基于ETLB-DEEC的精细农业无线传感器网络研究*

董丹丹,刘波峰*,董 曦,闪超星

(1.湖南大学机器人视觉与控制技术国家工程实验室,长沙 410082;2.无锡南泉矿山设备有限公司,江苏 无锡 214000;3.湖南大学电气与信息工程学院,长沙 410082)

基于ETLB-DEEC的精细农业无线传感器网络研究*

董丹丹1,刘波峰1*,董 曦2,闪超星3

(1.湖南大学机器人视觉与控制技术国家工程实验室,长沙 410082;2.无锡南泉矿山设备有限公司,江苏 无锡 214000;3.湖南大学电气与信息工程学院,长沙 410082)

无线传感器网络技术应用于精细农业信息获取与管理已成为一种趋势和必然,针对WSN在大规模农田种植监测领域中所面临的监测面积大、监测时间长、低功耗要求、地势复杂以及作物多样等问题,深入研究基于DEEC的等边三角形节点部署的负载均衡成簇协议ETLB-DEEC(Equilateral Triangle Load Balancing-DEEC),采用等边三角形网格节点部署方式与网络分区,提出“孤儿节点”和“收容节点”的概念。在此基础上,设计一种面向基站最短路径簇间多跳寻优机制,可找寻多条最短路径协议。仿真结果表明,改进的协议具备高效节省传感器节点数、实现全局网络负载均衡,提高网络能量利用率,延长WSN整体生命周期等功能和特点。

异构无线传感器网络;负载均衡成簇协议;等边三角形节点部署;精细农业;农田监测

在精细农业[1]中,远程信息的获取是目前需要攻克的一个难题。无线传感器网络技术应用于精细农业信息化已成为精细农业生产的发展趋势[2],可解决在传统农田种植方式中存在的数据获取难度大、传输不及时、资源投入高等问题。借助无线传感器网络,能实时获取农田土壤、作物和环境信息,准确地进行灌溉、施肥和喷洒农药,有效节约水资源,减少环境污染。但是如何解决无线传感器网络在精细农田应用中数量众多,分布密度高的传感器节点的实际部署问题,如何延长无线传感器网络生命周期,这些都亟待解决。

成簇协议是有效管理网络能耗以及改进整个网络性能的方法之一。LEACH[3]协议算法简单、成簇速度快,是典型的分布式成簇算法,其缺点是节点等概率的当选簇首,没有考虑节点的剩余能量,而且容易造成簇首分布不均匀。文献[4]改进了LEACH算法簇首分布不均匀的缺点,考虑了分簇后簇内的通信开销,簇首的选举概率直接和该节点的剩余能量相关,但是HEED只适合同构网络。文献[5]将节点以组织成链的形式,链的形成由每个节点或者基站计算得到,但是需要知道网络拓扑的全局信息。文献[6]分析正六边形、正四边形规则部署以及随机部署3种方式下覆盖率与节点间距离的关系,完全覆盖情况下放置节点的数量。

本文针对异构无线传感器网络,提出ETLB-DEEC协议,协议以DEEC[7](Distributed Energy-Efficient Clustering algorithm)算法为基础,结合等边三角形网格均匀部署传感器节点,将网络区域均分;选择簇首时,尽可能使每个区域都有簇首生成,提出了“孤儿节点”和“收容节点”的概念;簇首向基站传输数据,采用单跳和多跳结合的方式,找寻多条最短路径。改进后的协议,以低成本、节点便捷部署、低功耗与实际的环境适应性为目标,更好地适应面向精细农业的大规模无线传感器网络组织结构。

1 节点部署和DEEC算法分析

1.1 无线传感器网络节点部署分析

无线传感器网络在精细农业农田的实际监测应用中,传感器节点的位置和数量会影响系统的信息准确性和实时性,若传感器节点放置过多,会出现冗余,增加系统的能耗,网络成本增加。无线传感器网络首要解决的问题就是节点的部署问题。

本文所监测的对象是农田,农田覆盖范围广,每年也会翻耕,合理的节点部署不仅可以提高网络工作效率、优化网络性能,降低成本,更好的完成信息获取和传输数据[8]。针对这一问题,传感器节点的部署主要考虑网格部署。网格部署主要有正四边形部署,正六边形部署。

1.2 异构网络

为有效回收利用农田传感器节点,会在原有死亡节点的基础上布置新的,相比先前的节点,各节点就不可能均等地使用能量,传感器网络也会呈现出能量异构的特点。本文所采用协议的节点间传输数据的能耗取决于发送端节点与接收端节点之间的距离。当发送端发送lbit数据,传输距离为d时发送端节点消耗的能量为[9]:

(1)

接收端节点消耗的能量为:

ERx(l)=lEelec

(2)

