基于无线传感器能量消耗的智慧农业异构网络优化

周原　温金芳

摘要：针对智慧农业中无线传感器异构网络的特点，采用能量消耗方法优化，首先给出无线传感器网络结构模型、能量模型；然后随机窗口决策避免大量用户同时选择同一时延间隔发送切换请求；最后通过基于能量消耗网络簇首最优数目进行用户负载动态均衡化和平均剩余能量估计，剩余能量大的节点有较短的选举周期，剩余能量小的节点有较长的选举周期，这样能够充分平衡网络中能量的消耗。试验仿真结果显示，无线传感器能量消耗来进行簇首轮换，使网络能量均匀消耗，延长网络的生存时间，提升节点的适应性。

关键词：异构网络；能量；簇首；负载；无线传感器

中图分类号： TP393；S126 文献标志码： A 文章编号：1002-1302（2016）07-0425-03

无线传感器伴随着能慧农业的发展越来越得到广泛的使用，比如英特尔公司在俄勒冈州建立了第一个无线葡糖园，传感器被分布在葡萄园的每个角落，对葡萄生长温室内光照、温度、湿度、二氧化碳浓度等环境情况进行实时监测调控，这些信息有助于开展有效的灌溉和喷洒农药，进而降低成本和确保农场获得高效益。但是如何降低网络能耗，设计能量有效的协议，以适应传感器网络的特点，进而延长无线传感器网络的生命周期是目前学者研究的热点[1-2]。

能量异构是目前智慧农业使用传感器的主要方式，通信中暂时链路失败或者区域的地形特点等随机事件的影响，每个节点不可能均等地使用其能量[3-5]。传统路由的设计主要是为了优化服务质量，并且节点多采用电源供电的方式，节点的供电不会受到限制。而无线传感器网络多数由无人看守的节点组成，一般采用电池供电的方式，因此路由协议的设计必需考虑能耗问题，以确保网络寿命的最大化[6]。WSN设计基于同构的网络，而无线传感器网络是动态的自组织网络，节点的位置分布在很多情况下都是随机的，节点间通过多跳路径来传输数据，随着节点能量的耗尽，部分传感器节点会退出网络[7]。卿利、朱清新等提出了DEEC算法，该算法同时考虑了网络的异构性和节点的剩余能量。IntServ需要建立端到端连接的基于资源预留的方法，由于传感器节点受资源的限制，无法管理每一连接的状态信息，且不太可能在远距离端点间建立起持久通路[8]。本研究采用能量消耗对异构网络优化，给出无线传感器网络结构模型、能量模型，以及随机窗口决策避免大量用户同时选择同一时延间隔发送切换请求，通过基于能量消耗网络簇首最优数目，用户负载动态均衡化和平均剩余能量估计值过程。试验仿真结果显示，无线传感器能量消耗来进行簇首轮换，使网络能量均匀消耗，延长网络的生存时间，提升节点的适应性。

1 无线传感器异构网络模型

1.1 异构传感器网络的结构模型

假定网络中有n个节点均匀分布在区域中，基站汇接点位于网络中间位置，假定网络中的分布节点处于静止不动状态。异构传感器网络中不同节点具有不同的通信能力；不同节点具有不同的运动速度；不同节点具有不同的消息存储能力，即存储队列长度不同；监控不同对象的节点获得的数据消息大小不同[9]。异构传感器网络包含有普通节点和高级节点2种节点，设普通节点的初始能量为E0，m是高级节点在所有节点中所占的比例，α是高级节点的初始能量多于普通节点能量的倍数，则异构网络中所有节点的总能量为n（1-m）E0+nm（1+α）E0=n（1+α）E0，网络中的相对于同构网络增加αm倍。在异构传感器网络中每个节点的覆盖半径为r，探测区域内所有节点都在同一个平面内，节点的初始布置是随机的，所有节点可获取自身位置[10]。

1.2 无线传感器网络能量模型

假设节点在距离为d的情况下发送L数据消耗的能量为：

式中：Eelec表示发送或接收每比特数据时的能量消耗；εfs为 d≤d0时的发送电路放大系数；εmp为d>d0时的发送电路放大系数；εfs·d2和εmp·d4为发送每比特数据放大器的能量消耗；d0为阈值，当发送节点与接收节点的距离小于d0时，发送方发送数据的能量损耗与距离的平方成正比，否则与距离的4次方成正比[11]。

1.3 随机窗口决策

由于各无线接入系统对时隙长度不相同，定义Δ为不同时隙长度的公约数，对于实时业务用户，其时间窗口被分为s个时间间隔：

s=T/Δ。

（2）

当切换用户i产生一个随机时延t后，将经历一个时延间隔后发起切换请求，该时间间隔为[ti/Δ]。 假设有f个实时业务用户在同一时刻发起切换请求[12]，ξ表示事件，当前用户所选择的时延间隔没有发生“碰撞”，因此可式中：nopt是网络簇首选举的参考周期，节点的剩余能量越大，其选举周期相对于参考周期就缩短相应的比例；同样节点剩余能量越小，其选举周期就增大原来相应的比例。剩余能量大的节点有较短的选举周期，剩余能量小的节点有较长的选举周期，这样能够充分平衡网络中能量的消耗。

