体育场馆中的无线地下传感器网络研究

依博亮

摘 要： 构建体育场馆的无线地下传感器网络，保障智能控制场馆的温度和光电，实现构建智慧体育场馆，提出基于层级和位置的体育场馆无线地下传感器网络地理路由决策机制。首先构建无线地下传感器网络的拓扑结构模型，采用基于层级的定向泛洪机制进行路由协议构建；然后根据节点的层级、密度和剩余能量进行无线地下传感器网络的节点优化部署，根据网络的层级和地下地理位置实现路由探测设计；最后通过仿真实验进行性能测试。实验结果表明，该体育场馆无线地下传感器网络具有较好的能耗均衡性，网络节点端到端的时延较低，数据包的准确传输率较高。

关键词： 体育场馆； 无线传感器网络； 地下传感器网络； 路由协议

中图分类号： TN915?34； TP393.04 文献标识码： A 文章编号： 1004?373X（2017）03?0030?04

Research on wireless underground sensor network of stadium

YI Boliang

（Department of Public Education， Inner Mongolian University Manzhouli Institute， Manzhouli 021400， China）

Abstract： In order to construct the wireless underground sensor network of the stadium， guarantee the temperature and photoelectric signals of the intelligent control stadium， realize the intelligent stadium， the hierarchy and position based geographic routing decision?making mechanism of the stadium′s wireless underground sensor network is proposed. The topology structure model of the wireless underground sensor network was built， in which the directional flooding mechanism based on hierarchy is used to establish the routing protocol. The node deployment optimization of the wireless underground sensor network was performed according to the hierarchy， density and residual energy of nodes. The routing detection was designed according to the network hierarchy and underground geographic location. The performance was tested with simulation experiment. The experimental results show that the wireless underground sensor network of the stadium has good balance of energy consumption， low end?to?end time delay of the network node， and high packet accurate transmission rate.

Keywords： stadium； wireless sensor network； underground sensor network； routing protocol

0 引 言

随着无线通信技术与传感器技术的不断发展，无线传感器网络作为一种新型局域网络，在实现数据采集、信息感知和智能控制中展现了较高的应用价值，无线传感器网络利用分布在部署区域的传感器节点采集信息[1]，采集的信号有压力、温度、声、电等信号，然后通过路由协议传递到网络信息处理层中，进行信息加工和数据通信，无线传感器网络能提高人类获取和控制信息的能力[2?3]。在大型体育场馆中，通过部署在地下的传感器网络进行体育场馆的温度控制、光电控制和声音控制等，实现智慧体育场馆构建[4]。

1 網络路由协议的设计分析

1.1 无线地下传感器网络拓扑结构模型

体育场馆地下传感器网络包括4类基本实体对象：目标、观测节点、传感节点和感知视场。大量传感节点随机部署，通过自组织方式构成网络路由协议。体育场馆地下传感器网络以数据为中心，依靠Sink节点发起的定位过程完成节点协同工作[5]。地下传感器网络通过外部（网络UAV、卫星通信网和互联网）指定ID的节点进行数据传输和信令交互，网络中所有节点的集合称为该网络感知视场，无线地下传感器网络体系结构如图1所示。

为了预先获取位置和层级信息，体育场地下传感器网络节点记录了两跳以内邻居节点的ID、层级、位置，每个节点[bi，]网络初始化阶段形成[Nf]个帧（Frame），一跳邻居的时间间隔为[Tf，]附带位置信息的数据传输带宽为[Ts=NfTf]。采用矢量的路由转发VBF协议，得到附带位置信息每个Sink节点，数据字段填充发送节点的ID，每个中介节点帧分为[Nc]个码片，码片时间为：

[Tc=entTfNc] （1）

在最小接收功率约束下，一般[cjTc

[r（t）=ij=0Nf-1l=0L-1biαlp（t-iTs-jTf-cjTc-τl）+ω（t）=ij=0Nf-1biph（t-iTs-jTf-cjTc-τ0）+ω（t）] （2）

其中：

[ph（t）=l=0L-1αlp（t-τl，0）] （3）

式中：[ω（t）]为无线地下传感器网络逐跳转发数据干扰因素之和，这里近似为高斯白噪声；[ph（t）]为通信半径。

1.2 无线传感器网络路由性能评价指标选取

采用两个指标[6]作为标准进行无线传感器网络的路由协议设计，训练时间序列为：

[x（t）=（x0（t），x1（t），…，xk-1（t））T] （4）

采用[σj（φa，φa）]表示节点对剩余能量的连通部署特征，计算出相应的连通优先级[Pc：]

