基于虚拟MIMO的无线传感网数据传输策略

冯陈伟

（厦门理工学院光电与通信工程学院，福建厦门361024）

基于虚拟MIMO的无线传感网数据传输策略

冯陈伟

（厦门理工学院光电与通信工程学院，福建厦门361024）

基于无线传感网的虚拟多输入多输出 （multi-input multi-output，MIMO）技术，结合分簇多跳传输模式进行全网的数据传输，根据分簇算法得到每一个簇的簇头，利用协作传输方式，将数据传输至相邻簇头.在进行数据传输时，综合考虑网络的电路能耗与传输能耗，推导出簇间传输的最小能耗为发送方簇的协作节点个数Mt的表达式，从而得到到达汇聚节点的最优路径.基于最小簇间能耗的协作虚拟MIMO多跳传输策略不需要接收端协同，避免了接收端协同的复杂性，同时从整个网络生存周期角度出发，节省更多的网络能耗.仿真结果表明，该策略在轮次增加或者簇间距离变化的情况下，都能得到较好的节能效果，从而延长网络的生存周期.

无线传感网；数据传输；多跳传输；协作通信；虚拟MIMO

近年来，虚拟多输入多输出 （multi-input multi-output，MIMO）技术由于其能量效率高，越来越受到业界的关注［1］.因此，虚拟MIMO技术也被应用于无线传感网，从而节约能耗并且增加可靠性.尽管虚拟MIMO技术在无线传感网的长距离通信中节约了传输能耗，但是随之增加的发射机与接收机的数量，也增加了电路能耗，因此总能耗也随之增加.文献 ［2］最早提出无线传感网的虚拟MIMO方案，在发射端利用空时分组码 （space-time block code，STBC）对发射数据进行编码，并分析了不同调制阶数对能耗和发射速率的影响，得出了不同距离的最佳调制选择，在大于一定距离条件下，相比单输入单输出 （single input single output，SISO），能耗大大减少.但是，由于它未采用多跳传输，其能耗仍较大.文献 ［3］结合多跳路由与链路调度，设计了跨层协作传输，减少能耗并改进端到端的性能.文献 ［4］利用虚拟MIMO技术进行多跳传输，通过优化调制阶数优化能耗，从而延迟第一个传感器节点的死亡时间.文献 ［2-4］虽利用多跳方式传输数据，但优化方法不够灵活，均采用群举法优化能耗，计算复杂度大.文献 ［5］通过分析低能耗自适应簇间路由算法 （low energy adaptive clustering hierarchy，LEACH），提出一个基于最小化能量的蚁群算法改进路由机制，降低网络能耗，但是它没有考虑网络中节点的电路能耗，对能耗考虑不够全面.本研究基于虚拟MIMO的无线传感网的数据传输策略，综合考虑节点的传输能耗与电路能耗，利用协作方式将数据传输至相邻簇头，通过分析能量模型推导出簇间传输的最小能耗的表达式，利用简单实用的Dijkstra路由算法得到到达汇聚节点的最优路径，从而节约更多能量，延长网络生存周期.

1 虚拟MIMO多跳传输系统方案

1.1 无线传感网虚拟MIMO模型

图1给出了虚拟MIMO协作通信的模型［6］，其中，无线传感网采用簇状拓扑结构 （可以通过一定的成簇算法来形成，如LEACH）.一般地，该模型要求发送方到接收方的距离d（取两簇的中心间距）远大于簇半径dm，即d≫dm.

图1 虚拟MIMO协作通信模型Fig.1 VirtuaI MIMO modeI of cooperative communication

在协作传输过程中，发送方包括发送方簇中的Mt个节点，其中至少包括簇头，另外还有Mt-1个发送方簇的协作节点，共同形成一个与接收方簇中的Mr个节点通信的虚拟天线阵列.接收方的Mr个节点中至少包括接收方的簇头，此外还有可能包括Mr-1个协作节点实现协作接收.当Mr=1，即接收方只有一个节点时，这种虚拟 MIMO的传输方式又被称为多输入单输出（multi-input single output，MISO）.当Mr大于1时，虚拟MIMO的发送方与接收方都需要协同处理，同时MIMO与MISO在节能方面的性能相差甚微［2，7］.因此，为降低接收方数据处理的复杂度，只考虑MIMO中的MISO情况.

