考慮環(huán)境影響的水下電場通信組網(wǎng)算法

吳佳楠, 溫智皓, 賀曼利, 吳 劍, 李念峰

(長春大學(xué) 計(jì)算機(jī)科學(xué)技術(shù)學(xué)院, 長春 130022)

以水下仿生機(jī)器魚為代表的水下航行器(autonomous underwater vehicle, AUV)因具有良好的自主性和靈活性, 已成為探索海洋復(fù)雜水下環(huán)境的有效工具, 具有良好的應(yīng)用前景[1-2]. 但海洋環(huán)境的特殊性對無人航行器的續(xù)航能力、 可靠性提出了更高要求. 由于水質(zhì)、 水流、 電導(dǎo)率、 壓強(qiáng)等水下環(huán)境因素的影響, 傳統(tǒng)的通信方式很難有效工作, 目前主要有水下光學(xué)通信、 水下聲學(xué)通信和水下電場通信等幾種通信方式[3]. 水下光學(xué)通信以光波作為信息載體, 具有近距離高速通信的特點(diǎn), 但其對使用環(huán)境要求較高[4]； 水聲通信是當(dāng)前應(yīng)用較廣泛的水下通信方法, 其技術(shù)成熟, 可實(shí)現(xiàn)水下遠(yuǎn)距離通信, 但會受環(huán)境和通信介質(zhì)的影響, 易出現(xiàn)盲區(qū), 發(fā)射器效率較低[5]； 水下電場通信是將電流形成的電場作為介質(zhì)進(jìn)行通信, 傳輸信號穩(wěn)定, 對環(huán)境限制少, 靈活性較高[6-7]. 相比于光學(xué)和水聲通信, 水下電場通信技術(shù)因其能耗低, 不受水域渾濁等因素影響的特點(diǎn), 對仿生魚在水下進(jìn)行組網(wǎng)通信有重要意義. 北京大學(xué)的仿生魚研究團(tuán)隊(duì)選取箱鲀魚為仿生對象, 設(shè)計(jì)出一種小型水下機(jī)器人的電場通信系統(tǒng), 該系統(tǒng)屬于多跳臨時(shí)性自治系統(tǒng), 由一組兼具主機(jī)和路由功能的移動終端組成, 實(shí)現(xiàn)了仿生魚在3～5 m的雙向通信[8-9]. 若能形成由多個(gè)仿生魚體組成的智能集群, 協(xié)同工作, 則可有效彌補(bǔ)單機(jī)器人系統(tǒng)的不足. 文獻(xiàn)[10]根據(jù)實(shí)際情況, 使用CSMA/CA協(xié)議減少了共享信道上通信碰撞問題的發(fā)生, 同時(shí)提出了基于無線自組網(wǎng)按需平面距離向量路由協(xié)議AODV (Ad hoc on-demand distance vector routing)的電場通信路由協(xié)議, 實(shí)現(xiàn)了多節(jié)點(diǎn)的電場通信組網(wǎng)和消息的多跳轉(zhuǎn)發(fā)[10-11]. AODV是一種典型的反應(yīng)式路由協(xié)議, 具有高響應(yīng)時(shí)間的特點(diǎn), 但不適用于大型、 高動態(tài)網(wǎng)絡(luò), 且對鏈路變化也不敏感, 很難應(yīng)對節(jié)點(diǎn)的失聯(lián)、 故障等意外情況[12-13]. 此外, 文獻(xiàn)[14]證明電場會隨著海水電導(dǎo)率增大而減小, 低電導(dǎo)率海水的電場幅度明顯高于高電導(dǎo)率海水, 所以在水下環(huán)境中, 電導(dǎo)率的變化對水下電場通信的距離和效果有一定影響.

