WSNs中基于模糊邏輯系統(tǒng)的能耗感知的簇路由

林 勇

(重慶電子工程職業(yè)學(xué)院， 重慶 401331)

無線傳感網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)由大量、微型傳感節(jié)點組成。這些節(jié)點具有有限的感測、計算和無線通信能力[1]。目前，WSNs已廣泛應(yīng)用于智能家居、污染檢測、目標(biāo)跟蹤和康復(fù)醫(yī)療。在這些應(yīng)用中，當(dāng)節(jié)點能量消耗完畢后，補充節(jié)點能量是不可能的[2]。因此，能量供給的受限，激發(fā)了研究能量感知協(xié)議的動力。

引用簇結(jié)構(gòu)能夠有效地降低WSNs的能耗。每個簇中由一個簇頭(Cluster Head,CH)和其他非簇頭節(jié)點(成員節(jié)點)組成。CH負責(zé)簇間通信[3]。當(dāng)簇構(gòu)建完成后，CH就給簇內(nèi)每個成員節(jié)點分配時分多址接入TDMA時隙，成員節(jié)點就利用所分配的時隙向CH發(fā)送數(shù)據(jù)。

在基于簇WSNs中，每個成員節(jié)點先感測環(huán)境參數(shù)，再將感測數(shù)據(jù)傳輸至它的CH。然后，成員節(jié)點在預(yù)設(shè)的時間內(nèi)進入休眠狀態(tài)[4]。與成員節(jié)點相反，簇頭CH在網(wǎng)絡(luò)操作期間內(nèi)總是保持活動狀態(tài)。因此，CH的平均能耗遠高于成員節(jié)點的能耗。

為此，常由多個節(jié)點間輪換扮演CH角色，共同分擔(dān)通信負載，進而平衡節(jié)點間能耗。而重構(gòu)簇便是實現(xiàn)CH角色的輪換的有效策略。

研究人員對重構(gòu)簇進行了較深的研究[5-7]。例如，文獻[6]利用閾值函數(shù)產(chǎn)生簇頭，并利用節(jié)點角度比、距離比和吞吐率優(yōu)化閾值函數(shù)。該方案仍是采用固定輪產(chǎn)生選擇簇頭。即以固定時間間隔啟動簇任務(wù)。類似地，文獻[7]也是在每輪內(nèi)構(gòu)建簇，每輪分為建立階段與數(shù)據(jù)傳輸階段。如圖1所示，在每一輪(Round)內(nèi)均由簇建立和數(shù)據(jù)傳輸兩個階段構(gòu)成。盡管每輪選擇簇能夠一定程度上平衡節(jié)點間的負載。然而，重構(gòu)簇本身也消耗能量，加重網(wǎng)絡(luò)負擔(dān)。

圖1 基于輪策略的構(gòu)簇任務(wù)的調(diào)度

若采用的Round過長，則CH的工作時間太長，可能導(dǎo)致其能量消耗過快。反之，若Round過短，系統(tǒng)需頻繁地重構(gòu)簇，增加了構(gòu)建簇所消耗的能量。因此，Round時長對能耗有一定的影響。

此外，選擇簇頭受多個因素影響，如距離，節(jié)點的剩余能量。那如何依據(jù)距離、能量等信息決定簇頭？實際上，這屬于多輸入單輸出系統(tǒng)。由多項輸入信息決策一個輸出量。而模糊邏輯系統(tǒng)常用于多輸入單輸出的決策系統(tǒng)。例如，文獻[8]中提出基于多參數(shù)模糊邏輯的車載通信資源協(xié)同優(yōu)化算法。利用模糊邏輯系統(tǒng)對資源進行管理。文獻[9]中也采用模糊邏輯系統(tǒng)推理簇尺寸。

