无线传感器网络网络模型对比与分析

刘海 　刘家磊　董莹

摘要：在无线传感器网络中，由于传感器节点本身能量、存储和通信距离的受限，因此如何有效的构建一个高效、节能和健壮的无线数据传输网络已经成为目前物联网领域的一个研究重点和热点。该文对比和分析了目前在无线传感器网络领域最主流的两种无线网络模型：确定性无线传感器网络模型和概率性无线传感器网络模型，这两种网络模型都是根据无线传感器节点的实际工作过程总结出来的，因此在科学研究和实际应用中都具有十分重要的应用价值。

关键词： 确定性无线传感器网络模型; 概率性无线传感器网络模型; 通信距离; 递交概率; 能耗

中图分类号：TP393.17        文献标识码：A

文章编号：1009-3044（2021）01-0056-02

Abstract：In wireless sensor networks， due to the limited energy， storage and communication distance of sensor nodes， how to effectively construct an efficient， energy-saving and robust wireless data transmission network has become a research focus and hotspot in the field of Internet of Things. This paper compares and analyzes the two most mainstream wireless network models in the field of wireless sensor networks： deterministic wireless sensor network model and probabilistic wireless sensor network model. These two network models are based on the actual working process of wireless sensor nodes. Therefore， it has very important application value in scientific research and practical application.

Key words： deterministic wireless sensor network model; probabilistic wireless sensor network model; communication distance; delivery probability; energy consumption

1 引言

無线传感器网络（Wireless Sensor Networks，WSNs）就是在某个感知区域环境内，由大量低功耗的、极为廉价的无线传感器节点以无线通信的方式组织而成的一个无线多跳自组织网络[1]。传感器节点具有采集、处理、控制和通信等功能[2]。受场地，成本等因素的限制，在实际的科研工作中，经常采用模拟仿真的方式展开实验，因此，选取一个准确可靠的无线传感器网络信道模型是非常重要的。目前，无线传感器网络中主要的无线信道模型有两种：确定性无线传感器网络模型和概率性无线传感器网络模型。

2 确定性无线传感器网络模型

在无线传感器网络中，为便于侦查环境和布置传感器节点，节点本身往往尺寸较小，这就限制了传感器节点的通信天线设计尺寸，进而限制了传感器节点的通信距离。另一方面，传感器节点一般是采用电池供电，能量有限并且不易补充，因此在无线信号编码和发射方面，往往采用较为节能的方式，这也就进一步限制了传感器节点的通信距离。在实际的科研工作中，往往是具体化不同种类无线传感器节点的通信距离d。即两个传感器节点之间的通信距离dcom大于d，两个节点不再发生通信，没有任何数据进行传输;两个传感器节点之间的通信距离dcom小于d，两个节点在彼此的通信范围内，可以进行数据的传输。在确定性无线传感器网络模型中，无线传感器网络中的任意两个节点或者处于连接状态，或者处于断开状态[3]。以图论为基础，确定性无线传感器网络模型用以原点为中心、半径为1的圆盘来表示节点的通信范围[4]。对应的，一个节点可以与圆盘单位内的所有临近节点进行相互通信，而与圆盘外的节点断开。

3 概率性无线传感器网络模型

尽管确定性无线传感器网络模型应用比较广，然而其忽略了现实环境（ 例如建筑物，植物） 以及发散的信号强度对无线通信的影响[5]。事实上，节点间的无线通信受多方面因素的影响，例如信号的编码方式、发散的信号强度、网络覆盖、信噪比、温度和传输距离。通过现实的实验，可以发现在无线传感器节点的实际工作环境中，是没有绝对100%通信成功率的，尽管两个节点之间的距离非常近，即dcom远小于d，其也有一个通信的失败概率，尽管两个节点之间的通信距离dcom大于d，其也是有一个通信的成功概率。因此，更现实的网络模型应该是概率性网络模型，在这种网络模型下，每一对节点间均存在着一个递交概率（γij） [6]。目前在国内外，已经有一些论文对这些因素如何影响节点间的递交概率进行了详尽的分析和实验论证，并且形成了相应的网络模型，目前应用比较广的模型把网络的通信范围划分为了三个主要的区域，分别是连接区域、隔离区域和过渡区域。

在连接区域内，节点间的递交概率γij很大，几乎接近于1，其实也就相当于确定性无线传感器网络模型中的连接区域;在过渡区域内，节点间有一个递交概率γij，节点通信有一个成功的概率阈值，一般是介于0.1到0.9之间，在其他因素恒定的条件下，随着通信距离的增加，递交概率越来越低;在隔离区域内，节点间的递交概率几乎接近于0，其实也就相当于确定性无线传感器网络模型中的断开区域，为保证节点间的数据传输，一般情况下不使用隔离区域进行数据传输。

