基于协作MIMO的WSNs能耗均衡路由算法

毛口龙

(兰州交通大学 电子与信息工程学院,甘肃 兰州 730070)



基于协作MIMO的WSNs能耗均衡路由算法

毛口龙

(兰州交通大学 电子与信息工程学院,甘肃 兰州 730070)

根据无线传感器网络(WSNs)能耗不均衡的特点，基于协作多输入多输出(MIMO)技术，提出了一种能耗均衡的协作路由算法—EBCR算法。算法在保证全网均匀分域的前提下，确保域首均匀分布，其次，根据预设的性噪比门限范围来确定协作节点的可选集，再综合考虑可选节点的剩余能量、信道状态和到达域首节点的距离，选择出域首节点的最优协作节点。实验结果表明：该算法较其他算法在网络生存时间，能量效率，平衡网络能耗方面都有较大改善。

无线传感器网络； 能耗均衡； 路由算法； 节点选择； 能量效率

0 引 言

无线传感器网络(wireless sensor networks，WSNs)是一种分布式网络，其能够以协作的方式对网络区域内多种目标的信息数据进行监测、感知和采集，并进行处理[1]。现有的路由算法多是基于单输入单输出(single-input single-output，SISO)系统设计而成，存在传输能耗高且不可靠的缺点。研究表明，在相同的信噪比条件下，多输入多输出(multi-input multi-output,MIMO)系统相比SISO系统可以提供更加可靠的通信，并且在长距离通信中MIMO系统需要更少的发射能量，能够降低通信开销[2]。在WSNs中引入协作MIMO技术，节点间通过协作通信可以产生分集增益，提高网络的性能和降低能耗[3]。文献[4]将协作MIMO技术引入到LEACH路由算法中，提出了MIMO-LEACH算法，此算法较LEACH路由算法在网络生存时间方面有较大提升。LEACH算法不能保证所选域首节点(domain-head node,DN)均衡地分布在网络中，导致部分区域节点能耗过快，不适用于大规模WSNs。文献[5]提出了一种联合聚类和协作的路由方案，使DN可以协作传输数据。文献[6]结合LEACH算法，提出了一种节点在随机部署情况下构建能量负载均衡的多跳路由算法。文献[7]分析了WSNs在协作多输入单输出(multiple-input single-output,MISO)方案下，协作节点(cooperative node,CN)数目对系统性能的影响，提出了根据传输距离来动态地选择CN数目的方案。文献[8]根据节点到DN的距离和信道状态来选取CN，但是DN随机分布。

本文提出的能耗均衡协作路由(EBCR)算法首先对WSNs进行均匀分域，使DN均匀分布在网络中，考虑将协作MIMO技术引入到域间通信中来，再综合考虑可选节点的剩余能量、信道状态和到达DN的距离，提出了一种新的CN选择算法。通过实验对EBCR算法的性能进行了验证。

1 理论基础分析

1.1 WSNs协作MISO系统模型和能耗模型

1.1.1 网络模型

本文在Cui S等人[9]提出的WSNs协作MIMO系统基础上采用了更为广泛的协作MISO模型，如图1所示。对模型做以下假设：

1)节点布置完成后，静止不动；2)网络中的节点通过其他定位算法获取自身位置，并且每个节点在部署区域内拥有唯一的ID；3)节点发射功率可以根据每跳传输距离相应调节；4)Sink(汇聚节点)能量无限，节点可以根据对方发射的功率基于接收信号强度指示(received signal strength indication，RSSI)计算出与对方和基站(BS)的距离。

图1 WSNs协作MISO系统模型

1.1.2 能耗模型

WSNs点对点通信能耗主要由电路模块能耗Pc和功率放大器能耗Ppa组成。基于STBC(空时块编码)的MISO系统在给定的误码率情况下单位比特传输能耗如式(1)所示

(1)

式中Rb为比特速率。

电路功率消耗Pc如式(2)所示

Pc=Pc-transmitter+Pc-receiver

=Nt(PDAC+Pmix+Pfift)+2Psyn+ (PLNA+Pmix+PIFA+Pfifr+PADC)

(2)

式中PDAC为数/模转换器功率；Pmix为混频器功率;Pfift为发射端滤波器功率；Psyn为频率同步器功率；PLNA为中频放大器功率；PIFA为低噪声放大器功率；Pfifr为接收端滤波器功率；PADC为模/数转换器功率。

若信道为K阶路径衰落的平坦衰落时，功率放大器的功率消耗如式(3)所示

(3)

(4)

