LSM结合邻居干扰抵抗模型的传感器网络节点故障检测*

夏晓峰，　何常胜

(韶关学院 韶州师范分院，广东 韶关 512009)



LSM结合邻居干扰抵抗模型的传感器网络节点故障检测*

夏晓峰*，何常胜

(韶关学院 韶州师范分院，广东 韶关 512009)

针对大多数无线传感器网络(wireless sensor network, WSN)故障检测算法容错性较差的问题，提出一种基于链路切换机制(LSM)和邻居干扰抵抗模型的WSN节点故障检测算法.仿真实验从数据包分组传输率、控制负载、内存负载和故障恢复延迟四个方面评价该算法，结果表明，当节点传输功率提高至4 mW时，数据包传输率提高了5%以上，恢复延迟平均降低了4 ms左右，适用性非常好.相比现有的WSN故障检测算法，该算法取得了更好的性能.

无线传感器网络(WSN)；故障检测；容错性；电池能量；干扰抵抗模型；链路切换机制

无线传感器网络(WSN)已经广泛应用于监控不同区域的物理状况，例如地理区域、农业土地、办公楼、工业厂房和战场等.WSN受不同环境影响会产生不同类型故障，例如外部干扰和内部故障(电池故障、处理器故障和收发器故障等).在这些情况下，传感器发送的数据不能顺利传送给数据中心，没有实现部署WSN的目的，同时由于人工持续监控网络比较困难，因此WSN节点的故障处理能力和数据传输的适当次序显得非常重要[1].已经有很多研究者对WSN故障节点检测作了相关研究，例如，[2]提出了入侵故障容错路由方法，该方法可以提供更好的可靠性安全多路径路由，同时多路径选择被用来提高网络的耐受性和节约能源.不过网络容错较低，确定节点的活动或休眠状态较差.[3]提出两层传感器网络架构，其中一些中继节点作为高功率簇头，抵御节点故障.负载均衡路由提供容错用于传感器节点和中继节点的增强，限制最大能耗的中继节点.单高功率簇头带来了整体能耗的增加.为了使网络能无故障运行且增强网络容错能力，提出一种基于链路切换机制(LSM)和邻居干扰抵抗模型的无线传感器网络节点故障检测算法.主要贡献如下：1)根据节点电量和干扰等参数模拟节点活动状态来识别故障节点；2)设计基于节点电量和干扰模型的容错机制；3)无论什么时候，一个节点的电量低于阈值时，对邻居节点执行切换机制.如果邻居节点没有参与通信，动态调节邻居节点的功率.

1　提出的WSN节点故障检测算法

1.1链路切换

在活动窗口时间，当电池电量低于bth时节点间就会发生通信故障(该节点称为故障节点)，如图1所示.容错性通过监控故障节点电量且用其他链路代替故障链路来保证故障节点信息能有效传递[4].为了提高PDR和WSN的容错性，本文使用切换机制恢复故障节点的数据传输任务，提高活动节点数量和网络容错能力.故障节点传输的参数如下：源节点地址、sink节点地址、先前跳节点地址、下一跳节点地址和时间戳.有最高电量的邻居节点使用这些参数且对下一跳邻居节点建立路由从而恢复通信.算法1描述了链接切换过程.术语[5]：b[k]为第k个时间窗口故障节点的电量，bf为节点总电量，bth为电池电量阈值常量，n为邻居节点数量，RQ为请求数据包，RP为响应数据包，bph为最高电池电量.

算法：链接切换机制

1：b[k]←bf；

2：bth=a，a为常量；

3：fork=1 tondo

4： if b[k]

5：故障节点发送RQ数据包给所有n-1个邻居节点，除过下一跳邻居节点；

6：故障节点接收来自n-1个邻居节点响应数据包；

7：fori=1 ton-1 do

8： if bp[i]>bp[i+1] then

9：bth>bp[i]；

10：故障节点将链接切换参数发送给节点i；

11：节点i建立上跳节点到下跳节点的路由；

12： enf if

13：end for

14： end if

15：end for

1.2动态功率调整

当特定节点受到其他节点干扰时，它接收来自感兴趣节点的信号自然会衰减,且感兴趣节点传输的信息不能被准确接收[6].因为节点传输功率与距离成正比，所以分配给每个节点的传输半径应该能最小化该节点所能覆盖的最大节点数.如图2所示.

为了减少干扰信号，使用动态功率调整机制，在该机制中，节点功率根据节点处于不同状态而自动调整.如果节点希望传输数据包，则节点处于活动状态，如果节点等待接收数据包，则节点处于睡眠状态.假设节点在活动状态以最大功率传输数据包且在睡眠状态以最小功率接收数据包，最小功率足够保证正常链接.例如，如图3所示，比较来自节点B的干扰信号与来自感兴趣节点C的信号，干扰信号强度大大减弱，同时节点B以最小功率运行.