3 试验仿真

通过MATLAB下的仿真试验，对比其他算法来衡量算法的性能。假设有150个节点的异构无线传感器网络，考虑到农田环境中有干扰的存在，每个节点的初始能量为E0（1+αi），αi随机分布于[0，1]区间，并保持起始总能量为一定值，所有节点随机地分布在1个100 m ×100 m的正方形区域内。假设基站位于该农田中的中心，同时具有理想的链路层协议，忽略信号碰撞和无线信道干扰。试验采用的能量和无线电路参数如下：E0=0.7 J，Eelec=40 nJ/b，EDA=40 nJ/（b·个），εfs=9 pJ·m2/b，εmp=0.001 5 pJ·m4/b。

图2给出了高级节点m、高级节点能量系数α与网络生存时间的关系。从图2可以看出，节点的剩余能量决定节点的簇首选举概率，剩余能量多的节点拥有较大的簇首选举概率，剩余能量大的节点有较短的选举周期，剩余能量小的节点有较长的选举周期，较高初始能量和剩余能量的节点比低能量节点拥有更多的机会成为簇首节点，从而使网络能量均匀消耗，延长网络的生存时间，提升了节点适应性。

为了比较不同的算法能量有效性，图3给出了不同算法的网络生存周期比较。

从图3的仿真结果中看出，WSN算法的网络存在周期比较短，DEEC算法不能很好地利用异构节点带来的额外能量，其稳定周期很短，节点按照固定的速率死掉，网络存在周期短，本研究算法由于对具有不同初始能量的节点区别对待，从而获得了比DEEC算法和WSN算法更长的稳定周期和更多的有效数据量算法的能量消耗均衡性，且从开始出现失效节点到所有节点失效的时间跨度最小，跨度越小，标志着整个网络的能量使用率越高。

4 总结

本研究采用能量消耗对异构网络优化，给出无线传感器网络结构模型、能量模型，以及随机窗口决策避免大量用户同时选择同一时延间隔发送切换请求，通过基于能量消耗网络簇首最优数目，用户负载动态均衡化和平均剩余能量估计值过程。试验仿真结果显示，无线传感器能量消耗来进行簇首轮换，使网络能量均匀消耗，延长网络的生存时间，提升节点的适应性，促进智慧农业发展。

参考文献：

[1]葛文杰，赵春江. 农业物联网研究与应用现状及发展对策研究[J]. 农业机械学报，2014，45（7）：222-230，277.

[2]张铁民，李辉辉，陈大为，等. 多源传感器信息融合的农用小车路径跟踪导航系统[J]. 农业机械学报，2015，46（3）：37-42.

[3]张春花，刘方爱，申志远. 一种新的异构无线传感器网络分簇算法[J]. 传感器与微系统，2013，32（6）：143-146.

[4]杨 勇，夏士雄，周 勇. WSN中能量有效的分层协作覆盖模型[J]. 软件学报，2012，23（10）：2783-2794.

[5]于春娣，丁 勇，李 伟，等. 一种能量有效的WSN目标跟踪动态协同自组织算法[J]. 传感技术学报，2012，25（11）：1577-1583.

[6]唐 琳，吴 际. 异构多媒体传感器网络服务质量研究[J]. 电子与信息学报，2013，35（4）：965-969.

[7]余良俊，汪小志，刘志刚，等. 基于ARM与ZigBee的温室环境无线监控系统设计[J]. 农机化研究，2015，（7）：97-100.

[8]黎 昂，曾利军，谭 艳. 近邻中继节点在异构网络中的分簇部署策略[J]. 计算机科学，2013，40（1）：45-48.

[9]尹建月. 异构传感器网络分簇路由算法研究[D]. 哈尔滨：哈尔滨工业大学，2011：20-45.

[10]李士军，温 竹，宫 鹤，等. 无线传感器网络在农业中的应用进展[J]. 浙江农业学报，2014，26（6）：1715-1720.

[11]刘 唐，彭 舰，杨 进. 异构延迟容忍移动传感器网络中基于转发概率的数据传输[J]. 软件学报，2013，24（2）：215-229.

[12]单慧勇，刘中一，田云臣. 集成传感器射流清洁的水产养殖环境监测系统设计[J]. 江苏农业科学，2015，43（7）：429-430.

[13]焦 毅，易克初，马懋德，等. 基于QoS感知的异构无线网络负载均衡算法[J]. 吉林大学学报：工学版，2013，43（3）：794-800.

[14]刘乃森，倪 军，董继飞，等. 多光谱作物生长传感器温度特性试验[J]. 农业工程学报，2014，21（21）：157-164.

[15]石文孝，张 阁，王继红，等. 基于网格的异构无线网络负载均衡算法[J]. 吉林大学学报：工学版，2013，43（5）：788-793.

[16]宋庆恒，刘英德，马 源，等. 基于多传感器数据融合的温室温湿度控制系统设计[J]. 江苏农业科学，2015，43（6）：394-396.