基于數(shù)據(jù)相似度的無線傳感器網(wǎng)絡(luò)節(jié)點休眠調(diào)度策略*

李 偉,任秀麗

(遼寧大學(xué)信息學(xué)院,沈陽 110036)

無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)由大量低成本的微型傳感器組成,主要用于監(jiān)測感興趣區(qū)域的環(huán)境因素,如溫度、聲音、壓力等。傳感器利用有限的電池能量進(jìn)行環(huán)境感知,數(shù)據(jù)處理以及無線通信。它們收集感知數(shù)據(jù),在本地進(jìn)行處理后,將其傳輸?shù)交?。由于其具有小型化、低成本、低能耗的特點,已經(jīng)被廣泛應(yīng)用于醫(yī)療監(jiān)控、戰(zhàn)場監(jiān)視、目標(biāo)跟蹤和智能家居等領(lǐng)域[1-2]。

傳感器節(jié)點通常采用電池供電,其能量有限,由于節(jié)點大都部署在危險復(fù)雜區(qū)域中,電池一般難以更換,能量效率成為WSN設(shè)計中的主要問題[3]。如何減少冗余數(shù)據(jù)收集,降低傳感器能耗成為一個熱門研究問題。文獻(xiàn)[4]提出一種基于線性距離的休眠調(diào)度方法(Linear Distance-based Scheduling,LDS),LDS考慮傳感器節(jié)點到簇頭的距離。距離簇頭遠(yuǎn)的節(jié)點具有較高的休眠狀態(tài)概率。隨著節(jié)點距簇頭距離的增加,節(jié)點進(jìn)入休眠狀態(tài)的概率也增加。但簇頭附近的節(jié)點可能會始終處于活動狀態(tài),這樣會導(dǎo)致節(jié)點過早因能量耗盡而死亡。文獻(xiàn)[5]提出一種基于地理信息的睡眠調(diào)度和鏈?zhǔn)铰酚伤惴?Geography-Informed Sleep Scheduling and Chaining based,GSSC),GSSC根據(jù)節(jié)點的地理位置信息,使得小范圍內(nèi)感知到相同信息的節(jié)點只有一個處于活動狀態(tài),其他節(jié)點處于睡眠狀態(tài)。然而由于處理能力和RAM的限制,用于提供位置信息的GPS難以部署在傳感器節(jié)點上。文獻(xiàn)[6]提出一種完全分布式的休眠調(diào)度算法,傳感器節(jié)點不依賴于任何地理信息便可找到休眠節(jié)點,并使其進(jìn)入休眠狀態(tài)。但該算法不能保證傳感器節(jié)點間的連接。文獻(xiàn)[7]提出一種休眠調(diào)度和基于樹的聚類路由協(xié)議(Sleep Scheduled and Tree-Based Clustering,SSTBC),SSTBC將監(jiān)控區(qū)域劃分為網(wǎng)格,通過休眠不必要的節(jié)點來保持整個網(wǎng)絡(luò)的能量,此外還建立以簇頭為根的最小生成樹,以此來降低長距離傳輸?shù)哪芎?。但該協(xié)議沒有考慮網(wǎng)絡(luò)覆蓋率的問題,僅以節(jié)點剩余能量作為篩選休眠節(jié)點的依據(jù),可能會導(dǎo)致感知盲區(qū)的產(chǎn)生。文獻(xiàn)[8]提出一種基于相似性度量的節(jié)能睡眠調(diào)度機(jī)制(Energy-efficient Sleep Scheduling Mechanism,ESSM),ESSM首先根據(jù)最優(yōu)競爭半徑劃分多個簇,然后根據(jù)活動節(jié)點采集的數(shù)據(jù)構(gòu)造模糊矩陣來度量相似度,從而選擇出冗余節(jié)點進(jìn)行休眠調(diào)度。從數(shù)據(jù)的角度出發(fā),僅以一次測量數(shù)據(jù)作為冗余節(jié)點的判斷標(biāo)準(zhǔn)可能存在偏差,同時非鄰居節(jié)點間的相似度無實際意義,同樣會使大量節(jié)點同時進(jìn)入睡眠狀態(tài)從而導(dǎo)致感知盲區(qū)的產(chǎn)生。

