǎn)和M個(gè)輸出。假設(shè)輸入向量為，是輸出權(quán)重矩陣，是網(wǎng)絡(luò)輸出向量集合，是第i個(gè)隱節(jié)點(diǎn)的激活函數(shù)。

在圖2中，數(shù)據(jù)中心從應(yīng)用層接收到的各類型數(shù)據(jù)作為輸入樣本，中間層是隱層，由隱節(jié)點(diǎn)構(gòu)成，變換函數(shù)采用RBF函數(shù)，本文使用徑向高斯函數(shù)作為中心點(diǎn)的徑向平衡衰減非負(fù)和非線性函數(shù)[11]。輸出層采用線性激活函數(shù)。

在RBF中選擇聚類中心有很多種方法。本文使用了一種稱為k均值聚類的自組織方法。該算法有兩個(gè)階段：自組織學(xué)習(xí)階段和監(jiān)督學(xué)習(xí)階段。在第一階段，它將估計(jì)聚類的中心，然后再根據(jù)期望值的均方誤差和第二階段的輸出值不斷調(diào)整權(quán)重。

5 仿真實(shí)驗(yàn)結(jié)果（Simulation experiment and?performance analysis）

本文使用ZigBee模塊組建網(wǎng)絡(luò)，利用Arduino工具開發(fā)ZigBee驅(qū)動(dòng)并嵌入單片機(jī)構(gòu)成中心節(jié)點(diǎn)，使用MATLAB仿真工具，在30m×30m的區(qū)域內(nèi)隨機(jī)放置500個(gè)傳感器節(jié)點(diǎn)，組成仿真神經(jīng)網(wǎng)絡(luò)。所有節(jié)點(diǎn)相互連接，并且各節(jié)點(diǎn)的初始能量設(shè)置為相同。中心節(jié)點(diǎn)通過最小均方差算法不斷修正權(quán)重矩陣和閾值，并發(fā)送到終端節(jié)點(diǎn)。終端節(jié)點(diǎn)傳感器通過新的權(quán)重矩陣和閾值進(jìn)行數(shù)據(jù)融合，通過單片機(jī)編程進(jìn)行采樣結(jié)果的監(jiān)測(cè)和分析，進(jìn)而對(duì)比本文的能耗控制策略和數(shù)據(jù)融合算法與傳統(tǒng)BP算法的性能。

如圖3所示，本文算法通過節(jié)點(diǎn)上的跨應(yīng)用資源調(diào)度方案達(dá)到能量傳輸自適應(yīng)，可以降低節(jié)點(diǎn)在傳輸周期內(nèi)的工作強(qiáng)度，并且依據(jù)算法進(jìn)行數(shù)據(jù)融合，與采用周期輪詢方式的DSPC算法相比，經(jīng)多個(gè)回合執(zhí)行之后，本文算法的節(jié)點(diǎn)能量消耗總量低于傳統(tǒng)算法的能量消耗總量。

與采用傳統(tǒng)BP算法的普通節(jié)點(diǎn)相比，采用本文改進(jìn)后的算法的節(jié)點(diǎn)的生命周期也有著顯著改善。隨著節(jié)點(diǎn)數(shù)量的不斷提高，信息傳輸也將消耗相對(duì)較高的功率。在這種情況下，本文提出的算法的優(yōu)點(diǎn)將更為明顯。圖4對(duì)比了本文算法和傳統(tǒng)BP算法在不同節(jié)點(diǎn)數(shù)量時(shí)的收斂速度。從實(shí)驗(yàn)結(jié)果可以看出，當(dāng)單片機(jī)CPU頻率高于2000Hz時(shí)，算法收斂速度僅和節(jié)點(diǎn)數(shù)目有關(guān)。

通過以上仿真實(shí)驗(yàn)結(jié)果可以看出，優(yōu)化后的數(shù)據(jù)融合算法能夠有效地降低節(jié)點(diǎn)能耗，將優(yōu)化融合算法應(yīng)用于無線傳感器網(wǎng)絡(luò)的ZigBee網(wǎng)絡(luò)，可以達(dá)到遠(yuǎn)距離、低功耗信息傳輸?shù)哪康摹?/p>

