基于分层的河流水下传感器网络路由算法

刘洋 彭舰 刘唐 王彬

摘要：为了获取传感器节点的实时位置，在河流水下传感器网络（UWSN）的独特环境中，采用流体力学的方法对河流水下传感器网络进行建模，模拟真实河流环境下传感器节点的运动规律。为了研究河流水下无线传感器网络数据传输的问题，提出了一种河流环境下基于分层的路由算法（RALM）。每个节点根据收到Sink广播的速度信息周期性地计算并更新各自的拓扑信息，数据待发送节点优先选择当前剩余能量最多的上一层的邻居节点进行数据转发，若上层无邻居节点，则转发给剩余能量最多的同层邻居节点。仿真实验表明，所提算法在网络的冗余度和丢包率上都要优于基于深度的路由算法（DBR）和基于分层的水下传感器网络路由协议（LayeredDBR），网络生存周期分别提高了71%和45%。

关键词：水下传感器网络；流体力学；剩余能量；分层路由算法；生存周期

中图分类号：TP393 文献标志码：A

Abstract：For the unique environment of the Underwater Wireless Sensor Network （UWSN） in river， the model was built by method of fluid dynamics to obtain the realtime position of sensor nodes and simulate the movement law of sensor nodes in real river environment. Furthermore， on the problem of data transmission in UWSN， a Routing Algorithm based on Layered Mechanism （RALM） was proposed for river environment. The topology information was calculated and updated by each node periodically based on the receiving speed from sink. The node to transmit data would choose the neighbor node in upper layer which has the most residual energy to be the next hop. If the node has no neighbor node in upper layer， the next hop would be the neighbor node in the same layer which has the most residual energy. The simulation results show that， compared with DBR （DepthBased Routing） and LayeredDBR （LayeredDepth Based Routing）， RALM algorithm can effectively reduce the network redundancy and packet loss rate， and the network life cycle is raised by 71% and 45%.

Key words：Underwater Wireless Sensor Network （UWSN）； fluid dynamics； residual energy； layered routing algorithm； life cycle

0 引言

随着世界各国对河流的日益重视， 发展河流经济热潮的兴起和传感器网络研究的迅速发展，河流环境下的水下无线传感器网络（Underwater Wireless Sensor Network， UWSN）已经成为新的研究方向[1-3]。河流水下传感器网络将采集到的水下环境数据发送给用户用来辅助决策，在水质监测、污染源定位、防洪预警等领域均具有广阔的应用前景[4-5]。

河流水下传感器网络的通信介质不同于传统陆地传感器网络，通常采用水声通信，网络环境复杂，因而传统传感器网络的研究在河流网络中不能加以应用。目前，水下传感器网络的研究主要集中于海洋环境，尽管海洋与河流的传感器网络看上去类似，同是将传感器节点部署于水下进行数据的收集工作，但实际上存在着很大的不同：

1） 河流的水流方向一致；

2） 河流的水流速度更不稳定；

3） 河流的水位会随着季节产生较大的变化。

因此，尽管国内外的研究学者对海洋数据传输的研究已经获得了一定的成果，但是这些成果并不能很好地应用于河流环境下的水下传感器网络。特别是受到河流水位以及节点深度与节点所受水流流速变化的影响，将会导致网络的拓扑不断发生变化，这对于数据的无线传输是一个很大的挑战，针对传统水下传感器网络的路由问题，研究者作了诸多工作。

Xiao等[6]提出了LEVBF （LifetimeExtended VectorBased Forwarding）路由协议，该方案比较了候选转发节点的剩余能量与上一跳节点的所有邻居节点的平均剩余能量，如果候选转发节点的剩余能量较高则转发，反之则丢弃，这使得整个网络的能耗得以均衡，延长了网络寿命。但该算法需要获知传感器节点的位置信息，而在水下传感器网络中无法通过全球定位系统（Global Positioning System， GPS）获得节点的具体位置，因此该类型的数据传输策略的实现存在着较大的局限性。Yan等[7]提出了一种基于深度的数据传输策略DBR（Depth Based Routing），该策略仅需要使用廉价的深度传感器测出每个节点的深度即可。在数据转发过程中，节点将广播自己的深度给周围节点，深度小于该节点的邻居节点将执行数据转发任务，同时 DBR 利用深度阈值来控制网络副本，但是文中节点存在冗余的工作周期，因而增加了节点的能量消耗。彭舰等[8]在DBR算法的基础上提出了一种基于分层的水下传感器网络路由协议LayeredDBR，在该算法中，节点进行一次信息广播后，只允许指定深度范围内的节点进行消息接收，以达到控制网络副本的目的，最终建立与网络冗余相关的网络分层模型。Jafri等[9]提出了一种AMCTD（Adaptive Mobility of Courier nodes in Thresholdoptimized DBR protocol）路由算法，其主要思想是在水下延迟容忍网络中，传感器节点根据自身深度和剩余能量计算出一个权值，数据转发时，权值越高的邻居节点转发数据越快，但是文中没有考虑到因Courier节点而增加的额外开销。

