WSN中可靠通信保障下的生存周期优化问题研究

朱剑，赵海，徐久强，李大舟

（东北大学 医学影像计算教育部重点实验室，辽宁 沈阳 110004）

1 引言

无线传感器网络应用较为广泛，比较典型的应用有森林防火、移动追踪、监控报警等，但其自身易受外界干扰出现数据包的丢失。任何应用均离不开可靠通信，所以在性能指标中可靠通信应该被优先考虑，据查关于无线通信的文献中98%是以可靠通信为前提的[1～5]。然而，对于能源受限的无线传感器网络而言，仅仅保障可靠通信还不够，能耗与能量均衡直接决定着网络的寿命与稳定，如何在保障可靠通信的前提下尽可能地延长网络生存周期已经成为当前研究热点。

网络生存周期的主要影响因素有2点：能耗、能量均衡。为了降低能耗，本文采用了功率控制方法在保障可靠通信前提下优化节点功率节约能耗；能量均衡的主要思想是均衡网络能量的消耗，防止网络部分节点过早死亡而导致网络不稳定。

针对无线传感器网络生命周期优化的算法较多，但众多算法中，要么倾向于可靠通信，而忽略网络的能量均衡程度；要么注重网络能量的分配，而忽略网络的链路质量。ATPC[6]与CoLaNet[7]是2种较为典型的算法，前者属于联合物理层与 MAC层的跨层优化算法，能够保证两相邻节点之间的功率达到较优，提高链路质量，然而在路由层上有所欠缺，该算法没有提出一种兼顾能量均衡的路由方法；后者是一种联合路由层与MAC层的算法，该算法在各层上均独立设计了算法，但是并没有将各个策略形成一个有机的整体，从而存在互相制约，难以达到优化网络性能的目的。

为此，本文提出一种以可靠通信为前提，延长生存周期的跨层优化算法，实验结果表明：该算法能很好地解决各层之间的内在矛盾，提升网络性能。

2 反馈功率控制算法

2.1 典型的链路评估量度

当前广为应用的链路评估方法是基于统计的包接收率，包接收率能够直观地反映当前链路状况[8～11]。采用统计的数学手段，通过大量样本的采集来计算包接收率，其优点是与链路质量高度相关；其不足有如下2点：①大量统计样本导致的不必要能耗；②由于统计基数大，对于突发网络变动反映的灵敏度不够。

为了避免由探测包带来的通信量，最近出现了来自硬件检测的评估量度。一个量度是接收信号强度显(RSSI, received signal strength indicate)，通过检测来自不同邻居节点包的 RSSI值，可以判断出节点间较好的链路[12]。

2.2 发射功率、RSSI的内在联系

自由空间模型[13]满足于如下应用场合：①传输距离d远大于天线尺寸D，且远大于载波波长λ；②收、发信机之间无障碍物等阻挡。设发送信号功率为Pt，在d处的接收信号功率按下式计算。

式(1)的接收信号功率是以 mw为单位的，mw与dBm的转换公式为

由式(1)与式(2)可以得出如下结果。

式(3)表明，在自由空间模型情况下接收信号功率值与发射功率成线性函数。在实际中由于硬件及外界干扰的存在，线性函数的参数会发生变化。所以当一对节点在某个距离点上时，接收节点的RSSI值与发射节点的发射功率P存在如下线性关系。

为了验证上述理论，设计了如下实验。实验室定购了一对包含32功率级的节点，将其放置在4m的距离点上，每秒发射10个数据包，每10s增加一次功率级，并且记录每个功率级上RSSI的平均值（如图1所示）。

图1中的原点为RSSI数据，其走势是随着发射功率的增加而线性增加，这点证明了上述理论推导，即接收节点的 RSSI值与节点发射功率成线性关系。对于图中的数据，使用SPSS工具进行多种曲线拟合，拟合优度最高的曲线为线性曲线Linear，其拟合优度为0.987，拟合方程如下

图1 均值RSSI与发射功率的变化关系

2.3 反馈功率控制算法

式(4)建立起了接收节点的 RSSI值与发射节点的发射功率P的关系，为了方便描述，假设网络中有2个节点A、B，A节点向B节点发数据，B节点统计一定数量的RSSI值，然而取其均值，若RSSI均值低于优质链路对应的RSSI阈值(该阈值可以通过实验获取，本文实验结果表明：当阈值大于-80dBm链路不存在丢包)，则B节点发反馈信息给A节点，通知A节点增加发射功率，增加的幅度由式(4)可以计算得到，这样便形成了一个功率控制反馈回路，在不稳定链路上可以通过一些常见的重传机制保障回路的建立。

