基于路径可靠性估计的无线传感网络数据融合*

舒 坚 ，葛 旭，刘琳岚，洪 明

(1.南昌航空大学软件学院，南昌330063;2.南昌航空大学物联网技术研究所，南昌330063;3.南昌航空大学信息工程学院，南昌330063)

因商业、军事和科研等应用环境的需求，无线传感网络对数据传输的可靠性提出了较高的要求，但无线传感网络自身的能量限制使得这个研究课题成为一个两难决策，而网络数据的传输路径优化方案从一定程度上较好地解决了这个问题，有助于网络能耗和传输可靠度达到平衡。因此，无线传感网络可靠传输的一个重要方面是路径的优化。要对网络路径进行优化，首先必须依据某一项或几项网络参数指标建立一种有效的路径可靠性评估方法。利用数据融合机制能够对网内数据进行有效处理，有助于对路径的可靠性进行准确判断，使得端到端的数据传输达到较理想的可靠性。在利用融合算法设计路径可靠性估计算法时，主要考虑以下5个因素:(1)算法的代表性;(2)平衡路径能耗;(3)算法应用性;(4)理想可靠度条件下的其它网络代价;(5)算法实时性。

目前对传输路径可靠性估计的研究主要集中在数据传输层吞吐量、链路层服务质量、消息拥塞控制、数据传输容错控制、数据冗余度控制以及均衡能耗等。由于其简单和实用性，对传输消息的冗余度控制方法被广泛应用于无线传感网络的传输可靠性研究，这种方法需要建立路径的冗余度估计标准，然后根据路径当前的可靠度范围，对消息包的重传次数、发包率等影响数据传输冗余度的相关参数进行控制，以此提高或降低路径的冗余度、达到较理想的可靠性。

Luo等人［1］对用网内数据融合方法来提高传输可靠度过程中的最小能量可靠信息汇聚问题进行了探索，采用无消息确认机制，对融合路径中节点间进行冗余消息传输，对大数据存量的消息包提供更可靠的数据传输支持;为达到保持低网络开销和延时的同时获取理想的数据传输可靠性目标，Miller等人［2］提出了一种点到点数据可靠传输算法——PALER算法，采用基于NACK的错误探测和恢复机制来构建双向传输路径，并利用优先级MAC参数融合机制［3］对消息拥塞和路径冗余度进行自适应控制;Luo和Li等人［4］针对能量有效路径中低可靠性和链路失效的问题，根据当前路径的消息包大小，提出了一种冗余控制数据融合方法提高路径的数据传输可靠性;针对Tree-based Aggregation［5］与 Multi-path Aggregation［6］两种协议方法中传输可靠性和冗余开销的不对称性问题，Soo等人［7］提出了一种折中方案—Cushion方法，通过对消息进行控制，由节点自主选择单路径融合或多路径融合方法来传输数据，在转发的过程中，中间节点通过调整冗余程度使得传输可靠性在一定开销存在的情况下达到一个合理的水平;Paek等人［8］提出了RCRT算法，通过拥塞时动态窗口调整(Additive Increase Multiplicative Decrease，AIMD)机制来自适应调整节点的数据发送频率，并以此来平衡路径可靠性和拥塞控制之间的关系;文献［9］针对传输可靠性与网络生存周期的不均衡性以及WSNs的链路通信特性，提出一种功率控制和路由度量相结合的PCETX优化方法，以平衡端到端的传输可靠性和网络生存周期;文献［10］在研究WSNs链路质量与及节点剩余能量对网络整体可靠性和能效的影响的基础上，提出了一种基于博弈理论的可靠融合模型，以提高路径的可靠度和能效性。

在上述研究的基础上，本文根据路径平均收包率、冗余变化粒度以及平均能耗，提出一种动态可调的基于路径可靠性的估计方法(Dynamic Tunable Reliability Estimation Algorithms，DTREA)。数据融合在Sink节点进行，融合处理过程采用传输需求冗余度预测算法，对消息传输路径上的冗余变化粒度进行计算，以此来获取一定时间范围内的路径可靠度统计值，采用连续序列最大差值算法对路径可靠度估计曲线上的可靠突变点进行动态定位，对下一回合路径的冗余度进行调整，提高路径可靠性、平衡网络能耗。

1 问题描述

无线传感网络中，能量有效路径的数据传输可靠性较低与链路失效等问题是影响监测区域内事件探测信息准确性的重要研究课题之一。该问题主要表现为单位测量时间内，能量有效路径中，链路层的收包率不理想，以及由此引起的Sink节点接收的信息可靠性较低。本文从以下两方面对这个问题进行分析:一是路径跳数(距离相关)对链路的影响;二是能耗的波动对链路的影响。

