面向物联网应用的能效感知路由

莫峥嵘，陈子原，齐天一

（中国人民解放军海军工程大学 电子工程学院 二大队5 队，湖北 武汉 430000）

0 引 言

能量效率和能量供应能力是无线传感网络（Wireless Sensor Networks，WSNs）的热点议题[1]。基于能量效率的MAC 协议，设计有效的路由是建立能量采集策略的关键。路由协议的基本目的，不仅是向目的节点传输数据，还需提高能量效率，进而提高WSNs 的网络寿命[2-3]。

面向传统的同构WSNs，研究人员提出许多路由协议。在同构WSNs 中，传感节点具有相同的通信能力[4]、功率和处理数据能力。最近，基于异构WSN 框架的物联网（Internet-of-Things，IoT）应用受到广泛关注。基于这个应用，必须考虑WSN 的异构性和能量采集能力。实际上，基于传统的同构WSNs 的路由协议难以直接应用于复杂的异构网络。因此，针对基于异构WSNs 的IoT 应用，提出新的路由协议是非常必要的。

能量采集（Energy Harvesting，EH）是部署基于WSNs的IoT 应用的关键技术[5]。利用EH 技术，传感节点能够从可再生能源（如太阳、机械振动或无线频率（RF）辐射）获取能量。先进的EH 技术的出现给基于EH-WSN 的路由协议的发展提供了基础。在能量采集感知的路由协议中，能量采集率是发展路由成本函数的重要指标。文献[6]提出能量-机会权重最小能量算法，其通过可用节点能量和能量采集率计算每个节点成本。文献[7]提出基于随机化最小路径恢复时间（Randomized Minimum Path Recovery Time，R-MPRT）算法，R-MPRT 给每个链路计算成本。文献[8]提出分布式能量采集感知路由算法（DEHAR），DEHAR 算法利用可用节点能量和跳数，计算离信宿的最短路径。而文献[9]提出能量采集感知的自组按需距离矢量路由（AODV-EHA）。AODV-EHA算法充分利用现存的AODV 在处理WSN 的自组特性的优势，再利用节点的能量采集能力去决定具有最少传输成本的路由。

尽管上述路由算法降低了能量消耗，扩延了传感节点的寿命，但它们仍存在一定的局限性。例如，文献[6]和文献[10]并没有考虑在采集区间所采集的能量数量。而文献[10-11]对网络内所有传感节点采用固定的更新率，因此，它们无法处理周围能量源的统计特性。 此外，文献[6-7]依据全局网络信息建立路由表，进而转发数据包。然而，在异构WSNs 中的获取全局信息是非常困难的。

为此，本文提出能量-采集-感知算法（Energy-Harvesting-Aware Routing Algorithm，EHARA）。EHARA 算法强调了能量效率、服务质量（QoS）和网络寿命。EHARA 路由依据节点所消耗的能量、所采集的能量和剩余能量信息，计算路由成本，进而选择最佳路由。实验数据表明，EHARA 算法有效地提高了路由性能和能量效率。

1 系统模型

1.1 网络模型

考虑异构多跳WSNs，其由多个传感节点和一个信宿组成，如图1所示。传感节点具有无线连通及能从周围环境采集能量的能力，而信宿不受能量限制。

图1 网络模型Fig.1 Network model

节点可能是传感节点，也可作为路由器，这两者均称为节点。作为传感节点，它感测环境数据，并将此数据包传输至信宿；作为路由器，它能够通过链路将数据传输至信宿。

本文考虑三类典型的可再生能量源，如太阳、振动（移动车辆）和RF 辐射。所有节点能够以不同的能量采集率从这三个能量源中任意一个收集能量。如图1所示，红色、紫色和绿色节点分别表示由基于太阳能的EH、基于移动车辆的EH 和基于RF 的EH。

图2显示了所有传感节点和路由器的内部模块。每个节点由用于数据处理的低功耗微型控制器、基于IEEE 802.15.4 的低功耗的RF 发射器、功率管理单元和能量采集器以及能量存储设备（如电池）组成。为了管理所采集的能量，本文考虑基于存储能量协议，允许节点存储电子能量。如果所采集的能量大于能量消耗，则可将多余能量存储，供后期使用。

图2 节点模型Fig.2 Node model

1.2 能量消耗模型

为了设计有效的路由协议，考虑每个节点传输一个数据包所消耗的能量是非常必要的。这些能耗由传输、接收或转发数据包所发生的能耗组成。此外，节点在监听到达的数据包或等待下一个突好事件时，需要消耗能量。

式中，帧序号BO 和超帧序号SO 分别表示帧间隔（Bea-con Interval，BI）和超帧时长[11]。

如果节点i为源节点（Tx），则而如果节点i为目的节点（Rx），则

节点i的剩余能量则可表述为：

1.3 采集能量的预测模型

由于周围能量源的随机性，可将能量采集活动作为统计过程。假定采集能量的过程与传输、接收、空闲监听和休眠四个阶段独立。为了提高采集过程中能量采集率，引用能量预测模型是非常必要的。

为此，EHARA 引用基于标准 Kalman 滤波 KF[12]的预测模型，通过KF 估算能量采集率。

2 EHARA算法

2.1 能量采集阶段

为了更充分使用节点能量，首先对节点当前剩余能量进行等级划分。如果节点的当前剩余能量仍能维持基本操作，就只利用节点休眠时间采集能量；若节点的当前剩余能量过低（小于预定的门限值），就拓延退僻时间，加大节点采集能量时间。