本文以北京大學(xué)團(tuán)隊(duì)研發(fā)的基于水下電場通信的仿生箱鲀魚為物理載體, 設(shè)計(jì)一種考慮實(shí)際水域電導(dǎo)率影響的仿生魚群自組網(wǎng)算法. 算法主要根據(jù)節(jié)點(diǎn)間的通信時(shí)間計(jì)算節(jié)點(diǎn)優(yōu)先級, 確定節(jié)點(diǎn)角色, 形成集群協(xié)作網(wǎng)絡(luò), 實(shí)現(xiàn)小規(guī)模仿生魚群的快速組網(wǎng). 以目的坐標(biāo)為導(dǎo)向的子節(jié)點(diǎn)和失散節(jié)點(diǎn)自主巡航功能的設(shè)定, 不但能實(shí)現(xiàn)群體失散節(jié)點(diǎn)的尋回, 還間接優(yōu)化了網(wǎng)絡(luò)協(xié)作模型, 減少了節(jié)點(diǎn)間的路由維護(hù)信息, 有效節(jié)約了網(wǎng)絡(luò)能耗.

1 模型設(shè)計(jì)與定義

1.1 角色定義及功能描述

仿生魚群網(wǎng)絡(luò)中定義了6種節(jié)點(diǎn)角色： 臨時(shí)核心節(jié)點(diǎn)、 主核節(jié)點(diǎn)、 備份節(jié)點(diǎn)、 直連節(jié)點(diǎn)、 子節(jié)點(diǎn)和失散節(jié)點(diǎn). 各節(jié)點(diǎn)功能如下.

1) 臨時(shí)核心節(jié)點(diǎn)： 用于主核節(jié)點(diǎn)和備份節(jié)點(diǎn)的選舉過渡.

2) 主核節(jié)點(diǎn)： 群體的主控制節(jié)點(diǎn), 用于協(xié)調(diào)控制魚群.

3) 備份節(jié)點(diǎn)： 主核節(jié)點(diǎn)失效時(shí), 作為新的群體控制節(jié)點(diǎn).

4) 直連節(jié)點(diǎn)： 能與臨時(shí)核心節(jié)點(diǎn)建立直接通信, 輔助整合子節(jié)點(diǎn).

5) 子節(jié)點(diǎn)： 僅能與直連節(jié)點(diǎn)通信.

6) 失散節(jié)點(diǎn)： 與群體網(wǎng)絡(luò)失聯(lián)的節(jié)點(diǎn), 不在群體有效通信距離內(nèi).

1.2 通信模型設(shè)計(jì)

仿生魚的內(nèi)部系統(tǒng)通信功能分為初始化、 事件生成器、 報(bào)文分類處理、 PID(priority ID)更新器、 計(jì)時(shí)器、 輸入/輸出6個(gè)模塊和一個(gè)PID信息數(shù)據(jù)庫, 如圖1所示. 其中, TD(TCP data)報(bào)文定義為TCP報(bào)文解析出的數(shù)據(jù)字段, PID表示節(jié)點(diǎn)優(yōu)先級. 為提高處理效率, 減輕系統(tǒng)負(fù)擔(dān), 算法設(shè)計(jì)為單進(jìn)程結(jié)構(gòu)[15], 模塊間的交互方式為函數(shù)調(diào)用和數(shù)據(jù)傳輸. 系統(tǒng)各部分功能如下.

圖1 系統(tǒng)工作模型Fig.1 System working model

1) 初始化模塊: 初始化算法使用的全部數(shù)據(jù)結(jié)構(gòu)； 通過事件生成器產(chǎn)生開始事件, 啟動報(bào)文分類處理模塊, 開始運(yùn)行整個(gè)算法.

2) 事件生成器: 生成事件, 驅(qū)動算法正常執(zhí)行； 通過接收輸入模塊發(fā)送的TD報(bào)文, 生成報(bào)文處理事件, 轉(zhuǎn)發(fā)給報(bào)文分類處理模塊處理； 產(chǎn)生報(bào)文發(fā)送事件, 將報(bào)文分類處理模塊需發(fā)送的TD報(bào)文通過輸出模塊發(fā)送出, 同時(shí)負(fù)責(zé)維護(hù)報(bào)文隊(duì)列的正常使用, 提供數(shù)據(jù)結(jié)構(gòu)的函數(shù)接口.