为了确定每一对节点之间的 a、c值，首先需要记录一个功率级向量表，该表记录了发射节点的发射功率P={P1，P2，…，Pn}，n代表节点的发射功率级数；其次还需要一个接收节点 RSSI向量表R={r1，r2，…，rn}，ri（发射节点的发射功率）为Pi时接收节点的RSSI值，理论上数据越多，拟合精度越高。本文采用最小二乘法对 a、c进行计算，最小二乘法的思想是方差最小，即

计算思想为选择合适的 a、c值，使得式(6)中的s2最小。所以a、c值可以通过下式计算获得。

通过上式中的a、c值，式(4)即被确立，当RSSI大于一个阈值 RSSIth时，链路质量将会很佳，将RSSIth代入式(4)则可以计算出对于特定位置的2个节点，发送节点应该设定的最佳发射功率为

通过式(8)即可计算出在初始网络时每个节点对邻居节点的最佳发射功率，但是随着时间的变化或者出现干扰时，系数可能会出现变化，所以需要周期性地更新系数。

3 EBRM路由量度

上文中的功率控制算法可以保障可靠通信与节约能量，然而仅仅保障可靠通信与低能耗还不够，随着无线传感器应用的范围越来越广，很多领域开始关注网络生存周期。为优化网络使用寿命，首先需要分析影响该寿命的因素，为此本文对网络生存周期进行了建模。

假设在一个传感器网络中有S个传感器节点，每个传感器节点按照速率A产生数据包，并且每个节点s有Ds条到达目的节点的路径。令hs,p,r代表节点s所处的第p条路径上节点s到节点r的跳数，如果节点r不属于该路径，则hs,p,r设置为无穷大。节点r中继来自于节点s的数据包的概率可以表示为

因此，一个传感器节点i传输其自身的数据包以及中继其他节点的数据包时的能量消耗速率 VE可以表示为

其中，Ei是节点i的初始能量。

根据上面的量度标准，把传感器网络的生命周期定义为T=min(Ti)。

那么，传感器网络的生命周期就可以公式化为一个线性规划问题：Minimize (1/T)，满足于

从上述的约束条件(9)可以看出，括号的内容表示节点的能量消耗速率，要想延长网络的生存周期，可以减少节点在数据发送过程中的能量消耗，这点在上文中的功率控制可以做到。从约束条件(10)可以看出，节点i是按照一定的使用比率参与到所有的Ds条链路中的，可以调整us,p的数值来解决上述的线性规划问题，即如何使负载在网络内均匀分布以达到能量均衡，故本文提出 EBRM(energy balanced reliable metric)量度。

关于EBRM量度的描述如下：将网络中每个节点的能量划分为N个能量等级，例如某个节点的初始能量为1J，并拥有4个能量等级，则这4个能量等级对应的能量区间分别为[0,0.25），[0.25，0.5），[0.5,0.75）,[0.75,1]；节点周期更新自身剩余能量值EL（可以用剩余电压近似代替）并将剩余能量值归入相应的等级中。因此，当一个 hello包经过多个节点到达目的地时，该数据包中将有一个字段—EBRM，它用于描述该条路由的剩余能量值。当hello包到达一个新节点i时，该节点将会判断自身的剩余能量等级与数据包中 EBRM 对应的能量等级高低，若低于数据包中的EBRM，则将数据包中EBRM字段更新为自身的剩余能量等级并转发；若高于数据包中的EBRM，则不更新EBRM字段。这样，当一条路由通过路由发现数据包建立后，该路由对应的剩余能量等级即为该条路径中最低剩余能量等级。由于hello包可以建立若干条路径，不同的路径将对应不同的EBRM值，选择一条剩余能量较多的路径进行数据传输，以优化网络中能耗均匀程度。

4 跨层优化算法及评估

4.1 性能指标间的相互影响

图2反映了性能指标之间的矛盾，由于性能指标之间的相互影响，单在某一个层面上进行网络性能优化是难以实现的，即使每一个环节可以达到最优，但是最终难以达到全局最优。跨层策略可以根据特定的应用场合兼顾全局，使网络的全局性能得到一定的提升。

4.2 算法描述

可靠性是必须被首先考虑的，若能耗与可靠性同时被确定，则两者之间的阻碍作用将被忽略，为此本文选择了反馈功率控制算法，该算法在保障可靠性的同时也确立了网络的能耗，所以该功率控制算法不但保证了可靠通信这一前提，并且可以避开可靠性与能耗之间的阻碍作用。

在上述反馈功率控制算法中选择适当的 RSSI阈值φ，当RSSI值大于该阈值则认为该链路可靠，反之则不可靠。通过调节φ值的大小，可以调整可靠性与能量均衡之间权衡程度。例如某种应用看重网络的能量均衡，则将φ调小，φ值变小则会造成可靠路径数增加，促进了能量均衡；若看重可靠通信则将φ调大，φ值变大则会减少可靠路径数，最后少数的路径均是高可靠的，在其中选择一条将大大增加可靠性，并且随着φ值的增加，会导致节点发射功率增加，进一步提升了节点间的链路质量，促进了可靠通信。

