无线网络中高效能量感知的路由分配算法

摘要：在无线网络中，由于传输过程会产生能耗，当部分节点能量耗尽时，网络的有效生命周期可能受到显著影响。鉴于此，文章研究了一种高效能量感知的路由分配算法，构建了一个无线网络传感器节点的能耗模型，该模型综合考虑了计算能耗、感知能耗、发射数据能耗和接收数据能耗4个关键方面。在进行无线网络路由分配时，充分权衡了有限的传输资源与延长网络有效生命周期的迫切需求。并基于上述能耗模型，设计了一种能效最大化的路由分配算法。测试结果表明，采用该算法的网络节点在运行至第400个周期时，平均剩余能量才降至零，这意味着设计的路由算法能够显著延长网络生存时间，并展现出卓越的传输性能。

关键词：无线网络；能量感知；路由分配；传感器节点能耗；传输资源；能效最大化

中图分类号：TN925.93 文献标志码：A

0 引言

在无线网络中，路由分配的核心任务在于确保数据包能以最高效率、最低延迟从源节点传输至目标节点，同时满足各类业务对带宽、延迟和抖动等性能参数的特定需求［1］。此过程旨在实现网络流量的均衡分布，预防因节点或链路过载而导致的数据传输异常。针对这些目标，路由分配不仅要考虑网络的物理连接和逻辑结构以确定最优路径，还需基于不同业务对带宽、延迟等指标的特定要求［2］，合理调配路由资源。

潘志安等［3］提出一种基于模糊粒子群算法的路由资源配置策略，该策略利用粒子群算法在群体协作和信息共享中的优势，寻找最优的路由资源配置方案。然而，该算法在面临不同问题场景时，如何选择合适的参数以达到最佳效果是一大挑战。此外，算法在寻优速度的动态调节方面存在不足，易于陷入局部最优解，进而影响收敛精度和收敛速度。王世成等［4］提出了一种基于业务承载力的路由分配算法，该算法根据各业务的具体需求进行路由分配，有效提升了网络资源的利用率和网络整体性能。然而，该算法须要对每个业务的承载力进行细致的评估，增加了算法的复杂度。同时，在复杂的网络环境中，该算法的适应性可能受限，须要不断更新和优化以适应新的网络环境。

本文研究了无线网络中高效能量感知的路由分配算法，以期在保障网络性能的同时，优化能量使用效率。

1 无线网络路由分配算法设计

1.1 无线网络传感器节点能耗模型构建

在构建考虑节点运行状态的无线网络传感器节点能耗模型时，本文将节点能耗分为4个主要部分，分别为计算能耗、感知能耗、发射数据能耗和接收数据能耗［5］。无线网络传感器节点能耗模型表示为：

E=Ec+Es+Et+Er（1）

其中，E表示无线网络传感器节点总能耗，Ec表示无线网络传感器节点的计算能耗，Es表示无线网络传感器节点的感知能耗，Et表示无线网络传感器节点的发射数据能耗，Er表示无线网络传感器节点的接收数据能耗。

计算能耗主要指节点在处理数据、执行算法等计算任务时所消耗的能量。这一能耗与节点的计算能力、执行的算法复杂度紧密相关［6］，因此，在特定的无线网络配置下，它通常是一个定值。相比之下，感知能耗则与传感器节点的传感设备直接相关，但它在总能耗中所占的比例较小［7］。为简化后续路由分配算法的复杂性，本文并未对感知能耗部分进行深入的细化分析。

发射能耗主要是指传感器节点发送数据到网络中所消耗的能量，传输的数据量、通信距离以及信号衰减指数会对其产生影响，计算公式表示为：

Et（n，d）=ndk（2）

其中，n表示传感器节点传输的数据量参数，d表示传感器节点执行通信的距离参数，k表示传输过程中信号的衰减指数。

接收能耗是传感器节点从网络中接收数据所消耗的能量，主要与接收的数据量和射频电路的能耗系数相关，计算公式表示为：

Er（n）=Eelec×n（3）

其中，Eelec表示射频电路的能耗系数。

按照上述所示的方式，实现对无线网络传感器节点能耗模型的构建，为后续的路由分配提供执行基础。

1.Lvs5+Q3ucwK8bNuWJGh/yA==2 无线网络路由分配

在进行无线网络路由分配时，本文充分考虑了有限传输资源下的网络有效生命周期延长需求。基于1.1小节构建的无线网络传感器节点能耗模型，本文设计了一种能效最大化的路由分配算法，以确保在资源受限的条件下实现网络性能的最优化。

设置所有节点的初始能量为Einiti ，结合无线网络中所有节点对之间的通信距离［8］，利用式（1）计算节点能耗状态［9］。路由选择，即对于每个需要发送数据的节点i，选择下一个中继节点j。以剩余能量最高且通信距离合适的节点作为中继节点［10］，计算公式表示为：

其中，Ek（t）表示信号的衰减指数为k时，当前路由选择的传输能耗；neighbors（i）表示参与数据发送的节点i的所有邻近节点，可以作为下一个中继节点的传输节点；Ptx表示节点i向节点j发送数据时所需的发射功率参数；dik表示节点i向节点j发送数据时所需通过的距离；Prx表示节点接收数据时所需的功率参数。

按照上述方式，确定数据从节点i发送到节点j后，更新2个节点的剩余能量，计算公式表示为：

Einiti（1）=Einiti-Ek（t）（5）

Einitj（1）=Einiti-Er（t）（6）

其中，Einiti（1）表示节点i的剩余能量更新结果，Einitj（1）表示节点j的剩余能量更新结果。

结合本文设计的路由分配算法，节点在传输链路中的选择是基于其自身能量状态的。这种做法旨在防止因单一节点承担过多传输任务而导致的过早“耗尽”问题，确保网络中的各个节点保持相对均衡的“活跃”状态，进而延长无线网络的有效生存周期。