[Pc=eαi?eαjd（si，sj）β+z] （5）

候选节点的综合转发因子[αdesira]的约束条件为[max{αidesira}，]选择优先级[Pc]最高的路由节点进行路由机制构建，假设网络输入传输数据[x（t）]与邻居节点（父节点）连接权向量[ωj]的距离为：

[dj=i=0k-1（xi（t）-ωij（t））2， j=0，1，2，…，N-1] （6）

式中[ωj=（ω0j，ω1j，…，ωk-1，j）T，]表示节点[nodei]的剩余能量。更新邻居表，拓扑动态加权传感器网络的候选节点作为下一跳，得到节点能量的均衡状态方程为：

[wj*（t+1）=wj*（t）+α（cj*）[x（t）-wj*（t）]] （7）

式中[j∈（j*，NEj*（t））]。

为了减少体育场馆无线地下传感器网络的路由冲突和能耗，构建节点能量负载均衡的马尔科夫模型为[X=xi，i=1，2，…，N，]假设[O]为网络的寿命观测状态，[O={oj，j=1，2，…，M}。]对节点密度和剩余能量进行DCT变换，根据源节点ID及数据字段的覆盖度，结合自适应均衡算法均衡每个节点的计算能力、通信距离和能量供应进行路由协议设计。

2 体育场无线地下传感器网络的设计与实现

2.1 路由机制中的层级和位置关系模型设计

在无线传感器网络中，指定区域的节点数据报文传输时间序列为[{c0，c1，c2，…，cN-1}]，地理路由决策的编码信息为[{y0，y1，y2，…，ym}，]候选节点[nodei]相邻的传感器数目为[m，]得到候选节点的综合转发控制状态方程为[7?8]：

[y0=f（c0，c1，c2，…，cN-1）y1=f（c0，c1，c2，…，cN-1） ?ym=f（c0，c1，c2，…，cN-1）] （8）

采用基于层级的定向泛洪机制对密度较大的节点进行自组织特征分解[9]：

[S（ω）=1Kk=0K-1Sk（ω）] （9）

在传感器节点延伸的下行路径，定义节点密度和剩余能量的综合转发控制目标函数为：

[x（n）=1NAk=0N-1X（k）expj2πknN，n=0，1，2，…，N-1] （10）

式中：[A]表示初始网络拓扑结构的节点剩余能量幅值，为[N]阶方阵，即[A=ai，j，0

为了保障体育场馆无线地下传感器网络节点通信频率的稳定性，得到节点耗能因子矩阵[BN×1]的计算式如下：

[BN×1=SN×L?TL×1] （11）

每个节点到达网关[i]的剩余能量由[Ei]表示，采用最大剩余能量选择策略确定[ek≥0，][k=1tek=1]。设定邻居节点的能耗上限，通过比较下一跳节点的鲁棒系数得到传感器网络系统的层级和位置关系的模型为：

[s（k）=s1（k），s2（k），…，sm（k）T] （12）

2.2 网络节点路由中的部署实现

用一个已经获取自身层级的传感器节点替换分组头部中的层级，则传感器节点的位置信息、剩余能量参量为：

[xn=sn+vn=i=1LAicos（ωin+φi）+j=0∞h（j）w（n-j）] （13）

对于拓扑动态变化的体育场馆无线地下传感器网络，引入一个编码模式选择模块，在存在多个候选的下一跳节点下构建数据传输的失真综合评价值[Ei，]为了使节点能量均衡，对网络拓扑进行某种程度的修剪，定义一个转发因子矩阵为：

[X=x11x12…x1nx21x22…x2n????xn-11xn-12…xn-1n] （14）

根据LB?AGR协议引入一个综合转发因子[αidesira]为：

[αidesira=α1?DensityiiDensityi+α2APiAPinit] （15）

其中：

[α1+α2=1， α1，α2∈[0，1]α2=maxi（APi）-mini（APi）APinit] （16）

基于两跳邻居位置信息，进行上行流量路由机制分发和调度，调度指令数量的分布为[d～p（e，q），]利用下一跳节点进行能耗预测，实现节点的优化部署，在传感器网络输出端口节点的地理路由集合记为[Disj，]则[Disj

