无线传感器网络基于相交圆结构的改进GAF算法
2014-12-23李卓冉曹晓民
梁 青,李卓冉,曹晓民,熊 伟
(1.西安邮电大学 电子工程学院,陕西 西安710061;2.空军工程大学 信息与导航学院,陕西 西安710077)
0 引 言
在无线传感器网络中,拓扑控制不仅仅是一项节能技术,还能够保证网络连通性和覆盖率,减少通信干扰,为路由协议和数据融合提供拓扑基础,有效保证网络的扩展性和可靠性,提高网络的整体性能[1-4]。因此,高效优化的拓扑控制机制是十分重要的,良好的拓扑控制算法可以降低节点能量消耗,延长网络生存时间[5,6]。GAF 算法是层次结构的拓扑控制机制中一种典型的自适应分簇算法,通过节点所处的地理位置来进行活动节点的选择。该算法的主要目标是选择少量的节点来维持网络连通度,减少网络总能量的消耗。GAF算法的执行过程包括两个阶段,第一个阶段是根据节点的地理位置进行虚拟单元格的划分,第二个阶段是在划分出的每个单元格中选择合适的簇头节点,也就是该单元格中的活动节点。文献 [7]提出了一种新型的层次型拓扑结构生成算法,并通过设置节点度来形成最优的拓扑结构。文献 [8]在蜂窝结构的基础上将区域划分为圆形,并将重叠区域作为中转区域。文献 [9]中采用定期自动划分虚拟单元格的方法划分单元格,并在每个单元格中寻找最节约能耗的簇头位置。本文根据相关研究,提出了一种基于相交圆结构的改进GAF算法。
1 网络模型与能耗模型
1.1 网络模型
(1)监测区域内的所有节点均不可移动,节点的初始能量相同且能量有限。
(2)节点已知整个监测区域的位置信息和自身的位置信息。
(3)节点具有一定的计算能力和数据存储转发能力。
1.2 能耗模型
在无线传感器网络中,节点的能耗基本都用于数据通信。因此,本文采用的能耗模型只考虑节点收发数据时的能耗。假设网络中的节点传输l比特的数据,则其发送和接收数据的能耗分别为
2 虚拟单元格的划分
在GAF算法中,对监测区域进行单元格划分时只考虑到连通度的问题,GAF算法要求相邻两个单元格内的任意两个节点能够直接通信,如图1 (a)所示。文献 [10]提出另一种相邻区域的关系,如图1 (b)所示,可保证每个单元格内的节点与周围相邻的8个区域能够直接通信。
图1 正方形结构模型
本文在图1 (b)的基础上提出一种相交圆结构模型,如图2所示。以每个正方形的中心为圆心,正方形的对角线长度为直径作外接圆。由图2可以看出,相交圆结构模型可以增大节点单跳范围内的覆盖面积,且可以增加一个单元格中的节点个数。
图2 相交圆结构模型
假设每个节点的通信半径为d,则传统GAF 算法中虚拟单元格的边长应满足
同样的,图1 (b)的正方形结构和图2的相交圆结构中的单元格边长为
因此,可以得到3种结构模型下节点单跳范围内的覆盖范围分别为
由式 (5)~式 (7)可知,在划分虚拟单元格时,相交圆结构模型下的节点单跳覆盖面积比图1 (b)的正方形结构增加了约21.4%,而与传统GAF算法相比较增加了约33.9%。
当单元格内节点个数增加时,网络生存期会相应的延长。因此,在网络中节点密度不变的情况下,增大每个单元格的面积,增加单元格内的节点个数,可以达到延长网络的生存期的目的。在二维监测区域中,每个单元格内保持网络连通所需要的最少节点数为M,网络的最短生存期为T,则每个单元格中平均节点数为
网络的生存期为
式中:X——一个大于1的常数且0<qT。
假设N 个节点随机均匀分布在面积为S的监测区域中,则节点的平均密度为在图1 (b)结构中,每个单元格中的平均节点数为
而在相交圆结构中,每个单元格中的平均节点数为
比较式 (10),式 (11),由S3>S2可推算出n3>n2。因此,根据式 (8),式 (9)可知,相交圆结构中的X 值要大于图1 (b)结构中的X 值。从而在不考虑网络最短生存期的情况下,相交圆结构可以更好的延长网络生存期。
3 簇头节点及中转节点的选择
3.1 簇头节点的选择
在簇头选举阶段综合考虑单元格中每个节点的剩余能量、吞吐率和到基站的距离来进行合理的簇头选举,以达到均衡节点负载,减少节点能量消耗的目的。
在理想情况下,监测区域中每个节点的吞吐率应满足以下关系式
