能量优先的无线传感器网络拥塞缓解机制

蒋 禧， 齐建东， 曹永洁， 赵燕东

(1.北京林业大学信息学院，北京100083；2.北京林业大学工学院，北京100083)

0 引 言

随着无线传感器网络规模的不断升级以及人们对图像、视频、语音等多媒体数据传输需求的增多，高密度、大规模部署的无线传感器网络和无线多媒体传感器网络(wirelessmultimedia sensor network，WMSN)应运而生[1]。较单纯传输文本类型数据的“传统”WSN而言，高密度、大规模部署的无线传感器网络和无线多媒体传感器网络关注点侧重在网络瞬时的大量数据以及图像、视频、音频等多媒体数据的传输上。节点在大数据量传输的过程中，不可避免地会发生网络拥塞，从而导致丢包率增加、时延加剧、能耗剧增等现象，影响网络的稳定性和可靠性。所以，大规模无线传感器网络和无线多媒体传感器网络中如何缓解网络拥塞、减少节点能耗、提高网络生存寿命成为了当前研究中亟需解决的热点问题之一。

无线传感器网络拥塞控制机制的引入就是为了保证网络传输的可靠性、稳定性和时延性等特点，目前研究的算法已较多。ESRT[2]是一种基于节点本地缓冲监测的拥塞检测机制，根据网络的当前状态调整节点传输速率，该算法的缺点在于需要Sink节点具有覆盖整个网络的通信能力，且对网络所有节点采用全局统一的速率调整方案，故不适合WSN节点的大规模部署。由C.Wan等人提出的CODA[3]是一种能源有效的拥塞控制模式，节点通过周期性的查看信道负载以及缓冲区占用率来检测拥塞，使用逐跳速率控制以及闭环的调节的方式来缓解拥塞。Fusion[4]采用了跨层的设计来应对拥塞，它包含了3种机制：Hop-by-Hop的流量控制、速率限制和带优先级的MAC层处理，每个节点在发送数据包的包头设置了一个拥塞位，通过检查缓冲区队列长度和信道采样来监测拥塞，一旦节点监测到拥塞发生，就通过拥塞位广播拥塞信息。Fusion采用令牌桶的方式进行速率限制，可以有效地保证各节点间发送速率的公平性。RCRT[5]是一种提供可靠保证和拥塞控制的传输协议，它让整个网络的拥塞检测在Sink端进行，并由Sink端发送全网的速率调节信息。但是，在大范围的网络中，远端节点到Sink节点的报文延时较大，当Sink节点接收到远端的拥塞信息时再发回控制速率控制报文时，远端节点的拥塞可能已经缓解或者进一步恶化，这种机制在拥塞控制的准确性和时效性上会大打折扣。

目前，大多数网络拥塞控制机制主要集中于对源节点发射速率进行调节的思想。本文提出了一种能量优先的无线传感器网络拥塞缓解机制，通过对拥塞节点的前一跳节点进行路径分流调节的思想以缓解网络中的拥塞状况。在路径选择的过程中，加入了对节点剩余能量状况的考虑。它克服了速率调节机制运算复杂度较高及权值累加路径分流机制无法统一单位化的缺点，采用拥塞度和剩余能量顺序判断的方法，降低节点能耗，延长网络生存寿命。本文采用OMNET++仿真工具进行仿真研究，结果证明了该机制的有效性。

1 能量优先的拥塞缓解机制

本文提出一种能量优先的拥塞缓解机制(priorityofenergy congestion relief mechanism，PECR)，包含两个部分：①拥塞检测；②分流调节。过程如下：首先，节点周期性地计算本地缓冲区队列使用情况，得出节点当前时间t的拥塞度Ct(i)(i为节点编号)，并将当前的拥塞度Ct(i)和剩余能量Pt(i)向其上游节点反馈，上游节点比较其所有可转发数据包的下游节点的拥塞度Ct(i)和剩余能量Pt(i)值。比较拥塞度是为了避免新路径建立以后形成新的拥塞，比较剩余能量值是为了避免新路径建立以后该链路由于能量不足而失效。如果当前搜索到的节点满足条件，即拥塞度C小于设定的阈值，剩余能量P大于设定的阈值，则可以作为新路径的一跳。然后，从该节点开始按照同样的方法继续搜寻下一跳节点，直至建立起一条完整的从拥塞端前一节点到Sink节点的路径。

