一种物联网通信能耗控制算法的设计与仿真

吴昌钱，罗志伟，金 凤

(1. 闽南科技学院计算机信息学院，福建 泉州 366200；2. 厦门理工学院机械与汽车工程学院，福建 厦门 361000；3. 国防科技大学信息通信学院，陕西 西安 710106)

1 引言

5G网络架构的应用涉及到较多创新技术，其中虚拟化技术和软件定义技术可以划分基础设施网络，获得若干逻辑网络，这种技术被称为切片技术[1]。在混合式窄带物联网中任何切片都可以使用虚拟网络功能满足客户的业务需求。合理的分配切片资源可以提高混合窄带物联网的通信能力[2]，在上述过程中混合窄带物联网会产生较高的通信能耗，因此需要对通信能耗控制算法进行分析和研究。

刘大鹍[3]等人基于节点覆盖结构，划分网络覆盖区域，获得多个子区域，采用染色方案确定网络中存在的扫频节点，对空闲能耗和通信能耗进行考虑，通过元胞遗传方法完成通信能耗的控制。但是，该算法没有对网络生命周期进行考虑，导致控制后的网络生命周期较短。李志华[4]等人对节点在网络中的密度和深度进行计算，在此基础上构建簇首竞争半径函数，确定网络中的簇首节点，并对簇首等级进行确定，在控制过程中引入贪心算法，降低通信能耗。但是，该算法对能耗控制后，传输切片资源所用的时间较长，存在通信延时高的问题。谢盈[5]等人对任务之间在网络中存在依赖关系进行分析，计算出在任务分配过程中的最大通信开销和最小通信开销，将计算结果作为选取通信方案的依据，实现通信能耗控制，降低网络能耗。但是，在该算法中目的节点接收到的资源较少，存在投递率低的问题。

为解决上述方法中存在的问题，提出混合式窄带物联网切片资源通信能耗控制算法。

2 切片资源通信能耗优化模型

为了提高混合式窄带物联网的容错能力，并降低切片资源通信能耗[6]，混合式窄带物联网切片资源通信能耗控制算法构建了切片资源通信能耗优化模型。

散射体、反射面和障碍物等环境因素都会对混合式窄带物联网通信中的信号产生影响，因此接收信号强度的稳定性较差。建立阴影衰落模型，分析混合式窄带物联网接收切片资源的概率，用P(s)表示通信距离与数据包发送半径相同条件下的切片资源接收概率，其计算公式如下

(1)

式中，q=2；b代表路径损耗系数；s代表通信距离，通过上述分析可知接收概率受通信距离和路径损耗系数的影响。

(2)

在混合式窄带物联网中点对点之间的通信属于最基础、最简单的方式，混合窄带物联网的可靠性较差，切片资源数据包被接收消耗的能量和重传次数无法确定，根据上述能耗模型[7，8]，分析点对点传输切片资源时的能耗。

假设两个节点之间的距离为d，传输的切片资源大小为nbit，接收端和发送端在混合式窄带物联网中的能耗分别为Rrx、Rtx，此时接收和传输切片资源所用的总能耗Rcos t可通过下式计算得到

Rcos t=Rrx+Rtx=nRelec+(φampndα+nRelec)

=φampndα+2nRelec

(3)

式中，φamp表示对切片资源进行传输时，发射放大电路对应的能耗；α受附近环境的影响，在区间[2，5]内取值，表示传播衰减指数。

在监测区域H中随机部署N个节点，其分布特性满足下式

(4)

式中，S′代表监测区域的面积。

用F表示网络中的圆域，其半径可用通信距离d表示，节点落在F中的概率P{(X，Y)∈F}可通过下式计算得到

(5)

源节点中存在的切片资源经过中间节点的转发，传输到网络基站节点中。在转发过程中对数据的变化进行跟踪，用gij表示邻居节点j传输到中间节点i中的切片资源，中间节点i将接收到的切片资源转发到网络的基站节点k中，此时节点i在混合式窄带物联网中的生命周期为Yi(f)

Yi(f)=Ei/[ar(i)+at(i，j)]

(6)

式中，Ei代表节点i在混合式窄带物联网中的能量；ar(i)、at(i，j)代表节点传输切片资源的概率。

所有节点在网络中的最小生命周期Ysys(f)即为一定数据转发速率f下混合式窄带物联网的生命周期[9，10]，其计算公式如下

Ysys(f)=minYi(f)

(7)

在混合窄带物联网最小生命周期Ysys(f)内，监测区域中节点i的单条路径能耗可通过下式计算得到

(8)

式中，k代表节点度

源节点中将切片资源传输到基站所用的转发次数即为跳数，可以反映混合式窄带物联网切片资源通信传播过程中存在的时延问题。

切片资源在混合式窄带物联网中转发的过程可表示为图1。

图1 切片资源转发

在几何定理的基础上获得下式

(9)

其中，d代表节点在混合式窄带物联网中的通信半径；a表示目的节点与发送节点之间存在的距离；C代表目的节点移动的距离。

(10)