假设所有邻居节点以相同功率传输信号且接收感兴趣节点信号为S，根据[7]计算S/I：

(1)

式中S为节点k接收到感兴趣邻居节点的信号功率，I为其他邻居节点的信号功率总和.邻居节点的动态功率调整机制减少了重叠干扰的影响而不需考虑节点间的距离di.如果节点仅被允许在一个时间段传输信号，则可以避免同步传输.根据动态功率调整机制，来自睡眠状态节点的干扰信号Iid功率总小于没有使用功率调整机制的干扰信号I功率.因此使用动态功率调整机制的信噪比为

(2)

1.3故障恢复

在以下情况，WSN中的容错性机制提高了网络的使用寿命.(1)无论何时节点电量低于阈值，节点激活切换机制.(2)转换非感兴趣节点到睡眠状态降低了干扰.通过参数α控制切换机制，通过γ控制睡眠状态.系统管理员控制α和γ.集成模型增加了WSN中活动节点数量来抵抗由于节点低电量导致的通信失败或由于邻居节点干扰导致节点故障.例如，当由于节点电量低于阈值而出现大量故障节点时，α保持一个较高值，当节点遭受高干扰时，γ保持较高值.目的是在节点电量低和节点遭受干扰时保持较高数量的活动节点.

故障恢复数据库(Fault Recovery Database, FRD)[8]是存储与故障恢复相关的额外节点信息，活动节点根据故障恢复机制处理故障.故障恢复操作涉及的节点为故障节点的邻居节点.FRD包含参与故障节点恢复的每个节点的功率和邻居节点传输信号的时间戳.

2　仿真实验与分析

用C语言进行仿真实验，在配置为酷睿双核处理器、1.7 GHz主频、2 GB内存的 PC机上完成.

2.1仿真过程

根据以下输入完成仿真：l=1 000m,b=1 000m,N=[50-200]，bf=4mW,bdrain=[0.01mWperpacket],bth=0.1mW,β=3.0,r=350m,v=[0to24m/s],z=0.1ms,Trpkts=multipleof1 000BWsingle-hop=20Mbps.

评价以下4个性能参数：(1)数据包传输率(PDR).目的端接收的数据包数量比上发送端发送的数据包数量.(2)控制负载.需要识别故障节点的控制数据包数量且利用容错性模型使网络中故障节点无效，因此提高系统性能.(3)内存负载.参与故障恢复机制的所有节点需要存储在FRD中的平均比特位数据.(4)故障恢复延迟.故障恢复需要的平均时间.定义如下：

(3)

式中dh为切换机制的平均延迟，di为动态干扰抑制时间延迟，k为邻居节点数量.

2.2数据包传输率(PDR)

根据活动节点数量与故障节点数量的比值来评价PDR性能(节点传输功率设为2 mW).本文考虑三种情况：节点故障之前，节点故障后(要么电池低电量，要么来自邻居节点的干扰)和使用本文算法AFTBI后.本文算法的PDR高于FDWSN[1]的PDR，因为后者使用瞬态阶段故障检测故障节点，它没有考虑干扰情况.在AFTBI中，一旦算法确定了活动节点，则路由就十分稳定，因此提高了PDR.

图4显示当节点传输功率提高至4 mW时，PDR的曲线图.从图中可以看出，PDR得到了改进，因为依次增加电池电量阈值bth和节点最大电量之间的差距，活动节点的数量也不断增加.增加的活动节点数量提高了PDR.在FDWSN中使用相似阈值，但是PDR低于AFTBI算法中的PDR.因为FDWSN涉及比较邻居节点参数的一些迭代，且该算法假设节点电池电量充足，因此减少了活动节点数量，从而降低了PDR.

2.3控制负载

图5显示了随着节点数增加的控制负载曲线图.对给定传输功率2 mW，随着节点数量的增加，两种情况下的控制负载(控制数据包数量)不断增加.可以看出AFTBI和FDWSN的控制负载比没有使用容错机制的控制负载高.这是因为AFTBI算法需要额外控制数据包实现切换机制和动态功率调整机制.然而，控制负载的增加提高了系统的容错性且提高了PDR.FDWSN算法的控制负载比AFTBI控制负载高，因为FDWSN在瞬时故障检测过程中使用一些迭代收集邻居节点信息，从而检测故障节点，而在AFTBI没有该迭代过程.