為此，本文引用超輪概念，提出基于模糊邏輯系統(tǒng)的能效感知的簇路由(Fuzzy Logic-based Energy-aware Clustering,FL-EAC)。FL-EAC路由不是每輪都構(gòu)建簇，而是在一個超輪內(nèi)才構(gòu)建一次簇。同時，由模糊邏輯系統(tǒng)決策超輪長度。本文的主要工作可歸納以下兩點：① 引用超輪概念，不再采用的以固定時間內(nèi)建立簇策略；② 利用節(jié)點剩余能量、距離信息作為模糊邏輯系統(tǒng)的輸入，由模糊邏輯系統(tǒng)決策超輪長度。

1 FL-EAC路由

1.1 能量消耗模型

引用與文獻[10]中所述的無線電能量消耗模型，如圖2所示。發(fā)射器向相距為d的接收節(jié)點傳輸m比特的數(shù)據(jù)包所消耗的能量ETX(q,d)：

(1)

其中：Eelec運行發(fā)射器或接收器固定的能量消耗；εfs、εamp分別表示發(fā)射器在自空間、雙徑傳播模型(two ray ground model)的單位功率放大器的能量消耗[11-15]。

相應(yīng)地，對于接收m比特的數(shù)據(jù)包所消耗的能量：

ERX(m)=m*Eelec

(2)

1.2 構(gòu)簇算法

為了平衡WSNs內(nèi)的能耗，通常在多個傳感節(jié)點間輪換承擔(dān)CH角色。當(dāng)構(gòu)簇算法啟動時，一些傳感節(jié)點必須成為CHs。在構(gòu)簇過程中，每個非CH節(jié)點向與它的CH發(fā)送加入信息Mes_Join。收到Mes_Join的CH就給它的成員(非CH節(jié)點)提供TDMA時隙。此外，將每個簇內(nèi)的數(shù)據(jù)傳輸過程看成單跳傳輸。

圖2 無線電能量消耗模型

(3)

其中，Ej表示節(jié)點j的剩余能量。

圖3 構(gòu)簇算法1的偽代碼

(4)

其中，i表示廣播CH_adv消息的簇頭。

1.3 調(diào)度策略

每個簇在一輪內(nèi)完成它們的任務(wù)，然后再配置下一輪。FL-EAC路由允許所有節(jié)點參與構(gòu)簇過程[11]。而傳統(tǒng)的簇路由是采用固定輪時長構(gòu)建簇，這必然加大了構(gòu)建簇的能耗。為此，提出的FL-EAC路由采用新的策略。

FL-EAC路由先建立簇，形成多層結(jié)構(gòu)。然后，將網(wǎng)絡(luò)操作劃分為超輪(Hyper Rounds,HRs)，進而降低簇開銷。 FL-EAC路由規(guī)定在每個HRs內(nèi)的第一個輪的建立階段重構(gòu)簇。

HRs模型如圖4所示。值得注意的是，在實施階段，每一個HR的穩(wěn)定時期可能被合并成一個長的穩(wěn)定時期。換而言之，除HRs的第一個輪外，其他輪可以不重構(gòu)簇，進而降低了構(gòu)簇開銷。盡管輪長度是固定的，但HR長度隨傳感節(jié)點的狀態(tài)變化。現(xiàn)有的多數(shù)算法只關(guān)注HR策略，而提出的FL-EAC路由利用模糊邏輯系統(tǒng)處理變化的HR長度問題。

圖4 HRs模型

依據(jù)FL-EAC路由，在每個HR的開始執(zhí)行構(gòu)簇算法。因此，先將網(wǎng)內(nèi)所有節(jié)點被劃分為CHs和非CH節(jié)點(普通節(jié)點)。然后，在構(gòu)簇階段結(jié)束時，每個CH依據(jù)FLS計算HR長度。在分布算法中，將最短HR作為選為網(wǎng)絡(luò)內(nèi)全局的HR長度。選擇最短的HR作為全局HR長度，是為了降低CH的能耗。