本文主要是在 AODV协议框架上引入一种新的路由量度EBRM，并结合MAC层的功率控制算法实现跨层优化算法(SCLM, simulative cross-layer method)。

1) 节点A向B传输数据时，广播一些探测包，运用反馈功率控制算法设置各节点的发射功率，将各功率级设置为最优功率级，同时计算路径 A→B的EBRM值和RSSI，RSSI大于φ则将相应节点中的RSSI字段记1，反之记0；EBRM值是该路径上某个剩余能量最少的节点所具备的能量值；只有当该路径上所有 RSSI字段为 1时，该路径对应的RSSI标志才为 1，否则为 0。若发射节点功率调至最大，仍无法保障可靠通信，则用最大发射功率进行通信。

2) 步骤1)结束后，则A到B间将形成M条路径，且接收节点中将维持一张路由信息表，记录各条路径的相关代价，见表1（表中均是端到端(源节点到目的节点)的值）。

图2 各性能指标关系

表1 跨层优化算法中路由信息

3) 在AODV协议中，接收节点会根据路由信息表选择一条最优路径，并沿着该路径反向发送一个应答数据包给发送节点，通知发送节点选择哪条最优路由。针对接收节点的路径选择，本文建立了筛选机制如下：

4) 算法结束。

SCLM的主要原则是在可靠性被保证的基础之上均衡使用网络中的能量。

4.3 算法评估

实验场景描述：本文实验室基于NS2平台，仿真场景设定为80个节点随机放在100m×100m的正方形区域内，采用shadowing无线传播模型，MAC协议采用 IEEE802.15.4，路由协议分别采用基于Hops，ETX(expected transmissions)和 EBRM 量度的AODV协议。在仿真过程中，使用了能量模型(energy model)，节点的典型参量设置如下：初始化能量(initial energy)设为1个能量单位，发送数据包能耗(TX data power)设为0.002个能量单位，发送探测包能耗(TX probe power)为0.001个能量单位，接收能耗(RX power)设为0.000 5个能量单位。

实验 1 在网络中设定一对源、目的节点，源节点每秒发送2个数据包。将AODV中的路由量度Hops替换为EBRM、ETX，并观察相关性能的变化。

从图 3中可以看出，30s后路由建立基本稳定，ETX-AODV量度的包丢失率是最低的，这是因为 ETX量度倾向于选择正反向链路包接收率都较高的链路，而Hops量度更加倾向于选择跳数最短的路径，没有考虑到链路的通信质量，因此Hops- AODV的包丢失率最高，而本文所提出的EBRM量度由于兼顾了能量的均衡分布，因此端到端的包丢失率要高于ETX量度，但是仍然要优于Hops量度。

图3 丢包率随仿真时间t的变化

在同样的试验环境下，测试了整个网络内所有节点平均剩余能量的变化，结果如图4所示。

图4 节点平均剩余能量随仿真时间t的变化

对比图4中的3条曲线，EBRM路由量度在能量消耗方面，优于改进前的 ETX路由量度，而能耗又高于基于 Hops的路由度量。这是由于Hops-AODV路由倾向于选择跳数较少的路径进行传播，而在链路上没有数据重传的情况下，较短的路径消耗能量的节点数比较少，因此所有节点的平均剩余能量相对较高。而 ETX量度为保证高可靠性倾向于选择多跳传输，由于更多的节点参与到数据传输过程中，因此全网内节点的平均剩余能量较低。而EBRM路由度量的能量消耗则位于Hops和ETX两者之间。

实验2：在实验1背景下，仿真实现了SCLM、ATPC算法与CoLaNet算法，并对比了这3种跨层优化算法的最终性能，实验结果如图5所示。

图5 丢包率Loss随仿真时间t的变化

SCLM最终的丢包率稳定值最低，其可靠性最高，而其他2种均不理想。虽然ATPC也是一种在可靠通信基础上实现低功耗的功率控制算法，然而该算法只能保证一跳以内的点对点通信。对于多跳路径，若功率均调至最高仍无法保证可靠性，则ATPC将无法工作，从而导致可靠性降低；而跨层优化算法CoLaNet没有充分考虑性能指标之间的矛盾性，独立地使用算法提升某个性能指标，难以达到预期的目标，没有在最大程度上提升网络的性能，所以在可靠性上，该算法也存在不足。