3) 報(bào)文分類處理模塊: 從事件生成器模塊接收TD報(bào)文, 通過報(bào)文標(biāo)識判斷類型, 針對不同類型的報(bào)文進(jìn)行相應(yīng)的處理, 處理過程中需要查看PID數(shù)據(jù)庫信息, 從而更新自身PID和PID數(shù)據(jù)庫, 將此過程產(chǎn)生的事件添加到事件生成器模塊.

4) PID更新器: 計(jì)算和更新自身PID和PID數(shù)據(jù)庫.

5) 計(jì)時(shí)器: 根據(jù)TD報(bào)文的發(fā)送時(shí)間字段, 計(jì)算兩節(jié)點(diǎn)往返通信一次所需時(shí)間, 輔助PID更新器計(jì)算PID.

6) 輸入/輸出模塊: 直接調(diào)用操作系統(tǒng)提供的TCP服務(wù)接口, 完成TCP建立的連接和釋放； 將相鄰節(jié)點(diǎn)送來的TCP報(bào)文解析成TD報(bào)文, 提交給事件生成器； 接收事件生成器發(fā)來的TD報(bào)文, 封裝成TCP報(bào)文, 發(fā)給相應(yīng)的節(jié)點(diǎn).

7) PID信息數(shù)據(jù)庫: 存放算法執(zhí)行過程中產(chǎn)生的各種數(shù)據(jù), 包括與自身通信的上級節(jié)點(diǎn), 以及兩個(gè)相互獨(dú)立的直連節(jié)點(diǎn)信息表和子節(jié)點(diǎn)信息表, 表中含有ID和PID等信息.

2 組網(wǎng)算法

算法運(yùn)行分為兩個(gè)階段: 選舉階段通過計(jì)算節(jié)點(diǎn)優(yōu)先級確定節(jié)點(diǎn)角色, 生成全網(wǎng)拓?fù)洌?網(wǎng)絡(luò)維護(hù)階段基于自主巡航功能優(yōu)化子節(jié)點(diǎn), 并通過發(fā)送探索報(bào)文尋回失散節(jié)點(diǎn). 算法主要流程如圖2所示.

圖2 算法流程Fig.2 Flow chart of algorithm

2.1 選舉階段

該階段包含選舉臨時(shí)核心節(jié)點(diǎn)、 整合子節(jié)點(diǎn)、 主備節(jié)點(diǎn)選舉3個(gè)子過程.

2.1.1 選舉臨時(shí)核心節(jié)點(diǎn)

步驟1) 所有節(jié)點(diǎn)廣播詢問報(bào)文M1, 發(fā)送時(shí)間字段為當(dāng)前時(shí)間t1, 數(shù)據(jù)字段h1為0；

步驟4) 所有節(jié)點(diǎn)PID更新完畢；

步驟5) 每個(gè)節(jié)點(diǎn)廣播報(bào)文M2, 發(fā)送自身PID；

步驟6) 節(jié)點(diǎn)收到M2, 建立自身直連節(jié)點(diǎn)信息表并排序；

步驟7) 排在直連節(jié)點(diǎn)信息表第一位的節(jié)點(diǎn), 發(fā)送臨時(shí)核心確認(rèn)報(bào)文M3；

步驟8) 節(jié)點(diǎn)收到M3, 判斷是否同意； 若是, 則單播M3y, 同意建立臨時(shí)核心節(jié)點(diǎn), 更新自身上級節(jié)點(diǎn)信息； 若否, 則單播M3n, 拒絕建立臨時(shí)核心節(jié)點(diǎn).

