基于最优连通功率控制的WSNs跨层路由优化算法*

孙 毅， 孙 跃， 曾璐琨， 陆 俊

(华北电力大学 电气与电子工程学院，北京 102206)

0 引 言

网络生命周期延长优化是无线传感器网络(wireless sensor networks，WSNs)[1]路由算法设计的首要研究问题。但由于传感器节点能量受限，且随机部署，拓扑结构变化频繁，传统的路由协议难以保障网络链路的稳定性和数据的实时性等要求。而功率控制技术不仅能够有效控制并降低无线通信过程中的能耗，同时对路由协议中转发节点的选择和数据融合中融合节点的选择起着重要的作用[2]，是延长WSNs生命周期、实现服务质量(quality of service,QoS)支持的有效手段。

跨层路由优化是通过节点自适应功率控制机制，在保证网络连通性和减少通信干扰条件下，提高数据实时、可靠的传输，同时优化网络能量利用率[3]。目前，研究者们针对能量高效的跨层路由协议已经取得一些研究成果。文献[4]采用一种自适应优化转发候选集和发射功率机制，延长网络生存周期;文献[5]通过消除冗余节点和休眠调度机制设计了一种节能型路由算法;文献[6]基于最优邻居节点数的建立功率调度表，并对干扰节点发送反馈帧控制其睡眠/侦听，从而降低通信能耗;文献[7]在AODV路由协议的基础上，为节点分配不同的功率等级，包括：广播功率、单播功率和最大发射功率，以有效降低数据传输的能耗。

文献[4～7]虽然大部分算法在选取下一跳节点时综合了剩余能量因素，以延长网络生命周期，但是，以上算法没有全面地考虑网络连通情况和可能产生的空洞现象，易导致数据传输的实时性和可靠性下降。

针对上述问题，本文提出了一种基于最优连通功率控制的跨层路由优化(cross-layer routing optimization based on optimal connectivity power control，CRCP)算法。算法通过最优邻居节点数确定节点最优连通功率，以此来实现网络最优连通，降低热点地区干扰程度；综合节点干扰等级、剩余能量和位置信息动态选取下一跳节点，延长网络生命周期，保障路由QoS。

1 CRCP算法

1.1 问题描述

CRCP算法重点解决两个方面问题：一方面是MAC层针对不同类型数据包进行功率等级的调整，并将节点MAC层的功率调度信息提供给物理层；另一方面,网络层通过共享物理层的节点状态信息来动态选取最优转发节点，建立QoS保证的传输路径。GPSR算法[8]基于局部最优的贪婪算法，无需维护网络拓扑，路由开销小，但是容易造成局部节点死亡，导致网络割裂。每个节点以固定的功率等级传输数据，不仅造成了过多的能量开销，还易形成热点区域。固定功率(通信半径R=100 m)网络连通性与节点干扰强度如图1所示。

图1 网络连通性与节点干扰强度图(R=100 m)

为了降低节点竞争强度和通信能耗，通常需要节点采用较小的发射功率，这使得网络连通性变差，从而导致许多节点无法建立稳定的通信链路，形成孤岛节点群现象，固定功率(通信半径R=60 m)网络连通性与节点干扰强度如图2所示。

图2 网络连通性与节点干扰强度(R=60 m)

因此，如何降低高密度区域节点的冲突区域，保证节点竞争信道的公平性和选择低干扰、高能效的路由进行数据传输，是WSNs功率控制路由协议研究的重点问题。CRCP算法分为最优功率控制和路径建立阶段。

1.2 最优连通功率控制

本节的讨论是基于以下假设：

1)物理层中传输的帧采用的离散功率等级可以由MAC层通知。

2)在物理层可以测量接收帧的接收信号强度指示器(RSSI)。

3)节点的位置可以通过GPS获取。

节点发射功率的级别与节点的邻居节点数量密切相关。大量研究表明，在最优邻居节点数[9]为6～8个时，能够显著地提高信道利用率和网络吞吐量。节点最优连通功率定义为：对于网络中的任意节点v，计算它的最优邻居节点的个数为Nopt，则节点v到它的任意邻居节点u的最优发射功率定义为

Popt(u),1≤u≤Nopt.

(1)

最优连通功率定义为

Poc(v)=max{Popt(u)|(1≤u≤Nopt)}.

(2)

双向连通的定义为

(3)

其中，n和m为路由跳数，存在n>0,m>0;Pn(i,j)>0为经过n跳，节点i能够与节点j通信的概率;Pm(j,i)>0为经过m跳，节点j能够与节点i通信的概率。

为了在保证网络QoS的基础上，最大限度延长网络寿命，采取的措施是：初始化阶段采用最大功率广播消息，进行最优邻居发现；之后,当节点发送控制分组时，采用最优连通功率Poc(i)来提高网络的性能；当节点发送数据分组时，采用最优发射功率Popt(i)将数据分组发送至最优邻居节点，因为数据分组的数据量大且持续时间长，这样可以最大限度降低能耗。

1.3 路径建立

路径建立由源节点请求发起，综合转发节点的干扰等级、剩余能量、位置信息3个属性，选取路由代价最小的邻居节点。发送节点根据MAC层收到邻居节点回复的应答消息，计算源节点前向区域中候选节点的SINR为

(4)

干扰等级定义为

(5)

为获得较低的干扰，可以通过功率等级的调整，限制潜在干扰节点的数量和节点同时进行数据发送的概率来控制节点受干扰程度。本文通过自适应的最优连通功率控制方法来降低邻居节点对其干扰，减少丢包率。

