单节点的无线传感器网络数据传输优化策略*

吴金舟， 王明文， 胡剑锋， 杨国强

(1.江西师范大学 信息工程学院，江西 南昌 330098；2.江西科技学院 信息工程学院，江西 南昌 330022；3.江西省计算技术研究所，江西 南昌 330002)

单节点的无线传感器网络数据传输优化策略*

吴金舟1， 王明文2， 胡剑锋1， 杨国强3

(1.江西师范大学 信息工程学院，江西 南昌 330098；2.江西科技学院 信息工程学院，江西 南昌 330022；3.江西省计算技术研究所，江西 南昌 330002)

为了提高无线传感器网络(WSNs)节点能量的利用率，延长WSNs的生存时间，提出了一种单节点的WSNs数据传输优化策略。首先对WSNs结构进行分析，并建立单个传感器节点数据传输优化的数学模型;然后采用惩罚函数法对数据传输过程中的传感器节点能耗进行优化;最后在Matlab 2012平台对其进行仿真分析。结果表明:该方法可以根据环境能量的变化对传感器节点能耗进行自适应优化，提高了节点的累积数据传输总量，可以较好适应环境能量不确定性。

无线传感器网络； 数据传输； 能量优化； 网络生存时间

0 引 言

无线传感器网络(wireless sensor networks，WSNs)节点经常部署在恶劣的环境中，由于传感器的节点能量有限，而且一般不能更换电池和充电，因此，如何充分利用节点能量，延长网络生存时间成为了WSNs研究中的重要课题[1]。

为了提高节点能量利用率，降低能量消耗，许多学者提出大量的节点路由算法[2]。WSNs的路由协议可分为平面路由协议和分层路由协议两种，在平面路由协议中各节点在网络中的地位是平等的，网络间交换数据的算法十分的复杂，各节点都是单独进行工作的，网络算法得不到很好的优化，因此,网络效率十分的低[3]。低功耗自适应集簇分层型(low energy adaptive clustering hierarchy，LEACH)协议是一种经典的在分层WSNs路由协议[4]。然而，经典的LEACH路由协议存在节点能量消耗不平衡、网络负载不均衡，导致WSNs的生存时间比较短[5]。为此，有些学者提出许多改进的WSNs路由协议，如,文献[6]提出基于模拟退火算法选举簇头的WSNs路由协议；文献[7]提出基于簇头与汇聚节点之间多跳通信的WSNs路由协议；文献[8]提出基于双簇头的WSNs路由协议，这些WSNs路由协议一定程度上克服了LEACH路由协议存在的不足，提高了节点能量的利用率，降低了整个网络的能耗，有效延长了网络的生存时间。近年来，有学者提出基于环境能量驱动的传感器节点网络路由协议，在传感器节点中加入环境能量收集和管理模块，通过利用太阳能对节点的能量进行补充，以延长网络生存时间[9]。在WSNs节点的能量消耗中，数据传输消耗占WSNs大部分的能量，为此，一些学者们提出能量优化的WSNs数据传输模型，并通过理论和仿真实验对模型进行相应的分析[10～12]。

为了延长WSNs的使用寿命，本文提出了一种单个传感器节点的数据传输优化模型。首先对WSNs的结构进行分析，建立传感器节点数据传输优化的数学模型，然后再引入惩罚函数对数据传输过程中传感器节点能量消耗进行优化，最后通过仿真实验测试其有效性。

1 WSNs模型

WSNs的结构如图1所示。

图1 WSNs的结构Fig 1 Structure of WSNs

WSNs中的节点的能耗主要有三部分：传感器模块、处理器模块和无线通信模块，传感器节点将1 bit信息传输100 m所消耗的能量相当于执行3 000条计算指令所消耗的能量；处理器模块和传感器模块的能量消耗为常量性消耗，在能耗模型中将这部分能量消耗设为常数Pc+s，无线模块将nbit的信息传送距离为d，那么，射频模块的发送和接收能耗分别为

(1)

式中Eelec为发射装置和接收电路每发送和接收1 bit数据的耗能；εamp为发射放大器将1 bit数据传送1 m2所消耗的能量；k为传播衰减系数，具体取值由周围环境复杂度决定。

WSNs在通信过程中，传感器节点端包含两个队列：数据传输队列和数据存储队列，在实际通信过程中，相对于数据传输消耗的能量，数据存储消耗的能量十分小，通常可以忽略不计，因此,本文WSNs节点能量消耗模型只考虑数据传输过程中消耗的能量。设X为发射信号，那节点接收端的接收信号为

Y=X+Z.

