张新琳
(驻马店职业技术学院,河南 驻马店 463000)
无线传感网络WSNs(Wireless Sensor Networks)已广泛地应用于监测场景。由于节点成本较低,工业自动化系统已广泛使用了WSNs,并通过WSNs提高工业效率[1-2]。然而,WSNs内的多数传感节点能量供应有限,一旦节点能量消耗殆尽,节点生命周期就结束,这直接影响了WSNs的应用。因此,必须引用有效的功率管理策略提高能量利用效率。
为了提高节点生命周期,引用能量采集(Energy Harvesting)系统,进而补充节点能量[3-4]。针对WSNs的能量采集系统,功率管理扮演了能量采集与能量消耗的平衡间的重要角色。这种功率管理系统又称为能量平衡操作ENO(Energy-Neutral Operation)。为了满足ENO条件,功率管理器常依据环境条件调整节点的唤醒周期,即工作周期(Duty-Cyle)。
WSNs中的节点是利用无线信道交互数据,而无线信道的环境对数据传输有直接的影响。文献[5-6]的实验研究表明,低功率传感设备间的射频通信服务质量随时间和环境波动大,原因在于:功率越小,越容易受邻近信道的干扰,严重的话,邻近信道信号会淹没功率小的信号,这类似于通信原理中的远近效应。因此,固定的射频参数(如固定的传输功率)并不适合此环境。
如果无线传感节点能感应到无线信道质量,就依据信道质量调整射频功率,既能保证通信可靠,又能减少能耗。即以最佳射频功率传输数据。文献[7]引用线性控制律(Control Law),并依据链路质量调整发射器(Transmitter,TX)功率。实验研究表明,此方法能够提高在信道快速变化环境下的数据传输性能。一旦通信链路断裂,终端设备ED(End Device)就通过对接收信号强度RSSI(Received Strength Signal Indicator)的预测,动态调整TX功率。
在WSNs中,最通常的功率管理方法是管理节点工作周期和控制RF传输的功率。而后者更多地应用于无线传感节点和传感网络。通过选择最优的传输功率,可减少功率消耗和干扰。文献[8-10]均采用后者。基于RF传输的功率控制的功率管理方法的目的就是在维持数据正常传输的同时,减少能耗。文献[7]就提出了自适应地功率控制ATPC(Adaptive Transmission Power Control)算法。ATPC算法 依据环境条件选择不同的功率,并且控制器考虑了无线信道的波动。值得注意,环境条件与多个参数有关,但这些参数均与时间有关,即在不同的时间,参数不一样。因此,环境条件是关于时间的函数。
而基于节点工作周期的功率管理方法也称功率控制法。在此方法中,节点有工作和休眠两种状态。在休眠状态时,节点能耗少。此方法也针对能量采集传感节点[5]。具体而言,当能量采集较低时,如太阳光线不足,就减少节点工作时间;而当能量采集较高时,就增加工作工作时间。然而,此方法只考虑了节点性能,并没有考虑到节点间的通信。
为此,本文基于管理节点工作周期的功率管理方法,提出基于闭环功率管理器和传输功率控制器CLPM-PTPC(Close-Loop Power Manager-Predictive Transmission Power Controller)的功率管理算法。CLPM-PTPC算法考虑了节点传输功率和采集能量信息,并通过这些信息优化节点的工作周期。
网络模型如图1所示,整个系统由终端设备ED(End Device)传感节点和基站BS(Base Station)组成,其中ED传感节点由能量采集设备供电。
图1 网络模型
如图1所示,β(t)表示能量采集率。将采集的能量存储到能量存储设备(例如,电池)。节点给负载供给能量α(t)。值得注意的是,β(t)值取决于从环境采取的能量,这个值不可控。然而,α(t)取决于应用特征(例如,任务产生率)和硬件特性(例如,RF传输功率)。因此,可通过硬件限制,对α(t)进行控制。
ED利用无线信道将感测的数据传输至BS。由于无线传输信道的不稳定性,或者传输设备的故障等原因,导致部分数据包丢失。而对于无线信道的不稳定性,可通过传输功率控制器实时调整RF发射功率,进行改善,致使BS能成功地接收数据包。而传输功率控制器通过BS反馈的无线信道参数实现对RF发射功率的调整。传输功率控制器的工作原理请见下文2.1节。
ED需承担周期性工作任务,主要包括感测、RF发射、RF接收和数据包转发四类任务。每项任务活动期为Tωi,且Tωi由活动阶段(Active)和休眠阶段(Sleep)组成。在活动阶段,通过占用平台资源完成这些任务。而在非活动阶段,节点进入休眠状态,进而保存能量。
图2 节点周期性工作任务
