M 2M通信中基于认知的能量有效中继分配策略

曹天威， 谢 威， 王 聪， 徐友云

解放军理工大学通信工程学院，南京210007

从“智慧地球”设想到“感知中国”理念的提出，物联网(Internet of things,IOT)技术已经引起全世界的广泛关注，被称为继计算机、互联网之后世界信息产业的第3次浪潮[1].M2M通信是物联网的四大关键技术支撑之一[2]，M2M是“machine-to-machine”的缩写，用来表示机器与机器之间的通信.从广义上来理解，“M”也被认为是“Man”，即包括机器与人之间的互通.M2M技术的目标就是使所有机器设备都具备联网和通信能力，其核心理念就是网络一切(network everything).文献[3]介绍了M2M通信的基本特征，包括海量设备的传输、低功率低能耗发信、小并突发业务、低/不移动性、安全性管理、容延迟性等.这些特征决定了M2M通信业务在关键技术、应用需求等方面与H2H(human-to-human)通信有明显的不同.M2M连通物理世界的“触手”是位于底层的大量信息生成设备(如传感器等)，由于受到部署位置及硬件成本等因素的制约，大多数设备依靠能量有限的电池供电.若经常更换电池会消耗巨大的人力资源，增加网络布设和维护的成本，这显然是不现实的，也与M2M通信的低人为干预特征不符.因此，要尽可能地减少节点的能量消耗，延长终端设备的工作时间，从而延长网络寿命.

在H2H通信中，协同通信理论[4]已经得到了深入的研究.利用中继技术可以将长距离链路划分成多段短距离链路，而每段传输链路只需较低的传输功率，从而降低了能耗，因此协同技术可以解决能量问题.然而，传统的协同技术主要是针对H2H设计的，如文献[5]提出的对单个源节点选择最佳中继的分布式方法，文献[6]提出的综合考虑传输模式选择、中继分配方案和功率分配策略的集中式方法，都是基于节点能够处理复杂的算法且不受能量限制这个前提的.由于M2M通信中的节点并不满足这个前提，无法直接利用传统的协同技术.文献[7]对比M2M网络中MTC(machine-type communication)节点到汇聚节点分别采用单跳方式和多跳方式时，在吞吐量、时延和能耗上的性能，设计了一种能量有效的中继转发策略，但信息经过多个能量受限MTC节点的转发而使误码率大大增加.文献[8]介绍基于休眠-唤醒机制的协同策略，研究一种在活跃中继节点中的最佳能量分配算法.文献[9]主要研究M2M通信的功率和能量优化问题，对比分析了协作策略和非协作策略下的系统性能.但文献[8-9]都没有考虑到节点的剩余能量，可能会造成部分节点能耗增加，丧失通信能力.

本文主要研究M2M通信中具有认知能力的终端节点，相互之间利用协同传输降低能量消耗.考虑主用户的授权信道对次级用户的可用性，利用有效信道容量的概念[10]，同时考虑节点剩余能量设计中继分配依据方案，利用图论中解决匹配问题的Kuhn-Munkres(KM)算法，得出满足全局低能耗和节点公平性的中继分配策略.

1 系统模型

图1给出的是本文研究的M2M通信的分层网络架构[3]，由广域主干网和局域末梢网两部分组成.前者由接入网和核心网组成，后者代表一个或多个M2M设备组成的集合.终端节点(MTC device,MTCD)将采集到的信息数据发送到网关节点(MTC gateway,MTCG)，MTCG汇总数据发送给基站，然后基站通过主干网将数据传输到M2M应用端进行处理.

在该分层网络架构中，设MTCD均为电池供电(初始能量为E0)的具有认知能力的次级用户，它们只有在主用户的授权信道空闲时才能传输信息.需要发信的MTCD(也就是源节点)选择可以直接传输(direct transmission,DT)或通过中继传输(采用放大转发方式amplify-and—forward,AF).假设一个中继在某一时刻只能为一个源节点提供中继服务，并且一个源节点最多只能选择一个中继节点协助转发信息.源节点要将信息发送给离自己最近的MTCG，不同的MTCG对应的分组采用overlay的接入方式，相互之间没有干扰[11].MTCD采用半双工通信模式.