式中:A——监测区域面积,W ——传感器节点的最高传输速率,Δ——大于0的常数,L——节点到基站的距离,n——节点的个数,r为理想球状无线电发射模型的发射半径[11]。
设节点的剩余能量为E0,吞吐率为λ,到基站的距离为d0,定义如下簇头选择函数
式中:α、β、γ——大于零的影响因子,且α+β+γ =1,影响因子的大小取决于对网络性能的综合要求,d为节点的通信半径。在每个簇中选择函数f值最大的节点作为簇头。由式 (13)可以看出,节点的剩余能量和吞吐率越大且节点到基站的距离越近,节点成为簇头的概率就越大。
3.2 中转节点的选择
根据本文中提出的相交圆结构划分单元格,相邻单元格之间会产生重叠区域。通过无线信道的传输模型可知,数据包直线多跳传输的能量消耗要小于直线单跳传输的能量消耗[12]。基于这一点,可以在重叠区域中选择合适的节点作为相邻簇头间的中转节点,实现簇头间的多跳路由,进一步减少簇头节点的能量消耗。
同时考虑到重叠区域中节点的剩余能量E0和吞吐率λ,可以计算出重叠区域中节点的权值ω
式中:a,b——节点剩余能量和吞吐率的权值且a+b=1。在重叠区域中选择权值最大的节点作为中转节点。
4 仿真结果
本文中采用MATLAB仿真对改进的GAF算法进行性能分析,在节点的平均能量消耗和网络生存期等方面对3种结构模型下的GAF算法进行了比较。仿真过程中网络中的节点随机分布,每个节点的初始能量为0.5J,当节点的能量为零时,则定义节点为死亡节点。其它参数设置见表1。由于仿真时,传感器节点是随机部署的,故实验数据都是通过100次仿真后的平均值。
表1 仿真的参数设置
100次仿真实验过程中的其中一次随机节点分布图如图3所示。图中五角星形为监测区域中基站所在的位置,坐标 (100,100)。黑色圆点表示随机分布在监测区域中的400个节点。
图3 节点分布
在图3的基础上根据式 (4)所得出的虚拟单元格的划分条件进行虚拟单元格的划分,划分出的结果如图4所示。按照式 (4)进行计算得出每个虚拟单元格的边长为50m,从而整个监测区域可被划分为16个大小相同的单元格,即16个簇。
图4 虚拟单元格划分
根据本文所提出的相交圆结构模型进行单元格划分的划分图如图5所示。图5中绿色边界区域为监测区域的范围,从(0,0)到 (200,200)。每个圆形即为划分出一个簇,由图中可以看出,每个圆形之间都会有相应的重叠区域,且每个簇的面积都要明显大于图4中划分出的簇的面积。
图5 相交圆结构模型划分
图6所示为3种算法的网络生存期比较。由图中可以看出,在同一时刻,基于相交圆结构的改进GAF算法的存活节点比例要高于图1中所示的两种正方形结构的GAF算法。而两种正方形结构模型中,如图1 (b)的正方形结构模型的网络生存期要比图1 (a)的正方形结构模型的生存期长。这也就进一步说明了,当簇的面积增大时,可以延长网络的生存期。
图6 网络生存期比较
3种算法的节点平均能量消耗的比较如图7所示。在相同的实验环境中,改进算法的平均能量消耗最低。因此,基于相交圆结构的改进GAF 算法要优于正方形结构的GAF算法,这是由于相交圆结构增加了每个簇的面积,且利用中转节点使簇头间形成了多跳路由,从而减少了节点能耗,延长了网络生存期。
5 结束语
图7 节点平均能量消耗比较
根据传统GAF算法的基本思想,采用相交圆结构模型对监测区域进行划分,并在重叠区域中根据权值选择出中转节点。在簇头选择阶段,根据定义的簇头选择函数来进行簇头选择。改进算法有效的减少了节点能量消耗,延长了网络生存期。在改进GAF算法的基础上,如何使得网络生存期达到最大化[13];在实际应用中如何保证算法的收敛速度,如何减少通信干扰还需要进行进一步的研究。
[1]LI Shancang,ZHANG Kewang.Wireless sensor network principle and application[M].Beijing:China Machine Press,2008:120-123(in Chinese).[李珊仓,张克旺.无线传感器网络原理与应用[M].北京:机械工业出版社,2008:120-123.]