计算隶属于低干扰群组中邻居节点i路由代价函数为

(6)

其中，Eres为节点的剩余能量，Eini为节点的初始能量，d(S,D)为源节点到Sink节点的距离，d(i,D)为前向区域中下一跳节点i与Sink节点之间的距离，lgSINRi为前向区域中低干扰群组节点i的信号噪声干扰比。

路径建立过程的具体实现步骤如下：

1)网络初始化：每个节点以最大功率广播“Hello”控制帧，进行邻居发现过程。该帧中包括自身ID、剩余能量、自身位置信息参数。收到该数据帧的邻居节点回复应答消息，计算两点之间的通信距离和SINR。

2)节点功率控制：每个节点在最大邻居节点集合中，按照式(2),式(3)选取最优邻居节点，以建立双向连通链路。

3)干扰等级划分：当前节点MAC层根据收到的应答消息中的SINR和目标SINR阈值进行比较，为转发节点集划分干扰等级，并将该信息通知网络层。

4)计算路由代价：当前节点根据邻居节点信息，按照式(6)计算低干扰等级中备选节点的路由代价，选取综合代价最小的邻居节点作为下一跳。

2 仿真结果与分析

为了验证CRCP算法的性能，本文对CRCP和GPSR算法设定了3组实验进行对比分析。节点随机分布在场景区域为500 m×500 m的范围内，节点数为150个，数据包为2 048 bits，初始能量为1 J，Eelec为50 nJ/bit，εamp为0.001 3 pJ/bit/m4，εfs为100 pJ/bit/m2。Sink节点位置在(0,0)m处，源节点为距离Sink节点的最远节点。

2.1 最优连通功率控制性能分析

图3给出了采用最优连通功率建立的双向连通链路。CRCP算法实现了节点间双向连通路由，同时有效降低网络中热点区域干扰强度，避免孤立节点群的产生。随着网络运行导致节点部分失效，CRCP算法能够实时感知最优邻居节点，自适应调整发送功率，保证网络的双向连通。

图3 最优连通功率双向连通链路

节点干扰强度可以被定义为传输范围内的期望竞争同一信道的邻居节点数。当节点邻居节点数越高，存在较多的节点竞争同一无线信道，即较高的干扰强度。从表1中可以看出：CRCP算法通过感知最优邻居节点，动态调整节点功率，有效降低了节点潜在的干扰和竞争强度。

表1 节点干扰强度

2.2 QoS分析

图4比较了在不同网络规模的情况下，CRCP和GPSR算法的路由跳数。仿真结果表明:在网络中节点数分别为150,160,170,180,190,200时，CRCP与GPSR算法相比，时延分别降低了21.1 %，20 %，16.7 %，15 %，5 %，10 %。当网络节点数目较少时，CRCP算法能够保证网络的连通性，保证数据传输的实时性要求。

图4 路由跳数

图5反映了CRCP和GPSR算法丢包率对比曲线。当节点数从150～200时，CRCP算法的丢包率较GPSR分别降低了2 %，11.8 %，11.4 %，18.9 %，25.3 %，27.5 %。CRCP算法随着网络规模的增大，丢包率保持平稳变化。这主要由于CRCP算法通过最优邻居节点策略，降低了每个节点潜在的干扰节点数量。因此，CRCP算法具有较高的传输可靠性。

图5 丢包率

2.3 网络生命周期

图6比较了CRCP算法和GPSR算法网络生命周期,可以看出:CRCP算法的网络生命周期与GPSR算法相比，提高了12.5 %。这是因为采用最优连通功率控制在保证网络的连通性的同时，能够显著降低节点发射功率的富余量，以延长网络的生命周期。

图6 网络生命周期

3 结 论

本文在分析了GPSR算法的基础上，提出了一种CRCP算法。与GPSR算法相比，在选择下一跳转发节点时，综合考虑了节点剩余能量、位置信息和干扰等级，从而均衡网络的能量消耗，降低数据分组碰撞概率，保证数据传输的实时性要求。仿真结果表明：CRCP算法在拓扑频繁变化的网络中，保证网络的稳定连通，最大限度延长网络生命周期，优化传输时延和可靠性等QoS要求。

参考文献:

[1] 孙利民,李建中,陈 渝,等. 无线传感器网络[M].北京:清华大学出版社,2005.

[2] 李方敏,徐文君,刘新华.无线传感器网络功率控制技术[J].软件学报,2008,19(3):716-732.

[3] 唐 勇,周明天,张 欣.无线传感器网络路由协议研究进展[J].软件学报,2006,17(3):410-421.

[4] 张大鹏,康会莉,王新生.WSNs中一种基于EIETX 的自适应功率控制的机会路由[J].传感器与微系统,2013,32(3):43-48.

[5] 李 莎,刘三阳,冯海林.基于网格的无线传感器网络节能路由算法[J].计机工程,2011,37(9):144-146.

[6] 于 凯,谢志军,金 光,等.基于功率控制的无线传感器网络MAC协议研究[J].传感技术学报，2013,26(9):1297-1302.

[7] 王 杉,魏急波,邓书林,等.一种新的跨层功率控制无线传感器网络路由协议[J].传感技术学报，2008,21(8):1402-1405.

[8] Karp B,Kung H T.GPSR:Greedy perimeter stateless routing for wireless networks[C]∥Proc of the 6th Annual International Conference on Mobile Computing and Networking,New York:ACM,2000:243-254.

[9] 李方敏,刘新华,旷海兰,等.基于最优连通功率的无线传感器网络稳定成簇算法[J].通信学报,2009,30(3):75-83.