1.2WSNs分域算法

分域算法可以在一定程度上明显延长WSNs生存时间，均衡网络能耗[10]。目前,典型的分域算法有LEACH[11],HEED[12],LEACH-C[13],GRID等。为了使EBCR算法适用于大规模网络，均衡全网能耗，首先根据最优域首数目基于GRID算法将网络进行虚拟分区，然后在每个区内根据节点位置和剩余能量选择出最佳DN。为均衡能耗DN要尽可能均匀分布在网络中，以轮周期性循环。

2 EBCR算法描述

2.1 域的构成

1)网络初始化均匀域构成

所有节点部署到监测区域之后，节点通过初始化获得自身地理位置信息，并计算与对方以及BS的距离，保存在缓存中。Sink坐标为(x0,y0)，节点i坐标为(xi,yi)。根据文献[14]分析推导出最优域首数如式(5)所示，Gridnum取最优域首数的整数

(5)

式中n为网络内节点数目;M为部署区域的边长;dtoBS为网络内所有节点到BS的平均距离。

(6)

2)最优域首选择

为尽可能均衡全网能耗，DN应选择靠近网格质心的节点，DN负责域内节点数据收集，通信能量消耗较快，应该选择剩余能量较多的节点作为DN。为均衡全网能耗，本文提出了DN选择函数

(7)

2.2 基于协作MIMO的域间传输策略

2.2.1CN选择算法

本文模型中，DN和CN以协作的方式将收集到的域内数据经融合之后发送至下个DN。定义发送数据的DN为源节点S，协作节点为CN，接收数据的DN为目的节点D，hs-cn,hcn-d和hs-d为三者的信道增益，CNi收到S的瞬时信噪比为γs-cni，D收到CNi的瞬时信噪比为γcni-d。为延长WSNs生存周期，均衡能耗，本文提出了能量高效的CN选择算法步骤如下:

1)根据S到CN，CN到D的信噪比(SNR)设定一个SNR门限范围来确定CN的可选集，筛选出对D有较高增益的节点，如式(8)所示

(8)

D设定一个最小的SNR接收门限SNRthmin，当CNi的信噪比SNRth≥SNRthmin，则该节点进入CN的候选集合I，否则进入休眠状态以节省能量。

2)I中的节点根据当前消耗的能量估计自身剩余能量Ere-cni以及信道增益hs-cni和hcni-d。

3)I中的节点根据位置坐标信息计算自身到S的距离ds-cni和到D的距离dcni-d。

4)DN将收集到的域内普通节点的数据进行融合以后向候选节点广播一个协作请求消息，候选节点在收到DN的协作请求消息以后将自身剩余能量Ere-cni、信道增益hs-cni和hcni-d以及自身到S的距离ds-cni和到目的节点的距离dcni-d等信息发送给DN。DN收到I发送的信息后根据式(9)计算每个候选节点的权重值

(9)

5)DN对计算的每个节点的权重值进行排序，选出Nt-1个CN进行数据传输。经过一段时间数据传输以后如果DN和CN的剩余能量超过一定门限时，则全网重新选择DN。DN选择出后，重复步骤(1)～步骤(5)，全网进行多跳数据传输。

2.2.2 域间数据协作传输

DN和CN选择完成后根据EBCR算法寻找DN到Sink通信代价最小的路由。路径选择函数如式(10)所示

(10)

式中Ere(i)，Ere(j)分别为DN中i和j的剩余能量;di-j为i至j的距离;选择f(i,j)函数值最大的节点作为下一跳DN可以均衡全网能耗。

3 WSNs协作MISO系统性能分析

3.1 平均误码率分析

(11)

3.2 系统容量分析

4 仿真分析

通过Matlab软件对提出的能耗均衡路由算法性能进行仿真。仿真实验中主要参数设置：部署区域范围为100 m×100 m;节点数量为100;汇聚节点坐标为(x0=150,y0=50)；节点的初始能量为0.5 J；数据融合因子为0.75。

图2给出了信道容量随发送端天线数目的变化关系。可以看出,在信噪比相同的情况下，系统信道平均容量随着输入端天线数目的增加而快速增长。

图3给出了信噪比与误码率随接收端天线数目的变化关系。可以看出系统的误码性能会随着接收信噪比的增加而得到明显改善，并且协作通信方式相比较直接通信误码性能的改善更加明显。

图2 信道容量随发送端天线数目的变化关系

图3 信噪比与误码率随发送端天线数目的变化关系

图4反映了MIMO-LEACH算法和EBCR算法下网络生存时间与节点存活数目的关系。可以看出：网络运行到250轮左右时,MIMO-LEACH算法的节点存活数目呈快速下降的趋势，而EBCR算法下降则比较缓慢，说明此时全网的能耗比较均衡，达到了能量高效利用的要求。图5给出了MIMO-LEACH算法和EBCR算法下网络生存时间与传输能量消耗的关系。可以看出：相比较MIMO-LEACH算法，EBCR算法显著延长了网络生存时间。