為此,本文提出一種基于數(shù)據(jù)相似度的節(jié)點休眠調(diào)度策略(Node-Sleeping Schedule Strategy Based on Data Similarity,N3SDS)。N3SDS利用相似度函數(shù)計算簇內(nèi)活動節(jié)點感知數(shù)據(jù)間的相似度,對相似度高的鄰居節(jié)點進(jìn)行聚類分析得到冗余節(jié)點。然后,為避免感知盲區(qū),在冗余節(jié)點的基礎(chǔ)上采取相應(yīng)地選擇方法進(jìn)一步篩選出休眠節(jié)點,并進(jìn)行休眠調(diào)度,減少冗余數(shù)據(jù)收集,均衡網(wǎng)絡(luò)能耗。

1 網(wǎng)絡(luò)模型

假設(shè)N個傳感器節(jié)點隨機(jī)部署在監(jiān)測區(qū)域A內(nèi),網(wǎng)絡(luò)節(jié)點密度足夠大,可以覆蓋整個區(qū)域A。現(xiàn)假設(shè)無線傳感器網(wǎng)絡(luò)滿足以下條件:①傳感器節(jié)點均為靜態(tài)節(jié)點,一旦部署后位置不會改變。但由于節(jié)點能量耗盡或節(jié)點故障等其他原因,其拓?fù)浣Y(jié)構(gòu)可能會發(fā)生改變[9]。②所有傳感器節(jié)點均為同構(gòu)類型,即擁有相同的初始能量、通信半徑R和感知半徑rs,并具有一定的計算能力。每個節(jié)點具有唯一的ID[10]。③節(jié)點可以感知到所有位于其通信半徑內(nèi)的處于活動狀態(tài)的節(jié)點。④節(jié)點的通信功率可調(diào)節(jié),可以根據(jù)距離調(diào)整發(fā)射功率大小。⑤傳感器節(jié)點通過RSSI測距方法[11]計算自身到其鄰節(jié)點的距離。⑥節(jié)點間在數(shù)據(jù)傳輸過程中不考慮沖突問題。

2 能量模型

假設(shè)傳感器發(fā)送l比特數(shù)據(jù)到其鄰居節(jié)點,兩節(jié)點間距離為d,傳輸能耗公式如下[12-13]:

(1)

ER(l)=lEelec

(2)

簇頭除收發(fā)數(shù)據(jù)外,還要聚合來自簇內(nèi)活動傳感器節(jié)點的數(shù)據(jù)。計算能耗公式如下:

Eclac(l)=nlEDA

(3)

式中:EDA為數(shù)據(jù)融合系數(shù),n表示簇內(nèi)活動節(jié)點數(shù)量。

圖1 網(wǎng)絡(luò)生命周期圖

3 N3SDS休眠調(diào)度策略

當(dāng)監(jiān)測區(qū)域的環(huán)境變化緩慢時,同一區(qū)域內(nèi)的傳感器節(jié)點采集的感知數(shù)據(jù)將會存在高度冗余。本文根據(jù)傳感器節(jié)點感知數(shù)據(jù)間的相似度和節(jié)點的鄰居表來選擇休眠節(jié)點,進(jìn)行休眠調(diào)度以減少冗余數(shù)據(jù)收集,均衡節(jié)點能耗。N3SDS的操作按輪進(jìn)行,一輪為一個周期。每輪由兩個階段組成:①收集階段,將其劃分為3個子周期,每個子周期包括數(shù)據(jù)收集和數(shù)據(jù)傳輸,該階段在簇內(nèi)及簇間進(jìn)行;②調(diào)度階段,包括聚類分析、休眠節(jié)點選取和休眠調(diào)度,該階段在Sink節(jié)點處進(jìn)行。網(wǎng)絡(luò)生命周期,如圖1所示。