本文的主要研究工作是在河流环境中，采用流体力学的方法对河流环境下的水下传感器网络进行建模，分析当节点受力平衡时流体力学中粘滞阻力、压差阻力等流体阻力对节点运动的影响，实时计算出节点的位置，并结合国内外学者在海洋环境下对数据传输的研究成果[10-12]，提出在河流环境下基于分层的路由算法。该算法能有效降低网络的冗余度和丢包率，延长网络寿命，并通过仿真实验验证了该算法的有效性。

1 系统模型

1.1 网络模型

在网络初始状态，m条长度不同的绳子均匀分布在L×W×H的长方体内，绳子底部被锚固定在河底，每条绳子上随机分布n个传感器节点， k个Sink均匀分布在监控河流的表面。如图1所示，并假设河流水下传感器网络具有以下性质。

1）河流水下传感器网络由固定在河底的锚节点、拴住节点的绳子、悬浮在河流中的动态节点以及漂浮在河面的Sink节点构成。

2）河面速度在[Vmin，Vmax]内随机变化。

3）所有非Sink节点具有唯一的ID和相似的通信/处理能力，且节点按照预先设置的功率进行数据通信，一旦部署通信功率将不再改变。

4）传感器节点的主要部件装置在空心圆柱体内[13]，每个节点同构且浮力大于重力。

5）传感器节点采用水声通信进行通信，且数据分组传给任意Sink均表示数据被成功接收。

6）节点周期性地进行数据采集任务，并始终有数据传回至基站。

1.2 能耗模型

本文采用与文献[14]相同的水声通信能耗模型。在水下传感器网络中，由于节点接收数据所产生的能耗远远小于节点发送数据产生的能耗，因此不考虑节点接收数据带来的能耗，而采用节点发送数据产生的能耗来衡量整个网络的能量消耗情况。假设P0为节点正常接收数据所需的最小功率、功率对传输距离的衰减函数为A（x），节点发送l bit的数据传输时延为Tp，其中

2 网络建模及分层路由算法

2.1 受力分析

通过分析河流水下传感器网络的环境特点，即采用水声通信、河流水流方向一致且河面速度在一定范围内变化、节点不具备感知位置的能力、节点具有移动性等，采用流体力学的方法分析节点的运动规律，建立符合真实河流环境的网络模型。

2.1.1 节点运动形态

在流体中，由于河流具有垂线流速分布的特性，河流中各个位置的节点所受到的瞬间流速不相同，距离河面越远的节点受到的速度越小。因此距离河面越近的节点，所受到水流的冲击力也越大。式（4）给出了流体中垂线流速分布的对数形式[15]：

2.1.2 平衡态时节点受力分析

为了更准确地分析出节点在水流下的运动规律，在节点受力平衡时，需对节点进行受力分析。当河面速度变化时，节点受力均衡状态被打破，节点将会运动到某个位置重新达到平衡态，此时，由受力平衡条件可得到节点当前受力平衡模型，如图2所示（以一根绳子为例）。

3 实验仿真与性能评估

本文采用Java平台，仿真实现了RALM、LayeredDBR和DBR算法。在仿真实验中，河流的长度为60m，宽度和高度均为15m，通信半径为5.6m，52根绳子均匀分布在河底，每根绳子上随机分布4个传感器节点。整个区域构成一个三维监控网络。网络中部署10个Sink节点，它们均匀分布在三维区域的上表面。网络的生命周期被定义为10%节点死亡的时间[17]。

本文中实现的DBR和layeredDBR算法中的深度阈值均为1m， 从图4不难看出，本文采用的RALM算法，网络的冗余度为1，即Sink节点不会重复收到冗余的数据包，优于DBR算法和LayeredDBR算法，而相对于DBR算法来说，LayeredDBR算法能更好地控制网络冗余度。

从图5可以看出，由于DBR算法对网络冗余的控制较差，造成大量的能量浪费，因而网络生存周期较短。而与LayeredDBR相比，RALM路由时每次只选择一个剩余能量最多的节点进行数据转发，而不是转发给所有深度阈值内的邻居节点，因此与其他算法相比，RALM算法具有较长的寿命。

从图6表明，当网络中第一个节点死亡后，网络变得很不稳定，导致网络的丢包率有明显的上升趋势。其中LayeredDBR与其他算法相比，丢包率最高。那是因为LayeredDBR只允许跨层传输数据，当上一次没有邻居节点时，则会造成大量的数据丢包。而DBR和RALM的丢包率相当，综合考虑DBR冗余度高的特点，RALM仍然具有较高的网络性能。

从图7可以发现，在同样的环境下，DBR和LayeredDBR算法由于高冗余的特点，在很短的生命周期内10%的节点就已经死亡，而且网络死亡时剩余了很大一部分的能量，造成了能量的浪费。而RALM由于单节点传播的特性，使每一轮采集数据所消耗的能耗要小于LayeredDBR和DBR算法，因而生命周期最长。