(2)

其中，Z为高斯干扰。

由于WSNs节点在通信过程中，其数据传输与信号发射功率直接相关，这样就可以通过对节点的发射功率进行动态调节，从而实现对WSNs节点数据传输进行优化。设p(t)表示t时刻信号发射功率，那么WSNs的信道瞬时比特速率为

(3)

将时间T平均划分为n+1等分，记作Si，i=0,…,N，Si时刻收集的能量记为Ei，相应的传输比特率为ri，T传输的最大数据量的优化公式为

s.t.

(4)

2 数据传输优化策略

设WSNs数据在传输过程传感器节点的发射功率保持不变，通过惩罚函数将式(4)约束问题变为无约束优化问题，即有

(5)

其中，mj为惩罚因子；Dj为惩罚项。

1)对于任一时刻，传感器节点所有能量均消耗尽，则有

Dj=0.

(6)

此时，mj=0。

2)对于任一时刻，传感器节点的能量没有消耗尽，则有

(7)

此时，mj<0。

F=f(pn+1)+…+f(p1)-m1lg(E0-L1p1)-…-mn+1lg(En+…+E0-L1p1-…-Ln+1pn+1).

(8)

在T时刻内，WSNs节点所有能量消耗尽，那么有

E0+…+En-L1p1-…-Ln+1pn+1=0.

(9)

根据式(8)和式(9)，可以得到如下所示的公式

F=f(pn+1)+…+f(p1)-m1lg(E0-L1p1)-…-mnlg(En-1+…+E0-L1p1-…-Lnpn).

(10)

对式(10)求偏导可以得到

(11)

当WSNs传输的数据比较大时，当发射功率趋于恒定值时传输数据量最大，即pn+1=pn，式(11)变为

(12)

综合式(8)～式(12)，可以得到WSNs的发射功率优化公式为

(13)

3 仿真实验

3.1 仿真环境

为了测试本文WSNs数据传输优化策略的有效性，在Intel 2.8 GHz 4核CPU，4 G内存，800G的硬盘，Windows XP 操作系统的计算机上，采用Matlab 2012R编程实现仿真实验。仿真实验的参数设置见表1。为了使数据传输优化策略的结果更具说服力，在相同的仿真环境下，选取文献[13]的数据传输优化方法进行对比实验，从传感器节点的发射功率、数据传输总量、节点死亡率以及网络生存时间等方面进行分析。

表1 仿真参数设置Tab 1 Set of simulation parameters

3.2 结果与分析

3.2.1 WSNs节点能量获取变化对比

在WSNs过程，通过能量获取模型对环境中的能量进行采集，并根据传感器节点能量的消耗情况，动态、自适应地为节点补充能量，保证传感器节点正常工作，能量的获取变化曲线如图2所示。从图2可知，在节点开始工作阶段，传感器节点获取的能力相对较少，这主要是由于此时节点本身能量比较充足，随着节点能量不断减少，节点获取环境中的能量不断增加，达到一程度时，节点能恢复到饱和状态，节点获取环境中的能量处于一种稳定状态，在该段时间内能量保持一种稳定状态，相应的，传感器节点能量传输功率在该时间内保持不变，随后节点获取环境中的能量不断增加，而后又减少，处于一种周期性的循环境状态，从而较好地实现了传感器节点能量补充，防止了WSNs由于节点能量过早消耗完，网络生命周期短的问题出现。

图2 传感器节点获取环境能量的变化曲线Fig 2 Change curve of sensor nodesobtaining environmental energy