1.2 数据传输策略

为了将数据由发送节点传输到汇聚节点，发送节点所在簇的簇头需要对数据进行STBC编码，根据与相邻簇的传输距离选择适当的协作节点，寻找到下一个簇头，并与协作节点一同将数据以协作MIMO方式传输到下一个簇头，随后由接收方簇头进行数据的解码，并继续以上述方式转发给下一个簇头，直到到达汇聚节点为止.具体过程如下：

1）簇头形成.为不失一般性，簇头通过LEACH算法形成.根据LEACH算法，网络中每一个节点随机产生一个0～1之间的数，如果该数值小于门限值T（n）：

则该节点将被选为簇头［8］.

当本轮次全网簇头节点都形成后，每一个簇头节点将发送广播通知所有其他节点其簇头信息.如果簇头x的广播消息被其他簇头y收到并超过规定门限后，则簇头y就将x定为邻居簇头.

本书建立在作者多年顶级物流企业的从业基础上，根据中国电商企业存在的物流相关共性问题，结合中国的现实环境和商业趋势，最终希望解决的是电商物流的现实问题，并提供一套行之有效的方法，同时也为想要了解电商物流的普通读者奉上了最好的读物。

2）成簇.在完成簇头广播后就要开始将所有非簇头节点加入对应的簇.当所有的非簇头节点收到簇头的广播后，它们将接收信号最强的簇头定为最终簇头，即加入该簇.所有的非簇头节点通过载波侦听多路访问 （carrier sense multiple access，CSMA）信道发送消息给簇头，该消息中包括本节点的残留能量值e，该值将在步骤5）簇头选择协作节点时使用.

3）能耗分析.簇头根据接收到簇内其他节点的信息，以及步骤1）的邻居列表计算出相邻簇间协作传输每比特数据所需的最小能耗E，并得出协作节点个数Mt.该过程也是本文的主要创新之处，具体过程详见下一节的能量分析模型.

4）路由.簇头的路由表一开始只有汇聚节点ID号，下一跳簇头ID号，相邻簇间数据传输所需的能耗E.之后，每一个簇头选择相邻簇头进行路由表信息交换并升级自己的路由表，然后再与其他相邻的簇头交换升级的路由表信息，几次升级路由表信息之后，每一个簇头都能够根据获得的信息得到每一个节点到达汇聚节点的最优路径.为简化系统复杂度，采用最简单的Dijkstra算法进行路由.

5）调度.基于本轮发送节点到汇聚节点的路由，便可确定步骤3）中簇间传输实际所需的功耗E，并根据所需的协作节点个数Mt，在簇内寻找除簇头外的Mt-1个协作节点.寻找规则为：根据步骤2）簇内节点的e值，选取排序最大的前Mt-1个作为协作节点.这是为了平衡簇内节点剩余能量，从而延长全网第一个死亡节点的时间.最后，簇头产生一个时分多址 （time division multiple address，TDMA）调度并广播至簇内节点，簇内相关协作节点将根据该调度信息发送数据.

6）数据传输.在数据传输阶段，簇内节点将根据收到的调度信息发送数据.一个数据帧中，每一个节点只能在对应的时隙发送数据，而在其他时隙进入休眠模式，从而节约能耗.首先，簇头接收簇内节点的数据并进行数据处理，随后簇头将处理后的数据广播到相应的Mt-1个协作节点，在协作节点接收到簇头的广播信息后，节点需要对数据进行STBC编码，接着就可以将数据协作传输至下一个簇头，接收方簇头进行解码恢复原数据.重复5）、6）步骤直到数据到达汇聚节点.

在每一轮数据传输均要经过以上步骤，直到簇内节点没有数据发送或是节点均死亡，或是到达所设置的轮次数，则算法停止.