臨時(shí)核心節(jié)點(diǎn)選舉時(shí)序如圖3所示.

圖3 臨時(shí)核心節(jié)點(diǎn)選舉時(shí)序Fig.3 Sequence of temporary core node election

PID包括兩部分: 通信總個(gè)數(shù)(Number_Sum)和平均通信時(shí)間(Time_Average), 更新計(jì)算過程為

(1)

Number_Sum=Number_Sum+1,

(2)

其中Time_Twopoints表示兩節(jié)點(diǎn)進(jìn)行通信的時(shí)間. 通信總個(gè)數(shù)越多, PID越高； 通信總個(gè)數(shù)相同, 平均通信時(shí)間越短, PID越高.

2.1.2 整合子節(jié)點(diǎn)

步驟1) 臨時(shí)核心節(jié)點(diǎn)將自身直連節(jié)點(diǎn)信息表放進(jìn)M4報(bào)文, 廣播發(fā)送；

步驟4) 直連節(jié)點(diǎn)收到M5a報(bào)文, 向子節(jié)點(diǎn)單播報(bào)文M5b；

步驟5) 子節(jié)點(diǎn)收到M5b, 更新自身上級節(jié)點(diǎn)信息, 協(xié)作拓?fù)浣⑼戤?

子節(jié)點(diǎn)整合時(shí)序如圖4所示.

圖4 子節(jié)點(diǎn)整合時(shí)序Fig.4 Sequence of sub node integration

2.1.3 主備節(jié)點(diǎn)選舉

步驟1) 將臨時(shí)核心節(jié)點(diǎn)作為主核節(jié)點(diǎn)；

步驟2) 主核廣播發(fā)送M6報(bào)文, 通知所有節(jié)點(diǎn)開始選舉備份節(jié)點(diǎn), 主核進(jìn)入備份選舉狀態(tài): 可正常接收報(bào)文, 但不進(jìn)行處理和回復(fù), 只有收到M7報(bào)文才進(jìn)行回復(fù)；

步驟3) 節(jié)點(diǎn)收到M6報(bào)文, 刪除直連節(jié)點(diǎn)信息表中關(guān)于主核的信息, 執(zhí)行臨時(shí)核心選舉部分, 選出的臨時(shí)核心節(jié)點(diǎn)作為備份節(jié)點(diǎn)；

步驟4) 備份節(jié)點(diǎn)單播發(fā)送M7報(bào)文, 通知主核, 備份節(jié)點(diǎn)已經(jīng)選舉完畢；

步驟5) 主核收到M7報(bào)文, 發(fā)送M8報(bào)文, 通知所有節(jié)點(diǎn)回歸主核控制狀態(tài)；

步驟6) 節(jié)點(diǎn)收到M8報(bào)文, 開啟主核節(jié)點(diǎn)控制狀態(tài), 結(jié)束.

2.2 維護(hù)階段

維護(hù)階段用于維護(hù)選舉階段建立的網(wǎng)絡(luò)拓?fù)? 主核節(jié)點(diǎn)負(fù)責(zé)協(xié)調(diào)魚群內(nèi)部通信, 定時(shí)發(fā)送維護(hù)報(bào)文, 通過節(jié)點(diǎn)的反饋, 判斷節(jié)點(diǎn)運(yùn)行情況, 更新網(wǎng)絡(luò)拓?fù)洌?備份節(jié)點(diǎn)在主核正常情況下, 定時(shí)備份主核節(jié)點(diǎn)所有的數(shù)據(jù), 一旦主核出現(xiàn)失聯(lián)、 故障問題, 立刻替代主核, 成為新的主核節(jié)點(diǎn), 同時(shí)控制魚群再次選舉.