按照上述方式，以中继节点j为基准，利用式（4）确定下一个中继节点，并按照式（5）—（6）更新阶段的剩余能量。由此，实现能效最大化路由分配。

2 测试与分析

2.1 测试准备

设置TOSSIM仿真无线网络环境如图1所示。本文设计了一个200 m×200 m的矩形区域作为无线网络的传输范围，并在此区域内随机部署了100个传感器节点。其中，基站被设置在区域的中心，用于数据的汇聚和传输。对于传感器节点的发射功率和感知半径，设置其保持一致，分别为50.0 J/bit和20.0 m，以此确保其能够覆盖并监测整个区域。在模拟实验中，每个传感器节点的初始能量（EA）被设定为2.0×105 J，以此模拟实际无线网络中的能量限制。在模拟能量消耗的过程中，设定了特定的能量消耗参数，具体为节点每次发送或接收一个数据包将消耗5.0 J能量，而每次数据采集和处理操作将消耗1.0 J能量。

在TOSSIM仿真环境中，考虑到无线信号的传播受到距离和物理障碍的限制，而不仅仅是基于网络的拓扑结构。因此，为了模拟真实的无线通信环境，本文为每个节点引入了一个大小在（200，200）范围内的虚拟坐标，使得TOSSIM能够根据节点间的实际距离和感知半径的关系，决定一个节点发送的消息能否被其他节点接收到。

2.2 测试结果与分析

在上述测试环境的基础上，分别设置潘志安等［3］提出的以模糊粒子群算法为基础的路由资源配置算法以及王世成等［4］提出的以业务承载力为基础的路由分配算法作为测试的对照组，并分别测试随着运行周期的推进，构建无线网络环境中节点的平均剩余能量值。测试结果如表1所示。

结合表1所示的测试结果，对3种不同路由算法的性能进行对比分析。潘志安等［3］的算法和王世成等［4］的算法均在网络运行的第350个周期达到平均剩余能量值为0的状态，相比之下，在本文设计路由分配算法下，网络运行的第400个周期达到平均剩余能量值为0的状态，与对照组相比，具有更好的应用效果。由此可以得出结论，本文设计路由算法下的网络生存时间更长，使得无线传输网络具有更高的传输性能。

3 结语

对于无线网络而言，传输效能直接决定了对应传输链路的传输能力，因此，在开展具体的路由分配阶段，充分考虑传输效能是极为必要的。本文提出的无线网络中高效能量感知的路由分配算法研究，结合了无线网络中各链路的实际能力状态感知结果，实现对路由的合理分配，大大提高了无线网络的传输能力，使得固定传输资源条件下，无线传输网络的有效生命周期得到保障。借助本文对于路由分配算法的研究与设计，希望能够为实际的无线网络管理提供有价值的参考。

参考文献

［1］彭程，谭冲，刘洪，等.基于BBO优化K-means算法的WSN分簇路由算法［J］.中国科学院大学学报，2024（3）：357-364.

［2］李温静，诸金洪，刘柱，等.基于GCN-LSTM融合模型的自适应智能路由算法［J］.信息技术，2024（4）：93-99.

［3］潘志安，庞国莉，王小英.基于模糊粒子群算法的光纤通信网络路由资源优化配置［J］.电子器件，2024（2）：518-523.

［4］王世成，陈晓静，何荣希.弹性光网络中基于业务承载力的碎片感知路由与频谱分配算法［J］.激光与光电子学进展，2022（7）：122-130.

［5］史郑延慧，何刚.基于遗传-蚁群优化算法的QoS组播路由算法设计［J］.科学技术与工程，2024（11）：4626-4632.

［6］朱晓荣，贺楚闳.基于强化学习的大规模多模Mesh网络联合路由选择及资源调度算法［J］.电子与信息学报，2024（12）：1-10.

［7］刘岩，何荣希，王钜霖，等.弹性光网络中面向立即预留请求的碎片感知路由频谱分配算法［J］.激光与光电子学进展，2022（5）：156-165.

［8］刘焕淋，王展鹏，陈勇，等.物理损伤感知的多芯光纤网络动态路由资源分配方法［J］.电子学报，2022（2）：502-507.

［9］杨峰，杜翠凤，蔡十华，等.基于分区网关的算力网络架构及算力路由机制研究［J］.广东通信技术，2024（2）：16-19.

［10］黄锌源，王睿，郭一平，等.基于节点静默-激活机制的优化链路状态路由研究［J］.计算机技术与发展，2024（2）：84-89.

Routing allocation algorithm for efficient energy sensing in wireless networks

Abstract： In wireless networks， due to energy consumption during transmission， the effective lifecycle of the network may be significantly affected when some nodes run out of energy. In view of this， the article studies an efficient energy aware routing allocation algorithm and constructs an energy consumption model for wireless network sensor nodes， which comprehensively considers four key aspects： computational energy consumption， perception energy consumption， transmission data energy consumption， and reception data energy consumption. When allocating wireless network routes， the urgent need to balance limited transmission resources with extending the effective lifecycle of the network is fully considered. And based on the above energy consumption model， a routing allocation algorithm that maximizes energy efficiency was designed. The test results show that the average remaining energy of network nodes using this algorithm only drops to zero after running for the 400th cycle， which means that the designed routing algorithm can significantly extend the network lifetime and demonstrate excellent transmission performance.

Key words： wireless network; energy perception; routing allocation; energy consumption of sensor nodes; transmission resources; maximizing energy efficiency