基于节点优化的无线传感网络拓扑控制方法研究*

宋伟奇王代远

(1.柳州城市职业学院,广西 柳州545036;2.广西生态工程职业技术学院,广西 柳州545004)

0 引言

近年来,随着物联网、车辆网等技术的快速发展,无线传感器网络(WSN)的部署规模越来越大,性能稳定性与生存时间的需求越来越高.[1-2]面对大规模WSN部署,如何提供优秀的网络拓扑控制方法,成为该领域的研究热点和瓶颈.[3-4]传统WNS的拓扑结构优化多数是基于节点能量的约束,通过能耗均衡度量WSN的控制优劣,例如,文献[5]通过节点剩余能量和节点度联合实现了拓扑的优化分析,但是能耗约束限制了节点度本身的扩展,拓扑数量有限;文献[6]进一步将容错控制方法引入到拓扑控制过程,但是忽略了模型约束条件本身的物理边界和应用背景,失去了应用的普适性.随后,研究人员提出采用节点能量和容量参数进行约束优化的思想,先后提出了POA[7]和FTEL[8]拓扑方法,有效缓解了数据拥塞问题,但是引入了过多的拥塞判断机制,导致计算复杂、实时性差,而且在网络拓扑增加的情况下,稳定性急剧降低;[9]文献[10]将博弈论的思想引入到节点优化系统,构建了分布式控制过程,但仅给出了理论分析,同时缺乏对节点权重本身影响的分析.而且,现有针对无线网络拓扑的研究均是在有限的节点布局情况下的系数分布式部署,没有考虑未来节点规模增加以及部署密度较大的应用场景,[11]导致现有的拥塞优化方法很难解决密集部署网络节点的拥塞问题,进一步增加了网络节点的能耗,加剧了网络的消亡过程.

针对现有研究中存在的问题和不足,笔者立足网络节点能源耗尽和链路数据完全堵塞两个极端情况进行拓扑控制方法的优化,提出了一种节点优化的无线传感网络拓扑控制方法.构建了节点优化模型,推导了节点最长生命周期的约束条件,并基于生存时间和节点可靠权值的约束条件下进行节点权值的优化,提升了网络的稳定性和寿命周期.最后,基于计算机仿真对本文方法的性能进行了详细的对比分析.

1 节点优化模型

网络节点的可靠度是度量节点生存能力和能耗高低的主要指标之一,为构建有效的优化模型,本文根据能量耗尽失效以及链路完全堵塞失效两种极端工况进行模型的构建,并详细推导了节点可靠度权值同各参量之间的约束关系.常用节点可靠度的表示为[12]

其中,f e(i)和f c(i)分别表示节点i在能量耗尽和完全堵塞情况下的失效概率.根据文献[13]的研究,可将f e(i)计算为

式(2)中,E0(i)、E c(i)t分别是能量初值和消耗值,t为网络生命长度时间(计算中考虑实际运行时间).

如果采用一阶模型,在距离为d的两个网络节点之间传输lbit信息,则可以将发送信息能量消耗值计算为

接收信息能量消耗值计算为

其中,Etx和Erx分别表示发送和接收的能量消耗值,Eelec表示无线发射传输系数,εamp为无线发射链路的放大系数.则总能耗E c(i)为

可将传输路径长度d和节点度k的关系表示为[14]

联合式(5)和(6),则有

联合式(7)和(2),则有

其中,

如果将交换信息量表示为l,则最大负载可以表示为如果通信链路的最大容量为C0,则链路完全拥塞的节点失效概率计算为

联合(8)、(11)和式(1),可将节点可靠度表示为

2 寿命约束条件分析

该部分主要分析网络寿命的约束调条件,网络正常工作的前提是高于最低生存时间阈值tmin,即t≥tmin,等价为节点度要高于最低阈值kmin,即≥kmin,根据式(12)可以进一步将两种关系表示为

在网络节点的可靠度最大时,其失效概率应该满足R(i)=R0(i),则网络生存时间可以表示为[15]

对式(14)求导,可以将网络生存时间的约束节点度计算为

式(17)即为网络寿命的时间约束条件,相比现有的研究,[16-18]本文节点优化理论上能够有效扩展网络拓扑范围并有效延长生命周期.

3 计算机仿真分析

为验证本文方法的有效性,基于 MATLAB 2015a软件构建了仿真网络平台,并将优化结果同文献[7]和文献[8]的方法进行了量化对比分析.仿真实验中采用的参数设置如表1所示.

表1 实验参数设置说明Tab.1 Experimental parameter setting instructions

3.1 稳定性与可靠性分析

随着数据传输,当网络节点能量耗尽或者完全堵塞的情况下,节点会失效,导致网络稳定性和可靠性降低.为了度量网络的稳定性与可靠性,在仿真中随机构建了200个节点的区域网络结构,在每一次传输的过程中,要求所有节点参与数据交互,并在实验过程中记录能量耗尽和完全堵塞的节点,记录为消亡节点,最后生存下载的节点中,保持最大联通的网络即代表了该网络的稳定性与可靠性.

实验结果如图1所示,从图1中可以明显看出,随着网络运行时间的增加,三种方法的稳定性和可靠性均在降低,但是文献[7]方法下降最快,稳定性最差,文献[8]方法要优于文献[7]方法,但是总体而言,而本文方法保持了较好的稳定性和可靠性,有效提高了无线网络拓扑的稳健性.

图1 网络稳定性曲线Fig.1 Network stability curve

3.2 寿命长度分析

在增强网络稳定性和可靠性的同时,还要分析网络的生存能力,根据第2部分的分析可以看出,平均节点度越高,其能耗就越大,节点的寿命就越短,该部分主要针对设置网络的平均节点度进行仿真,结果如图2所示.从图中可以看出,传统的文献[7]算法随着节点数增加而呈现急剧增加的现象,主要是因为该方法严重依赖节点个数和使用的数据交换路径个数,随着数量的增加,计算复杂度也在增加,导致寿命急剧降低.而本文方法和文献[8]方法保持了较好的生存能力,相比较而言,本文方法取得了更好的生存能力,其节点度始终维持在4左右,几乎与节点数的增加没有关系,主要是因为本文方法基于节点进行优化,通过优化控制,分布式执行,在提升精度和效率的同时,不受节点个数和路径个数的限制,具有稳定的长寿命特性.

图2 网络节点寿命曲线Fig.2 Network node life curve

4 结语

通过构建节点可靠度模型以及理论分析得出了在节点可靠度最大且网络生存时间最长的条件下的最优节点度,进而依据最优节点度提出了一种基于节点优化的无线传感网络拓扑控制方法.最后通过计算机仿真验证了本文方法具有优秀的网络生存能力和可靠性,为WCN拓扑控制优化提供了一定的借鉴.后续的研究中将主要针对实际应用环境进行算法性能的测试和优化研究,进一步提升该方法的实用性.