具体而言，首先考虑传感节点的能量级别，将节点能量划分三个等级，如图3所示。Level 3 表示传感节点维持以上操作的最小能量等级。依据节点i的剩余能量考虑以下两种情况：

节点i将在休眠时期收集能量。因此，节点i所收集的能量按式（6）计算：

图3 传感节点的剩余能量Fig.3 Remaining energy of sensing nodes

在这种情况下，节点i可能没有足够的能量去维持正常操作。因此，在这种情况下，节点必须暂时性关掉发射器，进入休眠状态，从而保存能量，直到电池能量恢复高于Level 3。通过这种策略，传感节点能够减少能耗，维持网络寿命。为了拓延能量采集时间，加大退避时间，即通过新参数extrabackoff 产生新的额外退避过程，目的在于延长传统的IEEE 802.15.4 CSMA/CA 协议的退避时间。通过延长退避时间，使得节点能够有更多时间等待和从周围能量源中采集能量。延长退避时间的策略如算法1所示。每B个Beacon 间隔（BIs）执行一次算法 1。在每B个 BIs 后，节点就计算在当前B个 BIs 中的所消耗的能量然后，再计算在下一个B个 BIs 的extrabackoff所需要时间：

1）AfterBcurrent BIs

2）DetermineEic，cur，λih，pre，andpipe3）CompareEirand Level3

4）Calculatetibousing 式（7）

5）CalculatetihandEihusing 式（8）

节点i的能量收集时间及所收集的能量数可定义为：

2.2 数据传输阶段

数据传输的关键在于链路的选择。EHARA 算法选用成本最高的链路作为数据传输通道，为此，依据extrabackoff的执行过程，链路成本的定义如下：

式中：Ci,j表示由节点i至节点j的链路表示目标节点j的能量消耗表示源节点i的剩余能量；参数au 为单位退避时期。从式（11）可知，具有高Ci,j链路的连通时间更长；计算链路成本是依据节点和链路的局部信息。因此，它能够很容易融入传统距离矢量路由。此外，从式（7）～式（10）可知，引用长的退避时间，在传输前，节点需等待更长时间。通过更长的时间，节点能量收集更多能量。除了增加能量采集数量之除，EHARA路由必须满足以下QoS：

式中：pl，th 分别表示信宿的数据包丢失率和吞吐量；而相应的数据包丢失率的门限值PLmax和吞吐量的门限值（THmin,THmax）可依据不同应用设定。

3 性能仿真

3.1 仿真参数

利用Matlab 建立仿真平台。将V个异构传感节点随机分布于100 m×100 m。在仿真过程中引用基于IEEE 802.15.4 CSMA 的MAC 协议，具体的仿真参数如表1所示。此外，为了更好地分析EHARA 性能，选用文献[9]的 R-MPRT 和 AODV-EHA 算法作为参照。

表1 仿真参数Table 1 Simulation parameters

3.2 实验一

本次实验分析平均每个数据包所消耗的能量和总体剩余能量。实验数据如图4、图5所示。

图4 平均每个数据包所消耗的能量Fig.4 Average energy consumption of data packets of different algorithms

图5 网络剩余能量Fig.5 Remaining energy of network of different algorithms

从图5可知，R-MPRT 算法消耗了更多能量，而提出的EHARA 算法能量消耗最少。原因在于，EHARA 算法减少了每个节点的平均能耗。

图5显示了在8 000 s 仿真期间，各算法的剩余能量数据，剩余能量随时间推移逐渐下降。在仿真时间结束时，EHARA 算法和AODV-EHA 算法的分别消耗了50%，92.5%能量，分别剩余12.5 J 和2.5 J（网络总能量为 25 J）。对于 R-MPRT 算法，它在运行了 5 000 s 后，所有传感节点的能量已耗尽。这些数据表明，相比于AODV-EHA 算法和 R-MPRT 算法，EHARA 算法的网络寿命提高了40%和50%。

3.3 实验二

本次实验分析EHARA 算法的QoS 性能，包括数据包丢失率、吞吐量，实际数据如图6、图7所示。从图6可知，数据包丢失率随节点数的增加呈上升趋势。相比于 R-MPRT 和 AODV-EHA 算法，EHARA 算法的数据包丢失率得到有效控制。当V=100 时，EHARA 算法比AODV-EHA 算法的数据包丢失率下降了60%。原因在于，EHARA 算法通过维持更多的活动节点，提高了路由的稳定性和可靠性。

图6 数据包丢失率Fig.6 Loss ratio of data packet of different algorithms

图7 吞吐量Fig.7 Throughput of different algorithms

最后，分析了信宿的吞吐量。从图7可知，节点数的增加，提高了算法的吞吐量。相比于AODV-EHA 和RMPRT，EHARA 算法的吞吐量得到有效提高。例如，当源节点V=100 时，AODV-EHA 算法吞吐量最低，EHARA算法比AODV-EHA 算法的吞吐量提高了41%。

4 结 论

本文针对基于WSN 的物联网应用，提出能量采集感知路由EHARA。EHARA 路由充分考虑了物联网应用的特点，利用节点采集能量，弥补传感节点的能量不足。同时，定义链路成本，再选择最佳的链路转发数据包。实验数据表明，提出的EHARA 路由能够有效地保存能量，最终实现延长网络寿命的目的。