从图6的网络平均剩余能量随时间变化的曲线不难看出，剩余能量是随着时间的推移而减少的，网络运行时间越长，消耗能量越大。ATPC算法的主旨是在可靠前提下实现节能，由于该算法仅仅考虑了物理层的发射功率，所以在一定程度上节约了能量，然而由于没有考虑网络层的源节点与目的节点之间的可靠通信，其在运行过程中将会导致大量重传数据包，从而造成额外能耗。而SCLM从性能指标间相互矛盾着手，全面考虑了各层优化算法的互相联系，最终的能耗要比单纯考虑物理层的ATPC能耗低。而CoLaNet在可靠与能耗方面进行了考虑，且该算法是以可靠为中心，然而在没有分析性能指标体系结构情况下，简单使用跨层优化算法无法使整体性能得到提升，最终导致能耗要高于ATPC与SCLM。

图6 节点平均剩余能量与仿真时间t的变化

在同一环境下，随机选择一对源、目的节点，分别采用3种不同算法进行通信，当发现网络中首个节点死亡时，结束实验，并记录节点死亡时间。重复上述实验50次，结果如图7所示。

图7 首个节点死亡时间

图7表明ATPC与CoLaNet 2种算法的首个节点死亡时间很接近，最大差值为10s，这是由于两者均没有考虑网络能量均衡这一指标，从而导致数据载荷集中在某条路径上，使得该路径上的节点迅速死亡。而SCLM均衡使用了网络的能量，因此首个节点死亡的时刻出现的较晚，即网络的生命周期得到了提升。

由于源、目的节点的变动导致它们之间的可靠路径条数出现较大差异，而SCLM是在可靠路径范围内进行均衡能量的，可靠路径范围决定了SCLM的能量均衡程度。因此SCLM的首个节点死亡时间出现了图7所示的震荡。但是不难看出，考虑了能量均衡的网络生命周期明显要高于没有考虑能量均衡的网络。

5 结束语

各个网络性能指标之间存在矛盾，采用一种单一的算法难以提升网络的整体性能，因为一种性能的提升可能导致其他性能的降低，所以采用了跨层策略对网络整体性能进行优化，研究发现，独立考虑各个性能指标的跨层优化算法仍然存在局限性，虽然在一定程度上可以提升网络整体性能，然而只有最大限度地消除各个指标之间的矛盾，才可以使优化的效果达到最优。

[1] AOUN B, BOUTABA R. Clustering in WSN with latency and energy consumption constraints[J]. Journal of Network and Systems Management, 2006, 14(3): 415-439.

[2] GUNGOR V C, AKAN O B. Delay aware reliable transport in wireless sensor networks[J]. International Journal of Communication Systems, 2007, 20(10): 1155-1177.

[3] TEZCAN N, WANG W Y. ART: an asymmetric and reliable transport mechanism for wireless sensor networks[J]. International Journal of Sensor Networks, 2007, 2(3/4):188-200.

[4] KORAD U, SIVALINGAM K M. Reliable data delivery in wireless sensor networks using distributed cluster monitoring[J]. International Journal of Security an Networks, 2006, 1(1/2):75-83.

[5] SHA K W, DU J Z, SHI Wrisong. WEAR: a balanced, fault-tolerant,energy-aware routing protocol in WSN[J]. Tsinghua Science and Technology, 2007, 12(1):95-100.

[6] LIN S, ZHANG J B, ZHOU G. ATPC: Adaptive transmission power control for wireless sensor networks[A]. Proceeding of the Fourth international Conference on Embedded Networked Sensor Systems[C].USA, 2006. 223-236.

[7] CHENG F C, et al. CoLaNet: a cross-layer design of energy-efficient wireless sensor networks[A]. Proceedings of the 2005 systems Communications[C]. USA, 2005. 364-369.

[8] JAVIER V A. Performance evaluation of MAC transmission power control in wireless sensor networks[J]. Computer Networks, 2007, 51:1483-1498.

[9] JAEIN J, CULLER D, JAE-HYUK O. Empirical analysis of transmission power control algorithms for wireless sensor networks[A]. Fourth International Conference on Networks Sensing Systems[C]. Braunschweig, Germany, 2007, 27-34.

[10] GANESAN D, ESTRIN D, WOO A, et al. Complex Behavior at Scale:an Experimental Study of Low-Power Wireless Sensor Networks[R].UCLA CS Technical Report (CLA/CSD-TR 02-0013), Cornell University, USA. 2002, 1-11.

[11] ALEC W, DAVID C. Evaluation of Efficient Link Reliability Estimators for Low-Power Wireless Networks[R]. UC Berkeley, USA. 2002.1-20.

[12] WANG Y, MARTONOSI M, LI S P. A new scheme on link quality prediction and its applications to metric based routing[A]. Proceedings of SenSys’05[C]. San Diego, California, USA, 2005. 288-289.

[13] ZHANG X Y, ZHAO H, SUN P G, et al. Realization mechanism and performance of WebitOS kernel[J]. Journal of Northeastern University(Natural Science), 2006, 27 (4): 394-397.