基于节点双向选择的水声传感网络自适应能量优化分配

裴祥，任晓娜

基于节点双向选择的水声传感网络自适应能量优化分配

裴祥，任晓娜

针对水下传感器网络节点能量负载不均衡以及水下节点路径传输损耗过大等问题，为了平衡网络的节点能量分配，提高网络能量的利用效率，提出了一种基于节点双向选择的水声网络自适应能量优化分配算法。基于节点的剩余能量情况提出下一跳候选节点的双向选择方法，防止剩余能量过低的节点在传送数据时由于传输损耗过大而中止，充分考虑节点剩余能量和传输损耗之间的权衡，提出了最优转发节点的竞争公式，再通过比较候选节点的竞争值来选举最佳的下一跳节点。实验仿真表明，自适应能量优化分配算法能够有效地提高水下传感器网络的能量利用效率，并通过与对比算法组的比较证明了算法在能量优化上的有效性。

水下传感器网络；节点双向选择；自适应能量优化分配；竞争公式

0 引言

水下传感器网络是指通过不同重量的锚、不同高度的浮标、或者水下自主航行器等方式搭载不同功能的传感器，执行对水下、水面进行环境监测以及数据收集等任务。由于对石油、天然气等资源的需求量在不断加大，为了减轻陆地资源开采的负担，并合理利用海底丰富的自然资源，世界各国正在逐步加大力度进行海洋资源的探测和开发[1-2]。海洋水域辽阔，考虑到时间以及经济承受能力，采用水下航行器进行资源探测的代价太大，而水下传感器网络具有低能耗，覆盖范围大的特点，能通过节点之间的协作形成一个多跳自组织网络，将节点采集到的数据发送到基站，实时反馈网络所监测的海域的有效信息[3-4]。

Jugen Nie[5]提出基于遗传算法的水下无线传感器网络，通过同步传输机制和高效的路由算法实现节点间的负载平衡，有效地降低了网络的能量消耗。Abdul Wahid[6]考虑到水下深度对节点转发数据包的影响，提出一种高效节能的水下传感器网络地理转发路由协议（EEDBR），基于节点的空间位置和剩余能量来选择合适的转发节点，通过实现能量均衡从而延长网络的生命周期。Junfeng Xu[7]考虑到噪声并不是均匀分布于水下环境，在假设噪声衰减的情况下提出一种新的非对称多路径分离通信协议（AMDC）， 通过基于树的多路径规划以及节点的能量分布式优化方案，在提升水下网络能量效率上达到了一定效果。刘玉梁[8]等人提出一种基于驱动路由协议的能量优化路由协议，协议通过选优目标函数来得到节点数据转发的较优路径，有效利用剩余能量较大的节点，均衡节点能耗，提高水下网络的能量利用效率。Dario Pompili[9]等人提出一种水下传感器网络的多媒体跨层路由协议，针对水下传感器网络延迟敏感和延迟不敏感时的网络流量损失问题，通过开发一个分布式的跨层通信方案，有效地解决了高延迟情况下的带宽限制问题，有效地改善了网络吞吐容量和能量效率。

由于水下传感器节点部署环境的复杂性，只能通过电池来对节点进行供电，在电池能量有限的情况下，为了延长网络的生命周期，需要充分利用剩余能量较多的节点，防止能量较低的节点过早消亡，自适应能量优化分配算法充分考虑了源节点及其邻居节点的剩余能量情况来选取候选节点，使源节点不会误选剩余能量较少的邻居节点来转发数据。在考虑节点剩余能量的同时，为了防止数据转发过程中传输能耗过大，在候选节点当中选举最优的转发节点时，候选节点与源节点之间的链路距离因素也被考虑在内，从而得出候选节点间的竞争公式，在竞争公式中，节点剩余能量、传输损耗，链路距离都占有一定的权重，通过竞争值的比较方式来选取最优转发节点，不仅可以有效地平衡网络的整体负载情况，而且能够将网络的传输损耗情况加以控制。

1 网络模型

由于水下传播环境的复杂性，水下传感器的网络模型不同于陆地传感器的二维网络架构，而是通过节点部署在不同的水下深度构成一个三维网络，在本文中假设传感器节点通过不同重量的锚部署在不同的水深位置以及水面，具体部署方式借鉴于Dario Pompili[10]提出的水声网络部署模型。网络采用水声传感器来进行数据收发，节点转发模型如图1所示：