图1 M 2M通信的分层网络架构Figure 1 Hierarchical network architecture of M2M communication

将MTCD表示为M={mi,i=1,2,···,n}，设其发送功率相同，用Pt表示.mi采用随机接入冲突退避的方式接入MTCG，这样就避免了节点间的干扰噪声[12-13]，只需考虑mi到中继节点和MTCG信道上的路径损耗，选用距离的次幂和对数正态阴影衰落乘积的衰落计算公式，则节点mi到MTCG链路以及节点mi到节点mj链路的信噪比分别为

式中，di为mi到MTCG之间的距离，dij为mi到mj之间的距离，a和N0分别为所选授权信道的路径衰减因子和环境噪声.假设所有信道的衰减因子和环境噪声均相同，根据香农公式得到DT和AF方式下mi的信道容量分别为

式中，W为信道带宽，SNRj为中继节点mj到MTCG的链路的信噪比.

2 中继分配方案

2.1 有效信道容量

MTCD作为次级用户，需要占用空闲状态下的授权信道进行通信.若MTCD选择一个容量较大的信道通信，但此信道可能经常被主用户占用，导致其可用性较差；相反，若选择一个容量较小的信道通信，但其大部分时间处于空闲状态，则可用性也变得较好.因此，有必要在选择授权信道时考虑信道被占用状态(频谱可用性)，用ON/OFF模型来表示，如图2所示.

图2 ON/OFF模型Figure 2 Model of ON/OFF

式中，CH1,CH2,···,CHq表示q个授权信道，ON状态表示信道被主用户占用的状态，OFF状态表示信道空闲.本文假定每个信道的ON状态和OFF状态都是独立同分布的，分别服从参数为λk和µk的指数分布.

定义活跃因子αk，表示第k个授权信道的频谱可用性，也即授权信道能被MTCD占用的概率

将αk分别代入式(3)和(4)，定义为有效信道容量(effective channel capacity,ECC)[10]

2.2 节点能量模型

假设MTCD每次发送的数据量均为s bit，则MTCD节点发送一次信息所消耗的能量为

式中，c为信息传输时信道的香农容量.假设只考虑MTCD发送信息的能耗，而忽略其处于接收状态和监听状态的能耗，则节点第i次传输之后的剩余能量为

式中，Eri-1为节点第i-1次传输后的剩余能量.

由于授权信道的频谱可用性不同，在MTCD成功传输信息之前会因主用户的出现而重传信息.考虑首次成功传输前重传的次数，可以利用几何分布进行分析.假设在第k个授权信道上传输，其成功的概率为αk，那么第N次传输为首次成功的分布为

则首次成功为第N次传输的期望值为

由此可见，MTCD需要平均1/αk次后才能成功传输信息，也就要消耗一次传输信息能量的1/αk倍，因此利用式(8)能得到成功传输一次信息的能耗

由式(12)可以看出，可以直接利用等效信道容量ECC作为信道容量c，计算考虑频谱可用性时成功传输一次信息所消耗的能量.

2.3 中继分配策略

在M2M通信中的MTCD中继选择问题上，本文更关心的是如何选择中继(或者不选中继)可以使MTCD发送相同的数据量所消耗的能量最少.另外，M2M通信中布控的节点一般是固定不动的，如果让某些MTCD过多地处于工作状态会过早耗尽其能量，造成M2M应用端收集信息的缺失，从而影响可靠性和网络寿命.因此，进行中继分配时有必要考虑节点的剩余能量和平衡各节点之间的能耗，这样更具有公平性.本文采用集中式算法，当一个发信周期开始时，MTCG广播通知各MTCD开始调度，各MTCD回应并报告当前节点状态(包括位置信息、作息状态、剩余能量).综上所述，本文设计以下3种中继选择的依据：1)既不考虑频谱可用性，又不考虑剩余能量

2)只考虑频谱可用性，而不考虑剩余能量

3)同时考虑频谱可用性和考虑剩余能量

式中，Vj,j=1,2,3表示3种选择依据的权重值，其值越小表示能耗越低.a和b分别表示考虑传输能耗和节点剩余能量的权重比例，且有a+b=1，式(15)中的负号表示节点剩余能量越大，权重值越小.3种分配方案各有侧重点：第1种是传统的中继分配依据，可以作为对比；第2种侧重考虑减少节点的传输能耗；第3种则综合考虑节点能耗和公平性问题，可以通过调整a、b值来调整能耗和公平性的侧重：若a值大b值小，则该策略更注重降低能耗；若a值小b值大，则该策略更注重能耗公平性.