3.1 數(shù)據(jù)收集與傳輸

本文使用分布式非均勻分簇路由協(xié)議[14](Distributed Energy-Balanced Unequal Clustering,DEBUC)對網(wǎng)絡(luò)進(jìn)行分簇。DEBUC采用基于時間的簇頭競爭算法,廣播時間取決于候選簇頭的剩余能量和其鄰居節(jié)點的剩余能量。同時,通過控制不同位置候選簇頭的競爭范圍,使得距離基站較近的簇的規(guī)模較小。這樣,網(wǎng)絡(luò)中不同位置節(jié)點之間的簇內(nèi)和簇間通信能耗得以相互補(bǔ)償。

定義1鄰居表。存儲在傳感器節(jié)點中的一種數(shù)據(jù)結(jié)構(gòu),其結(jié)構(gòu),如表 1 所示。其中每一行記錄該節(jié)點的一個鄰居節(jié)點信息。每行中的ID表示鄰居節(jié)點的唯一標(biāo)識;Eres表示節(jié)點的剩余能量;Distance表示節(jié)點到其鄰節(jié)點的距離;Mode表示節(jié)點狀態(tài):W表示活動狀態(tài),S表示休眠狀態(tài)。

表1 節(jié)點鄰居表

每輪每個子周期數(shù)據(jù)采集結(jié)束后,節(jié)點將感知數(shù)據(jù)信息發(fā)往簇頭。第一個子周期除了發(fā)送感知數(shù)據(jù)外還需要發(fā)送節(jié)點鄰居表信息,簇頭收到簇內(nèi)所有活動節(jié)點的數(shù)據(jù)后將其聚合形成數(shù)據(jù)矩陣Y。第p個子周期內(nèi)收集的感知數(shù)據(jù)形成的數(shù)據(jù)矩陣記為Yp,如式(4)所示:

(4)

式中:m為簇內(nèi)活動傳感器數(shù)量,k表示子周期k個時隙內(nèi)傳感器收集的感知數(shù)據(jù)數(shù)量。

簇頭通過單跳或者多跳方式將數(shù)據(jù)發(fā)往Sink節(jié)點。Sink節(jié)點接收到數(shù)據(jù)后進(jìn)行聚類分析以及休眠調(diào)度。

3.2 基于模糊聚類的休眠節(jié)點篩選方法

3.2.1 構(gòu)造模糊等價矩陣

定義2相似度。衡量傳感器節(jié)點感知數(shù)據(jù)間的相似程度。取值范圍在[0,1]之間,0表示感知數(shù)據(jù)完全不同,1表示完全相同。取值越接近1,相似程度越高,反之越低。

Sink節(jié)點根據(jù)不同子周期感知數(shù)據(jù)形成的數(shù)據(jù)矩陣Yp構(gòu)造相應(yīng)地模糊等價矩陣。根據(jù)模糊聚類分析理論可知,傳感器節(jié)點i與傳感器節(jié)點j的感知數(shù)據(jù)間的相似度rij由式(5)計算可得:

(5)

(6)

由于模糊相似矩陣R僅滿足自反性和對稱性,不滿足傳遞性,并不是模糊等價關(guān)系。因此,為了便于聚類分析,根據(jù)傳遞閉合性質(zhì)將模糊相似矩陣改造為模糊等價矩陣。

從模糊相似矩陣R出發(fā),依次求平方:R→R2→…→R2i→…,當(dāng)?shù)谝淮纬霈F(xiàn)式(7)時:

Rk°Rk=Rk(k≥1)

(7)

則Rk即所求模糊等價矩陣[15]。

由式(6)和式(7)計算可得模糊等價矩陣R*,如式(8)所示:

(8)

3.2.2 聚類分析

定義3冗余節(jié)點。數(shù)據(jù)相似度大于等于相似度閾值且互為鄰居的節(jié)點。

(9)

(10)

每個聚類的聚類中心向量到總體樣本的中心向量的距離之和Dsum為:

(11)

每個聚類中所有的節(jié)點數(shù)據(jù)到其各自的聚類中心向量的距離之和dsum為:

(12)

則F統(tǒng)計量如式(13)所示:

(13)