2.2.1 自主巡航功能

步驟1) 網(wǎng)絡(luò)協(xié)作拓?fù)湫纬珊? 主核節(jié)點(diǎn)廣播封裝了目的坐標(biāo)的報(bào)文M9；

步驟2) 直連節(jié)點(diǎn)收到報(bào)文M9后, 隨同主核節(jié)點(diǎn)按到目標(biāo)坐標(biāo)的最短路徑移動；

步驟3) 子節(jié)點(diǎn)收到報(bào)文M9后, 獨(dú)立于主核節(jié)點(diǎn), 選擇到目標(biāo)坐標(biāo)的最短路徑自主移動；

步驟4) 主核節(jié)點(diǎn)在移動過程中, 定時(shí)廣播探索報(bào)文M10；

步驟5) 子節(jié)點(diǎn)未定時(shí)收到探索報(bào)文M10, 角色變?yōu)槭⒐?jié)點(diǎn), 同樣自行向目的坐標(biāo)移動.

2.2.2 群體拓?fù)鋬?yōu)化與失散節(jié)點(diǎn)尋回

根據(jù)自主巡航功能, 在移動過程中, 如果子節(jié)點(diǎn)或失散節(jié)點(diǎn)直接從主核節(jié)點(diǎn)收到報(bào)文M10, 此時(shí)若符合直連節(jié)點(diǎn)特征, 則進(jìn)行角色轉(zhuǎn)換, 加入網(wǎng)絡(luò).

3 仿真實(shí)驗(yàn)與結(jié)果分析

用計(jì)算機(jī)軟件對復(fù)雜的網(wǎng)絡(luò)行為進(jìn)行仿真是一種行之有效的網(wǎng)絡(luò)分析方法[16], 本文利用MATLAB軟件對算法執(zhí)行結(jié)果進(jìn)行仿真模擬, 用NS-2軟件對仿生魚群間的通信情況進(jìn)行仿真運(yùn)算.

3.1 MATLAB仿真

3.1.1 理想水域環(huán)境仿真

隨機(jī)模擬10條仿生魚下水的初始位置, 如圖5(A)所示, 由于目前水下電場的實(shí)際有效通信范圍是3～5 m, 因此本文將仿生魚的通信范圍設(shè)為3 m, 若超出該范圍將不能進(jìn)行直接通信. 算法執(zhí)行后, 每個(gè)節(jié)點(diǎn)將會確定自己的角色, 形成網(wǎng)絡(luò)拓?fù)? 其中紅色五角星表示主核節(jié)點(diǎn), 紫色三角形表示備份節(jié)點(diǎn), 綠色圓形表示直連節(jié)點(diǎn), 藍(lán)色正方形表示子節(jié)點(diǎn). 按本文算法運(yùn)行程序后, 由主核節(jié)點(diǎn)控制的網(wǎng)絡(luò)拓?fù)淙鐖D5(B)所示, 由備份節(jié)點(diǎn)控制的網(wǎng)絡(luò)拓?fù)淙鐖D5(C)所示.

本文算法具有丟失節(jié)點(diǎn)尋回功能, 如圖5(D)所示, 將群體行進(jìn)終點(diǎn)坐標(biāo)設(shè)為(5,5), 主核節(jié)點(diǎn)控制所有節(jié)點(diǎn)向終點(diǎn)移動, 紅色虛線表示節(jié)點(diǎn)移動的軌跡(為圖像更簡潔清晰, 只標(biāo)出主核節(jié)點(diǎn)和子節(jié)點(diǎn)的移動軌跡). 由圖5(D)可見, 經(jīng)仿真計(jì)算后, 左上角的藍(lán)色子節(jié)點(diǎn)經(jīng)過t時(shí)刻后與紅色主核節(jié)點(diǎn)之間的通信距離縮小為3 m, 達(dá)到了有效通信距離, 拓?fù)涓潞? 變?yōu)榫G色直連節(jié)點(diǎn). 該機(jī)制有效減少了群體網(wǎng)絡(luò)節(jié)點(diǎn)間的路由維護(hù)報(bào)文, 進(jìn)而節(jié)約網(wǎng)絡(luò)能耗. 該過程同樣適用于群體行進(jìn)過程中由于水下環(huán)境的意外風(fēng)險(xiǎn)因素導(dǎo)致出現(xiàn)失散節(jié)點(diǎn)的有效尋回, 從而間接提高了網(wǎng)絡(luò)可靠性.