引用变量Q表示节点的能耗,单位是Ah。1 Ah等于3.6库伦。假定任务i所消耗的平均电流消耗为λi,其定义如式(1)所示:
(1)
式中:Qi为能耗。而Qi={QSense,Qtx,QRe,Qfwd}。QS、QTx、QRe以及Qfwd分别表示感测、RF发射、RF接收以及转发四项任务所消耗的能量。
从式(1)可知,可调整Qi(例如,传输功率)或活动周期Tωi进而控制各任务的平均能耗。活动周期Tωi、传输功率的调整过程详尽见本文3.1节、3.2节。
本文依据蓄电池的电荷状态SoC(State of Charge)调整节点的活动时期。利用能量采集量β(t)和各任务所消耗的能量信息,建立未来的nTωi工作周期的电池SoC:
(2)
式中:λs、λTx以λfwd分别表示感测、传输以及转发任务所能耗的电流。而Kleak表示漏电流。TTx、Tfwd分别表示RF发射、和转发任务用时。此外,蓄电池的SoC应介于Socmax和Socmin之间。
工作周期控制器的目的就是找到任务的执行时期,其代表能量平衡条件,即能量采集与能量消耗间的平衡。为此,CLPM-PTPC算法引用闭环功率管理器CL-PM(Closed-Loop Power Manager)控制节点工作时期。
当RF发射功率为tpj时,传输TX任务所消耗的能量为QTx(tpj)。先测量所采集的能量β。然后再与阈值βth比较。
如果采集能量β大于阈值βth,则利用式(3)计算TX任务的工作时期TTx:
(3)
式中:Qpm表示CPU执行功率管理所产生的能耗、Kleak表示漏电流。QTx(tpj)表示当发射功率为tpj时,执行传输任务所消耗的能量。n表示工作周期数。
相反,若收集能量小于阈值,需有效地利用节点能量。为此,CL-PM尽可能地缩短工作时间。在条件下,令采集的能量β=0。CL-PM试图寻找最小的TX任务的工作时期,如式(4)所示:
(4)
式(4)分子表示所需要消耗的能量,而分母表示当前节点拥有的能量,两者的比值表示可工作的周期。t*表示收集能量小于阈值的开始时刻。QTx(tpj)表示当发射功率为tpj时,执行传输任务所消耗的能量。DZEI表示采集能量为零的时期。而CM表示对SoC和DZEI不准确的补偿。
用传输功率控制器PTPC(Predictive Transmission Power Controller)动态调整传输功率等级(Transmission Power Level,TPL),进而应对无线信道的波动。PTPC的框图如图3所示。
图3 PTPC框图
从图3可知,PTPC通过系统状态寄存器与CL-PM通信,系统状态寄存器储存了所有可能传输能量消耗值。
为了建立控制律,PTPC引用RF发射器相关的两个变量:①TP:包含所有可能TPL(tpj∈TP);②Ri:在初始阶段中所有RSSI值(ri∈Ri)。
初始阶段由每个传输功率等级所对应的RSSI值构成。为此,ED先以所有可能的RF发射功率(pi)向基站传输数据包,基站接收后,再回复一个RSSI值(ri)给ED。通过完成这个初始阶段,便形成TP和Ri两个矢量。
具体而言,当ED以tpj功率传输数据包,基站接收数据包,所接收的信号强度RSSI值ri,单位为dBm,这两者可建立如式(5)所示等式。
ri=api+b
(5)
式中:a和b为线性参数。
再利用最小二乘拟合算法估计参数估计a和b。先建立误差函数φ:
(6)
对式(6)分别以变量a和b进行求偏导数,并令其等于零,可得:
(7)
通过训练数据,获取了a和b两个参数后,就可利用实时测量的RSSI值(Rt),调整下一时刻发射功率p。值得注意,本文是在训练阶段对信道参数估计。即在算法开始执行前,进行参数估计。这主要是基于两点考虑:①在算法执行前,对信道参数估计,避免了采用经验的信道参数,降低与真实环境的信道误差;②在算法执行期间,假定信道参数不会发生变化,或者认为变化甚小。因此,信道参数估计的开销并没有列入本文的考虑范围。
因此,依据式(5),可建立式(6),进而依据Rt调整传输功率Pt值。
(8)
CLPM-PTPC算法引用有级差功率调整。为此,对式(8)选择计算的传输功率Pt值进行处理。从系统状态寄存器中选择离Pt值最接近的功率作为最终的发射功率Ptx,如图4所示。
图4 有级差功率调整示意图
依据文献[4]的模型,太阳收集WSN节点安装了2.25 inch×2.25 inch的太阳平板和100 μAh锂电池[11]。之所以选择这样的太阳平板,是因为此太阳平板是常用的太阳板,并已模板化,便于安装。频宽比控制器(CL-PM)的参数n=10,CL-PM的其他仿真参数参照文献[1]。引用文献[12]的CC2500 RF 芯片作为低功率 RF收发器[11],其中PA可从0至-30 dBm变化。此外,基站的最大传输功率为1 dBm。