[q=arcminp∈δq=1+∞L（q，q）p（qe）] （17）

式中：[L（q，q）]用来描述数据与数据之间的相关特征；[p（qe）]为剩余能量相对于[q]分布的最佳路由分布函数。根据节点的层级、密度和剩余能量进行无线地下传感器网络节点的优化部署，节点的优化部署控制函数为：

[J（AP1，AP2，…，APn）=i=1nAPi2n?i=1nAP2i] （18）

通过传感器网络节点优化部署，降低了端到端延时，提高了网络包传输的可靠性。

3 性能评估实验分析

在体育场馆区域分布90，140，250，1 000个传感器节点，网络覆盖范围为200 m×200 m，节点初始能量为0.5 kJ，随机部署在2 000 m×2 000 m×10 m的3D体育场馆区域，地下传感器网络的基站位置设定在3D体育场馆区域的（100，250）坐标处，Sink节点的带宽为[Ts=NfTf，]设置[Nf]=22，[Tf]=124 ns，[Tc]=3 ns，构建体育场馆无线传感器网络的初始节点和链路分布模型如图2所示。

根据图2中无线地下传感器网络的结构模型，进行网络的信息传输和数据包分发仿真分析，对网络的性能进行测试。源节点每10 s产生一个包，在数据包负载为150 GB下进行无线地下传感器网络的数据包传输，分别采用在不同节点数量下统计端到端的平均时延、包传输率、能耗三个参数，对比不同无线传感器网络协议性能，得到的仿真结果如图3所示。

由图3可以看出，采用本文设计的无线传感器网络协议在传输时延、数据包的准确传输性能和能量开销等方面明显优于文献[4，6]的VBF和VBVA协议，网络能耗的均衡性较好，提高了网络的寿命周期；网络节点端到端的时延较低，提高了网络传输的实时性；数据包的准确传输率较高。

4 结 语

为了实现智慧体育场馆的构建，提出基于层级和位置的体育场馆无线地下传感器网络地理路由决策机制。首先构建无线地下传感器网络的拓扑结构模型，采用基于层级的定向泛洪机制进行路由协议构建。然后根据节点的层级、密度和剩余能量进行无线地下传感器网络的节点优化部署，根据网络的层级和地下地理位置实现路由探测设计。研究得出，采用本文设计的体育场馆无线地下传感器网络进行数据传输能耗较小，网络节点端到端的时延较低，数据包的准确传输率较高，性能优越。

参考文献

[1] 陈志，骆平，岳文静，等.一种能量感知的无线传感网拓扑控制算法[J].传感技术学报，2013，26（3）：382?387.

[2] 王辛果，张信明，陈国良.时延受限且能量高效的无线传感网络跨层路由[J].软件学报，2011，22（7）：1626?1640.

[3] 陈永锐，易卫东.最大网络生存周期的无线传感网协作路由算法[J].软件学报，2011，22（1）：122?130.

[4] 任智，王青明，郭晓金.无线传感器网络中基于最小跳数路由的节点休眠算法[J].计算机应用，2011，31（1）：194?197.

[5] 朱彦松，窦桂琴.一种基于多维度信任的WSN安全数据融合方法[J].武汉大学学报（理学版），2013，59（2）：193?197.

[6] MERNIK M， LIU S H， KARABOGA M D， et al. On clarifying misconceptions when comparing variants of the Artificial Bee Colony Algorithm by offering a new implementation [J]. Information sciences， 2015， 291： 115?127.

[7] 孙三山，汪帅，樊自甫.软件定义网络架构下基于流调度代价的数据中心网络拥塞控制路由算法[J].计算机应用，2016，36（7）：1784?1788.

[8] 李牧东，赵辉，翁兴伟，等.基于最优高斯随机游走和个体筛选策略的差分进化算法[J].控制與决策，2016，31（8）：1379?1386.

[9] STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm [J]. IEEE transactions on evolutionary computation， 2010， 14（6）： 842?864.

[10] LIANG J J， QU B Y， MAO X B， et al. Differential evolution based on fitness Euclidean?distance ratio for multimodal optimization [J]. Neurocomputing， 2014， 137（8）： 252?260.