為此，每個CH需產(chǎn)生一個等待時間，其正比于它所計算的HR長度。HR長度越短，等待時間越短。一旦等待時間結(jié)束，并且在等待時間期間，沒有收到鄰居節(jié)點發(fā)送的Msg_Sch，每個CH就向鄰居CHs傳輸Msg_Sch，其包含了HR的長度。每個CH從所接收的Msg_Sch中提取HR長度，并與之前接收的HR長度進行比較，保存最短HR長度。接下來，分析計算HR長度的過程。

1.4 模糊邏輯系統(tǒng)

采用模糊邏輯系統(tǒng)FLS處理每個CH節(jié)點在估計HR長度的不確定性。FLS利用節(jié)點的剩余能量和離信宿的相對距離決定HR長度。相比于遠區(qū)的CHs，位于信宿附近的CHs承擔(dān)了更多數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù)，因此，它們消耗了更多的能量。所以，它們的簇頭輪換頻率需更快[12]。

基于上述考慮，將離信宿相對距離和節(jié)點剩余能量作為FLS的輸入。FLS系統(tǒng)如圖5所示。剩余能量低的CHs難以完成它的任務(wù)，必須進行快速輪換。FLS的輸出就是HR長度。離信宿距離近的、低剩余能量的節(jié)點具有更短的HR長度。相反，離信宿距離遠的、高剩余能量節(jié)點的HR長度更長。因此，HR長度因節(jié)點個體不同而不同。

圖5 FLS系統(tǒng)

(5)

由于傳感節(jié)點是靜態(tài)的，離信宿最小和最大距離是固定參數(shù)。一旦網(wǎng)絡(luò)部署后，信宿就向所有節(jié)點廣播信號。因此，每個節(jié)點就可利用接收信號強度(Received Signal Strength Index,RSSI)估算離信宿近似距離。

1) 相對距離

節(jié)點i離信宿的相對距離RDi的定義如式(6):

(6)

其中，dmin、dmax分別表示離信宿的最近、最遠距離。而d(i,Sink)表示節(jié)點i離信宿的絕對距離。

2) 相對剩余能量

節(jié)點i的相對剩余能量REi的定義如式(7):

(7)

輸入變量RD、RE和輸出變量Out的隸屬函數(shù)如圖6所示。其中用非常低(very low)、低(low)、中(medium)、高(high)、非常高(very high)作為RE的語言變量。而用近(close)、中間(adequate)和遠(far)作為RD的語言變量。類似地，輸出變量Out可表述為：

Out={Verylow,low,ratherlow,mediumlow,medium,

mediumhigh,ratherhigh,high,veryhigh}

(8)

圖6 隸屬函數(shù)

知識規(guī)則庫如表1所示，共有15條規(guī)則。系統(tǒng)輸出為模糊值，僅為語言輸出變量，需要將其轉(zhuǎn)換精確的數(shù)值，即去模糊化。利用文獻[13]的Mamdani模糊控制的重心法，可實現(xiàn)去模糊化。

表1 知識規(guī)則庫

2 性能分析

利用MATLAB R2012b建立仿真平臺[15]。在100 m×100 m網(wǎng)絡(luò)區(qū)域內(nèi)部署100個節(jié)點，信宿位于(50 m,175 m)位置。傳感節(jié)點的初始能量Einit從[2,4]J區(qū)內(nèi)隨機選取。數(shù)據(jù)包尺寸和控制包尺寸分別為4 000和200比特。有關(guān)的能量參數(shù)如下：Eelec=50 nJ/bit、εfs=10 pJ/bit/m2、εamp=0.001 3 pJ/bit/m4、dco=87 m。

同時，為了更好地分析FL-EAC路由的性能，選用EHEED[14]和EDIT[15]進行比較。EHEED算法是基于HEED算法的改進，它采用多跳路徑完成簇間通信。而EDIT算法降低了在簇構(gòu)建過程中的消息交互，并且將節(jié)點剩余能量作為CH選擇的基本指標(biāo)。

