无线传感网络中跨层传输优化策略

程明阳，陈 京，张明川，郑瑞娟，吴庆涛

(1.中国空空导弹研究院,河南 洛阳 471000；2.河南科技大学 信息工程学院,河南 洛阳 471023)

无线传感网络中跨层传输优化策略

程明阳1，陈 京2，张明川2，郑瑞娟2，吴庆涛2

(1.中国空空导弹研究院,河南 洛阳 471000；2.河南科技大学 信息工程学院,河南 洛阳 471023)

针对当前无线传感网络传输效率不高的问题，提出了一种无线传感网络传输优化策略。该策略基于跨层访问机制，利用网络各层之间虚拟的信息交互管道，实现层间信息的直接交互。引入自律计算思想和反馈机制，利用跨层访问获取网络各层状况，实现网络传输的自适应调节，达到提高网络传输效率的目的。仿真实验结果表明：本文提出的网络传输优化策略与传统的分层访问机制相比，在提高传输效率、均衡网络能耗以及提升网络整体性能等方面具有较好的效果。

传输优化；跨层访问；自适应；自律反馈

0 引言

无线传感器[1]主要应用在环境监测、军事控制等重要领域，但其节点资源有限，不能无限地使用。为了延长网络寿命，同时尽可能满足应用服务质量的一系列需求和网络拓扑的动态特性，应协调各层网络的所有特征参数，提高无线传感网络的整体性能。近年来，大多数无线传感网络采用跨层设计思想提高网络的整体性能[2-3]，跨层优化思想[4-5]使传统的各个独立层间的界限变得模糊，通过共享网络各子层的信息和交互各子层的相关参数，优化网络的整体性能。虽然跨层优化减弱了各子层之间的耦合性，但网络各子层的结构化和规律性消失，在进行网络动态实时优化的情况下，使网络整体的优化设计问题复杂化。

跨层优化设计主要是针对短期内的应用需求，进行网络优化改进。优化改进并非只对某一层进行优化，有时可能需要对整个系统进行重新设计，但重新设计整个系统需要大量的时间和成本，是不现实的。此外，进行跨层优化时可能对系统造成不可预测的结果，降低了灵活性、维护性和互操作性。

为了解决以上问题，学者们进行了很多相关研究。文献[6]基于蚁群优化的算法寻找最优路径，平衡网络能耗，提高网络整体性能。文献[7]通过合作路由层、数据链路层和传输层，采用静态路由协议，在传输层引入相对信息熵理论，提高数据传输的可靠性。文献[8]根据不同目标建立了3个目标成本函数，并设计网络数据传输延迟的上、下界，提高最优解的求解速度，得到网络生命期的最优解，降低了网络数据传输的延迟。

基于前期研究成果[9-12]，本文将跨层优化和自律计算[13]结合起来，通过网络各层之间虚拟的信息交互管道交互各层协议的参数信息，将有限的资源统一规划调度，应用于无线传感网络信息传输中，以提高网络的稳定性和自适应性。

1 跨层优化思想

传统分层设计具有各层之间相互独立、结构上下分开、灵活和易维护等优点。但是分层会使某些相同功能在不同层中重复出现，或者对于某些只需经过5层中的若干层就可以完成的操作，若经过全部的5层，则浪费了网络资源，产生额外的成本。为了解决上述问题，本文提出了一种新型的跨层访问思想。跨层访问机制与传统的分层方法相比，优点在于它不是着重追求某一层的优化效果，而是站在全局的角度找出达到各类性能优化的折衷点，以此提高整体网络性能。跨层优化并不是完全否定传统的分层模式，而是将层间的独立性模糊化，通过特定的管道交互各子层的相关参数信息，对有限资源进行合理分配，达到物尽其用的效果，提高整体网络性能。

图1 跨层优化的核心思想

跨层优化的核心思想是通过层间信息的有效交互，达到系统性能的整体优化，使网络能符合不同的业务需求[2]。有效地进行相邻层间的信息交互以及网络各子层之间参数的设置是跨层优化的关键。本文采用跨层优化的核心思想，如图1所示。