1.1 拥塞检测

有效的拥塞检测策略是网络拥塞控制机制的一个关键部分。当前比较普遍的检测方法是基于信道采样和缓冲区占用的方法[6]。信道采样是指节点通过监听信道是否空闲来判断拥塞，该方法可以获知信道的繁忙程度，但增加了能量的消耗，并可能导致对拥塞程度的不恰当估计，比如当节点缓冲区内只有几个数据包待发送时，而信道采样值却超过了一定的阈值，此时的拥塞可能是暂时的或者根本不会发生，但是拥塞反馈机制却可能引起上游节点的一系列速率调节或者分流传输操作，导致整个网络的吞吐量发生频繁的震荡，不利于网络的稳定传输。文献[7]表明，当网络负载增加时，基于节点缓冲区队列使用情况的拥塞检测要好于基于信道采样的拥塞检测。

考虑到节点拥塞检测的有效性，本文提出的拥塞检测的基本思想为：节点每隔的时间(为一个检测周期)检测本地缓冲队列的使用情况，定义为

在网络流量不发生异常变动的情况下，可以预测在下一时刻tk+1，节点缓冲区的增量

在本拥塞检测机制中，通过上一检测周期数据增量对下一周期的缓冲区占用进行预测的方式，在k时刻，节点检测到的拥塞度就必须将此增量情况考虑在内，节点i在k时刻的拥塞度C定义为

则推测在第k+1个间隔内节点i将发生网络拥塞。为缓冲区拥塞的阈值，取值范围为0到1。

阈值 决定着无线传感器网络拥塞检测的准确度和拥塞缓解的效率。如果 值过小，节点可能在缓冲区占用率还很低的情况下就报告拥塞，引起下一步的分流调节机制，影响对最佳路径的使用，从而耗费网络能量，降低网络生存寿命；如果值过大，节点会对网络的拥塞状况无法做出迅速地反应，导致缓冲区队列溢出，造成大量数据包不必要的丢失，影响网络传输质量。在确定一个 优化值满足一个特定目标之前，必须综合考虑节点缓冲区队列大小、网络规模、数据传输速率以及拥塞检测周期等复杂因素，本文通过仿真实验给出对阈值 的测定。

1.2 分流调节机制

无线传感器网络的拥塞控制机制必须尽可能地降低节点运算的复杂度，减少拥塞控制报文数量。文献[8]认为，在速率调节和路径分流的机制选择上，基于速率调节的拥塞控制机制对节点性能的要求普遍较高，不利于节点的能耗控制。同时，基于降低源节点发射速率的拥塞缓解机制将会使重要的信息无法及时地到达Sink节点，在多媒体数据传输的过程中，这一弊端尤为明显。所以，在缓解拥塞的过程中，本文在基于路径分流思想的基础上，提出如下机制，具体流程如图1所示。

图1中无色框体部分为WSN网络层路由选择模块，阴影框体为传输层拥塞缓解模块。网络层可选择任意WSN路由协议来选择最优路径，拥塞缓解机制独立于路由选择模块存在。

图1 拥塞缓解机制流程

S1)节点周期性地检测拥塞信息，并向其邻居节点反馈拥塞信息报文，报文包含节点编号NodeID、拥塞度Ck(i)、剩余电量Pk(i)字段。

S2)节点接收到所有邻居节点传来的拥塞信息报文后，将报文存入邻居拥塞信息表内，示例如表1所示。

表1 2号节点邻居拥塞信息

S3)在路由选择模块部分，若网络启用拥塞缓解机制，则节点将根据邻居拥塞信息表按拥塞度和剩余能量值顺序判断其选取的最佳下一跳节点i是否发生拥塞Ck(i)小于 ，剩余能量Pk(i)大于 ，若根据路由选择的最优路径下一跳节点i均满足判断条件，则该下一跳节点即为最优路径，进而选取该节点转发数据包。

