基于感知网格的无线传感器网络动态采样策略*

赵　意, 陈　晓

(合肥工业大学 计算机与信息学院,安徽 合肥 230009)



基于感知网格的无线传感器网络动态采样策略*

赵意, 陈晓

(合肥工业大学 计算机与信息学院,安徽 合肥 230009)

摘要:在分析无线传感器网络时空相关性模型的基础上，提出一种基于感知网格的无线传感器网络动态采样策略。将监测区域划分为多个感知网格，感知网格内只有簇头节点保持活跃状态，当出现异常数据后再激活感知网格内其他节点来获得更详细的信息。该策略通过减少无线传感器节点之间相同的或相近的采样数据上传来降低冗余信息的传输。仿真结果表明:该策略显著提高了无线传感器网络能量效率。

关键词:无线传感器网络； 动态采样策略； 时空相关性模型； 感知网格

0引言

无线传感器网络(WSNs)技术的发展使得大规模长时间的信号测量成为可能，也越来越广泛地应用于各种领域，如结构健康监测、环境监测、医疗护理等[1～4]。大多数无线传感器节点，由于其应用环境的特殊性，不得不采用电池供电，而电池的容量有限，如果不能及时更换电池或者给电池充电，节点就会失效。能量有效性是无线传感器网络的关键性指标[5]。

分析表明无线传感器节点处理3 000条指令与将一位信息传输100 m所消耗的能量是相近的[6]。减少无线传感器节点能耗的方法，首先考虑的是减少节点单位时间内的数据传输量。由于采样信号存在时空相关性，无线传感器网络中存在大量相同的或相近的冗余信息，研究时空相关性理论来减少冗余信息的传输，对于提高无线传感器网络能量效率具有重要意义。另外，无线传感器网络用于复杂现象监测的实验结果表明,数据的采集和处理所需的能量并不一定远低于无线通信所需的能量。因此，无线传感器网络必须采取合理的采样策略来尽量降低传感器能量消耗。

传统的传感器连续采样方法采样误差小、控制流程简单，但存在采样点多、功耗大等缺点。文献[7]提出的传感器网络动态采样策略在满足测量需求的前提下减少了采样点，但每个采样周期内增加了一个额外的指令传输过程。本文提出一种基于感知网格的无线传感器网络动态采样策略。仿真结果表明:该策略减少了无线传感器节点冗余信息的传输，提高了无线传感器网络的能量效率。

1时空相关性模型

本文采用单一点源信号的时空相关性模型，如图1所示。在某个测量区域中，部署了N个传感器节点。目标信号为S(t)，系统可利用这N个传感器节点的采样数据来估计和重建目标信号。

图1　时空相关性模型Fig 1　Temporal correlation model

这里，用Xi(n)(i=1,2,…，N)表示节点i在时间点n所测量到的信号值，可以表示为

Xi(n)=Si(n)+Ni(n),

(1)

式中Ni(n)为噪声。传感器节点在上传采样数据之前，需要对采集到的数据进行压缩编码，减少数据发送总量以节约能耗,压缩后的采样信号为

Yi(n)=fi(Xi(n)).

(2)

(3)

(4)

2感知网格划分与时空相关性判断

利用空间相关性，可以将监测区域中的无线传感器节点划分成多个感知网格，感知网格内的所有节点之间都可以一跳通信。在同一个测量时间段，感知网格内只让一个节点处于活跃状态，其他节点处于休眠状态。感知网格的划分借鉴了AdHoc网络中的GAF[9](geographicaladaptivefidelity)算法。感知半径R与感知网格的边长r之间存在如下的关系

r2+r2+r2≤R2.

(5)

感知网格划分成功后，每个感知网格内只有簇头节点保持活跃状态，其他节点进入休眠模式。每个感知网格内的簇头节点独立运行DSI采样策略，DSI采样策略是一种基于时间相关性的动态采样策略，可以根据采样信号的变化趋势动态调整采样间隔，以较少的采样点满足测量需求。时空相关性判断流程如图2所示。

图2　时空相关性判断流程图Fig 2　Flow chart of temporal correlation decision

3DSI动态采样策略

3.1采样值上传策略

DSI采样策略是一种复合采样策略。只有当前采样值与最近一次无线上传的采样值之间的差值超过一定阈值时才将其无线上传，这里选定阈值为±Δ。相邻两次无线上传的采样值之间应满足

|xn-xn-1|=Δ.

(6)

DSI采样策略实际上只上传超过一定阈值的采样信息，体现了当前传输信息的重要程度，可以大大减少无线传感器节点的数据上传频度，降低能耗。实际采样过程中，考虑到当前采样值与最近一次无线上传的采样值之间的差值可能长时间无法超过阈值Δ，如当采样信号平稳变化时，会造成传感器节点长时间不上传数据。这里规定相邻两次无线上传的时间间隔内的采样次数上限为Nn，即第Nn次采样值与最近一次无线上传的采样值相比，差值无论是否超过阈值Δ均将第Nn次采样值无线上传。

3.2采集周期确定策略

(7)