从图1可以看出：跨层优化技术打破了传统分层的约束，用统筹的方法从系统整体考虑问题。在设计跨层技术时，对于只需经过5层中的若干层就可以完成的操作，使用该管道进行各层信息实时交互，确保系统结合网络的现状和具体的需求进行全局自适应调整，选择性地设计所需要的层[14]，各子层对本层及其他层的变化选择相应的策略，并做出合理的响应。

2 跨层优化策略

跨层优化方法主要包含数学建模、问题分析和问题求解。数学建模是使用数学工具对网络各子网建模，问题分析和问题求解是通过优化理论和算法确定最优解。

物理层的主要功能是接收方以特定的方式成功地识别发送方发送的数据。数据链路层的主要功能是采用前向纠错编码机制、自动请求重传机制以及适当地调整发送功率准确接收数据。网络层的主要功能是尽最大努力交付数据报而不提供服务质量的承诺，负责路由的选择和寻址。传输层的主要功能是向其他层提供通信服务，属于面向通信部分的最高层，也属于用户功能中的最低层。应用层能够向其他层传递服务质量需求。各层间跨层优化设计如图2所示。

图2 各层间跨层优化设计

从图2中可以看出各层对应的接口及交互的信息。图2a是物理层上的跨层优化设计，物理层信息对数据链路层调整系统吞吐量等方面具有较大影响，同时数据链路层也可作为网络层路由选择的依据，影响传输层和应用层。图2b是数据链路层上的跨层优化设计，该层特有的自动请求重传机制和前向纠错机制可以被其他层利用，并进行信息交互。图2c是网络层上的跨层优化设计。在虚拟网络中进行信息交互时，网络层利用虚拟链路的状态确保数据在最优路径转发，传输层和应用层利用路由信息提高吞吐量。图2d是传输层上的跨层优化设计，利用从网络层、数据链路层及物理层传递过来的状态信息改善传输层的吞吐量。图2e是应用层上的跨层优化设计，应用层向其他层传递服务质量需求，从物理层或数据链路层获得的信道或链路状态信息帮助应用层调整其工作方式。基于各层间跨层优化可以提高网络利用率和系统吞吐量等网络整体性能。各层具体优化目标建模如下：

(Ⅰ)应用层的优化目标建模

应用层的优化目标是公平性、吞吐量和网络寿命等效用函数的加权和，即所谓的多目标优化问题。应用层的优化建模已有很多种研究方法，其中一种较典型的优化模型[15]为：

(1)

其中：Xs为源s的数据速率。α不同，公平性、吞吐量和网络寿命等效用函数也不同，用户效用同时取决于获得的资源及其代价和已占用的资源对其他用户的影响。

(Ⅱ)传输层的优化目标建模

传输层的优化目标是获得网络的最大吞吐量。网络的主要问题是拥塞控制，网络的吞吐量与通信子网负荷密切相关。拥塞控制问题的常用数学模型为：

(2)

(3)

(Ⅲ)网络层的优化目标建模

网络层的优化目标是路由的选择和寻址。可以用矩阵R表示网络中的路由问题，该矩阵定义为：

(4)

(Ⅳ)数据链路层的优化目标建模

数据链路层的优化目标是获得最优的调度策略，网络调度最优化问题[16]一般为：

(5)

s.t.cl∈C(pmax),∀l，

(6)

其中：链路l的权值用rl表示，在物理层链路容量c的限制条件用C(pmax)表示。一般只能使用次优解而非最优解的算法来解决这些问题，即所谓的NP-hard问题。

(Ⅴ)物理层的优化目标建模

物理层的优化目标是将提供的资源分配用于网络传输通道，物理层的一种典型的优化建模目标为：

maxU=U(S1(c1),…,Sn(cn))；

(7)

s.t.ci≤C,i=1,…,n，

(8)