S4)若根据上述判断流程该节点未能满足要求，则进入分流路径选择模块。在邻居拥塞信息表中将该节点删除，构建出一个剩余能量满足最低能量阈值要求的节点集合

在该集合中，选择拥塞度最低的节点

即为根据拥塞缓解机制选取的临时最佳路径，转发数据包。从下一跳路径节点开始按照同样的方法继续搜寻下一跳节点，直至建立起新路径。

S5)若节点在临时备用路径选取的过程中由于邻居拥塞信息表中的节点数目过少，无法选取到在保证能量优先的前提下满足拥塞度小于阈值 的节点，那么节点将转换回网络层路由选择模块选取其默认的最优路径进行数据转发。同时，由于邻居信息的周期性更新，当原先最优路径下一跳节点回到拥塞度在阈值 以下同时剩余能量大于阈值 的状态，则网络将切换回最佳路径进行转发，尽量避免选取临时路径。

假设某网络中2号节点有4个邻居节点，分别为3、4、5、6。在k时刻分别接收到4个节点的拥塞报文，存入其邻居节点信息表中，如表1所示。经过路由模块计算，节点2将选择3号节点作为其下一跳的转发路径，但此时发现 Ck(3)=0.8>0.75(假定拥塞度阈值为0.75)，则判定此时节点3缓冲区内发生拥塞，故放弃该最佳转发节点，进入分流路径选取过程。将3号节点信息从邻居拥塞表中删除，判断4、5、6这3个节点的剩余能量是否在0.2(假定剩余能量阈值为0.2)之上，构建出满足条件的节点集合{4，5}。在该集合中，选择节点拥塞度最低的节点，此时Ck(4)

在判断节点拥塞度的同时，本机制引入了节点的剩余能量，与利用多权值累加的路径分流机制[9]相比，该机制不单纯地依赖于 (1 Ck(i))+Pk(i)的总和来选取临时最佳路径。①通过权值累加的方法在权值 、的选取上无法精确赋值，尤其是在拥塞度和剩余电量不是在同一单位化的情况下，难以判定两者的具体权重；②假设在同一单位化条件下 、值均设定为1、1，C、P 对应有两条路径分别为 Ck(1)=0.6，Pk(1)=0.4；Ck(2)=0.2，Pk(2)=0.1，则根据该方法选择的路径必然为路径2，但显然，此时2号路径节点的能量为0.1，到了濒临“死亡”的临界值，若再选择该节点转发数据，该节点很快将会因为能量耗尽而“死亡”，造成路径黑洞。本文所提方案采用了逐级判定的思想，首先比较拥塞度是否满足在阈值之内，其次比较节点剩余能量是否在能量阈值范围内，通过顺序比较，避免了虽然节点的某一权值极低，但由于权值总和比其它节点高而被选的场景，贯彻了能量优先的拥塞检测和缓解的思想。

本拥塞缓解机制的不足之处是当找不到满足要求的节点时(比如拥塞发生在网络的边缘节点)，拥塞无法解除，同时在一定程度上还增加了整个网络的能耗。但考虑到无线传感器网络节点高密度部署、节点大量冗余的特性，拥塞状况往往集中发生在网络的中心处，基于此分流机制的拥塞缓解机制具有较强的普遍实用性。

2 网络仿真

2.1 拥塞阈值 的确定

拥塞阈值 的确定对于PECR协议的拥塞缓解效率、网络生存时间起到决定性的因素。采用OMNET++仿真工具[10]，在100*100m的范围内随机播撒21个节点(其中Sink节点1个，普通节点 20个)，节点信号覆盖范围 15m，数据发送速率250kbps，初始能量值为300，网络层采用最小跳数路由协议(min hop count，MHC)[11]，设置拥塞度 分别为 0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1.0，观察节点能耗变化趋势。网络运行200s后各节点能耗损失迥异，现选取有代表性的3个状态如图2至图4所示。

仿真图示给出，当 =0.6时，整个网络内各个节点的能量消耗最趋于一致，其它各个状态下节点能耗不一，有些节点生存期长，而有些节点生存期过短。在该网络仿真环境下，=0.6是一个经验最优值，适合于该网络整体能耗的控制和保证尽可能多节点的生存寿命。节点能量最低阈值 的选取，需要尽可能考虑满足网络最大生存时间的因素，一般可以采用10%*MaxPower[12]。

图2 拥塞度阈值为0.3时的网络中节点能耗曲线

图3 拥塞度阈值为0.6时的网络中节点能耗曲线

图4 拥塞度阈值为0.9时的网络中节点能耗曲线

2.2 协议性能对比

基于上述OMNET++仿真环境，从各个节点能耗损失和网络总体寿命两项指标上对比最小跳数路由协议、传统多路径拥塞控制机制 (ORSF)和本文提出的能量优先拥塞缓解机制(PECR)3项协议。网络中20个节点的生存时间表现各异，选取位置具有典型代表性的3个节点状况输出，如图5至图7所示。