当相邻两次无线上传的采样值之间的差值满足‖xn-xn-1|-Δ|≤μ(μ≪Δ)时，取第n+1个采集周期内的采样次数上限Nn+1=Nn-1，并且规定Nn+1的下限值为1，即当Nn-1=0时，取Nn+1=1；反之，当‖xn-xn-1|-Δ|>μ时，取Nn+1=Nn+1，并且规定Nn+1的上限值为Nmax，即当Nn+1>Nmax时，取Nn+1=Nmax；特别是，‖xn-xn-1|-Δ|远大于μ时，表明当前时间段内信号发生突然的扰动，为了获得更详细准确的信息，应提高采样频率，取Nn+1=Nmax。

3.3采样间隔确定策略

为了能更加及时准确地测量到下一个满足无线上传条件的采样点，第n个采集周期内的Nn(1≤Nn≤Nmax)次采样并非周期性采样，而是基于采样值均匀分布的原则，即

(8)

式中1≤Nn，且i,n均为正整数。为了使得采样值满足均匀分布的原则，必须确定恰当的采样间隔使得一个采集周期内相邻两次采样值之间的差值为Δ/Nn。基于当前信号采样值与时间相近的采样信息有更为紧密的关系，在制定采样间隔过程中引入负反馈调节的方法。具体策略如下

(9)

4仿真验证

在OPNET仿真工具下，验证本文提出的基于感知网格的无线传感器网络动态采样策略的性能，并且与传统周期采样策略作对比，分析了两种采样策略下传感器节点的能耗和异常数据错失率。仿真场景与参数设定如表1所示。

表1　仿真参数

仿真实验所需的采样信号选择某海平面温度数据，如图3所示。

图3　采样信号Fig 3　Sampling signal

如图4描述的是监测区域中传感器网络的能耗情况。基于感知网格的无线传感器网络动态采样策略，由于在大多数测量时间段内只有小部分节点处于活跃状态，能耗与周期采样策略相比低很多。随着异常数据占比增大，动态采样策略的能耗也逐渐增大。

图4　功耗与异常数据占比Fig 4　Power consumption and abnormal data proportion

如图5描述的是异常数据错失率情况。可以看出:当监测区域内传感器节点总数较少时，节点采用基于感知网格的无线传感器网络动态采样策略，处于活跃状态的节点数较少，异常数据错失率较高。

图5　异常数据错失率Fig 5　Abnormal data miss rate

5结论

本文在研究时空相关性模型的基础上，提出一种基于感知网格的无线传感器网络动态采样策略，该策略减少了无线传感器网络中冗余信息的传输。仿真结果表明:动态采样策略提高了无线传感器网络能量效率。

参考文献:

[1]Liu X,Cao J,Lai S,et al.Energy efficient clustering for WSNs-based structural health monitoring[C]∥Proceedings of the Conference on Computer Communications,INFOCOM’11,IEEE，2011:2768-2776.

[2]闫静杰，刘晓文，朱哓颖，等.基于无线传感器网络的井下水位监测监控系统设计[J].传感器与微系统，2008，29(12):73-75.

[3]Liu Y,He Y,Li M,et al.Does wireless sensor networks scale—A measurement study on green orbs[J].IEEE Transactions on Parallel and Distributed Systems，2013，24(10):1983-1993.

[4]Redondi A,Chirico M,Borsani L,et al.An integrated system based on wireless sensor networks for patient monitoring，localization and tracking[J].Ad Hoc Network，2013，11(1):39-53.

[5]李凤保，李凌.无线传感器网络技术综述[J].仪器仪表学报，2005，26(8):559-561.

[6]Suh Y S.Send-on-delta sensor data transmission with a linear predictor[J].Sensors，2007，7(4):537-547.

[7]李珂，吴晓培，吴跃，等.用于土壤湿度测量的传感器网络动态采样策略[J].电子测量与仪器学报，2011，25(4):338-342.

[8]Vuran M C,Zgur O.Spatio-temporal characteristics of point and field sources in wireless sensor networks[C]∥IEEE International Conference on Communications,2006:234-239.

[9]Xu Y,Heidemann J,Estrin D.Geography-informed energy conservation for Ad Hoc routing[C]∥Proceedings of the 7th Annual International Conference on Mobile Computing and Networking,ACM,2001:70-84.

赵意(1990-)，男，安徽合肥人，硕士研究生，主要研究方向为无线传感器网络、嵌入式系统。

Dynamic sampling strategy for wireless sensor networks based on sensing grid*

ZHAO Yi, CHEN Xiao

(School of Computer & Information,Hefei University of Technology,Hefei 230009,China)

Abstract:On the basis of analysis on wireless sensor networks(WSNs)temporal correlation model,a dynamic sampling strategy for WSNs based on sensing grid is proposed.The monitoring area is divided into multiple sensing grid,only cluster head node within grid remain active,when there is abnormal data,activate other nodes in sensing grid to obtain more detail information.By reducing the same or similar sampling data uploaded between WSNs nodes,the strategy can reduce the transmission of redundant information.Simulation results demonstrate that this strategy significantly improves energy efficiency of WSNs.

Key words:wireless sensor networks(WSNs); dynamic sampling strategy; temporal correlation model; sensing grid

作者简介:

中图分类号:TP 393

文献标识码:A

文章编号:1000—9787(2016)01—0022—03

*基金项目：国家自然科学基金资助项目(61370088)；国家国际科技合作专项项目(2014DFB10060)；国家物联网发展专项资金资助项目(工信部科〔2012〕583号 )；安徽省国际科技合作计划资助项目(1303063009)

收稿日期：2015—04—16

DOI:10.13873/J.1000—9787(2016)01—0022—03