基于信任匹配机制的WSN主备节点更新算法

吴 昊

(滁州职业技术学院信息工程学院， 安徽 滁州 239000)

0 前言

无线传感器网络(wireless sensor networks，WSN)技术作为网络融合的关键技术，在物联网领域得到了充分的应用[1]。该技术的应用原理是，通过在平面-立体空间内布设廉价传感节点的方式，实时进行数据采集、传输、汇聚，并同步进行数据挖掘及分析结果[2]。在实践中，无线传感器网络往往部署于环境监测、工业互联等领域，采用分簇算法实现节点的更新，以保持传感节点与sink节点的传输[3]。但部分WSN节点会在频繁更新的过程中失效，使得网络传输的稳定性受到一定影响。这一问题引起了研究人员的较多关注[4]。

当前WSN节点的更新主要体现在路由、能量等单一领域，簇头节点易失效，网络传输容易出现“抖动”现象[5]。Susila等人提出了一种基于分区-簇头轮询机制的WSN主备节点更新方案[6]。该方案中的算法实现过程比较简单，但其缺陷也较明显。比如，单纯采用能量最优机制进行节点筛选，极易使节点因能量消耗过多而受限， 难以适应高宽带采集的应用环境。Kumar等人提出了一种分层机制的WSN主备节点更新方案，针对簇头及成员节点按使用频率进行排序，筛选出使用频率较低的节点作为备用节点，从而减少因能量受限所致的传输抖动现象[7]。该方案中筛选出的节点在能量上不具最优特性，因而实践中能量受限的概率较高。Thiruchelvi等人提出了一种基于链路优化机制的WSN主备节点更新方案，以能量-路由为综合判断因素，采取抖动监测的方式实现多节点实时更新[8]。该方案考虑了综合因素，比仅靠单一因素判断更具优势。该算法较明显的缺陷是，节点更新过于频繁，网络数据传输性能较差，极易出现网络拥塞现象。针对这些方案的不足，本次研究将设计一种基于信任匹配机制的WSN主备节点更新方案，以进一步降低节点更新频率，改善网络传输性能。

1 算法设计

本方案中的算法由2部分机制构成：(1) 基于动态维度判决方法的信任匹配机制，主要考虑欧氏距离等因素，可最大限度地降低节点及链路的受限概率；(2) 基于双重匹配的节点更新机制，主要考虑节点失效状态下的更新问题，可降低节点更新频率，增强网络传输的稳定性。

1.1 基于动态维度判决方法的信任匹配

考虑到WSN节点分布的离散特性[9]，以误差和绝对值作为动态维度判决函数Error(n)，其计算模型如下：

(1)

式中：n为节点数；Ai为第i个簇头节点的数目；a为Ai中备选节点的数目；L()为拉氏距离函数[10]。

当存在多个备用节点时，对模型(1)采用线性规划方式求偏导，得到模型(2)：

(2)

令模型(2)等于0，可得式(3)：

(3)

通过模型(2)，可在簇头节点中获取位置最佳的备用节点。随后，综合考虑节点剩余能量、节点欧氏距离、最低传输跳数这3个指标，构建动态维度判决函数DT：

DT=x1Energy(i)+x2L(Ai)+

x3Node(i)

(4)

式中：Energy(i)为第i个节点的剩余能量；L(Ai)为第i个簇头节点与sink节点的拉氏距离；Node(i)为第i个节点最低传输跳数；x1+x2+x3=1。

针对数据传输的全部节点按模型(4)构建动态维度判决函数，从中筛选出排序前i的节点作为本轮备用节点集合Ω。当仅当第m号簇头节点失效时，从该集合中搜寻排序第m的节点作为替换节点。图1所示为基于动态维度判决方法的信任匹配机制示意图。

1.2 基于双重匹配的节点更新机制

当m号节点作为替换节点并承担簇头节点功能后，下一时刻仍然需要重新对动态维度判决函数进行排序。在此，设计了基于双重匹配的节点更新机制，以降低排序的时间成本。图2所示为基于双重匹配的节点更新机制示意图。