3.1.2 電導(dǎo)率因素影響下的實(shí)際水域環(huán)境仿真

海水的電導(dǎo)率隨海水溫度、 壓力和鹽度等因素的改變而變化, 電導(dǎo)率變化會對水下電場通信產(chǎn)生影響. 為客觀地展現(xiàn)本文算法在該因素影響下的有效性, 在圖5(A)中設(shè)定電導(dǎo)率的影響區(qū)域, 以此模擬實(shí)際環(huán)境中的干擾因素, 如圖5(E)所示, 其中將陰影部分的電導(dǎo)率設(shè)為其余空白部分的1.2倍, 電導(dǎo)率的影響將會反映在節(jié)點(diǎn)間通信時(shí)間的相對改變上. 將電導(dǎo)率影響前后的網(wǎng)絡(luò)拓?fù)鋱D5(B)和圖5(F)進(jìn)行對比可見, 魚群的網(wǎng)絡(luò)拓?fù)浒l(fā)生了變化, 節(jié)點(diǎn)角色也發(fā)生了相應(yīng)的改變. 表明在實(shí)際水域環(huán)境發(fā)生變化的情況下, 本文算法能保持相對穩(wěn)定, 有一定的實(shí)用性.

圖5 MATLAB仿真拓?fù)銯ig.5 MATLAB simulation topology

3.2 NS-2仿真

下面用NS-2軟件對本文算法的網(wǎng)絡(luò)性能指標(biāo)進(jìn)行分析. AODV是應(yīng)用于無線隨意網(wǎng)絡(luò)中進(jìn)行路由選擇的路由協(xié)議, 能實(shí)現(xiàn)單播和多播路由, 是Ad Hoc網(wǎng)絡(luò)中按需生成路由方式的典型協(xié)議. 實(shí)驗(yàn)中通過測量AODV和本文算法在應(yīng)用中的吞吐量、 分組投遞率和平均端到端時(shí)延3個(gè)指標(biāo)衡量本文算法的網(wǎng)絡(luò)性能. 實(shí)驗(yàn)中的所有指標(biāo)均經(jīng)過10次計(jì)算取平均值, 仿真參數(shù)列于表1.

表1 網(wǎng)絡(luò)仿真參數(shù)Table 1 Network simulation parameters

3.2.1 吞吐量

吞吐量定義為整個(gè)數(shù)據(jù)傳輸期間節(jié)點(diǎn)接收并轉(zhuǎn)發(fā)的數(shù)據(jù)包總數(shù), 是協(xié)議有效性的度量[17]. 如圖6所示, 隨著節(jié)點(diǎn)數(shù)量的增加, 吞吐量逐步上升； 當(dāng)節(jié)點(diǎn)增長到一定數(shù)量后, 吞吐量增長速度減緩. 由于本文算法初期需要選舉主備節(jié)點(diǎn), 會增加額外的數(shù)據(jù)包, 但隨著網(wǎng)絡(luò)收斂, 吞吐量明顯降低. 與AODV相比, 當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量約大于40時(shí), 整體吞吐量更低.

圖6 吞吐量隨節(jié)點(diǎn)數(shù)量的變化曲線Fig.6 Change curves of throughput with number of nodes

3.2.2 分組投遞率

分組投遞率反應(yīng)網(wǎng)絡(luò)支持的最大吞吐量, 表明路由協(xié)議的完整性、 正確性和適應(yīng)網(wǎng)絡(luò)變化的能力, 是衡量協(xié)議效率的重要指標(biāo)[17-18], 其計(jì)算公式為

(3)

其中Rni為節(jié)點(diǎn)i成功接收的報(bào)文數(shù), Sni為節(jié)點(diǎn)i成功發(fā)送的報(bào)文數(shù).

