用于实验室安全无线感知网络的低功耗自适应混合集群分层型协议研究*

汤旭翔周峰程吴功兴

(1.浙江工商大学统计与数学学院，浙江 杭州 310018；2.浙江工商大学数字化办公室，浙江 杭州 310018；3.浙江工商大学管理工程与电子商务学院，浙江 杭州 310018)

随着高等教育的发展，世界各个国家的大学越来越重视学生动手能力的培养，因此大学实验室承担着实践技能培养的重要角色[1]。 近年来，大学实验室安全事故频发，给实验教育工作形成了极大的安全隐患[2]。 基于以上考虑，很多学校均不遗余力的配套各具特色的实验室安全监测系统、构建实验室安全科学管理体系、增加智能化安全功能等措施，切实提高学校实验室安全风险防范能力。 Oliver 等开展了相关实验，并探索了实验室安全决策的问题[3]。

无线感知网络(wireless sensor networks，WSN)属于一类分布式集群感知网络系统，它的前端是感知物理或者化学信号的传感器。 WSN 中的传感器以无线方式传输数据，网络布置方式灵活，设备位置可以自由移动，也能与互联网以有线或无线的方式进行连接[4]。 由于电子科学与技术、无线通讯技术的发展，WSN 也呈现集成化、智能化的发展趋势[5]。因此，WSN 已经在环境保护、临床医学、国防军事、智能家居、智慧交通等领域得到切实应用[6]。 Sun等探索了基于实验室信息传递的实验室生物安全性的课题，从安全和监测效率角度进行了切实的研究工作[7]。 数据的准确性是监测网络工作的重要前提，因此WSN 中异常数据分析技术凸显其价值[8-10]。 因此，WSN 网络应实时消除异常数据，以全面提升实验室安全监测的精确度[11-13]，为切实提升实验室安全监管可靠性提供了新的技术支撑[13-14]。

本文针对用于实验室安全无线感知网络的低功耗自适应混合集群分层型协议开展研究，采取混合集群策略，通过优化自适应混合集群参数，寻求一种WSN 能耗的优化途径，并依据WSN 的网络布置特性，设定网络结构包含若干个实验室和独立单元的结构，对应的在WSN 架构中引入自适应混合集群分层型的数据传输方案，以期提高WSN 网络的生命周期。

1 网络模型

本文提出一种具有低功耗自适应功能的混合式集群分层型网络数据传输协议(leach-hybrid clusters，LEACH-HC)，基于实验室安全监测WSN 中诸多传感器节点的异构化特点，建立抽象空间模型，假设单个实验室的结构为13 m×8 m 的长方形。 针对独立单元而言，隔离门的尺寸为3 m×4 m，防火区的尺寸为3 m×4 m。 因此，本文研究的WSN 节点监控空间总体可以简化为一个矩形。

模型为了有效延长实验室监测网络生命周期和各区域能量平衡消耗，确保WSN 活跃节点数量稳定和实验室监测面积覆盖，将各个感知节点根据开启频次需求区分为1-3 级，其消耗能量逐级递增，最终节点布置方法是:数据首发频率较高的感知节点被布置在感知区域的中间位置，并依据节点的采样频率逐渐向感知区域边缘方向铺设其他的感知节点，铺设方式如图1 所示。

图1 网络感知节点布置示意图

LEACH-HC 协议基于混合式集群型策略，它允许通过选举产生的簇头节点与指定节点共同成为固定簇头并存。 由于3 级感知节点能量高于其他类型节点，因此存在冗余，可以分配更多任务。 因此，将3 级节点设定为固定簇头并担任簇头节点。 1 级与2 级节点采用“选举”的方式产生必要数量的簇头。最佳簇头数与WSN 网络的规模相关，并应用在实验室监测区域的拓扑模型中，与部署面积相同的正方形对应的边长:M＝，代入式(1)中计算。

将X＝13，Y＝8 代入式(1)中计算如下:

因此本协议中最佳簇头数Clubest计算如式(3)所示。

固定簇头的引入增加了簇头总数，1 级和2 级节点选簇的概率则为Clubest/n。 因此，依据节点类型把节点当选簇头的概率分为两类情况:①在簇头选举过程，所有1 级和2 级节点参加选举。 期间发生的簇头数占除3 级节点之外总数的一成；②除1级节点之外其他的节点被定义为固定簇头类型的节点，并且节点选举的概率为1。

明确簇头的选举，并且把竞选簇头的信息通过网络广播通知，其他节点依据收到的信息确认加入某个集群，完成节点的成簇过程，图2 显示的是该过程的流程图。

图2 WSN 协议成簇阶段运行图

2 数据预处理与网络设定

2.1 异常数据预处理

实验室安全感知节点异常数据来源主要包括:①系统故障；②硬件问题；③软件缺陷；④系统工作环境波动导致。 本研究工作采用的异常数据判定如下:设定感知节点信号s(t)，如果｜s(t)-d｜≥δ(d为s(t)信号中经由簇头的最新异常的数据)，则s(t)就是异常的数据；δ是异常数据统计性阈值。 根据上文方式对s(t)做二值化分析，若s(t)异常，就将s(t)置1，若非异常就把s(t)置0。 若s(t)置1，后续则考察统计之前P-1 个检测数据的转换结果是否50%以上置1，若是则置1，二值化为y(t)＝1；若非则y(t)＝0。P为判定窗口尺寸。y(t)＝0 表示窗口尺寸内异常数据低于50%，则s(t)为瞬时异常数据，不向外传输。 若y(t)＝1 表明s(t)是非瞬时异常数据，s(t)会被传输。

2.2 数据前处理

传统意义上的无线感知网络中具有一些数量的感知节点，所以网络中节点故障是难以避免的。 基于以上考虑，本文选择充足的样本数量用于训练，采用最大似然估计(MLE)作为概率密度函数去使用[6]。 因此，假设训练特征集为S＝{s1，s2，…，sk}，将其密度表示如下:

θ的最大似然估计定为有较大置信的最大似然函数，我们采用对数MLE 的优化算法代替θ的最大似然估计去增加算法的执行速度:

若模型具有m个类C1，C2，…，Cm，假定t类是一组具有n维的向量集合，其表示方法为DCt＝表示数据i在t类中的出现概率。S＝{s1，s2，…，sk}是WSN 工作的k种模式。 模式s1的MLE 设定为在该模式中某个数据涌现的概率:

Ni为数据i在模式s1中涌现的数量，假定P(DCt)是分类型任务集合，那么对于P(DCt)的先验性分布，这个模型的最大后验概率为[15]:

2.3 集群的密度分析

假定每个子单元内网络节点分布状态是均匀的，那么节点密度定义为，其中n是节点的数目，r为节点的周边半径，那么WSN 节点距离的期望函数则定义为:

式(9)所示为WSN 节点中能量损耗模型:

全网络节点总的能量消耗定义为Qall＝

3 仿真研究结果

3.1 仿真参数设定与模式

在本研究中，我们依据不同的监测对象而选用不同的传感器，以实现感知的目的。 表1 为所选用传感器的性能参数。 传感器搜集感知数据，然后通过网络模块经由WSN 将数据传输到数据堆栈进行保存，并进行相关的分析工作。

表1 WSN 中传感器性能参数

在编程软件中编码对WSN 模型进行参数配置和仿真计算，考察本研究设定的WSN 网络和协议的仿真运行状况，网络参数配置情况如表2 所示。 为了比较WSN 数据传输效率，本文选择LEACH、SEP作为对照协议，与HEACH-HC 协议进行有效对比。