4 结语

针对河流水下传感器网络的特殊环境，采用流体力学的方法对绳子上的传感器节点进行受力分析，并提出了一种河流环境下基于分层的路由策略，与同类算法相比，冗余度降低且丢包率没有明显增加，并有效地延长了网络寿命。但是网络死亡时能量利用率并不高，造成了一定程度的能量浪费，所以下一阶段将着重研究如何有效提高能量利用率，避免或延迟能量空洞现象的出现。

参考文献：

[1]李建中， 高宏. 无线传感器网络的研究进展[J]. 计算机研究与发展， 2008， 45（1）： 1-15.（LI J Z， GAO H. Survey on sensor network research[J]. Journal of Computer Research and Development， 2008， 45（1）： 1-15.）

[2]郭忠文， 罗汉江， 洪峰， 等. 水下传感器网络的研究进展[J]. 计算机研究与发展， 2010， 47（3）： 377-389.（GUO Z W， LUO H J， HONG F， et al. Current progress and research issues in underwater sensor networks[J]. Journal of Computer Research and Development， 2010， 47（3）： 377-389.）

[3]CAPELLA J V， BONASTRE A， ORS R， et al. A step forward in the inline river monitoring of nitrate by means of a wireless sensor network[J]. Sensors and Actuators B： Chemical， 2014， 195：396-403.

[4]CAPELLA J V， BONASTRE A， ORS R， et al. In line river monitoring of nitrate concentration by means of a wireless sensor network with energy harvesting[J]. Sensors and Actuators B： Chemical， 2013， 177：419-427.

[5]BHUVANESWARI P T V， KARTHIKEYAN S， JEEVA B， et al. An efficient mobility based localization in underwater sensor networks[C]// Proceedings of the 2012 Fourth International Conference on Computational Intelligence and Communication Networks. Piscataway， NJ： IEEE， 2012：90-94.

[6]XIAO X， JI X P， YANG G， et al. LEVBF： lifetimeextended vectorbased forwarding routing[C]// Proceedings of the 2012 International Conference on Computer Science and Service System. Washington， DC： IEEE Computer Society， 2012： 1201-1203.

[7]YAN H， SHI Z J， CUI J H， et al. DBR： depthbased routing for underwater sensor networks[C]// Proceedings of the 7th International IFIPTC6 Networking Conference on Ad Hoc and Sensor Networks. Berlin： SpringerVerlag， 2008：72-86.

[8]彭舰， 洪昌建， 刘唐， 等. 基于分层的水下传感器网络路由策略[J]. 通信学报， 2014， 35（6）： 25-31.（PENG J， HONG C J， LIU T， et al. Strategy of routing based on layered for underwater wireless sensor networks[J]. Journal on Communications， 2014， 35（6）： 25-31.）

[9]JAFRI M R， AHMED S， JAVAID N， et al. AMCTD： adaptive mobility of courier nodes in thresholdoptimized DBR protocol for underwater wireless sensor networks[C]// Proceedings of the 2013 8th International Conference on Broadband and Wireless Computing， Communication and Applications. Piscataway， NJ： IEEE， 2013：93-99.

[10]DOMINGO M C. Marine communities based congestion control in underwater wireless sensor networks[J]. Information Sciences， 2013， 228（7）：203-221.

[11]BASAGNI S， PETRIOLI C， PETROCCIA R， et al. CARP： a channelaware routing protocol for underwater acoustic wireless networks[J]. Ad Hoc Networks， 2014， 34：92-104.

[12]PU L， LUO Y， MO H， et al. Comparing underwater MAC protocols in real sea experiments[J]. Computer Communications， 2015， 56：47-59.

[13]AKKAYA K， NEWELL A. Selfdeployment of sensors for maximized coverage in underwater acoustic sensor networks[J]. Computer Communications， 2009， 32（7/8/9/10）：1233-1244.

[14]SOZER E M， STOJANOVIC M， PROAKIS J G. Underwater acousticnetworks[J]. IEEE Journal of Oceanic Engineering， 2000， 25（1）：72-83.

[15]姚仕明， 卢金友， 徐海涛. 黄陵庙水文断面垂线流速分布特性研究[J]. 长江科学院院报， 2005， 22（4）：8-11.（YAO S M， LU J Y， XU H T. Study of vertical velocity distribution at Huanglingmiao hydrologic section[J]. Journal of Yangtze River Scientific Research Institute， 2005， 22（4）：8-11.）

[16]李艳红， 赵敏.含植物河流动力学实验研究——流速、摩阻流速及曼宁糙率系数垂线分布[J]. 水动力学研究与进展，2004，19：513-519.（LI Y H， ZHAO M. Experimental studies of hydrodynamics in vegetated river flows — vertical profiles of velocity， shear velocity and Manning roughness[J]. Journal of Hydrodynamics， 2004， 19：513-519.）

[17]卿利， 朱清新， 王明文. 异构传感器网络的分布式能量有效成簇算法[J]. 软件学报， 2006， 17（3）：481-489.（QING L，ZHU Q X，WANG M W. A distributed energyefficient clustering algorithm for heterogeneous wireless sensor networks[J]. Journal of Software， 2006， 17（3）：481-489.）