图5 6号节点能耗对比

图6 10号节点能耗对比

图7 18号节点能耗对比

6号节点所处区域节点布置比较稀疏，在分流调节过程中无法找到多余的临时备用节点，故采用了能量优先拥塞缓解模块的节点生存寿命反而要短于未使用拥塞控制机制最小跳数路由和采用了权值相加路径分流的传统多路径拥塞缓解机制；而10号和18号节点部署与节点密度较大的区域，采用PECR机制的节点的能量随时间的衰减明显慢于采用了其它机制的节点。由此我们可以得出，在节点高密度部署，冗余性较强的区域，本拥塞控制机制有着很好的性能表现，而在节点稀疏部署，而同时节点能量、拥塞又有着充分保证的网络中，本机制的表现不是很尽如人意。

基于3种协议对比下的整个网络的生存寿命如图8所示。

图8 网络生存寿命比较

所有节点采用PECR拥塞控制机制的网络生存寿命比不采用任何拥塞控制机制的网络寿命延长了510.12%，比采用传统多路径机制的网络寿命延长了141.18%。在大数据量传输的高密度无线传感器网络中，PRCR机制能够减少节点能耗，提高网络生存寿命。

3 结束语

本文根据当前无线传感器网络大数据量传输对性能的基本要求，提出了一种能量优先的拥塞检测和缓解机制，并对该传输控制机制运行的各个阶段和细节进行了具体描述和论证，重点讨论了拥塞检测和路径分流调节两个环节的具体实现步骤和流程。最后通过OMNET++仿真实验，对比了分别采用无拥塞缓解、多路径分流和PECR机制的网络中节点能耗状况和整个网络的生存寿命，仿真结果表明在节点高密度部署的网络中，PECR机制对无线传感器网络能量优先的原则有着很好的保证，显著提高了网络整体寿命。

[1] Akyildiz IF,Melodia T,Chowdhury K R.A survey on wireless multimedia sensor networks[J].Computer Netw(Elsevisr),2007,51(4):921-960.

[2] Sankarasubramaniam Y,Akan O,Akyildiz I.ESRT:Event-to-sink reliable transport in wireless sensor networks[C].Proc ACM MOBIHOC 2003,Association of Computing Machinery.Annapolis,Maryland:ACM Press,2003.

[3] Wan C,Eisenman S,Campbell A.CODA:Congestion detection andavoidancein sensornetworks[C].Procof the 1st Int'l Confon Embedded Networked Sensor Systems.Los Angeles:ACM Press,2003:266-279.

[4] Hull B,Jamieson K,Balakrishnan H.Mitigating congestion in wireless sensor networks[C].Proc of the 2nd ACM Conf on Embedded Networked Sensor Systems(SenSys).Baltimore:ACM Press,2004:134-147.

[5] Paek J,Govindan R.RCRT:Rate-controlled reliable transport for wireless sensor networks[C].Sydney,Australia:Proc 5th ACM International Conference on Embedded Networked Sensor Systems(SenSys'07),2007.

[6] Fang Weiwei,Qian Depei,Liu Yi.Transmission control protocols for wireless sensor networks[J].Journal of Software,2008,19(6):1439-1451.

[7] 孙利民,李波,周新运.无线传感器网络的拥塞控制技术[J].计算机研究与发展,2008,45(1):63-72.

[8] Jaewon Kang.Adaptive resource control seheme to alleviage congestion in sensor networks[C].San Jose,CA,USA:Proceedings of the First Workshop on Broadband Advanced Sensor Networks(BASENETS),2004.

[9] 罗娟,唐文胜,王威.一种自适应的无线传感器网络拥塞缓解机制[J].计算机工程,2008,34(5):92-94.

[10]OMNET++discrete event simulation system[EB/OL].http://www.omnetpp.org/,2006.

[11]郑明才,张大方,赵小超.最小跳数路由无线传感器网络中的路由数估计[J].计算机工程与应用,2007,43(15):151-156.

[12]Akkaya K,Younis M.An energy-aware qos routing protocol for wireless sensor networks[C].Rhode Island:Proceedings of the IEEE Workshop on Mobile and Wireless Networks,2003.