如图1所示，实验中选用Crossbow公司的TelosB节点，在室内环境下，观测不同路径上12个节点的路径跳数(最大跳数为4跳)与收包率之间的关系，观测单通信路径上的5个节点的平均能耗与收包率之间的关系。其中，源节点(1号节点)和Sink节点(0号节点)各1个，中间节点负责消息的转发，节点对间距为7.5米，发射功率为3，每30 s发送100个包。

图1

实验测得路径跳数与平均收包率之间的关系如图2所示，在有限的传输距离下，路径跳数越少，链路并非最佳;跳数越多的传输路径，链路可能越好;跳数相同的路径，链路状况差异很大。可见，在有限的通信范围内，路径的跳数不一定是引起链路波动和传输可靠性下降的关键因素。

图2 路径跳数与平均收包率的关系

实验测得单通信路径上平均能耗与平均收包率之间的关系如图3所示(虚线以上部分表示理想的链路状态)。

图3 单位时间内平均能耗与平均收包率的关系

在0.06～0.09范围内，路径的平均收包率保持比较稳定和理想的状态;随着能耗波动强度的增加，链路的波动开始加剧并在平均能耗为0.16时急剧下降。这是因为，尽管当前路径的能耗总量不高，但这种能耗是不平均的。链路通信实验表明，这种不平均多数情况下是由于外部干扰导致单个节点的通信失效(如丢包、误码或数据丢失)，从而使得整个链路不稳定，而逐跳的错误恢复(Hop-by-Hop Error Recovery［11］)机制很难预先对可能出现的异常状况进行预判和处理，同时容易造成额外的开销和网络延迟。因此，建立一个有效的路径可靠性估计机制，才能根据当前链路状况，对数据的传输进行实时调控，使得通信链路保持在一个稳定的理想状态，并能预防通信失效状况的发生。

2 DTREA算法

2.1 网络模型

网络层:如图4所示，监测网络的消息传输是基于HREEMR［12］不相交多路径路由协议进行的，该协议是基于查询的定向扩散(Directed Diffdirecteddiffusion，DD［13］)的扩展协议，提供次优路径作为最优路径失效情况下的多路选择。首先Sink节点向下发送冗余度查询信息，源节点根据收到的查询包，进行数据加载后进行消息回传;收到回传的网络信息参数后，Sink节点根据数据融合处理结果对当前路径的传输可靠度进行评估，如果未达到理想的范围，则向源节点发送冗余调整控制信息;当源节点收到控制包后，根据需求的理想可靠度对应的路径冗余变化粒度值，来调整数据的发送频率。

图4 HREEMR不相交多路传输网络示意图

数据链路层:实验中正反双向链路同时存在，即节点间的链路实验是支持消息重传的，且不要求节点对收到的每个数据包进行确认，而只要求中间节点对收到的来自Sink节点的查询信息进行逐跳下传。

2.2 基于路径可靠性估计的数据融合机制

根据Cushion［7］协议设计冗余度估计方法，Dtrea算法提出一种逆向设计的思路。通过对下一回合的路径需求冗余度进行预估，来衡量当前路径的传输可靠程度，路径的可靠度计算公式如式(1)所示:

其中，Pc为当前路径冗余度，Pd为下一回合需求冗余度，初始Pc设为1，路径的可靠度用当前的冗余度与路径需求的冗余度预测值的变化率来进行衡量。需求的冗余度越低则当前的路径可靠度越高，Pd的定义如下:

Fr=1，2…为路径冗余控制次数，RGC是路径的冗余变化粒度，不同于Cushion算法，这里的冗余变化粒度是随着网络实际运行状态而动态变化的，RGC是一个需求估计值，计算公式如下:

其中，RGC≥0.1，n为路径跳数，RRP是重复发包率(Required Rate of Packet［14］)，RNP 是重复发包数(Required Number of Packet)的估计值，RNPEstd为估计的RNP值［14］，即成功接收一个包需要平均发送的数据包数量的估计值，RNPmax为根据具体实验要求设定的最大RNP值，链路实验表明RNPmax的变化区间一般在8到10之间，本文取10为参照值。具体定义如下:

