基于信道沖擊成型自適應(yīng)機(jī)制的WSN大數(shù)據(jù)采集算法

翁業(yè)林，周 泓

?

基于信道沖擊成型自適應(yīng)機(jī)制的WSN大數(shù)據(jù)采集算法

*翁業(yè)林1，周 泓2

(1. 江蘇財經(jīng)職業(yè)技術(shù)學(xué)院，江蘇，淮安 223003；2. 淮陰工學(xué)院，江蘇，淮安 223003)

為解決無線傳感網(wǎng)采集算法普遍存在的節(jié)點故障率高、鏈路抖動嚴(yán)重及抗噪性能較低等不足，提出了一種基于信道沖擊成型自適應(yīng)機(jī)制的無線傳感網(wǎng)大數(shù)據(jù)采集算法。首先，根據(jù)無線傳感網(wǎng)節(jié)點信號具有的分區(qū)及偏移特性設(shè)計了信道沖擊成型方法，并基于編碼率-信噪比-信號發(fā)射強(qiáng)度增益等參量構(gòu)建能量密度與信道衰落匹配過濾方式，提高信號發(fā)射過程中能量密度；隨后，通過傳輸信號與信道噪聲具有的正交特性建立自適應(yīng)抽樣機(jī)制，根據(jù)垂直信號與噪聲信號互相干涉中產(chǎn)生的正交效應(yīng)進(jìn)行匹配濾波，并針對節(jié)點采取了載波過濾的方式進(jìn)行遍歷過濾，降低了網(wǎng)絡(luò)信號擁塞現(xiàn)象的發(fā)生。仿真實驗表明：與當(dāng)前常見的拉普拉斯抗噪傳輸算法（Laplasse Anti-Noise Transmission Algorithm，ANT-L機(jī)制）以及傅氏信號解析抗噪傳輸算法（Fourier Noise Analysis Algorithm for Noise Immunity，NI-FNA機(jī)制）相比，本文算法具有更高的數(shù)據(jù)吞吐性能，有效地降低了網(wǎng)絡(luò)鏈路抖動現(xiàn)象，取得更低的傳輸誤碼率。

無線傳感網(wǎng); 大數(shù)據(jù)采集；載波過濾；信道沖擊成型；信號擁塞；自適應(yīng)抽樣

0 引言

新移動傳感網(wǎng)技術(shù)對傳輸質(zhì)量及流動性控制具有很高的保障，對強(qiáng)干擾環(huán)境下的信道噪聲具有很好的抗噪作用，成為當(dāng)前WSN大數(shù)據(jù)采集算法中的熱點研究領(lǐng)域[1-2]。

為改善當(dāng)前無線傳感網(wǎng)大數(shù)據(jù)采集算法的實際適用性能，人們提出了一系列的WSN數(shù)據(jù)采集方法，如Prabhudutta等[3]提出了一種基于距離分割傳輸機(jī)制的WSN大數(shù)據(jù)采集算法，該機(jī)制通過中心頻率漂移方式進(jìn)行載波傳輸，能夠?qū)崿F(xiàn)強(qiáng)干擾條件下大數(shù)據(jù)的抗噪采集，傳輸帶寬較強(qiáng)。但是，該算法需要在節(jié)點稀疏條件下方能穩(wěn)定傳輸，且數(shù)據(jù)吞吐性較差。Yatish等[4]提出了一種基于特征頻譜混疊特征一體化傳輸機(jī)制的WSN大數(shù)據(jù)采集算法，該算法通過正交濾波方式實現(xiàn)對節(jié)點、信道傳輸信號頻率及漂移的精確捕捉，能夠?qū)崿F(xiàn)低負(fù)載條件下數(shù)據(jù)穩(wěn)定傳輸。但是，該算法對信號穩(wěn)定性考慮不足，影響了傳輸帶寬的進(jìn)一步提升。Rong等[5]提出了一種基于投影矢量自適應(yīng)機(jī)制的WSN大數(shù)據(jù)采集算法，該算法采用蜂窩區(qū)域分割方式，提高了信號正交特性，增強(qiáng)了算法的傳輸性能。但是，該算法對節(jié)點接入性能要求較高，且傳輸過程中容易出現(xiàn)卡頓現(xiàn)象，制約了該算法在實踐中的應(yīng)用。