本文提出一種基于節(jié)點鄰居表與相似度閾值的聚類標(biāo)準(zhǔn)。在相似度閾值的基礎(chǔ)上考慮節(jié)點的鄰居情況并對節(jié)點進(jìn)行聚類,聚類標(biāo)準(zhǔn)具體實現(xiàn)如下:

①根據(jù)模糊等價矩陣R*求其δ對應(yīng)的λ-截矩陣Rδ。若任意兩節(jié)點間的數(shù)據(jù)相似度大于等于δ,即r′ij≥δ,則將其對應(yīng)的r′ij值置為1;否則,置為0。由此可得到一個布爾型λ-截矩陣Rδ=(rδ)m×m。

②根據(jù)λ-截矩陣中1對應(yīng)的所在行i和列j,即所關(guān)聯(lián)的傳感器節(jié)點i與傳感器節(jié)點j,判斷其是否能聚為一類。若rij=rik=rim=rin=1,由等價矩陣的對稱性可知rij=rji,再根據(jù)其傳遞性可推導(dǎo)出rij=rji=rik=rjk=1。同理,可得集合{i,j,k,m,n}中任意兩節(jié)點間的rδ=1。因此,可將其聚為一類記為A={i,j,k,m,n}。

③集合A中的節(jié)點可能存在非鄰居節(jié)點。根據(jù)實際應(yīng)用環(huán)境可知,非鄰居節(jié)點間的相似度無意義,這是因為無法產(chǎn)生覆蓋,可能產(chǎn)生感知盲區(qū)。故對集合A做進(jìn)一步劃分。若{i,j,k}互為鄰居,{i,m,n}互為鄰居,則將其分別聚為一類,記為A1={i,j,k},A2={i,m,n},則集合A可表示為A={A1,A2}。若節(jié)點在集合中無鄰居節(jié)點,則將其從集合A中剔除。

3.2.3 冗余節(jié)點選取

根據(jù)上述聚類標(biāo)準(zhǔn),可將節(jié)點聚類分為兩類:基礎(chǔ)類和擴(kuò)展類。擴(kuò)展類可擴(kuò)展出具有相同聚類特征的不同表示,節(jié)點聚類情況,如圖2所示。

圖2 節(jié)點聚類圖

(1)基礎(chǔ)類

冗余節(jié)點A={i,j,k,…}聚為一類,即所有冗余節(jié)點互為鄰居,如圖2(a)所示。

(2)擴(kuò)展類

①令A(yù)1={i,j,k,…},A2={i,p,q,…},A1中所有節(jié)點互為鄰居,A2中所有節(jié)點互為鄰節(jié)點。A1中的節(jié)點和A2中的節(jié)點不是鄰居節(jié)點但存在公共節(jié)點。對其分別聚類,得到冗余節(jié)點集合A={A1,A2},如圖2(b)所示。對圖2(b)可擴(kuò)展到多種情況,如圖2(c)和 2(d)所示。此種聚類的共同特征是:公共冗余節(jié)點被不同集合所包含。②令A(yù)1={i,p,q,…},A2={j,m,n,…},A3={i,j},對其分別聚類,得到冗余節(jié)點集合A={A1,A2,A3},如圖2(e)所示。對圖2(e)可擴(kuò)展到多種情況,如圖2(f)和 2(g)所示。此種聚類的共同特征是:公共集合中的所有節(jié)點分別被不同集合所包含。

③A1={i,j,k,…},A2={j,m,n,…},A3={i,p,q,…},對其分別聚類,得到冗余節(jié)點集合A={A1,A2,A3},如圖2(h)所示。對圖2(h)可擴(kuò)展到多種情況,如圖2(i)所示。此種聚類的共同特征是:公共集合中的部分節(jié)點分別被不同集合所包含。

3.2.4 休眠節(jié)點選取

假設(shè)每輪每個子周期得到的冗余節(jié)點集合分別記為RN1,RN2,RN3。最終冗余節(jié)點集合記為RN,則RN=RN1∪RN2∪RN3。RN1,RN2和 RN3取并時,以節(jié)點的鄰居情況為合并標(biāo)準(zhǔn),RN的最終聚類與上述分析的聚類情況相同。為了避免感知盲區(qū)的產(chǎn)生,針對不同聚類,休眠節(jié)點的選擇方法也有所不同。