图1 节点转发模型

源节点Source通过选择合适的转发节点将数据传送到汇聚节点Sink。水下网络用有向图ς(G,L)表示，G={G1,...,Gn}表示三维网络的节点集合，eij∈L 表示节点i和j之间的链路，水声的平均传播速度为[10]，如公式（1）：其中a、b的取值跟海水的盐度有关，z表示网络部署的海下深度，c、d的取值跟海水介质有关。

水声传播损耗公式为[11-12]如公式（2）：

χ指水声的辐射系数，当声音的辐射方式为全向辐射方式时，χ=20，为水平辐射方式时，χ=10。α(f )表示吸收系数，单位为dB/m，d表示以米为单位的传输距离，A表示传输过程中产生的异常损耗，水声传播过程中的延迟时间t为：。水下信噪比如公式（3）：

SL是声源级，NL表示噪声电平，DI表示水下传感器的指向性指数，δ表示网络中的干扰节点数目。

2 自适应能量优化分配

为了有效利用剩余能量较大的节点，平衡网络节点负载，并选择传输能耗较低的节点路径，自适应能量优化分配算法先通过制定源节点与邻居节点之间的双向选择规则，来得到合适的候选节点，再通过候选节点之间的竞争来选出最优转发节点，达到网络能量合理分配，优化能量利用效率的目的。

2.1 转发节点的双向选择

设网络中每个节点的初始能量都相同，为Es，每个节点的感测半径都设为R，定义在节点Gi的感测半径内的邻居节点集合为节点的位置坐标用极坐标表示(ρ,ϕ,)θ表示，节点间的距离公式如公式（4）：

其中f(x)=f(ρsinϕcos θ,ρsin ϕsinθ,ρcosϕ)。

节点的剩余能量Ei是由初始能量减去总发射能量Etx和总接收能量Erx后得到的剩余能量，在已知发射功率的情况下可以求得总发射能量，而接收能量Erx可以通过与Etx在自由空间传播时的关系如公式（5）：

λ表示载波波长，G表示收发机的天线增益，M指对背景噪声干扰的补偿，RB这里表示比特速率。

假设当前节点Gi的剩余能量为Ei，由于水下传输损耗的存在，考虑到节点Gi的剩余能量可能不足以将数据传送到其感测半径内的较远节点，为了避免节点Gi在不考虑自身剩余能量的情况下误选了较远节点作为转发节点而导致数据传送失败，需要定义一个结合发送节点剩余能量因素的数据传输距离阈值dT。阈值dT能根据节点Gi的剩余能量的大小而变化，确保Gi的数据能够成功传送，提高能量利用效率。阈值dT的表达公式如公式（6）：

其中En表示发射器的运作能耗。当得到的阈值dT〉R ，表示在半径R范围内的节点都可以作为Gi候选的转发节点，Gi的剩余能量足以承受Gi将数据传送给半径范围R内的任何节点。当dT〈R ，此时节点Gi的数据传输半径限制在阈值dT范围内。

假设节点Gj为Gi在数据传输距离阈值dT范围内的候选节点，考虑到可能出现候选节点Gj的剩余能量较少，而且Gj的邻居节点较远的情况，当出现这种情况时，从Gi发送出去的数据很可能在还没达到目的节点时，就在转发节点处中止。因此不仅需要考虑Gi自身的传送能力，还需要考虑候选节点的传送能力，确保Gi选择的下一跳节点具备数据传输能力。假设Gj的剩余能量为Ej，用公式(6)计算Gj在传输距离阈值dT内是否有有邻居节点，但没有邻居节点时，Gj向Gi发送一组数据来退出Gi的候选节点名单，Gi在选择下一跳转发节点时就不会将Gj考虑在内。