其中：U为资源效用；Sj(cj)为服务提供者j获取的网络资源；C为网络资源。

3 传输优化策略

本文充分运用了自律计算中的上下文感知和推理技术，通过该技术传递信道参数并根据在信道中传递的参数更改自己的参数，以达到更好的优化目标。具体的优化方案如下：

实现自律反馈跨层访问的关键是通过自律计算的“四自”属性(即自配置、自恢复、自优化和自保护)、上下文感知和推理技术，使系统对未来态势具有一定的预见性。通过以上方式过滤、融合、推断和演化获得的数据，提高了系统鲁棒性。由于该环境是动态、开放、异构的复杂环境，首先，需要进行语法和语义的一致性处理，避免出现二义性问题；其次，在进行各层参数传递的同时，引入自适应机制，根据本层参数的变化和网络信道状况变化的情况自动调整并做出相应的有效动作，取得较好的处理效果。

跨层优化模糊了网络各子层的独立性，利用网络各层间虚拟的信息交互管道进行信息交互，优化了整体软件协议栈。联合设计使跨层优化更实用精确。跨层优化的决策取决于公平性、有效数据吞吐量、有效网络存活时间和传输延时最小化等无线传感网络参数信息[6]。本文采用对物理层和数据链路层联合优化，在数据链路层将信噪比和误码率考虑到数据吞吐量中。各层优化目标建模均是在上述建模基础之上的改进，具体建模方法如下：

(Ⅰ)应用层的优化目标建模

(9)

(Ⅱ)传输层的优化目标建模

(10)

(11)

(Ⅲ)网络层的优化目标建模

(Ⅳ)物理层和数据链路层联合优化目标建模

一般传输数据时最常用到的是物理层和数据链路层，所以将这两层进行联合优化，对外形成一个“超级层”。联合优化思想不用在层间增加任何新的接口，只需用原有的接口进行信息交互。对物理层和数据链路层进行联合优化，不仅省去了设置两层间的参数，同时保留了物理层和数据链路层的独立性，易于实现和维护，该“超级层”的优化目标建模为：

(12)

4 仿真结果及分析

4.1 仿真环境

采用MATLAB仿真对基于跨层设计的能效优化算法进行验证，仿真参数设置如表1所示。

表1 仿真参数设置

4.2 仿真结果分析

将本文提出的跨层传输优化策略与传统的分层访问机制进行比较，当跳数为1～5跳时，节能效率分别高出传统分层访问机制的19.53%、19.41%、19.78%、21.03%和21.12%。因此，在不同跳数情况下，使用自律反馈跨层访问机制与传统分层访问机制中节点的剩余能量总和比较，前者高出后者20%左右，能量效率明显提高。

表2 跨层传输优化策略与传统分层访问机制的跳数与收包率比较

本文提出的跨层传输优化策略和传统的分层访问机制的跳数与收包率的比较如表2所示。表2显示若没有任何同步措施的各节点，其收包率在复杂网络环境下经过多跳后趋于0，引入自律跨层访问充分利用“四自属性”和自适应机制后，收包率保持在99.5%左右，明显提高了网络的可靠性。

在不同网络接入流数量的情况下，进行系统吞吐量的比较，如图3所示。从图3中可以看到：系统吞吐量在开始阶段比较相近，随着发送数据的增加，跨层传输优化策略由于动态切换信道性能较好，最大程度降低了新添加流量对外界的干扰，所以表现出比传统的分层访问机制更好的优势。

在不同网络接入流数量的情况下，进行端到端时延的比较，如图4所示。各路由的端到端延迟性能在开始阶段由于网络中数据流较少而基本相同，随后，两种机制的端到端时延随着网络接入流数量的增加而增加。整体上，传统的分层访问机制的端到端时延较大，而本文提出的跨层传输优化策略由于能够找到跳数更短的路由而有效缩短了端到端时延。

图3 不同网络接入流数量下系统吞吐量的比较图4 不同网络接入流数量下端到端时延的比较

本文随机选取了30个数据源报道数据时，模拟从100 s到300 s的时间内，比较跨层传输优化策略和传统的分层访问机制的平均节点剩余能量，如图5所示。从图5可以看到：传统的分层访问机制的总体能量性能较差，这是由于功率增大导致网络中存在着较大的干扰，影响了数据的有效传输，造成信道干扰和碰撞，需要重传。而采用基于自律计算的跨层运输优化充分运用了“四自属性”和自适应机制，能够有效地跨越无用通道，找到最短路径，节省了节点的剩余能量。