①基礎(chǔ)類中休眠節(jié)點選擇方法

假設(shè)每輪每個子周期傳感器節(jié)點向簇頭發(fā)送l比特數(shù)據(jù),根據(jù)能量衰減模型可知,傳感器節(jié)點i可工作的輪數(shù)Ri為:

(14)

(15)

(16)

k為當(dāng)前聚類中冗余節(jié)點的數(shù)量。當(dāng)冗余節(jié)點的當(dāng)前剩余能量低于平均剩余能量時,即:

(17)

則將該冗余節(jié)點選為休眠節(jié)點。

②擴(kuò)展類(1)中休眠節(jié)點選擇方法

③擴(kuò)展類(2)中休眠節(jié)點選擇方法

④擴(kuò)展類(3)中休眠節(jié)點選擇方法

3.3 節(jié)點休眠調(diào)度

每個輪次的3個子周期數(shù)據(jù)采集結(jié)束后,進(jìn)行節(jié)點的休眠調(diào)度。由于節(jié)點調(diào)度按輪進(jìn)行,這里僅對一輪內(nèi)的節(jié)點調(diào)度進(jìn)行描述。假設(shè)網(wǎng)絡(luò)初始運行時,所有節(jié)點都處于活動狀態(tài)。調(diào)度過程,如圖3所示。

圖3 調(diào)度流程圖

具體實現(xiàn)如下:

步驟1 網(wǎng)絡(luò)初始化時,每個傳感器節(jié)點維護(hù)一個輪數(shù)計數(shù)器(初始值為0),記錄每個節(jié)點的當(dāng)前實際輪數(shù)(活動節(jié)點與曾休眠過的節(jié)點所處輪數(shù)不同)。每進(jìn)行一輪數(shù)據(jù)收集,計數(shù)器值加1。

步驟2 每輪每個子周期簇內(nèi)活動節(jié)點采集完感知數(shù)據(jù)后,將感知信息發(fā)往簇頭。第一個子周期除了發(fā)送感知數(shù)據(jù)外,還需要發(fā)送鄰居表信息。

步驟3 簇頭收到所有節(jié)點的數(shù)據(jù)后,將其聚合發(fā)往Sink節(jié)點。Sink節(jié)點利用數(shù)據(jù)矩陣構(gòu)造模糊等價矩陣,對節(jié)點進(jìn)行聚類分析以及休眠節(jié)點的選取。最后,Sink節(jié)點廣播休眠節(jié)點ID號。

步驟4 節(jié)點收到消息后,進(jìn)行以下兩項檢查:①判斷自身是否為休眠節(jié)點。若是,則進(jìn)入休眠狀態(tài),關(guān)閉傳感功能與通信功能以節(jié)省能耗。休眠節(jié)點經(jīng)過預(yù)設(shè)的休眠時間后被喚醒,重新進(jìn)入活動狀態(tài)。②判斷休眠節(jié)點是否是其鄰居節(jié)點。若是,則將鄰居表中節(jié)點Mode值修改為S。

步驟5 一輪結(jié)束后,簇頭檢查當(dāng)前剩余能量是否低于閾值。若是,則重新執(zhí)行分簇算法。否則繼續(xù)下一輪數(shù)據(jù)收集,重復(fù)執(zhí)行步驟2～步驟5。

由于休眠節(jié)點都是感知數(shù)據(jù)高度相似的冗余鄰居節(jié)點,因此節(jié)點休眠后,休眠節(jié)點監(jiān)測區(qū)域的數(shù)據(jù)可由其鄰節(jié)點采集的數(shù)據(jù)代替,相應(yīng)地冗余數(shù)據(jù)收集減少。同時,由于休眠節(jié)點選取時綜合考慮了節(jié)點的相對位置以及剩余能量,剩余能量低于平均能量的節(jié)點進(jìn)入休眠狀態(tài);高于平均能量的節(jié)點繼續(xù)工作,等待下一輪休眠節(jié)點選取,因此能夠有效地均衡節(jié)點能量。