3.2.2 传感器节点发射功率变化对比

两种WSNs节点数据传输优化策略的节点的发射功率变化曲线如图3所示。对图3进行分析可知，在传感器节点刚开始工作阶段，两种方法的节点发射功率变化趋势几乎相同，主要是由于此时传感器节点的能量比较充足，不需要补充环境中的能量，因此,本文方法没有什么优势，然而随着节点工作时间的不断增加，本文方法的优势体现出来了。

图3 不同数据传输优化策略的发射功率变化曲线Fig 3 Transmitting power change curve of different data transmission optimixation strategy

3.2.3 传感器节点的传输数据总量变化对比

图4为两种数据传输优化策略的传感器节点累积传输数据总量对比结果。从图4可知，相对于对比方法，本文的数据传输优化策略优势比较明显，这主要是由于本文方法对数据传输过程进行了优化，传感器节点不断获取环境中的能量，并通过引入惩罚函数保持数据传输最大化，而对比方法在中间阶段消耗掉所有全部获取的环境能量，而没有采取相应的优化措施，到最后传感器的节点发射功率比较低，数据传输量较少，对比结果表明:本文通过引入惩罚函数动态优化传感器节点能量的利用，保持了传感器节点传输数据量，从而提高了节点累积传输数据总量。

图4 不同优化策略的传输数据总量对比Fig 4 Transmission data amount comparison of different optimization strategy

3.2.4 环境能量增加对节点性能的影响

当环境能量增加时，传感器节点传输功率和传输数据总量变化曲线如图5和图6所示。从图5和图6可以看出：随着环境能量的增加，传感器节点获取的能量逐步增加，在节点工作过程，没有必要对传感器节点能量消耗进行优化，因此,对比方法与本文方法的传感器节点传输功率变化曲线十分相近，同时传感器节点的数据传输总量几乎完全相同，对比结果表明:在环境能量处于上升状态传感器网络中，本文数据传输优化策略没有太大的优势。

图5 环境能量增加时节点的发射功率变化曲线Fig 5 Transmission power curve in environmental energy increasing

图6 环境能量增加时节点的累积传输数据总量变化曲线Fig 6 Curve of total amount of accumulation data transmission of node while environmental energy is increasing

3.2.5 环境能量减少对节点性能的影响

当环境能量减少时，传感器节点传输功率和传输数据总量变化曲线如图7和图8所示。从图7和图8可知，随着无线传感器工作时间的增加，对比方法传感器节点传输功率不断下降，这主要是由于对比方法没有对节点数据传输过程进行优化，导致节点能量在利用过程中越来越少，处于一种不平衡状态，而本文方法的传感器节点传输功率呈一种平衡状态，这主要是由于通过引入惩罚函数对能量进行调整，可以使传感器节点初期收集环境能量保留给后期利用，因此，本文方法的数据传输策略传输性能也优于对比方法，对比实验结果证明：本文方法性能更优，具有更广的应用范围。

图7 环境能量减少时节点的发射功率变化曲线Fig 7 Transmission power change curve while environmental energy is reducing

图8 环境能量减少时节点的累积传输数据总量变化曲线Fig 8 Curve of change of node total amount of accumulation data transmission while environmental energy is reducing

3.2.6 网络生存时间对比

采用节点死亡数来衡量WSNs的生存时间期，两种方法的节点死亡率变化曲线如图9所示。从图9可知，相对于对比方法，本文方法的网络生存时间相对较长，这主要是由于本文方法通过引入惩罚函数对每一个节点能量消耗进行调整，延长了单个节点生存时间，从而延长了整个WSNs生存时间。

图9 两种方法的WSNs生存时间对比Fig 9 Survival time comparison of WSNs of two methods

4 结束语

为了使传感器节点适应环境能量变化，提出一种单节点的WSNs数据传输优化策略，通过引入惩罚函数对节点的能耗进行适应的调整，并通过仿真实验验证了其有效性和优越性。

[1] Li R Y,Huang N,Chen W W,et al.A practical approach for network application reliability assessment[J].Eksploatacja Iniezawodnosc-Maintenance and Reliability,2009,12(4):17-27.