2.2 能量优化分配

节点Gi在确定合适的候选节点之后，需要确定候选节点间的最优转发节点，最优转发节点的选择主要需考虑剩余能量和传输距离因素，选择剩余能量越大的节点，可以平衡节点间的能耗负担，防止剩余能量小的节点过早死亡，延长网络的生命周期；选取传输距离越短的节点，不仅可以减少数据传输过程中的能量损耗，也可以防止由于传输环境引起的误码率过大而导致数据包重传次数增多的问题，因为，数据包重传次数增多同样会给网络带来多余的能量负担。由于候选节点在网络中是随机部署的，为了选择最优的转发节点，需要权衡节点剩余能量与传输距离之间的关系。

对于分组负载为LP,FEC冗余为的数据包，可以求得数据包在传输过程中的误码率BER和在误码率BER下的数据包重传次数如公式（7）～（10）：

其中ΦΜ表示所采用的调制方案，表示节点的平均发射功率，NP指所发送的数据包的大小。其中LP指数据包的有效负载，指数据包的FEC冗余，指采用FEC技术的数据包错误率。Pc(l )是指节点与邻居节点之间的距离分布，PERmax指最大的数据包出错率。

假设每个数据包的发送能耗为EP，可以得到节点Gi将数据发送至候选节点Gj整个过程所消耗的能量如公式（11）：

其中dij表示Gi与Gj的距离。

为了得到最优的转发节点，假设候选节点间通过竞争值大小来比较，选出优胜者，以候选节点Gj为例，竞争值的计算公式如公式（12）：

在公式(7)中α表示能耗的权重系数，计算公式如公式（13）：

剩余节点能量越大，数据传输距离越短，能量消耗越少，则竞争值就越大。竞争值最大的节点当选节点Gj的最优转发节点。通过节点竞争来选取最优转发节点的方式，可以充分考虑到节点剩余能量以及当前的能耗情况，做到平衡网络负载，有效延长网络生命周期。

3 实验仿真与分析

在仿真实验中所采用的仿真工具为C++，在window系统下搭建仿真平台，在Core i5-650 CPU(主频3.2GHz )和4GB内存的PC机上运行，模拟的100个水下传感器节点随机部署在100m×100m×100m的正方体区域中，每个传感器节点的感测半径为50m，发射功率为0.5W，节点初始能量为20J，忽略处理器的能量损耗，水声传播速度为1500m/s，仿真运行时间为5h。对比组分别为文献[5]中Jugen Nie提出的基于遗传算法的水下传感器网络路由算法和文献[6]中Abdul Wahid提出的高效节能的水下传感器网络地理转发路由协议。

通过仿真实验的算法运行结果可以得到网络中节点的平均剩余能量，如图2所示：

图2 节点平均剩余能量情况

3种算法在同一仿真环境下共运行了5h，在运行过程中节点的剩余能量都随着运行时间的增加而逐渐减少。在整个运行过程中自适应能量优化分配算法的节点平均剩余能量都高于Jugen Nie和Abdul Wahid的算法。从图1可以得到，Jugen Nie的算法在运行结束时的节点平均剩余能量为9.01J，Abdul Wahid的算法为8.56J，自适应能量优化分配算法则为10.29J，相比前两种算法分别提升了14.2%、20.2%的能量效率。

为了分析在整个仿真过程中网络的能量消耗情况，以网络的能量消耗总量作为纵坐标，仿真运行时间作为横坐标，在相同的仿真条件下对3种算法进行编程并运行5h。对比3种算法的网络能量消耗总量，得到的网络能耗情况对比图如图3所示：

图3 网络能耗总量对比图

从网络消耗总量来看，采用基于节点双向选择的自适应能量优化分配算法的无线传感器网络所消耗的能量总量相比两种对比算法来说明显较少，平均每小时能耗为89.2J，Jugen Nie和Abdul Wahid的算法则分别为93.3J和96.9J。Jugen Nie的算法在运行了5h之后所消耗的能量总量为947J，Abdul Wahid的算法所消耗的能量总量为964J，自适应能量优化分配算法则为897J，相比Jugen Nie和Abdul Wahid的算法的能量消耗总量分别总94.7%、93.0%。

4 总结

能量优化问题是水下传感器网络的研究重点之一，本文提出一种基于节点双向选择的水声网络自适应能量优化分配算法，通过建立网络的三维模型对水下的传播环境进行了分析。考虑了源节点的剩余能量情况来选择合适的候选节点，再采用候选节点竞争的方式来选取最优的转发节点，在平衡网络能量分配的情况下尽可能地减少了网络的能量损耗。在实验仿真中分别与Jugen Nie和Abdul Wahid的算法进行了节点平均剩余能量和网络能耗总量的对比分析，证明了本文的自适应能量优化分配算法在提高网络能量利用效率上具有一定的有效性。

[1]魏志强,杨光,丛艳平.水下传感器网络安全研究[J]. 计算机学报,2012,35(8):1594-1606.