图4 网络生存时间与节点存活数目的关系

图5 网络生存时间与传输能量消耗的关系

5 结 论

本文提出的EBCR算法首先对WSNs进行均匀分域，使DN均匀分布在网络中，考虑将协作MIMO技术引入到域间通信中来，然后将节点间的信道状态、剩余能量以及节点到达DN的距离进行综合考虑，提出了一种新的CN选择算法。通过软件仿真可以看出，该算法较其他算法在网络生存时间，能量效率，平衡网络能耗方面都有较大改善。

[1] Nguyen T D,Berder O,Sentieys O.Cooperative MIMO schemes optimal selection for wireless sensor networks[C]∥IEEE Vehi-cular Technology Conference,IEEE,2007:85-89.

[2] Cai X B,Cao H K,Yu L,et al.Virtual MISO-based energy-efficient broadcasting in clustered wireless sensor networks[C]∥International Conference on Wireless Communications Networking and Mobile Computing,2010:1-4.

[3] 刁新颖,张 曙,郭冬梅.基于自适应协作分集技术的无线传感器网络[J].传感器与微系统,2011,30(3):76-80.

[4] Li X,Chen M,Liu W.Application of STBC-encoded cooperative transmissions in wireless sensor networks[J].IEEE Signal Processing Letters,2005,12(2):134-137.

[5] Ibrahim A,Han Z,Liu K J R.Distributed energy-efficient coope-rative routing in wireless networks[J].IEEE Transactions on Wireless Communications,2007,7(10):4413-4418.

[6] 张世伟,张海涛,张士杰.基于固定分簇和能量均衡的无线传感器网络多跳路由算法[J].传感器与微系统,2013,32(8):117-120.

[7] Gong X,Liu X,Liang P,et al.Dynamic selection on the number of antennas for cooperative MISO in WSNs[C]∥International Conference on Wireless Communications & Signal Processing，2012:1-4.

[8] Ahmed I,Peng M,Wang W.Energy efficient cooperative nodes selection in wireless sensor networks[C]∥Proceedings of the 2007 International Conference on Parallel Processing Workshops,IEEE Computer Society,2007:50.

[9] Cui S, Goldsmith A J, Bahai A. Energy-constrained modulation optimization[J]. IEEE Transactions on Wireless Communications, 2005, 4(5):2349-2360.

[10] 朱夏冰,崔宝同.无线传感器网络簇头多跳路径路由算法[J].传感器与微系统,2014,33(4):115-117.

[11] Chen G,Li C,Ye M,et al.An unequal cluster-based routing protocol in wireless sensor networks[J].Wireless Networks,2009,15(2):193-207.

[12] Younis O,Fahmy S.HEED:A hybrid,energy-efficient,distributed clustering approach for Ad Hoc sensor networks[J].IEEE Tran-sactions on Mobile Computing,2004,3(4):366-379.

[13] Heinzelman W R,Chandrakasan A,Balakrishnan H.Energy-efficient communication protocol for wireless sensor networks[C]∥Hawaii International Conference on System Sciences,2016:8020.

[14] Bouraoui M,Meddeb A.Optimal number of cluster heads for random topology WSNs using the stable election protocol[C]∥Computer & Information Technology,IEEE,2015.

Energy consumption balanced routing algorithm for WSNs
based on cooperative MIMO

MAO Kou-long

(School of Electronic and Information Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China)

According to characteristics of uneven energy consumption in wireless sensor networks(WSNs),an energy consumption balanced routing algorithm based on cooperative MIMO technology is proposed.The algorithm under the premise of ensures the domain head nodes are evenly distributed in WSNs， the whole network is evenly divided into domains.Secondly,according to the preset signal-to-noise ratio threshold range,determine optional collection of cooperative nodes,and consider remained energy,channel information,and the distance from domain head nodes of optional nodes,optimal cooperative nodes of domain head nodes will be selected out.Experimental results indicate that compared with other algorithms,this algorithm has a great improvement in network survival time,energy utilization efficiency,and balancing network energy consumption.

wireless sensor networks(WSNs); energy consumption balanced ; routing algorithm; node selection; energy efficiency

10.13873/J.1000—9787(2017)08—0134—04

2016—07—19

TN 919.3

A

1000—9787(2017)08—0134—04

毛口龙(1992-)，男，硕士研究生，主要研究方向为无线传感器网络中的协作通信、路由协议，E—mail:1104886279@qq.com。