2 簇间能耗分析

2.1 簇间总能耗

当进行簇间数据传输时，由于簇内半径比起簇间距离要小得多，因此可以认为簇内所有节点到下一个簇头的距离均为簇间距d，因此簇间协作传输所消耗的总能耗为：E2=Et2+Ecr+MtEct，式中：Et2表示总的传输能耗.根据链路预算关系［11］，当信道为k阶瑞利平坦衰落信道时，传输能耗为：

2.2 簇间最小能耗

通过式 （3）可以看出，网络的簇间总能耗是关于多个变量的函数，若要计算E值较为复杂.为简化网络复杂度与计算强度，在一个相对稳定的网络环境下，假设全网采用BPSK调制方式，即b= 2，则α值也为确定值，

式 （4）就是能量与路径的关系，可以发现能耗E在优化的Mt条件下与d是一对一的关系，通过式 （4）可以确定相邻簇的最小能耗，从而利用Dijsktra算法即可确定节点与汇聚节点的最佳路径.

3 仿真分析

仿真场景采用如图1所示的模型.设场景中有100个节点，网络区域为500 m×500 m，汇聚节点位于网络中心.假设每一个节点的初始能量为1 J，每一轮在一个随机的节点上产生1 bit长度数据，节点的最大传输距离受限于节点初始能量，其他参数设置参考文献 ［3］.

仿真实现4种算法：第1种算法是经典LEACH传输模式，即簇头收集的数据直接传输至汇聚节点；第2种算法是采用无协作SISO多跳传输模式 （Noncooperative SISO，NCSISO），即簇头收集的数据通过SISO多跳传输至汇聚节点，路由采用Dijkstra算法，此时采用簇间距或能耗作为链路代价是等效的，因此采用基于距离为代价的路由算法；第3种算法是采用随机协作MISO多跳传输模式（random cooperative MISO，RCMISO），即协作节点个数是随机选择，此时簇间链路代价可利用式（2）传输能耗得出，路由同样采用Dijkstra算法；第4种算法是所提的采用优化协作MISO多跳传输模式 （optimized cooperative MISO，OCMISO），即通过优化后的协作节点个数进行MISO协作传输，利用得出的簇间最小能耗作为链路代价寻找最佳路由.

图2 网络总能耗Fig.2 TotaI energy consumption of the network

从图2可以看出，随着轮次的增加，4种算法的能耗均在增加.在相同的轮次，4种算法的能耗大小依次是LEACH＞NCSISO＞RCMISO＞OCMISO.LEACH算法是经典的无线传感网数据传输方案，数据融合到簇头后直接由簇头发送至汇聚节点，能耗会由于簇头节点到汇聚节点之间的长距离传输而变得非常大.NCSISO引入了多跳传输模式，将长距离分解成多段短距离通信，从而较大程度降低传输能耗，也使得多跳传输成为无线传感网研究的主流方向，但是该算法是基于最短路径，并没有考虑能耗问题.RCMISO通过协作传输方式，进一步降低了传输能耗，但是由于协作节点数是随机选择，并没有使得簇间传输能耗最低.OCMISO通过综合考虑节点的电路能耗与传输能耗，通过优化得出协作节点个数，使得簇间传输能耗为最小值，从而使得多跳传输的总能耗最低，改进全网的能量效率.类似地，图2中对于相同的节点能耗值，OCMISO算法传输轮次是最大的，这也意味着OCMISO算法由于可以节约更多的网络能量，从而延长网络的生存周期.

图3描述的是随着轮次的增加，使用不同算法的网络节点死亡率.可以看到，在传输约2 000次时，LEACH算法网络中节点均死亡，而NCSISO算法网络中死亡节点约22%，RCMISO算法网络中死亡节点约14%，OCMISO算法网络死亡节点只有10%左右.可见，将协作多跳传输方式引入无线传感网络，可以利用其协作分集增益较好地节约协作节点的传输能耗，有效地延长网络的生存周期.