(11)

(12)

3 基于切片资源通信能耗优化模型的能耗控制算法设计

混合式窄带物联网切片资源通信能耗控制算法采用粒子群算法[11，12]对通信能耗优化模型求解，实现切片资源的通信能耗控制，具体步骤如下：

(13)

式中，Cmax、Cmin为C(X)对应的最大值和最小值；Mmax、Mmin为粒子种群中M(X)对应的最大值和最小值；Kmax、Kmin分别代表完成任务所用的最长时间，和完成任务所用的最短时间。

2)局部最优解是粒子群算法中最常见的问题，为了避免上述问题混合式窄带物联网切片资源通信能耗控制算法设置阈值divth，当种群多样性在迭代寻优过程中低于divth时，此时的扰动粒子即为适应度最小值对应的粒子，在排斥力的作用下粒子开始移动，进入搜索区域，避免出现局部最优解[15]，提高所提算法的全局搜索能力。

用div表示粒子种群的多样性，其计算公式如下

(14)

式中，m代表种群规模；divs表示粒子s在种群中存在的个体多样性，其计算公式如下

(15)

通过上式计算结果，获得粒子种群全局最佳粒子Pg与粒子s自身局部最佳粒子Ps之间在种群中的相依程度，式中，simii，j代表粒子i与粒子j之间的个体相似性，可通过下式计算得到

(16)

式中，Qi(t)表示个体多样性。

(17)

4)用Vi表示粒子速度，通过下式对粒子速度进行更新

(18)

式中，c1、c2为随机自然数。通过分布计算方法对粒子的位置进行更新

X=X+c1(Pb-X)+c2Pg

(19)

5)设置终止条件，如果满足输出切片资源通信能耗优化模型的最优解，如果不满足，返回步骤(4)中。

4 实验与分析

为了验证混合式窄带物联网切片资源通信能耗控制算法的整体有效性，需要对混合式窄带物联网切片资源通信能耗控制算法进行测试。

分别采用混合式窄带物联网切片资源通信能耗控制算法、文献[3]算法和文献[4]算法进行如下对比测试。

4.1 网络生命周期测试

将死亡节点的百分比低于50%时，物联网持续工作的时间作为网络生命周期，所提算法、文献[3]算法和文献[4]算法的测试结果如表1所示。

表1 不同算法的网络生命周期

分析表1中的数据可知，死亡节点百分比与网络持续工作时间之间成反比关系，随着死亡节点百分比的降低，所提算法、文献[3]算法和文献[4]算法的网络持续工作时间逐渐延长，但在相同死亡节点百分比条件下，所提算法的网络持续工作时间均高于文献[3]算法和文献[4]算法，表明所提算法对通信能耗控制后，物联网具有良好的生命周期，因为所提算法在构建通信能耗优化模型时，对网络生命周期进行了考虑，提高了物联网的生命周期。

4.2 通信延时测试

采用三种算法对通信能耗进行控制后，对比其通信延时，通信延时表明节点将数据包传送到目的节点所用的平均时间，通信延时越低表明算法的通信效率越高，所提算法、文献[3]算法和文献[4]算法的通信延时测试结果如图2所示。

图2 不同算法的通信延时

当通信延时控制在0.2s以内时对网络切片资源的通信不产生影响。分析图2可知，采用所提算法进行端到端延时测试时，在多次通信测试过程中的延时均控制在0.2s以内，不对切片资源的通信产生影响。采用文献[3]算法进行端到端延时测试时，获得的通信延时均高于0.6s，在第3次测试中通信延时高达0.8s，采用文献[4]算法进行端到端延时测试时，该算法的通信延时波动较大，但均高于所提算法，且在第4次迭代过程高达1.0s。对比上述算法的测试结果可知，所提算法的通信延时最短，表明所提算法的通信效率较高。

4.3 投递率测试

目的节点最终接收到的数据包比例即为投递率，所提算法、文献[3]算法和文献[4]算法的投递率测试结果如图3所示。

图3 投递率测试结果

由图3可知，随着测试时间的增长，所提算法、文献[3]算法和文献[4]算法的投递率均出现不同程度的下降，但与文献[3]算法和文献[4]算法相比，所提算法的投递率较高，文献[3]算法和文献[4]算法的投递率出现大幅度下降的主要原因是在能耗控制过程中容易出现资源丢失的现象，而所提算法在能耗控制过程中可以保证切片资源的完整性，进而提高了算法的投递率。

5 结束语

混合式窄带物联网具有拓扑结构易变、大规模、节点能量有限和环境复杂等特点，切片资源的通信能耗直接影响着混合窄带物联网的性能，因此对通信能耗控制算法进行分析和研究具有重要意义。目前通信能耗控制算法存在网络生命周期短、通信延时高和投递率低的问题，提出混合式窄带物联网切片资源通信能耗控制算法，构建了通信能耗优化模型，并采用粒子群算法实现通信能耗的控制，解决了目前算法中的难点，促进了混合式窄带物联网的发展与应用。