1) 實驗一

本次實驗HR長度變化，并通過本次實驗數(shù)據(jù)證明超輪策略的可用性。HR長度如圖7所示。

依圖7可知，HR長度隨仿真時間變化。這與傳統(tǒng)路由采用固定輪策略不同。最初，HR長度較長，隨后，逐步變短。原因在于：在最初，節(jié)點能量較充足，每個簇頭能維持較長的工作時間，而隨著時間推移，節(jié)點能量逐步下降，擔(dān)任簇頭的時間會縮短。因此，HR長度變短。當(dāng)仿真結(jié)束后，HR就等于一輪。這些數(shù)據(jù)表明，利用模糊邏輯系統(tǒng)能夠依據(jù)節(jié)點能量動態(tài)地決策HR長度，有效地平衡節(jié)點間能量。

圖7 HR長度

2) 實驗二

本次實驗分析構(gòu)建簇所消耗的能量占總消耗的能量的百分比，將此指標(biāo)稱為簇開銷比。實驗數(shù)據(jù)如圖8所示。

從圖8可知，與采用基于輪的策略的EHEED和EDIT算法相比，提出的FL-EAC路由有效地控制了開銷。原因在于：FL-EAC路由減少了重構(gòu)簇的次數(shù)。而EHEED算法具有最高的構(gòu)簇開銷比，原因在于它需要多條消息才能形成簇，增加建立簇開銷的能耗。

圖8 構(gòu)簇能耗比

3) 實驗三

本次實驗分析網(wǎng)絡(luò)壽命隨節(jié)點數(shù)和離信宿距離的變化情況，實驗數(shù)據(jù)如圖9、圖10所示。

圖9 節(jié)點數(shù)對網(wǎng)絡(luò)壽命的影響

從圖9可知，與EDIT和EHEED算法相比，F(xiàn)L-EAC路由的網(wǎng)絡(luò)壽命得到有效提高。原因在于：FL-EAC路由采用分布式能量感知算法選擇CHs，平衡節(jié)點間的能耗。此外，隨著節(jié)點數(shù)的增加，F(xiàn)L-EAC算法的網(wǎng)絡(luò)壽命并沒有下降。

圖10 離信宿距離對網(wǎng)絡(luò)壽命的影響

圖10的離信宿距離為信宿離感測區(qū)域中心位置的水平距離。換而言之，當(dāng)信宿位于區(qū)域中心位置，則距離為零。在這種情況下，穩(wěn)定階段的能耗比信宿遠離區(qū)域中心環(huán)境下的能耗降低了不少。原因在于：在穩(wěn)定階段中傳感節(jié)點所消耗的能量主要取決于節(jié)點離信宿距離。

因此，當(dāng)信宿位于感測區(qū)域中心時，節(jié)點能量的大部分消耗于穩(wěn)定階段。相比于EDIT和EHEED算法，F(xiàn)L-EAC路由降低了構(gòu)簇開銷，因此，它獲取較長的網(wǎng)絡(luò)壽命。此外，即使信宿位置遠區(qū)域，F(xiàn)L-EAC算法降低了能耗，相比EDIT和EHEED算法，網(wǎng)絡(luò)壽命得到有效地提高。

3 結(jié)論

提出基于模糊邏輯系統(tǒng)的能效感知的簇路由FL-EAC。與傳統(tǒng)輪策略不同，F(xiàn)L-EAC路由是在每個超輪的開始時重構(gòu)簇，減少了構(gòu)簇次數(shù)，降低能耗。利用模糊邏輯系統(tǒng)決策超輪長度，使得超輪長度能夠依據(jù)節(jié)點剩余能量和距離進行變化。實驗數(shù)據(jù)表明，提出的FL-EAC路由算法降低了能耗，延長了網(wǎng)絡(luò)壽命。