4 仿真與結(jié)果分析

4.1 仿真環(huán)境及參數(shù)設(shè)置

本文使用OMNET仿真環(huán)境,對N3SDS方案的性能進(jìn)行驗證,并根據(jù)不同仿真指標(biāo)對N3SDS方案與SSTBC、ESSM進(jìn)行比較。仿真的詳細(xì)參數(shù),如表2 所示。

表2 仿真詳細(xì)參數(shù)

4.2 實驗結(jié)果

4.2.1 節(jié)點存活率分析

網(wǎng)絡(luò)中節(jié)點存活率反映了網(wǎng)絡(luò)中節(jié)點能量的消耗情況,是評價網(wǎng)絡(luò)能效性的標(biāo)準(zhǔn)之一。圖4是不同休眠調(diào)度策略的節(jié)點存活率隨網(wǎng)絡(luò)周期的變化情況,隨著運行輪數(shù)的增加,網(wǎng)絡(luò)中的失效節(jié)點逐漸增加,可用節(jié)點逐漸減少。從圖4可以看出,與ESSM和SSTBC相比,N3SDS的網(wǎng)絡(luò)壽命分別延長了28.2%和 72.4%。在第450輪時,第一個節(jié)點才開始失效。這是因為N3SDS分別對每個子周期的感知數(shù)據(jù)進(jìn)行模糊聚類分析,從而選出了三組冗余節(jié)點集合。在確定最終冗余節(jié)點時,采用合并標(biāo)準(zhǔn),可能將更多的冗余節(jié)點選為休眠節(jié)點,增加了休眠節(jié)點的候選數(shù)量,從而能更有效的均衡網(wǎng)絡(luò)能量,相應(yīng)的節(jié)點存活時間也更長。

圖4 不同休眠調(diào)度策略的節(jié)點存活率比較

4.2.2 網(wǎng)絡(luò)能耗分析

網(wǎng)絡(luò)能耗是指網(wǎng)絡(luò)中所有節(jié)點每輪所消耗的能量,圖5是不同休眠調(diào)度策略的網(wǎng)絡(luò)能耗隨網(wǎng)絡(luò)周期的變化情況。從圖上看出,與ESSM和SSTBC相比,N3SDS網(wǎng)絡(luò)能耗變化趨勢更加緩慢,相同輪數(shù)下節(jié)點總能耗更低。這是因為N3SDS在選擇休眠節(jié)點時,針對冗余節(jié)點中的活動節(jié)點和休眠過的節(jié)點分別計算理論剩余能量值,然后通過它們的平均剩余能量作為閾值與節(jié)點進(jìn)行比較,低于閾值的節(jié)點全部休眠。因此,休眠節(jié)點的選取更加合理,在保證數(shù)據(jù)準(zhǔn)確度的條件下有更多的節(jié)點進(jìn)入休眠狀態(tài)。因此,N3SDS能更有效地均衡網(wǎng)絡(luò)能量,降低網(wǎng)絡(luò)能耗。

圖5 不同休眠調(diào)度策略的網(wǎng)絡(luò)能耗比較

4.2.3 數(shù)據(jù)準(zhǔn)確度分析

定義4數(shù)據(jù)準(zhǔn)確度。通過數(shù)據(jù)融合得出的結(jié)果與所有活動節(jié)點采集的實際數(shù)據(jù)之和的比值。

(18)

式中:xDA表示由Sink節(jié)點通過文獻(xiàn)[16]中的數(shù)據(jù)融合方案得出的數(shù)據(jù),xij表示第i個活動節(jié)點在第j個時隙采集的數(shù)據(jù),m表示活動節(jié)點總數(shù)。