[2]吕超,王硕,谭民.水下移动无线传感器网络研究综述[J].控制与决策,2009,24(6): 801-807.

[3]郭忠文,罗汉江,洪锋, 等.水下无线传感器网络的研究进展[J].计算机研究与发展,2010,47(3): 377-389.

[4]洪璐,洪锋,李正宝,等.CT-TDMA:水下传感器网络高效TDMA 协议[J].通信学报,2012,33(2):164-174.

[5]Jugen Nie,Deshi Li,Yanyan Han.Optimization of Multiple Gateway Deployment for Underwater Acoustic Sensor Networks[J]. Computer Science and Information Systems,2011,8(4):1073-1095.

[6]Wahid A, Kim D. An Energy Efficient Localization-Free Routing Protocol for Underwater Wireless Sensor Networks[J].International Journal of Distributed Sensor Networks,2012,2012.

[7]Xu J, Li K, Min G. Asymmetric multi-path division communications in underwater acoustic networks with fading channels[J]. Journal of Computer and System Sciences,2013,79(2):269-278.

[8]刘玉梁,潘仲明.水下无线传感器网络能量路由协议的仿真研究[J]. 传感技术学报,2011,24(6):905-908.

[9]Pompili D, Akyildiz I F. A multimedia cross-layer protocol for underwater acoustic sensor networks[J]. IEEE Transactions on Wireless Communications, 2010, 9(9): 2924-2933.

[10]Pompili D, Melodia T,Akyildiz I F. Deployment analysis in underwater acoustic wireless sensor networks[C]//Proceedings of the 1st ACM international workshop on Underwater networks. ACM, 2006: 48-55.

[11]Robert, J. U. Principles of underwater sound.[M]New York: McGraw-Hill Book Company, 1983.

[12]Zhou Z, Peng Z, Cui J H, et al. Efficient multipath communication for time-critical applications in underwater acoustic sensor networks[J]. IEEE/ACM Transactions on Networking, 2011, 19(1): 28-41.

Hydroacoustic WSN Network Adaptive Optimization of Energy Distribution Based on the Node Two-way Choice

Pei Xiang1, Ren Xiaona2
(1.Department of Computer Engineering, Henan Polytechnic Institute, Nanyang 473000, China; 2. Network Center, Henan Polytechnic Institute, Nanyang 473000, China)

Aiming at the problems that network node energy load is imbalance and the path transmission loss of underwater node is too heavy in underwater sensor network, a hydroacoustic network adaptive optimization of energy distribution based on the node’s two-way choice is proposed in order to balance the energy distribution node network and improve the energy efficiency of the network. The method of next hop node’s two-way choice is proposed based on the residual energy of node. It can prevent the node with less energy left from being disrupted caused by transformation loss when the data are transmitted. It takes a full consideration of the trade-off between nodes remaining energy and transmission loss so as to propose the competition formula of optimal transforming node, and then selects the best next hop node by comparing the competing value of candidate nodes. The simulation results show that adaptive energy optimization allocation algorithm can effectively improve the energy efficiency of underwater sensor networks and prove the effectiveness of the algorithm on energy optimization by comparing with contrast algorithm group.

Underwater Sensor Networks; the Node Two-way Choice; Adaptive Optimization of Energy Distribution; Competition Formula

TP393

A

2015.01.19)

1007-757X(2015)04-0052-03

裴 祥（1984-），男，汉，重庆奉节人，河南工业职业技术学院，助教，硕士，研究方向：计算机软件技术、人工智能，南阳，473000

任晓娜（1981-），女，汉，河南南阳人，河南工业职业技术学院，讲师，硕士，研究方向：计算机应用，南阳，473000