图5 平均节点剩余能量

5 结束语

针对传统方法不能根据网络各层状态自适应调节传输策略问题，本文提出了基于跨层访问的传输优化策略，通过在网络各层间建立虚拟的交互管道，建立直接信息交互机制，并引入自律计算与反馈机制，根据网络状态实时调节传输策略。在跨层访问机制中引入自律计算，具有较好的自适应性，能够提升网络传输的性能。但是，对网络中即将发生的事情不能做出全面而系统的预测，这也是下一步需要研究和改进的地方。

[1] 周亮,肖婷婷,李广军.基于信赖域的无线传感器网络节点定位算法[J].电子科技大学学报,2014,43(5):674-677.

[2]BOUBICHE D E,BILAMI A,BOUBICHE S,et al.A cross-layer communication protocol with transmission power adjustment for energy saving in multi-hop mhWSNs[J].Wireless personal communications,2015,85(1):151-177.

[3] 曾园园,项慨.面向应急监控的无线传感器网络跨层通信设计[J].计算机应用研究,2012,29(10):3914-3918.

[4] ANITA C S,SURESH R M.Improving QoS routing in hybrid wireless mesh networks,using cross-layer interaction and MAC scheduling[J].Cybernetics and information technologies,2015,15(3):52-67.

[5] LI N,MARTINEZ J F,DIAZ V H.The balanced cross-layer design routing algorithm in wireless sensor networks using fuzzy logic[J].Journal of sensors,2015,15(8):19541-19559.

[6] 王洪元,刘志远,卜莹.基于蚁群优化算法的无线传感器网络跨层路由协议[J].常州大学学报(自然科学版),2014,26(2):32-37.

[7] 龙昭华,李吴,蒋贵全.无线传感器网络中一种优化的隐式跨层传输控制算法[J].传感器与微系统,2013,32(7):116-119.

[8] 柴群,吴小平,梁剑波.一种周期性无线传感器网络的跨层优化模型[J].电子技术应用,2015,41(5):126-129.

[9] 齐春辉，朱雪宏，李宗奎，等.无线传感器网络下MAC层实时性改进方法[J].河南科技大学学报(自然科学版)，2016，37(5)：29-32.

[10] 郑瑞娟,吴庆涛,张明川,等.一个基于自律计算的系统服务性能自优化机制[J].计算机研究与发展,2011,48(9):1676-1684.

[11] ZHANG M,WEI W,ZHENG R,et al.P-bRS:a physarum-based routing scheme for wireless sensor networks[J].The scientific world journal,2014,2014(1):1-7.

[12] ZHANG M,ZHENG R,WU Q,et al.B-iTRS:a bio-inspired trusted routing scheme for wireless sensor networks[J].Journal of sensors,2015,2015(10):1-8.

[13] 郑瑞娟,张明川,吴庆涛,等.基于信赖域的系统可信性自调节算法[J].河南科技大学学报(自然科学版),2010,31(4):28-30.

[14] TIAN J,ZHANG H,WU D,et al.Interference-aware cross-layer design for distributed video transmission in wireless networks[J].IEEE transactions on circuits and systems for video technology,2016,26(5):978-991.

[15] 刘斌.跨层优化技术在传感器网络中的研究与应用[D].太原:太原理工大学,2011.

[16] SASIKALA T,BHAGYAVENI M A,KUMAR V J S.Cross layered adaptive rate optimised error control coding for WSN[J].Wireless networks,2016,22(6):2071-2079.

国家自然科学基金项目(U1204614);河南省高校科技创新团队支持计划项目(14IRTSTHN021);河南省高校科技创新人才基金项目(14HASTIT045);河南科技大学科技创新团队培育基金项目(2015STD002)

程明阳(1978-),男,河南南阳人,高级工程师,硕士,主要从事自动化测试及光电技术方面的研究.

2016-07-01

1672-6871(2017)02-0035-06

10.15926/j.cnki.issn1672-6871.2017.02.007

TP393

A