图1 基于动态维度判决方法的信任匹配机制示意图

图2 基于双重匹配的节点更新机制示意图

Step 1逐次获取全部节点的剩余能量，将从中筛选出的能量最大节点作为匹配节点，并设定为第0号节点。筛选方法如下：

Energy(0)=max[Energy(i)]

(5)

Step 2从剩下的网络节点中筛选出拉氏距离最小的节点，对备用节点集合Ω进行替补。筛选方法如下：

L(A)=min[L(Ai)]

(6)

Step 3当且仅当某簇头节点失效时，按满足模型(4)的DT对应值进行簇头节点更新，转Step 1，算法结束。

当完成节点更新时，网络中的簇头节点与普通传感节点均处于稳定传输状态。0号节点为性能最佳节点，可在紧急情况下承担簇头节点的数据汇聚及传输功能，从而降低网络链路出现抖动的情形。此外，采用拉氏距离最短方式选取备用节点，可显著增加备选节点的数量。当簇头节点出现异常，且0号节点无法正常工作时，有了数量较多的备选节点，就可避免因节点受限而导致的传输拥塞现象。

2 仿真实验

在Matlab仿真实验环境下，对本算法与当前实践中广泛部署的CBA-E算法(a cluster-based approach for minimizing energy consumption by reducing travel time of mobile element in WSN，基于簇的无线传感器网络能量消耗最小化算法)[11]和IIL算法(an improved cluster routing protocol to increase the lifetime of wireless sensor network，基于提高无线传感器网络生存期机制的改进簇路由协议算法)[12]进行仿真，对比它们在节点更新频率和网络生存时间方面的改善效果。不失一般性，节点部署区域为正方形，采用随机游走模型进行部署。具体仿真参数如表1所示。

表1 仿真参数

2.1 网络生存时间

网络生存时间仿真测试结果显示(见图3)，网络节点总数越多，各算法的网络生存时间就越长，但本算法的网络生存时间始终相对较长。这是由于，在本算法中针对节点易出现失效的情形，设计了基于动态维度判决方法的信任匹配机制，通过节点剩余能量、拉氏距离、节点最低传输跳数这3个指标综合进行节点更新判断，降低了能量受限和链路抖动的概率，提高了数据的生存质量。CBA-E算法虽然引入了分层机制优化簇头节点更新流程，但该算法仅针对簇头内节点进行主备轮询，无法通过节点更新方式来改善区域间的数据汇聚质量；因此，区域数据拥塞出现的概率较高，网络整体生存时间比本算法短。IIL算法虽然针对区域间链路进行了节点主备更换操作，但仅单纯采取休眠机制进行簇内节点轮询，难以在底层优化数据传输，因此，其网络生产时间比本算法短。

2.2 节点更新频率

节点更新频率仿真结果显示(见图4)，本算法的节点更新频率均处于较低水平，可显著降低因节点切换次数过多而导致的能量受限现象。这是因为，在本算法中基于能量、距离等因素设计了基于双重匹配的节点更新机制，采用双重更新的方式优化节点更新操作，可显著降低因链路抖动而导致的节点频繁更新现象。在CBA-E算法中采用了轮询机制进行簇头节点更新，未考虑簇间链路抖动而导致的节点误更新现象，数据传输质量未能得到优化，因而其节点更新频率高于本算法。在IIL算法中采用了休眠机制进行主备节点更换，实践中需要同时以N∶1的比例实时更新节点，或因反应迟滞而频繁更新，因而其节点更新频率高于本算法。

图3 网络生存时间

图4 节点更新频率

3 结 语

本次研究中针对WSB主备节点更新更新频率过快、能量受限程度严重等问题，提出了一种基于信任匹配机制的WSN主备节点更新方案，引入基于动态维度判决方法的信任匹配机制和基于双重匹配的节点更新机制。首先，基于聚类方式构建信任度函数，仅在欧氏距离、跳数等参数处于最优信任状态时启动节点更换，大幅提高了匹配效率，从而实现了节能状态下节点的高效替换。然后，基于信任度进行数据建模，从备用节点中筛选出簇头管理节点，以进一步降低区域内能量消耗及链路抖动的情形，从而提升节点的更新质量，改善网络传输性能。通过Matlab软件仿真对比实验，验证了本算法的良好性能。