能量采集数据引用五天太阳能量数据,具体可见文献[11]。五天获取的太阳能量数据如图5所示,其中β(t)的均值为26.29 μA、标准方差为35.28 μA。
图5 5天内β(t)值[11]
此外,Qtx=128.52 μAs、Qpm=128.52 μAs、SoCmin=37 μAh、SoCmax=100 μAh、DZEI=14 h=50400 s。M=3.15 μAh。
为了更好分析CLPM-PTPC的功率调整应对时变的无线信道的能力,引用移动场景进行仿真,如图6所示。终端在移动的过程中,所采集的能量是波动的。
移动模型如下:ED与基站的最小距离为dmin,最大距离为dmax。设置最小距离和最大距离是为了便于控制ED的移动方向。若不设置的话,ED就朝一个方向移动。任何实验都只可能是在一个区域内,所以必须控制在一定范围内。
最初,ED离基站距离为dmin,然后以速度S远离基站,当距离达到dmax时,ED就反向移动,直到距离为dmin。每当ED离基站距离为ds,ED就停留10 s。
在仿真过程中,dmin=1 m、dmax=20 m。ED的移动速度S最小为0.1 m/s,最大0.5 m/s,变化步长为0.05 m/s。ds=10 m。ED向基站发送5 000个数据包。
此外,为了更好地分析CLPM-PTPC算法的性能,选择以固定传输功率和文献[7]的ATPC作为参照。其中,固定传输功率大小为-2 dBm,且记为CLPM-Fixed;2)以ATPC[9]的频宽比CLPM,记为CLPM-ATPC。将CLPM-PTPC算法引用至CLPM,记为CLPM-CLPM-PTPC。
选择数据包传递率和能耗作为性能指标。其中,数据包传递率PRR(Packet Relay Ratio)是指基站所接收的数据包数Nr与ED所发送的数据包数Nt之比:
PRR=Nr/Nt
(9)
而能耗是指每接收一个数据包所消耗的能量Eu,即ED所消耗的能量Ec与正确接收的数据包数Nr之比:
Eu=Ec/Nr
(10)
而Eu反映了成功接收一个数据包所消耗的能量。因此,Eu越低,功率调整性能越优。
首先,分析PRR 性能,如图7所示。从图7可知,在ED移动速度小于0.2 m/s时,CLPM-PTPC和CLPM-ATPC的数据包传递率相近,且接近于1。在相同环境下,CLPM-Fixed仅维持0.8的数据包传递率。当移动速度大于0.2 m/s时,数据包传递率呈下降趋势。这符合事实情况,当移动速度过快时,通信链路的连通时间更短,链路容易断裂,因此,提高了数据包传输中断的概率,最终,导致数据包丢失。
此外,在整个速度变化区间,CLPM-Fixed的数据包传递率变化不大,当移动速度大于0.2 m/s后,数据包传递率趋近于0.8。与CLPM-ATPC协议,CLPM-PTPC协议的数据包传递率得到提高。例如,在移动速度从0.2 m/s至0.3 m/s,CLPM-ATPC协议丢失了约10%的数据包,而CLPM-PTPC算法维持90%以上的数据包传递率。当移动速度大于0.3 m/s后,CLPM-ATPC协议的数据包传递率最低。
接下来,分析CTPM-PTPC算法的能耗。将式(9)代入式(10)可得式(11)。从式(11)可知,每成功传输一个数据包所消耗的能量Eu反比于数据包传递率。数据包传递率越高,说明数据传输效率高,即传输路中的时间短,相应地,能量消耗少。
(11)
传输一个数据包消耗的能量随节点移动速度的变化曲线如图8所示。从图8可知,当节点移动速度大于0.35 m/s时,CLPM-ATPC协议能量消耗迅速增加。
此外,当CLPM-PTPC的能耗均低于CLPM-Fixed协议和CLPM-ATPC协议,比CLPM-Fixed协议的平均能耗降低了约15%。这些数据充分表明,CLPM-PTPC能够依据无线网络条件调整功率,进而有效地提高了能量效率。
最后分析功率对数据包传输的影响。假定节点以速度0.4 m/s速度移动,分析在仿真时间内所接收的数据包数以及发射功率的调整结果,如图9所示。
图9 所接收的数据包数和传输功率
从图9可知,当节点移动至150 s时,节点与基站链路断裂,必须需要进行功率调整,否则无法传输数据,导致数据包传输中断,如图9(a)所示。通过调整功率,重建了链路,如图9(b)所示。
本文针对能量采集的传感节点的功率管理策略展开了研究,并提出CLPM-PTPC功率管理算法。CLPM-PTPC算法优化节点的工作周期,并依据无线信道情况,调整节点传输功率,致使保证节点传输功率的同时,最小化节点能耗。实验数据表明,提出的CLPM-PTPC算法能有效地提高节点能效,并保证了数据包传输成功率。
后期,将研究信道参数估计所带的开销,同时分析信道参数估计的准确性。这将是后期研究工作的方向。