2.4内存负载

图6显示了网络节点存储在FRD(比特位)中的额外内存负载，该负载是时间的函数.图7分别显示了传输功率为2 mW和4 mW，且节点数为60时，AFTBI和FDWSN算法内存负载曲线图.内存负载描述需要识别和恢复故障节点的平均比特位数量.

传感器节点拓扑分布和故障节点的邻居节点数量导致内存负载出现波动.在AFTBI算法中，较高传输功率(4 mW)的平均内存负载较低，因为存在较高的节点传输功率，所以与较低传输功率(2 mW)相比，活动节点的数可能比较多.针对较低传输功率，许多情况可能使得节点电量迅速降低且发生故障.AFTBI的内存负载低于FDWSN的内存负载，因为FDWSN需要更多内存来存储变化的参数.因此，AFTBI内存负载较小.

2.5恢复延迟

图7显示了100个节点和200个节点拓扑结构下AFTBI和FDWSN的恢复延迟.随着故障节点数的增加，延迟也逐渐增加.因为随着故障节点数的增加，恢复如此故障节点的时间也随之增加，且增加的时间不合理，因为可能存在距离超过3跳的故障节点导致同步故障恢复，因此降低了故障恢复延迟.增加延迟的存在与故障节点数有关，可能因为邻居节点变成故障节点且恢复机制以顺序方式执行.FDWSN的故障恢复延迟高于AFTBI的故障恢复延迟，因为FDWSN需要更多时间生成和计算瞬时故障矩阵，该矩阵需要时间冗余感知数据集.

本文提出使用电池电量模型和干扰模型设计一种基于活动节点的容错机制来识别WSN中的故障节点.当节点电量低于一个阈值时，使用切换机制.在切换机制中，故障节点从邻居节点中选择电量最高的节点来代替它完成数据传输任务.本文使用动态功率调整机制抵抗邻居节点的干扰.在分配时间段内，邻居节点动态调整它们的功率来降低它们对故障节点的影响.本文通过PDR、控制负载、内存负载和故障恢复延迟评价算法性能.实验结果显示本文算法性能优于FDWSN.

[1]刘广龙. 基于数据反馈的无线传感器网故障检测研究[D]. 西安：西安电子科技大学, 2014.

[2]CHALLAL Y, OUADJAOUT A, LASLA N, et al. Secure and efficient disjoint multipath construction for fault tolerant routing in wireless sensor networks[J]. Journal of Network and Computer Applications, 2011, 34(4): 1 380-1 397.

[3]MITRA S, DE SARKAR A. Energy aware fault tolerant framework in wireless sensor network[J]. Applications and Innovations in Mobile Computing, 2014, 30(7): 139-145.

[4]张士鉴, 韩国栋, 沈剑良，等. 基于故障链路缓存再利用的NoC容错路由算法[J]. 计算机辅助设计与图形学学报, 2014, 26(1): 131-137.

[5]KASHYAP A, KHULLER S, SHAYMAN M. Relay placement for fault tolerance in wireless networks in higher dimensions[J]. Computational Geometry, 2011, 44(4): 206-215.

[6]CHEN X, KIM Y, WANG B, et al. Fault-tolerant monitor placement for out-of-band wireless sensor network monitoring[J]. Ad Hoc Networks, 2012, 10(1):62-74.

[7]RAPPAORT TS. Wireless communication principles and practice[M].2nd ed. PHI Publishers，2004.

[8]YOON S, MURAWSKI R, EKICI E, et al. Adaptive channel hopping for interference robust wireless sensor networks[C]//IEEE International Conference on Communications. IEEE, 2010, 24(7): 1-5.

责任编辑：龙顺潮

Node Fault Detection for Sensor Network Based on LSM and Neighbor Interference Resistance Model

XIAXiao-feng*,HEChang-sheng

(Shaozhou Normal College of Shaoguan University, Shaoguan 512009 China)

As fault tolerance of general wireless sensor networks (WSN) fault detection is very poor, a fault-tolerant algorithm based on battery power and interference model is proposed. The toggle mechanism is used to enhance fault tolerance in low battery systems.The proposed algorithm is evaluated in four aspects of packet transmission rate, control load, memory load and recovery delayed.Simulation results show that the packet transmission rate is higher than that of FDWSN by around 5% when node transmission power increased to 4 mW, and the average delay recovery of the proposed algorithm is faster by about 4 ms. So the applicability is very good. The performance of the proposed algorithm is superior to traditional WSN fault detection algorithm.

wireless sensor network (WSN); fault detection; fault tolerance; battery power; interference model; link switching mechanism (LSM)

2015-06-23

韵关学院校级科研项目(SZSF20120301)

夏晓峰(1967-)，男，上海人，讲师. E-mail:xiaxiaofenggd@126.com.

TP393

A

1000-5900(2016)01-0101-05