6? ?結(jié)論（Conclusion）

目前無線傳感器網(wǎng)絡(luò)的關(guān)鍵問題是如何在資源受限的條件下使各種應(yīng)用最佳地協(xié)同工作。為解決實(shí)施過程中的關(guān)鍵問題，本文給出了一種新的解決方案。

解決方案從兩個(gè)方面考慮共享多個(gè)應(yīng)用的數(shù)據(jù)：數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)通信。它可以提高數(shù)據(jù)存儲(chǔ)的效率，減少重復(fù)的通信。另外，引入了數(shù)據(jù)中心節(jié)點(diǎn)進(jìn)行數(shù)據(jù)的調(diào)度、維護(hù)和本地存儲(chǔ)，以減少通信次數(shù)。在數(shù)據(jù)存儲(chǔ)方面，使用人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法進(jìn)行數(shù)據(jù)融合。該算法目前基于原始檢測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)信息的分析和融合，將來的工作是，對(duì)數(shù)據(jù)進(jìn)行特征抽取，依據(jù)提取的特征信息對(duì)多個(gè)傳感器節(jié)點(diǎn)、多應(yīng)用的數(shù)據(jù)進(jìn)行分析和歸類，然后進(jìn)行目標(biāo)狀態(tài)和特征的數(shù)據(jù)融合。

在分析目前無線傳感器網(wǎng)絡(luò)研究的基礎(chǔ)上，協(xié)調(diào)各種應(yīng)用資源、加強(qiáng)應(yīng)用信息共享是控制能源消耗的新突破。本文是在上述研究熱點(diǎn)的基礎(chǔ)上對(duì)節(jié)點(diǎn)運(yùn)行多個(gè)應(yīng)用程序時(shí)能耗控制的基本解決方案和關(guān)鍵技術(shù)進(jìn)行研究，研究成果可以應(yīng)用于無線傳感器網(wǎng)絡(luò)或類似的物聯(lián)網(wǎng)結(jié)構(gòu)。

參考文獻(xiàn)（References）

[1] Yu Shaojun.Dynamic energy consumption analysis and test of node in wireless sensor networks[C].Proceedings of 2017 13th IEEE International Conference on Electronic Measurement & Instruments （ICEMI），2017（8）：1481-1488.

[2] Sivasankar P T，Ramakrishnan M.Energy efficient life time in wireless sensor network using cluster head election based on hit set[J].Emerging Trends in New & Renewable Energy Sources and Energy Management，2015：140-142.

[3] Soufiene B.Secure.Data Aggregation with MAC Authentication in Wireless Sensor Networks[J].2013 12th IEEE International Conference on Trust.Security and Privacy in Computing and Communications，2013：188-194.

[4] Zhang Q.Cooperative Data Reduction in Wireless Sensor Network[J].Globecom 2012-Adhoc and Sensor Networking Symposium，2012：646-651.

[5] Shouwen Lai.Duty.Cycled Wireless Sensor Networks Wakeup scheduling，Routing and Broadcasting[M].A thesis submitted to Virginia Polytechnic Institute and State University，Virginia，2010.

[6] Xiaoxiao Liang.Research on Wireless Sensor Networks Data Fusion Algorithm Based on COA-BP[C].peer reviewed papers from the 4th International Conference on Intelligent Structure and Vibration Control（ISVC 2014），2014（4）：226-229.

[7] Li Li，Li Weijia.The analysis of data fusion energy consumption in WSN[J].International Conference on System Science，Engineering Design and Manufacturing Information，2011：310-313.

[8] Zhao X，Wang J.An algorithm of data fusion using neural network[J]，International Conference on Electric Information and Control Engineering，2011：2950-2953.

[9] Izadian，Roshanak，Manzuri.Energy-saving technologies of WSN[J].Advanced Materials Research，2013，605：566-569.

[10] 羅丹.一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)WSN數(shù)據(jù)融合方案[J].信息技術(shù)，2017（02）：155-160.

[11] 樊雷松，強(qiáng)彥，趙涓涓，等.無線傳感網(wǎng)中基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（01）：62-66.