参考文献:
[1] Kansal A,Moselr C. Power Management in Energy Harvesting Sensor Networks[J]. ACM Transaction Embedded Computer System,2014,6(4):35-41.
[2] 陈东海,李长庚. 基于簇头功能分化的无线传感器网络成簇算法[J]. 传感技术学报,2015,28(2):244-248.
[3] Moser C,Thiele L,Brunelli D. Adaptive Power Management for Environmentally Powered Systems[J]. IEEE Transaction Computer,2012,59(4):478-491.
[4] Castagnetti A,Pegatoquet A,Belleudy C. A Framework for Modeling and Simulating Energy Harvesting WSN Nodes with Efficient Power Management Policies[J]. EURASIP Journal Embedded System,2012,8(5):34-45.
[5] Zhao J,Govindan R. Understanding Packet Delivery Performance in Dense Wireless Sensor Networks[C]//Proceed 1st International Conference Embedded Network Sensor System,2013,1-13.
[6] Srinivasan K,Kazandjieva M,Agarwal S. The-Factor:Measuring Wireless Link Burstiness[C]//Proceeding. 6th Conference. Embedded Network Sensor System.,2014:29-42.
[7] Shan Lin,Zhang Jinbin, Zhou Gang. ATPC:Adaptive Transmission Power Control for Wireless Sensor Networks[C]//Proceeding. 4th International Conference Embedded Network Sensor System,2015:223-236.
[8] Chiwewe T M,Hancke G P. A Distributed Topology Control Technique for Low Interference and Energy Efficiency in Wireless Sensor Networks[J]. IEEE Transaction Industrial Information,2012,8(1):11-19.
[9] Zhu Y,Hui M. Energy-Efficient Topology Control in Cooperative Adhoc Networks[J]. IEEE Transmission Parallel Distribution System,2012,23(8):1480-1491.
[10] Dai Guojun, Qiu Jian, Liu Peng. Remaining Energy-Level-Based Transmission Power Control for Energy-Harvesting Wsns[J]. International Journal Distribution Sensor Network,2012,5(6):34-41.
[11] TI.(2011).ez430-rf2500 Solar Energy Harvesting Kit.[Online]. Available:http://focus.ti.com/docs/toolsw/folders/print/ez430-rf2500-seh.html.
[12] Kluge W,Poegl F,Roller H. A Fully Integrated 2.4-GHz IEEE 802.15.4-Compliant Transceiver for Zig Bee Applications[J]. IEEE Journal Solid-State Circuits,2016,41(12):2767-2775.