2.3 路径需求冗余度计算方法

根据式(1)对当前路径的传输可靠度进行估计后，Sink会根据单位时间内获取的一个可靠度估计值序列，利用连续序列最大差值算法来求可靠突变点J。该序列是根据平均能耗比(Average Energy Consumption Rate，Avg-ECR)的单调递增顺序建立的，J值是非理想可靠度区间的一个临界值，这里将可靠度在0.9到1的可靠区间定义为理想的可靠度范围。平均能耗比以及J值的计算公式如下:

假定单位时间内，依据Avg-ECR单调递增顺序获取的路径可靠度估计值组成一个连续序列S［S1，S2，…，Sn］，这里的 n 为序列包含的数据总数，而D［Si，Si+1］为这个序列相邻两个数值的最大差值区间:

其中:1＜i＜n，1＜j＜n，求出 J 值后，可得当前可靠度估计区间分别为:Reliability={R|［min，J)，［J，0.9］，(0.9，max］}。这里用可靠突变点对应的可靠度J来对路径的可靠度进行分区，并非是期望按不同的可靠区间进行不同的冗余控制，而是将J看作一个引起路径可靠性急剧下降的关键点。区别于ESRT［15］算法的R值(达到理想可靠度所需求的路径发包数下限)，J对应的RGC值代表的是当前路径达到理想可靠度所缺少的具体冗余度，该值随着网络的变化而动态变化。因此，本文提出的算法能够满足一定的实时性应用需求。

3 实测与性能评价

3.1 实验场景与参数设置

监测范围:8 m×45 m;监测环境:室内;通信方式:端到端;节点发射功率:3;节点型号:Crossbow的节点TelosB;发送频率:300 ms;初始发包数:100。如图1所示，节点总数为12，节点编号为0到11号，其中0号为Sink，1号为Source，其它为中间节点，中间节点只负责Relay，Source节点负责数据的采集和发送。测量的主要参数包括节点能耗和逐跳PRR估计值等。

3.2 DTREA算法下路径可靠性估计的有效性分析

单位时间内，依据Dtrea算法进行冗余传输(实际RGC=0.23)后的路径可靠度如图5中的DTREA算法曲线所示。为了对Dtrea算法下冗余传输的精度进行评估，选取了固定冗余变化粒度RGC=0.25(即Cushion)时的路径可靠度测试进行对比，如图5中的Cushion曲线所示。从调整后可靠度上，可以看出随着路径冗余度的增加，Cushion和Dtrea两种方法在单位时间内的可靠度几乎是一样的，都在0.9以上，说明Dtrea方法可靠性估计的有效性是较高的，并且随着冗余度的增加，路径总体的可靠性始终趋于稳定。

图5 单位时间内的路径可靠性对比

3.3 DTREA算法下的能耗以及PRR情况

在实际监测环境中，特别是存在路由梯度的传感网络中，单个节点的能耗波动往往是导致整体网络性能急剧下降的主要原因，因此一个均衡的网络能耗是有效提高路径可靠度的关键因素之一。由于节点的初始能量不一样，工作一段时间后节点剩余能量往往也不均衡，因此如果用简单的节点能耗均值很难反映出单个节点的能耗状况，而采用平均能耗能比较好地解决这个问题。

本文中平均能耗指的是监测网络内部的能量有效路径上的所有节点当前时刻的能耗占上一时刻能量的百分比均值。

由图6可知，随着时间的推移，Original的平均能耗率的极小值是递增的。总体而言，它的平均能耗率是缓慢上升的，可一旦超过某一个时间阈值(240 s)，曲线呈急剧上升态势，因此不适合长期的网络环境监测;Cushion算法下的平均能耗率上下波动的幅度太大，随着时间的推移，其斜率也是急剧递增的，而且它的最大值和极大值都远远高于其它方法，说明它的能耗是非常不稳定的，从而很难做到平衡网络能耗;而Dtrea算法下的平均能耗率的最小值和最大值均小于另外两种方法的最小值和最大值，并且随着时间的推移慢慢趋于稳定，这说明它的平均能耗率较另外两种方法波动幅度较小而且稳定性较强，因此Dtrea算法的路径传输能耗是均衡的。

图6 单位时间内的路径平均能耗对比

图7 单位时间内的路径平均收包率对比

算法单位时间内的链路状态如图7所示，Dtrea算法下的平均PRR基本上是和Cushion算法下的平均PRR重合的，虽然后面有一段时间的平均收包率略低于Cushion算法的实验结果，但由于各个时段的平均收包率仍大于0.9，因此认为其整体链路质量是可靠的。相比Cushion和ESRT算法，Dtrea依靠路径融合粒度在初始控制阶段对路径的可靠性进行自适应最优处理，降低了来回的消息控制次数，节省了计算空间和能量，算法的实用性得到大幅提升。