[2]LUO Xiaoyuan,YAN Yanlin,LI Shaobao.Topology control based on optimally rigid graph in wireless sensor network [J].Computer Networks,2013,57 (4):1037-1047.
[3]LIU Zhixin,DAI Lili,MA Kai.Balance energy-efficient and real-time with reliable communication protocol for wireless sensor network [J].China Universities of Posts and Telecommunications,2013,20 (1):37-46.
[4]JIANG Changjiang,SHI Weiren,TANG Xianlun,et al.Energybalanced unequal clustering routing protocol for wireless sensor networks[J].Journal of Software,2012,23 (5):1222-1232 (in Chinese).[蒋畅江,石为人,唐贤伦,等.能量均衡的无线传感器网络非均匀分簇路由协议 [J].软件学报,2012,23 (5):1222-1232.]
[5]JING Bo,ZHANG Jie,SUN Yong.Intelligent network sensors and wireless sensor networks[M].Beijing:National Defence Industry Press,2011:103-104 (in Chinese).[景博,张劼,孙勇.智能网络传感器与无线传感器网络 [M].北京:国防工业出版社,2011:103-104.]
[6]Halit Uster,Lin Hui.Integrated topology control and routing in wireless sensor networks for prolonged network lifetime[J].Ad Hoc Networks,2011,9 (5):835-851.
[7]WAN Chuanfei,DU Shangfeng.A hierarchical topology generation algorithm for wireless sensor networks[J].Chinese Journal of Sensors and Actuators,2010,23 (3):441-446(in Chinese).[万传飞,杜尚丰.一种应用于无线传感器网络的层次型拓扑结构生成算法[J].传感技术学报,2010,23 (3):441-446.]
[8]YANG Zejun,WANG Yinglong,ZHAO Fumeng.An improved cluster algorithm based on intersecting circle structure[C]//International Conference on Computer Supported Cooperative Work in Design.Wuhan:IEEE,2012:622-625.
[9]QI Xiaogang,QIU Chenxi.An improvement of GAF for lifetime elongation in wireless sensor networks[J].Journal of Convergence Information Technology,2010,5 (7):112-119.
[10]HU Changjun,YAO Shanhua.Clustering algorithm based on relay region for WSN [J].Computer Engineering and Applications,2012,48 (18):104-109 (in Chinese). [胡长俊,姚善化.无线传感器网络基于中转区域的分簇算法 [J].计算机工程与应用,2012,48 (18):104-109.]
[11]YU Chengbo,LI Hongbing,TAO Hongyan.Wireless sensor network practical tutorial[M].Beijing:Tsinghua University Press,2012:80-81 (in Chinese). [余成波,李洪兵,陶红艳.无线传感器网络实用教程 [M].北京:清华大学出版社,2012:80-81.]
[12]LIU Shu,LIU Linfeng,TAO Jun.Improved GAF algorithm with hexagon-based virtual infrastructure [J].Computer Technology and Development,2009,19 (1):39-42 (in Chinese). [刘曙,刘林峰,陶军.一种基于蜂窝结构的改进GAF算法 [J].计算机技术与发展,2009,19 (1):39-42.]
[13]Ouadoudi Zytoune,Youssef Fakhri,Driss Aboutajdine.Lifetime maximization algorithm in wireless sensor network [J].International Journal of Ad Hoc and Ubiquitous Computing,2010,6 (3):140-149.