[2] Silva I,Uuedes I.A,Portugal P.Reliability and availability evaluation of wireless sensor networks for industrial application[J].Sensors,2012,12(1):806-838.

[3] Bruneo D,Puliafito A,Scarpa M.Energy control in dependable sensor networks a modeling perspective[J].Dings of the Institution of Mechanical Engineers,Part of Risk and Reliability,2011,22(4):424-434.

[4] Akan B,Akyildiz I F.Event to sink reliable transport in wireless sensor networks[J].IEEE/ACM Transactions on Networking,2005,13(5):1003-1016.

[5] Wan C Y,Campbell A T,Krishnamurthy I.Pump-slowly,fetch quickly(PSFQ):A reliable transport protocol for sensor network[J].IEEE Journal on Selected Areas in Communications,2005,23(4):862-872.

[6] Xie X,Zhang H.Topology algorithm research based on energy and power control for topics algorithm[C] ∥Second International Conference on Computer Modeling and Simulation,2010:37-40.

[7] Shirali M,Meybodi M K,Tarigh H D.Topology control scheduling:Based on the distributed learning automata[C]∥2010 IEE 6th International Conference on Wireless Communications Net-working and Mobile Computing,2010:1-4.

[8] Hu X,Ren D R,Wang H,et al.Adaptive clustering algorithm based on energy restriction[C]∥2011 IEEE International Conference on Intelligent Computation Technology and Automation,2011:949-951.

[9] Nam C S,Lan Y S,Shin D R.Multi-hop routing-based optimization of the number of cluster-heads in wireless sensor network-s[J].Sensors,2011,11(3):2875-2884.

[10] Saini P,Sharma A K L.Energy efficient scheme for clustering protocol prolonging the lifetime of heterogeneous wireless sensor networks[J].International Journal of Computer Applications,2010,6(2):30-36.

[11] Rashed M G,Kabir M H,Allah S L.WEP:An protocol for cluster-based heterogeneous wireless energy efficient sensor network-s[J].International Journal of Distributed and Parallel System(IJDPS),2011,2(2):54-60.

[12] 吴 蒋,王 冬.基于复杂网络的无线传感器网络能量脆弱性分析[J].传感器与微系统,2014,33(5):24-26.

[13] 吴晓军,张 力,马 悦.无线传感器网络不等级能级环模型及数据传输策略[J].西北大学学报:自然科学版,2012,42(4):563-569.

Data transmission optimization strategy for single node WSNs*

WU Jin-zhou1, WANG Ming-wen2, HU Jian-feng1, YANG Guo-qiang3

(1.School of Information Engineering,Jiangxi Normal University,Nanchang 330098,China；2.Institute of Information Engineering,Jiangxi University of Technology Nanchang 330022,China；3.Jiangxi Institute of Computing Technology,Nanchang 330002,China)

In order to improve energy utilization rate of wireless sensor networks(WSNs) nodes,prolong survival time of WSNs,a new single node data transmission optimization strategy for WSNs is proposed.Firstly,structure of WSNs is analyzed to establish mathematical model of a single sensor node data transmission optimization;secondly,penalty function method is introduced to optimize energy consumption of sensor nodes in data transmission process;finally,simulation analysis is carried out on Matlab 2012 platform.Results show that the proposed method can adaptively optimize energy consumption of sensor nodes according to change of environmental energy,and improve total cumulative data transmission of nodes,so it can adapt to uncertainty of environmental energy.

wireless sensor networks(WSNs); data transmission; energy optimization; network survival time

10.13873/J.1000—9787(2014)12—0020—04

2014—09—05

国家自然科学基金资助项目(61272212)；国家科技支撑计划资助项目(2009BADC4B03)；江西省自然科学基金资助项目 (20142BAB207008)；江西省教育厅科学技术研究项目(GJJ14766)

TP 391

A

1000—9787(2014)12—0020—04

吴金舟(1982-)，男，江西南昌人，硕士，讲师，主要研究方向为计算机应用。