針對當(dāng)前常用的WSN大數(shù)據(jù)采集算法存在的不足，本文提出了一種基于信道沖擊成型自適應(yīng)機(jī)制的WSN大數(shù)據(jù)采集算法。信道沖擊成型中采取基于編碼率、信噪比及信號發(fā)射強(qiáng)度增益的綜合評估方式提高信號發(fā)射過程中的能量密度；且根據(jù)信號干涉過程中的正交效應(yīng)，構(gòu)建自適應(yīng)抽樣過程，分離垂直信號與噪聲信號并進(jìn)行匹配濾波，減緩信道抖動，降低數(shù)據(jù)傳輸鏈路抖動頻率，增強(qiáng)網(wǎng)絡(luò)擁塞控制能力，實現(xiàn)對高干擾環(huán)境下無線傳感網(wǎng)的高質(zhì)量數(shù)據(jù)采集。最后通過NS2仿真實驗環(huán)境，證明本文算法具有的優(yōu)越性能。

1 本文WSN大數(shù)據(jù)采集算法

本文WSN大數(shù)據(jù)采集過程見圖1。由圖可知，本文算法實現(xiàn)步驟如下：①信道沖擊成型：通過信道沖擊成型發(fā)射步驟，可實現(xiàn)對傳感數(shù)據(jù)的預(yù)采集，且實現(xiàn)區(qū)域數(shù)據(jù)于采集節(jié)點的信號的一一匹配，從而能夠使用高密度方式對射頻信號進(jìn)行預(yù)發(fā)射處理；②自適應(yīng)抽樣：通過自適應(yīng)抽樣過程，可對信號強(qiáng)度進(jìn)行提升，增強(qiáng)算法對傳感數(shù)據(jù)的傳輸性能。

圖1 本文WSN數(shù)據(jù)采集算法的過程

1.1 信道沖擊成型

當(dāng)前移動傳感網(wǎng)數(shù)據(jù)采集均采用分區(qū)模式，處于各區(qū)域內(nèi)的無線傳感節(jié)點均使用無線方式進(jìn)行數(shù)據(jù)采集[6]，見圖2。不妨設(shè)整個網(wǎng)絡(luò)內(nèi)部的區(qū)域數(shù)量為M，采集節(jié)點個數(shù)也為M；對于任意一個采集節(jié)點而言，能夠同時以K個信道的方式進(jìn)行數(shù)據(jù)發(fā)送。此外，針對該采集節(jié)點而言，采集-上傳的信道均具有唯一性，即數(shù)據(jù)的采集頻率與信道載波頻率相同。

圖2 數(shù)據(jù)采集與上傳模型

當(dāng)用僅當(dāng)式（5）、式（6）同時成立時，信號沖擊成型的質(zhì)量處于最優(yōu)水平。

1.2 自適應(yīng)抽樣

由圖1可知，傳感信號需要經(jīng)過抽樣、傳輸、采樣等過程，其數(shù)學(xué)解析形式可記為[7]：

使用模型（7）可獲取網(wǎng)絡(luò)中節(jié)點在任意時刻的傳輸數(shù)據(jù)，數(shù)據(jù)上傳過程中需要過濾信道噪聲，見圖3，采用低通濾波方式即可實現(xiàn)對信號的強(qiáng)度提升，經(jīng)過抗噪處理后網(wǎng)絡(luò)信號可由如下形式表示：