本文从全局的角度出发，设计了一种集中式中继分配算法，得到了最优中继分配方案.根据系统模型中的描述，中继分配是一个“一对一”的匹配问题，可以构建成一个图(graph)，利用图论中的KM算法解决中继分配问题.将算法过程描述如下：

上述算法能够保证找到使得全局w最低的最佳中继匹配方案，可以通过反证法进行证明.假设该算法得到的匹配M不是最佳匹配，那么图G中至少存在一个源节点可以改变其中继节点而得到更小的权重w.将中继选择的改变代入到该算法中，能够计算出比M对应更小权重w的匹配M∗，这就与KM算法得出的最小权重匹配M矛盾.因此，不会存在比M匹配更优的匹配，也就是说该算法得到的中继分配方案是最优的.

3 仿真性能分析

本节通过仿真分析了KM中继分配算法的性能.在M2M通信中，具有认知能力的MTCD利用主用户的授权信道将信息传送给MTCG.所有的节点分布在2 000 m×2 000 m的区域内，MTCD在区域内随机分布，每次传输的信息量为2 kbit；MTCG节点数为4个，在区域内均匀分布.MTCD选择将信息发送给离自己最近的MTCG.设Pt=250 mW，W=1.5 kHz，α=4，N0=10-9，E0=1 000 J.

本文的目标是使全局能耗最小，并且平衡各节点的能耗.为证明本文算法在能耗和公平性上的优势，仿真分析中将KM算法与直传算法、贪婪算法进行对比.直传算法是MTCD直接将信息传送给MTCG而不考虑中继节点转发；贪婪算法是在每次迭代中，MTCD都选择未被选择的最佳中继(或者直传)，从而保证当前的选择是最优的.仿真结果均为100次仿真后求取的平均值，每一次仿真模拟30个发信周期，每个发信周期内源节点的选取是随机的.

图3对比了基于第2种中继选择依据下3种算法的全局节点的平均能耗值，仿真的3种算法分别为直传算法、不考虑剩余能量的KM算法、不考虑剩余能量的贪婪算法.从图3中可以直观地看出，KM算法的能耗值始终是最低的，贪婪算法的能耗值较高，而直传算法的能耗最高.这是由于直传算法不考虑中继提供的转发服务而无法获得协同传输带来的分集增益，这样远距离的链路消耗的能量较多，从而造成全局能耗的增加.KM算法是从全局的角度进行的中继分配，是一种集中式的全局最优策略；贪婪算法是局部最优的算法.当节点数目较少时，可供选择的中继节点也较少，这时KM算法的优势不大；随着节点数目的增加，可供选择的中继数也增加，KM算法的能耗优势就更明显.从仿真中看出，当节点数目为100时，KM算法相比于直传算法约节省30%的能量消耗，相比于贪婪算法约节省15%的能量消耗.

图3 不同分配策略下的能耗Figure 3 Energy consumption of different assignment strategies

图4对比了基于KM中继分配策略的3种中继选择依据的能耗，其中第3种中继选择依据的参数设定为a=0.8,b=0.2.可以看出第1种中继选择依据的能耗最高，第2种的能耗最低，而第3种的能耗略高于第2种.这是由于第1种策略没有考虑频谱可用性，第2种策略和第3种策略考虑了频谱可用性，且第3种同时考虑了节点剩余能量，不仅选择传输能耗最低的节点，而且注重节点能量消耗的公平性，因此增加了全局能耗.

图4 3种中继选择依据的能耗对比Figure 4 Energy consumption contrast of three relay selected gists

图5 给出了3种中继选择依据下100个MTCD节点剩余能量的方差.第3种依据对应的节点剩余能量方差最小，意味着节点的能耗更平均，更具公平性.在M2M通信中，若部分节点过早耗尽能量会导致信息缺失，从而影响M2M的可靠性.因此，第3种中继选择依据同时体现了M2M通信所关心的低能耗和公平性问题.