圖6顯示了不同休眠調(diào)度策略的數(shù)據(jù)準(zhǔn)確度比較。從圖上可知,隨著活動傳感器數(shù)量的增加,數(shù)據(jù)準(zhǔn)確度逐漸提高。并且當(dāng)數(shù)據(jù)準(zhǔn)確度上升到一定值時總體趨于穩(wěn)定。與ESSM和SSTBC相比,N3SDS的數(shù)據(jù)準(zhǔn)確度分別提高了5.4%和18.1%。節(jié)點數(shù)量在200到350之間時,N3SDS的數(shù)據(jù)準(zhǔn)確度總體變化趨勢更加穩(wěn)定。這是由于隨著傳感器節(jié)點數(shù)量的增加,監(jiān)控區(qū)域擁有足夠數(shù)量的傳感器節(jié)點來監(jiān)測事件,使得數(shù)據(jù)準(zhǔn)確度最終趨于穩(wěn)定。N3SDS從節(jié)點采集到的感知數(shù)據(jù)本身出發(fā),基于數(shù)據(jù)間的相似度選擇冗余節(jié)點。在冗余節(jié)點集合中進(jìn)一步篩選休眠節(jié)點時,考慮節(jié)點間的相對位置以避免感知盲區(qū)。存在鄰節(jié)點并且剩余能量低于冗余節(jié)點集合能量平均值的節(jié)點進(jìn)入休眠狀態(tài),使得剩余的活動節(jié)點足以實現(xiàn)相同水平的數(shù)據(jù)收集。

圖6 不同休眠調(diào)度策略的數(shù)據(jù)準(zhǔn)確度比較

圖7 不同網(wǎng)絡(luò)規(guī)模下的休眠節(jié)點數(shù)量比較

4.2.4 休眠節(jié)點數(shù)量分析

本文還分析了N3SDS在不同節(jié)點密度下每輪的休眠節(jié)點數(shù)量情況,如圖7所示。從圖7可以看出,隨著運行輪數(shù)的增加,休眠節(jié)點數(shù)量大體保持穩(wěn)定,并在一定范圍內(nèi)上下波動。網(wǎng)絡(luò)規(guī)模為200個節(jié)點時,休眠節(jié)點數(shù)量大體在40～60間上下波動。網(wǎng)絡(luò)規(guī)模為400個節(jié)點時,休眠節(jié)點數(shù)量大體在100～140間波動。高密度部署下的休眠節(jié)點數(shù)量明顯多于低密度的休眠節(jié)點數(shù)量。這是因為相鄰節(jié)點收集的感知數(shù)據(jù)的時空相關(guān)性要高得多,因此,休眠的冗余節(jié)點的數(shù)量相對更多,并且選擇的更多休眠節(jié)點對后續(xù)的數(shù)據(jù)處理幾乎沒有影響。此外,從圖中還可以發(fā)現(xiàn)不同節(jié)點密度下的休眠節(jié)點的數(shù)量相對穩(wěn)定,這為維持所有節(jié)點的平均能耗的穩(wěn)定性提供了基礎(chǔ)。

5 結(jié)語

本文從減少冗余數(shù)據(jù)收集,均衡網(wǎng)絡(luò)能耗,延長網(wǎng)絡(luò)生命周期的角度出發(fā),提出一種基于數(shù)據(jù)相似度的節(jié)點休眠調(diào)度策略(N3SDS)。N3SDS利用每輪不同子周期簇內(nèi)活動節(jié)點形成的感知數(shù)據(jù)矩陣,計算不同節(jié)點間的相似度。通過模糊聚類分析理論,得到每個子周期的冗余節(jié)點。再根據(jù)不同子周期的冗余節(jié)點集合確定最終的冗余節(jié)點,為避免感知盲區(qū),在冗余節(jié)點是基礎(chǔ)上進(jìn)一步篩選出休眠節(jié)點。通過對節(jié)點的休眠調(diào)度大大地減少了冗余數(shù)據(jù)的收集,從而降低了網(wǎng)絡(luò)能耗。仿真結(jié)果表明,N3SDS在保證數(shù)據(jù)準(zhǔn)確度的前提下,有效地均衡了網(wǎng)絡(luò)能量,極大地延長了網(wǎng)絡(luò)生命周期。在后續(xù)的工作中,如何將休眠節(jié)點更加合理地喚醒將會做進(jìn)一步研究。