圖 3 自適應(yīng)抽樣過程

Fig.3 Sampling adaptive process

2 仿真實驗

為驗證本文算法的性能，本文擬采用NS2仿真實驗環(huán)境，采用拉普拉斯抗噪傳輸算法[12]（Laplasse Anti-Noise Transmission Algorithm，ANT-L機(jī)制）以及傅氏信號解析抗噪傳輸算法[13]（Fourier Noise Analysis Algorithm for Noise Immunity，NI-FNA機(jī)制）進(jìn)行仿真，仿真指標(biāo)選取數(shù)據(jù)吞吐帶寬、鏈路抖動率、節(jié)點故障頻率、傳輸誤碼率四個指標(biāo)，仿真參數(shù)如下：

表1 仿真參數(shù)表

2.1 數(shù)據(jù)吞吐帶寬

圖4顯示了本文算法與ANT-L機(jī)制、NI-FNA機(jī)制在節(jié)點傳輸率不斷增加時的數(shù)據(jù)吞吐帶寬仿真對比。由圖可知，隨著節(jié)點傳輸率的上升，數(shù)據(jù)吞吐帶寬也隨之上升。然而，本文算法的數(shù)據(jù)吞吐帶寬始終處于優(yōu)勢地位；這是由于本文算法針對信號傳輸過程中存在的抖動現(xiàn)象，構(gòu)建了信道沖擊成型方法，可降低因信道噪聲而導(dǎo)致的吞吐性能下降的現(xiàn)象，提高了傳輸性能；且能夠使自適應(yīng)采樣機(jī)制進(jìn)一步提高節(jié)點對高干擾環(huán)境下的信號抖動的適應(yīng)性能，減緩噪聲干擾帶來的垃圾數(shù)據(jù)擁塞，因此本文算法吞吐帶寬較高。ANT-L機(jī)制采用單純?yōu)V波方式進(jìn)行環(huán)境噪聲消除，然而由于該算法沒有針對節(jié)點信號與信道噪聲信號進(jìn)行交互過濾，因此在數(shù)據(jù)吞吐性能的提升上并不顯著。NI-FNA機(jī)制雖然在ANT-L機(jī)制上進(jìn)行了簡單的擁塞控制，然而該算法對信道噪聲造成的垃圾數(shù)據(jù)現(xiàn)象考慮不足，因此在數(shù)據(jù)吞吐性能上要差于本文算法。

圖4 數(shù)據(jù)吞吐帶寬

2.2 鏈路抖動率

圖5顯示了本文算法與ANT-L機(jī)制、NI-FNA機(jī)制在節(jié)點傳輸率不斷增加時鏈路抖動率的仿真對比，可以看出本文算法的鏈路抖動率始終較低。這是由于本文算法先后構(gòu)建了信道沖擊成型方法和自適應(yīng)抽樣機(jī)制，能夠在進(jìn)行抗噪傳輸?shù)耐瑫r大大提高節(jié)點的擁塞控制效率，特別是在自適應(yīng)抽樣機(jī)制中能夠直接采用過濾方式對可能產(chǎn)生噪聲污染的節(jié)點進(jìn)行逐個濾波，降低了因信道干擾而導(dǎo)致的傳輸錯誤的發(fā)生。ANT-L機(jī)制、NI-FNA機(jī)制由于數(shù)據(jù)吞吐性能不佳，容易發(fā)生因數(shù)據(jù)擁塞而帶來的傳輸鏈路抖動問題，因此在鏈路抖動性能上要差于本文算法。