图5 节点剩余能量的方差Figure 5 Variance of residual energy of nodes

在图4中，第1种中继选择依据由于没有考虑授权信道的频谱可用性导致能耗的增加，主要是因为MTCD在频谱可用性差的信道上通信，使主用户频繁占用而导致重传次数的大大增加，从而增加了不必要的能量消耗.因此，图6对比了考虑和不考虑频谱可用性两种情况下全局节点重传的总次数.可以看出重传次数与采用哪种分配策略无关，而考虑频谱可用性的重传次数均远小于不考虑频谱可用性的重传次数，从而提高了传输效率，节省了能耗.

图6 不同分配策略下的重传次数Figure 6 Retransmission times of different assignment strategies

4 结语

本文研究了M2M通信中MTCD利用主用户的授权信道将信息传送给MTCG的场景，阐述了有效信道容量ECC的概念，提出了节点能耗模型；考虑节点能耗的公平性问题，提出了3种中继分配依据，据此设计了利用图论中的KM算法进行中继分配的策略，从全局角度计算得到了最优解.仿真分析表明，本文提出的中继分配依据和中继分配策略更具低能耗和公平性上的优势.本文采用的是集中式算法，需要有中心控制节点，并且信令信息交互的开销也会造成能量消耗.因此，接下来可以考虑设计分布式算法，进一步提高能量效率.

[1]STRATEGY I T U,UNIT P.ITU internet reports 2005:The internet of things[J].Geneva:International Telecommunication Union(ITU),2005.

[2]ATZORI L,IERA A,MORABITO G.The Internet of things: a survey[J].Computer Networks,2010,54(15):2787-2805.

[3]WUG,TALwARS,JOHNSSONK,HIMAYAT N,KEVIN D,JOHNSON N D.M2M:from mobile to embedded Internet[J].Communications Magazine,IEEE,2011,49(4):36-43.

[4]COVERT,GAMAL A E L.Capacity theorems for the relay channel[J].IEEE Transactions on Information Theory,1979,25(5):572-584.

[5]BLETSAS A,KHISTI A,REED D P,LIPPMAN A.A simple cooperative diversity method based on network path selection[J].IEEE Journal on Selected Areas in Communications,2006,24(3):659-672.

[6]XIE Kun,CAO Jiannong,WEN Jigang.Optimal relay assignment and power allocation for cooperative communications[J].Journal of Computer Science and Technology,2013,28(2):343-356.

[7]XIE C G,CHEN K C,WANG X B.To hop or not to hop in massive machine-to-machine communications[C]//Wireless Communications and Networking Conference(WCNC),2013 IEEE.IEEE,2013:1021-1026.

[8]ELKHEIR G A,LIOUMPAS A S,ALEXIOU A.Energy efficient cooperative scheduling based on sleepwake mechanisms[C]//Wireless Communications and Networking Conference Workshops(WCNCW),2012 IEEE,2012:238-242.

[9]DHILLON H S,HUANG H C,VISwANATHAN H,VALENZVELA R A.Power-efficient system design for cellular-based machine-to-machine communications[J].IEEE Transactions on Wireless Communications,2013.

[10]CAO Tianwei,XIE Wei,WANG Cong,XU Youyun.A MWM relay assignment strategy based on spectrum availability for cognitive radio networks[C]//Wireless Communications&Signal Processing(WCSP),2013 International Conference on IEEE,2013:1-6.

[11]Kw ON T,CHOI J W.Multi-group random access resource allocation for M2M devices in multicell systems[J].Communications Letters,IEEE,2012,16(6):834-837.

[12]KO K S,KIM M J,BAE K Y,SUNG D K,KIM J H,AHN J Y.A novel random access for f ixed-location machine-to-machine communications in OFDMA based systems[J].Communications Letters,IEEE,2012,16(9):1428-1431.

[13]ALONSO-ZÁRATE J,STAVROU E,STAMOU A,ANGELIDIS P,ALINSO L,VERIKOVKIS C.Energyefficiency evaluation of a medium access control protocol for cooperative ARQ[C]//Communications(ICC),2011 IEEE International Conferenceon.2011:1-5.