表2 网络仿真参数

3.2 仿真结果分析

图3 显示了LEACH、SEP 和LEACH-HC 三个传输协议的节点存活数量变化，本研究假定WSN 中第一次出现死亡节点就是网络完整性缺失的开始，网络完整性缺失情况就是网络生存能力的重要表征方法。 如图所示，所研究的协议在第一个50 轮仿真后都出现若干个死亡节点，并且SEP 在第二个50 轮之后死亡节点数量明显大于LEACH 和LEACHHC。 在后续仿真过程中，LEACH 协议死亡节点数量突然加快，在不到600 轮时死亡节点已经几乎达到了一半，而在仿真结束时基本全部死亡，结果证明未经优化的LEACH 协议在600 轮之前尚能在一定程度上保持其完整性，但是之后其完整性在采用的三种协议中表现较差。 SEP 后半程节点死亡速率小于LEACH，但显著大于LEACH-HC，SEP 协议在仿真900 轮时死亡节点占比53%，在仿真结束时达到60%左右。 本研究提出的LEACH-HC 协议在仿真结束时，存活节点占比在76%左右，相比SEP 和LEACH，LEACH-HC 的生存周期长，能够最大程度保持网络的完整性。

图3 三种网络协议的存活节点数量

WSN 节点能量损耗是其生存能力的重要考察指标，LEACH-HC 网络基站区域内不同距离的死亡节点数量仿真结果如图4 所示，本研究选取距离基站100 m、200 m、300 m 和400 m 范围内进行仿真研究。 仿真结果表明，不同区域距离下死亡节点数量均随着仿真轮数的增加而增加，WSN 网络的完整性都有下降。 距离越远的区域内(300 m 与400 m)节点的死亡数量多于较近的区域(100 m 与200 m)。仿真轮数越多，节点死亡率越大，从1 000 轮到2 000轮这个时间段内，300 m 与400 m 距离节点死亡率上升至220%和170%；而100 m 与200 m 区域内的WSN 节点对应轮数区间死亡率则增长较缓慢。 结果证明LEACH-HC 在靠近基站区域中节点能耗分布相对均匀，位于不同距离的区域中节点死亡速率合理，节点的能量消耗较为平衡。

图4 网络不同区域节点生存率的比较

无线网络簇头数量变化研究结果如图5 所示，LEACH-HC 的簇头总量优于SEP、LEACH 等协议，初始时LEACH-HC 簇头总量是另外两种协议的2.4倍，在经历了1000 轮仿真运行之后，LEACH-HC 的簇头总数仍优于SEP、LEACH 协议，表明LEACHHC 具有更高的数据传送性能和网络完整性。

图5 LEACH-HC 簇头数目与时间变化曲线图

LEACH-HC、SEP 与LEACH 协议的数据吞吐量仿真结果如图6 所示，仿真结果表明SEP 协议与未优化过的LEACH 协议数据吞吐量随着仿真轮数的增加而略有增加，基本一直处于较低的数量级。 而LEACH-HC 协议则保持上升的状态，并且在仿真1 000轮时达到将近8 万多的吞吐量，数据吞吐能力优于其他两种协议。

图6 节点数据的吞吐仿真图

4 结论

本文探索了一种用于实验室安全无线感知网络(WSN)的低功耗自适应混合集群分层型协议(LEACHHC)，协议采用混合式集群的策略，通过选举生成簇头节点并与特定节点构成固定簇头共同存在。 本研究定义3 级节点额外承担网络传输任务。 通过优化自适应混合集群参数，寻求发现一种WSN 能耗的优化途径，从而延长实验室安全监测WSN 的生命周期。 依据WSN 的网络布置特性，设定网络包含若干个实验室和独立单元的结构，对应的在WSN 架构中引入自适应混合集群分层型的数据传输方案，提高传感器监测数据传输效率。 仿真结果表明，LEACH-HC 协议在仿真结束时，存活节点占比在76%左右，相比SEP 和LEACH，LEACH-HC 的生存周期长，能够最大程度保持网络的完整性。 LEACH-HC 在靠近基站区域中节点能耗分布均匀，在不同距离的各个区域内节点死亡率增长符合规律，可以保持能耗相对均衡。 初始时LEACH-HC 协议簇头数是其他协议的2.4 倍，在经历了1 000 轮仿真运行之后，LEACH-HC 协议簇头数量仍高于SEP、LEACH 协议。 LEACH-HC 协议在仿真1 000 轮时达到将近8 万多的吞吐量，具有很大的数据吞吐优势。 以上结果表明，所探索的LEACH-HC 协议适合实验室安全监测网络的数据传输。