圖5 鏈路抖動率

2.3 節(jié)點故障頻率

圖6顯示了本文算法與ANT-L機(jī)制、NI-FNA機(jī)制在節(jié)點故障頻率上的對比。由圖可知，本文算法的節(jié)點故障頻率要顯著低于對照組機(jī)制。這是由于本文算法能夠在信道沖擊成型方法和自適應(yīng)抽樣機(jī)制中顯著的對信道噪聲進(jìn)行抗噪處理，降低因擁塞現(xiàn)象帶來的節(jié)點故障，且鏈路抖動較低，因此不同節(jié)點之間出現(xiàn)故障時不會出現(xiàn)互相串?dāng)_的現(xiàn)象。ANT-L機(jī)制沒有專門對擁塞現(xiàn)象進(jìn)行控制，僅采取信道噪聲過濾的方式降低信號與信道噪聲之間的干涉現(xiàn)象，因此容易發(fā)生鏈路抖動；NI-FNA機(jī)制雖然能夠進(jìn)行簡單的擁塞控制，然而也存在著鏈路抖動較強(qiáng)的問題，因此節(jié)點故障頻率要高于本文算法。

圖6 節(jié)點故障頻率

2.4 傳輸誤碼率

圖7為本文算法與ANT-L機(jī)制、NI-FNA機(jī)制在傳輸誤碼率性能上的仿真對比。由圖可知，本文算法的傳輸誤碼率始終較低。這是由于本文算法在節(jié)點故障頻率要顯著低于對照組算法，數(shù)據(jù)傳輸過程中發(fā)生數(shù)據(jù)誤傳的概率較低，特別是本文算法構(gòu)建了信道沖擊成型方法，能夠顯著的增強(qiáng)網(wǎng)絡(luò)吞吐性能的同時，進(jìn)一步改善傳輸鏈路抖動現(xiàn)象，網(wǎng)絡(luò)運行質(zhì)量較高，因而傳輸誤碼率較低；ANT-L機(jī)制單純采取基于過濾方式進(jìn)行抗噪處理，并未考慮節(jié)點故障而導(dǎo)致的誤碼現(xiàn)象，因而傳輸誤碼率較高；NI-FNA機(jī)制僅采取簡單的擁塞控制方式，難以深入到信號層面進(jìn)行抗噪處理，因而信道噪聲對數(shù)據(jù)傳輸?shù)挠绊戄^大，使得傳輸誤碼率較高。

圖7 傳輸誤碼率

3 結(jié)束語

考慮到當(dāng)前無線傳感網(wǎng)大數(shù)據(jù)采集算法的一些不盡人意之處，提出了一種基于信道沖擊成型自適應(yīng)機(jī)制的WSN大數(shù)據(jù)采集算法。本文算法由信道沖擊成型及抽樣自適應(yīng)兩個方法組成，可提高傳感數(shù)據(jù)采集及傳輸過程中的抗干擾性能，大大降低節(jié)點故障概率，提高鏈路抖動的適應(yīng)性能，數(shù)據(jù)傳輸性能優(yōu)越。

下一步，將針對本文機(jī)制在高密度節(jié)點環(huán)境下存在的效率較低的問題，擬采取節(jié)點-信號匹配自適應(yīng)機(jī)制，解決因節(jié)點密集情況下存在的信號干涉難題，增強(qiáng)本文算法在高密度傳感節(jié)點條件下的性能。

[1] Christos P, Nikolaos S V. Resource Efficient Data Compression Algorithms for Demanding, WSN Based Biomedical Applications[J]. Journal of Biomedical Informatics, 2016,59(12):1-14.

[2] 呂敬祥,廖海紅. 分區(qū)大規(guī)模無線傳感網(wǎng)絡(luò)多跳LEACH協(xié)議[J]. 井岡山大學(xué)學(xué)報:自然科學(xué)版,2017(6): 38-42.

[3] Prabhudutta M, Manas R K. Energy Efficient Structure- Free Data Aggregation and Delivery in WSN[J]. Egyptian Informatics Journal, 2016, 17(3): 273-284.

[4] Yatish K, Mohamed Y. Restoring Connectivity in a Resource Constrained WSN[J]. Journal of Network and Computer Applications, 2016, 66(7):151-165.

[5] Rong B Z, Yang Q. Method for Monitoring the Cotton Plant Vigor Based on the WSN Technology[J]. Computers and Electronics in Agriculture,2017,133(12): 68-79.