4 结论和展望

本文提出一种基于路径可靠性估计的多传感器数据融合方法，该方法能够实时地对路径可靠度进行评估，并利用冗余传输方法对传输可靠度进行动态调整，保证理想可靠度下的能耗均衡性。实测结果验证了上述结论的真实、有效性。在单位时间内，多条有效路径(最优、次优)的路由梯度已经预先确立的前提下，该方法同样适用于交叉多路传输的网络监测环境。因为在多条交叉路径同时工作的情况下，中间的交叉节点需要准确区分收到的多个消息包的源地址和目的地址，并进行有序转发。如何对上行或者下行的消息包进行按优先级排序，如何解决实时状态下的消息拥塞冲突，以及由此引发的路径可靠性波动问题，需要根据实际的研究需求进行分析，是下一步研究工作的重点。

［1］ Luo Hong，Tao Huixiang，Ma Huadong，et al.Data Fusion with Desired Reliability in Wireless SensorNetworks［J］.IEEE Transactions on Parallel and Distributed Systems，2011，22(3):501－513.

［2］ Miller C，Poellabauer C.PALER:A Reliable Transport Protocol for Code Distribution in Large Sensor Networks［C］//Proc.SECON’08，San Francisco，CA，Jun.2008，206－214.

［3］ Wang C，Sohraby K，Lawrence V，et al.Priority-Based Congestion Control in Wireless Sensor Networks［C］//Proc.STCU’06，Taichung，Taiwan，June，2006:21－31.

［4］ Hong Luo，Qi Li，Wei Guo.RDA:Reliable Data Aggregation Protocol for WSNs［C］//Wireless Communications，Networking and Mobile Computing，2006.WiCOM 2006.International Conference on 22－24 Sept.2006.

［5］ Samuel Madden，Michael J Franklin，Joseph Hellerstein，et al.TAG:a Tiny Aggregation Service for Ad-Hoc Sensor Networks［C］//Proc.of the Fifth Symposium on Operating Systems Design and implementation(OSDI’02)，December 9－11，2002，Boston，MA，USA.

［6］ Nath S，Gibbons P B，Seshan S，et al.Synopsis Diffusion for Robust Aggregation in Sensor Networks［C］//ACM SenSys，2004.

［7］ So Jungmin，Kim Jintae，Gupta I.Cushion:Autonomically Adaptive Data Fusion in Wireless Sensor Networks［C］//IEEE International Conference on Mobile Adhoc and Sensor Systems Conference，2005.NY，USA:ACM，2005:414－425.

［8］ Paek J，Govindan R.RCRT:Rate-Controlled Reliable Transport for Wireless Sensor Networks［C］//Proc.ACM SenSys’07，Sydney，Australia，Nov.2007:305－319.

［9］ 程大伟，赵海，孙配刚，等.基于于联合优化的无线传感器网络传输可靠性研究［J］.传感技术学报，2007，20(12):2701－2708.

［10］黄旗明，刘笑.基于博弈理论的无线传感器网络融合路由研究［J］.传感技术学报，2008，21(11):1905－1908.

［11］ Lee H，Ko Y，Lee D.A Hop-by-Hop Reliability Support Scheme for Wireless Sensor Networks［C］//Proc.PERCOMW’06，Pisa，Italy，Mar.2006:431－439.

［12］ Deepak Ganesan，Ramesh Govindan，Scott Shenker，et al.Highly-Resilient，Energy-Efficient Multipath Routing in Wireless Sensor Networks［C］//ACM SIGMOBILE Mobile Computing and Communications Review，Oct.2001.

［13］ Chalermek Intanagonwiwat，Ramesh Govindan，Deborah Estrin，et al.Directed Diffusion for Wireless Sensor Networking［J］.IEEE/ACM Transactions on Networking，2003(1): － .

［14］ Cerpa A，Wong J L，Potkonjak M，et al.Temporal Properties of Low Power Wireless Links:Modeling and Implications on Multi-Hop Routing［C］//MobiHoc’05:Proceedings of the 6th ACM international symposium on Mobile ad hoc networking and computing.New York 2005.

［15］ Akan O B，Akyildiz I F.Event-to-Sink Reliable Transport in Wireless Sensor Networks［J］.IEEE/ACM Transactions on Networking，Oct.2005:1003－1016.