图3 网络节点死亡率Fig.3 Node mortaIity of the network

图4 相对能耗系数Fig.4 ReIative energy consumption coefficient

4 结语

本文主要针对无线传感网有限能量的特点，利用协作MIMO无线传感网进行建模，将能耗问题转化成距离问题，提出一个基于最小簇间能耗的协作多跳传输方案，通过优化协作节点数得到簇间最小能耗，并作为选择下一跳节点的依据.此方案增大了通信范围，减小路由复杂度.仿真结果表明，改进算法无论是在轮次增加或者簇间距离变化的情况下，都能得到较好的节能效果.同时，进行多跳数据传输时采用最简单的Dijkstra路由算法，后续将进一步研究其他常见的路由算法对性能的改善.

［1］PAULRAJ A，NABAR R，GORE D.Introduction to space-time wireless communications［M］.London：Cambridge University Press，2003.

［2］CUI S，GOLDSMITH A J，BAHAI A.Energy-efficiency of MIMO and cooperative MIMO techniques in sensor networks［J］.IEEE Journal on Selected Areas in Communications，2004，22（6）：1 089-1 098.

［3］CUI S，GOLDSMITH A J，BAHAI A.Energy-constrained modulation optimization［J］.IEEE Transactions on Wireless Communications，2005，4（5）：2 349-2 360.

［4］HUSSAIN S，AZIM A，PARK J H.Energy efficient virtual MIMO communication for wireless sensor networks［J］. Telecommunication Systems，2009，42（1/2）：139-149.

［5］XUE J，ZHANG T，YAN Y，et al.Cooperation-based ant colony algorithm in WSN［J］.Journal of Networks，2013，8（4）：939-946.

［6］秦智超，周正，赵小川，等.认知无线传感器网络中基于 GSC的协作传输机制 ［J］.通信学报，2013，34（9）：158-165.

［7］邱云周，沈杰，董少龙，等.基于无线传感网的虚拟 MIMO的能量有效性研究 ［J］.计算机工程，2007，33（17）：1-3.

［8］HEINZELMAN W R，CHANDRAKASAN A，BALAKRISHNAN H.Energy-efficient communication protocol for wireless microsensor networks［C］//Proceedings of the 33rd Hawaii International Conference on System Sciences.Cambridge：IEEE，2000.

［9］DAI L，CHEN W，CIMINI L J，et al.Fairness improves throughput in energy-constrained cooperative ad-hoc networks［J］.IEEE Transactions on Wireless Communications，2009，8（7）：3 679-3 691.

［10］LI B，WANG W，YIN Q，et al.A new cooperative transmission metric in wireless sensor networks to minimize energy consumption per unit transmit distance［J］.IEEE Communications Letters，2012，16（5）：626-629.

［11］PROAKIS J G.数字通信 ［M］.4版.张力军，译.北京：电子工业出版社，2003.

Data Transmission Strategy for Wireless Sensor Network Based on Virtual MIMO

FENG Chen-wei
（School of Optoelectronic&Communication Engineering，Xiamen University of Technology，Xiamen 361024，China）

Data transmission for the entire network based on virtual MIMO（multi-input-multi-output）wireless sensor network structure in multi-hop clusters was studied in the system.Each cluster’s head was formed according to the clustering algorithm，and data transmitted to the adjacent cluster’s head by cooperative communication.The circuit energy consumption and the transmission energy consumption were both considered when data was transmitted in the system，so that Mt，with the minimum energy consumption and the best numbers of cooperative nodes in the transmitter cluster，was acquired，and the optimal path to the Sink node obtained.The proposed strategy does not need the receiver’s collaboration so that it is free of the complexity to coordinate the receiver and much energy-efficient from the perspective of the network life cycle.Simulation results show that the proposed strategy has good energy-saving effect and network lifecycle extending results whether with increased rounds or varied inter-cluster distance.

wireless sensor network；data transmission；multi-hop transmission；cooperative communication；virtual MIMO

TP393

A

1673-4432（2015）03-0051-06

（责任编辑 雨 松）

2015-02-09

2015-05-07

国家自然科学基金项目 （61202013）；福建省自然科学基金项目 （2015J01670）；福建省中青年教师教育科研项目 （JA14233）

冯陈伟 （1981-），男，讲师，硕士，研究方向为无线传感器网络的设计与实现.E-mail：cwfeng@ xmut.edu.cn