[6] Ramnik S, Anil K V. Energy Efficient Cross Layer Based Adaptive Threshold Routing Protocol for WSN[J]. AEUE International Journal of Electronics and Communications, 2017, 72(31): 166-173.

[7] Gaddafi A S, Abdul H A. A Comparative Analysis of Energy Conservation Approaches in Hybrid Wireless Sensor Networks Data Collection Protocols[J]. Telecommunication Systems, 2016, 61(1): 159-179.

[8] Xin Q X. Applying CS and WSN Methods for Improving Efficiency of Frozen and Chilled Aquatic Products Monitoring System in Cold Chain Logistics[J]. Food Control, 2016, 60(2): 656-666.

[9] Peng W H, Xiao W L. Energy-Efficient Adaptive Slice-Based Secure Data Aggregation Scheme in WSN[J]. Procedia Computer Science, 2018, 129(19): 188-193.

[10] Sanu T, Thomaskutty M. Lossless Address Data Compression Using Quadtree Clustering of the Sensors in a Grid Based WSN[J]. Ad Hoc Networks,2016(36). 477-492.

[11] Mohamed E, Hamdy E, Alaa R. A Secure Data Routing Schema for WSN Using Elliptic Curve Cryptography and Homomorphic Encryption[J]. Journal of King Saud University-Computer and Information Sciences, 2016, 28(3): 262-275.

[12] Malathi L. Energy Efficient Data Collection Through Hybrid Unequal Clustering for Wireless Sensor Networks[J]. Computers and Electrical Engineering,2015, 48(9).358-370.

[13] Joe A J. A WSN-based Automatic Monitoring System for the Foraging Behavior of Honey Bees and Environmental Factors of Beehives[J]. Computers and Electronics in Agriculture, 2016,123(17)304-318.

Large Data Acquisition Algorithm of WSN that Based on Adaptive Mechanism of Channel Impact Shaping

*WENG Ye-lin1, ZHOU Hong2

(1. Jiangsu finance and economics Career Technical College, Huaian, Jiangsu 223003, China; 2. Huaiyin University of Technology, Huaian, Jiangsu 223003, China)

In order to solve the shortcomings of wireless sensor network acquisition algorithms, such as high rate of node failure, severe link jitter and low level of anti-noise performance, a large data acquisition algorithm based on the adaptive mechanism of channel impact shaping is proposed. Firstly, according to the signal partition and offset characteristics of nodes, a channel impact shaping method is designed.Based on the parameters of coding rate, signal-to-noise ratio and signal transmission intensity gain, a matching filtering method of energy density and channel fading is constructed to improve the energy density in signal transmitting. The orthogonal characteristic of signal and channel noise establishes an adaptive sampling mechanism, which combines the orthogonal effect of signal interference that carry out matched filtering and adopts traversal filtering to reduce network signal congestion and improves network throughput performance. The simulation results show that the proposed algorithm has better data throughput performance than Laplasse Anti-Noise Transmission Algorithms and Fourier Noise Analysis Algorithms for Noise Immunity, which effectively reduce link jitter and has lower transmission error rate.

Wireless sensor network; Large data acquisition; Carrier filtering; Channel impact molding; Signal congestion; Adaptive sampling

1674-8085(2019)03-0056-06

TP393.04

A

10.3969/j.issn.1674-8085.2019.03.010

2018-12-03；

2019-03-29

*翁業(yè)林(1981-)，男，江蘇儀征人，講師，碩士，主要從事網(wǎng)絡(luò)通信、計算機(jī)網(wǎng)絡(luò)技術(shù)等研究(E-mail: wenyeling@aliyun.com);

周 泓(1980-)，女，江蘇淮安人，副教授，博士，主要從事無線傳感器、軟件技術(shù)等研究(E-mail: zhouh1980ha@126.com).