4 两种模型的对比与分析

综上所述，我们对两种模型有了一个初步的认识，下面我们做一个对比。从通信距离上来说，概率性网络模型新增加了一个过渡区域，因此其通讯距离更加远;确定性网络模型只有一个连接区域，其通信距离相对偏短。从通信的可靠性来说，确定性网络模型可靠性更高，保证了通信概率，也就减少了丢包率;概率性网络模型可靠性要低，因过渡区域的存在，两节点间在传输数据的过程中，总有丢包的可能。两种模型从微观单个节点的角度考虑，确定性网络模型要比概率性模型更具有优势。但是无线传感器网络是一个有很多无线传感器节点组成的网络，我们要综合考虑整个无线传感器网络。确定性网络模型虽然传输概率比较高，但是节点间传输距离比较短，因此数据从源节点传输到目的节点需要的跳数比较多，数据在每个节点都需要排队和进行数据处理，由此带来的能耗和延迟也是比较大的。纵观概率性网络模型，节点间传输距离比较长，因此其减少了数据从源节点传输到目的节点需要的跳数，进而减少了数据在节点中的排队和处理时延，由此带来的能耗和延迟相比较确定性网络模型是比较小的，但是由于节点间递交概率的存在，数据在节点间进行传输的时候，有存在丢包的情况，丢包所造成的数据重传也是需要消耗很大一部分能量和增加数据传输延迟的，综合来说，也不见得概率性网络模型的能量消耗和传输延迟要比确定性网络模型好，只能说两者各有优劣，随着应用场合的不同，其性能表现各不相同。例如在部署条件良好的环境中，为追求数据传输的完整性，我们可以把传感器节点部署的密集一点，这样就能减少数据传输的丢包率，保证数据传输的完整性。而在外界条件相对严苛的环境中，由于环境等因素的限制，无法部署大量的传感器节点，则就必须采用概率性网络模型。

5 结语

无线传感器网络是由大量的无线传感器节点组成的，传感器节点大多采用电池供电，能量非常有限并且不易补充。传感器节点的能量匮乏极大地限制了无线传感器网络的生存时间和性能[7][8]。因此如何有效的延长网络的生存周期就变成了目前无线传感器网络中研究的一个重点和热点。在研究模型的选择中，目前较为流行的模型包括确定性无线传感器网络模型和概率性无线传感器网络模型。确定性无线传感器网络模型保证了无线传感器节点间的成功通信，但是其缩短了节点的通信距离，进而增加了数据传输的跳数，增加了能耗。概率性无线传感器网络模型增加了节点的通信距离，减小了通信的跳数，然后其由于存在递交概率的缘故，导致了部分数据的重传，进而增加了能耗。在实际的研究中，两种模型都有其应用价值，并且关于如何在两种模型中构建一个稳健、高效和节能的算法已经有了很多的成果。

参考文献：

[1] 孙利民，李建中，陈渝，等.无线传感器网络[M].北京：清华大学出版社，2005：9-10.

[2] Tilak， Sameer，Abu-Ghazaleh， Nael B.，Heinzelman， Wendi.A Taxonomy of Wireless Micro-Sensor Network Models[J].ACM SIGMOBILE Mobile Computing and Communications Review，2002，6（2）： 28-36.

[3] 刘海.概率性无线传感器网络中的虚拟骨干网构建研究[D].昆明：昆明理工大学，2017：5-6.

[4] Ian F.Akyildiz，Mehmet Can Vuran.无线传感器网络[M]. 徐平平，刘昊，褚宏云，译.北京：电子工业出版社，2013：59-60.

[5] Enan A. Khalil， Suat Ozdemir. Energy Aware Evolutionary routing protocol with probabilistic sensing model and wake-up scheduling[C]. Atlanta， GA， USA：2013 IEEE Globecom Workshops （GC Wkshps），2013：873-878.

[6] 刘海，冯勇，张彬，高恩才.基于可靠连通支配集的高效虚拟骨干网构建算法[J].传感器与微系统，2017，36（12）： 130-133.

[7] Curt Schurgers Mani， Mani B. Srivastava. Energy Efficient Routing In Wireless Sensor Networks[J]. Procedia Technology， 2001， 6（7）：731-738.

[8] Xiao Liang，Wei Li，T. Aaron Gulliver. Energy Efficient Modulation Design for Wireless Sensor Networks[C]. Victoria， B.C.， Canada：IEEE Pacific Rim Conference on Communications，2007： 98-101.

【通聯编辑：代影】