本文算法和AODV的分組投遞率比較如圖7所示. 由圖7可見: 初期網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量較少, 通信數(shù)據(jù)不多, 分組投遞率接近1； 后期隨著節(jié)點(diǎn)的增加, 通信隊(duì)列逐漸達(dá)到上限, 分組投遞率下降; 隨著節(jié)點(diǎn)數(shù)量的增加, 本文算法的分組投遞率高于AODV.

圖7 兩種算法的分組投遞率比較Fig.7 Comparison of packet delivery ratios of two algorithms

3.2.3 平均端到端時(shí)延

平均端到端時(shí)延包含所有延時(shí), 如發(fā)送緩沖器等待時(shí)間、 接口隊(duì)列排隊(duì)時(shí)間、 MAC層重傳時(shí)間[18], 其計(jì)算公式為

(4)

其中N為成功傳輸?shù)臄?shù)據(jù)報(bào)文總數(shù), Rti為第i個(gè)報(bào)文的接收時(shí)間, Sti為第i個(gè)報(bào)文的發(fā)送時(shí)間.

本文算法和AODV的平均端到端時(shí)延如圖8所示. 網(wǎng)絡(luò)節(jié)點(diǎn)越多, 時(shí)延越大. 由于在選擇鏈路時(shí)本文算法和AODV都考慮了節(jié)點(diǎn)負(fù)載, 將節(jié)點(diǎn)負(fù)載作為影響因素納入節(jié)點(diǎn)穩(wěn)定度的計(jì)算中, 因而在節(jié)點(diǎn)個(gè)數(shù)較少時(shí), 能選擇到穩(wěn)定且負(fù)載低的鏈路進(jìn)行數(shù)據(jù)傳輸, 減少排隊(duì)時(shí)間, 降低端到端時(shí)延； 而當(dāng)節(jié)點(diǎn)個(gè)數(shù)持續(xù)增加時(shí), 可選路徑較多, 節(jié)點(diǎn)負(fù)載普遍降低, 節(jié)點(diǎn)負(fù)載對鏈路穩(wěn)定的影響力下降, 平均端到端時(shí)延上升. 本文算法在通信前需要進(jìn)行主備節(jié)點(diǎn)的選舉, 占用了信道, 增加了數(shù)據(jù)傳輸?shù)臅r(shí)間. 節(jié)點(diǎn)數(shù)量較少時(shí), 端到端時(shí)延要比AODV更大. 隨著節(jié)點(diǎn)增加, 本文算法通過主備節(jié)點(diǎn)調(diào)節(jié), 能降低時(shí)延的增長速率.

圖8 兩種算法的平均端到端時(shí)延比較Fig.8 Comparison of average end-to-end delay of two algorithms

綜上所述, 本文設(shè)計(jì)了一種考慮實(shí)際水域電導(dǎo)率影響的水下電場通信的仿生魚群自組網(wǎng)算法. 該算法基于通信時(shí)間計(jì)算節(jié)點(diǎn)優(yōu)先級, 能快速生成水下集群協(xié)作通信模型, 實(shí)現(xiàn)小規(guī)模仿生魚群組網(wǎng). 自主巡航功能及核心備份機(jī)制的設(shè)定, 不但能實(shí)現(xiàn)群體失散節(jié)點(diǎn)的尋回功能, 而且間接優(yōu)化了網(wǎng)絡(luò)協(xié)作模型, 減少了網(wǎng)絡(luò)節(jié)點(diǎn)間的路由維護(hù)信息, 有效節(jié)約網(wǎng)絡(luò)能耗的同時(shí)增強(qiáng)了系統(tǒng)的安全性.