式中:Eelec=50 nJ/bit为发送或接收单位比特电路消耗的能量;由于εfs和εamp已知,临界值d0约为87.7 m。εfs=10 pJ/(bit/m2)为自由空间模型中功率放大器能量消耗的比例系数,当发送距离小于时,采用自由空间模型;εamp=0.001 3 pJ(bit/m4)为多径衰落模型中功率放大器能量消耗的比例系数,当发送距离大于等于d0时,采用多路衰减模型。

1.3 DEEC算法分析

DEEC[7]是基于LEACH协议并且适用于多级能量异构网络的分布式能量有效分簇成簇算法,DEEC协议的簇首选举,使得初始能量较大的节点和剩余能量较大的节点选为簇首的机会增大,使簇首的选举能适应能量的变化,从而均衡网络的能耗,延长网络的稳定周期。文献[10]在DEEC的基础上,通过一个概率密度函数计算出每一个节点成为簇首的概率,使得网络生命周期最长且基站收到的数据包最多。

在LEACH协议中,节点每轮成为一次簇首,其中ni表示节点si的簇首选举周期,popt为优化簇首比例,ni和popt互为倒数,在DEEC协议中,节点初始能量在[E0,E0(1+αmax)]内随机分布,其中E0为初始能量下限,α是能量倍数。Ei(r)为节点i在第r轮的剩余能量,n为传感器节点总数,在第r轮中网络中的平均剩余能量[7]为:

(3)

节点成为簇首的概率为:

(4)

DEEC采用平均剩余能量的估算方法,用估算值代替实际网络中的平均剩余能量来计算节点的簇首选举概率。假设每个节点每轮中消耗的能量相同,Etotal为网络初始总能量,R为总网络生存时间的总轮数,第r轮的平均剩余能量估算值为[8]:

(5)

网络中每一轮选举的优化簇首数目为[11]:

(6)

DEEC协议和LEACH协议类似,每个轮转周期分为3个阶段:簇首选举、组织成簇阶段和簇的路由[12]。每一轮每个节点先根据pi的公式算出自身成为簇首的概率,然后产生一个0到1之间的随机数,如果节点产生的这个随机数小于这一轮设定的阈值T(si),则该节点被选为这一轮的簇首。然后该节点向周边其他节点广播“加入簇”(簇首的ID号及剩余能量)的消息,声明自己是簇首,其他的非簇首节点则根据所接收到的所有信号并选择最强信号的簇首作为自己的簇首,并发送加入簇请求,随后,簇首向簇内成员节点分配TDMA时隙并且广播。簇首不是固定的,在整个无线传感器网络生命周期内,每一轮网络都会重新在所有节点中选举簇首,每个存活节点都有可能被选为簇首。

在数据通信阶段,普通传感器节点在自己的时隙内将采集到的数据传送给所在的簇的簇首,然后,簇首将接收到的信息进行融合处理后,通过单跳的方式直接发送给基站。稳定阶段持续一段时间后,网络重新进入到簇的建立阶段,进行下一轮的簇重构,不断循环。阈值T(si)的计算公式[7]为:

(7)

式中:G为剩余的1/pi轮循环中未当选过簇首的节点的集合。

2 ETLB-DEEC协议

2.1 基于等边三角形网格的传感器节点部署

在农田区域覆盖中,要求区域中的每一点至少被一个无线传感器网络节点所覆盖,同时保证网络中各节点之间的通信连通性,并在满足覆盖和连通要求的前提下,尽可能减少所需节点数,传感器节点之间的重叠面积尽可能小,使网络成本最小。

图1 等边三角形节点部署

传感器节点按照图1所示网格部署。

每个节点的传感面积充分利用,实现整个农田区域S(L*M)无缝覆盖,假设N是网络所需最少节点数,R是节点传感半径,L为农田区域的长,M为农田区域的宽,保证覆盖率为1的情况下,需要放置的节点数N[6]至少为:

(8)

2.2 网络通信模型

本文中ETLB-DEEC协议采用的网络模型作如下假设:①所有传感器节点按照等边三角形网格部署,节点位置固定且具有临时的唯一编号和坐标;②传感器节点设定3种状态:“预备”、“工作”和“休眠”;③传感器节点初始能量在某区间内取值,能量有限,都具有数据融合的能力,传感器节点彼此可以相互通信;④基站位置固定且能量充足;⑤点通过信号强度来估计距离,能根据距离的远近调节发射功率。

2.3 网络分区

假设N个传感器节点按照等边三角形网格均匀分布在一个M×M的正方形区域内。不管是LEACH还是DEEC,在簇首选举时,会产生随机概率,虽然阈值T(si)能让传感器网络整个周期内平均每轮产生的簇首是均匀的,但依然会出现簇首分布不均匀的情况,甚至出现某一大片区域内没有一个簇首,图2为网络分区图,图2中,蓝色圆点代表簇首,×表示基站(Sink节点),白色圆点代表普通节点。C区域内的节点的能耗就会很大。针对这类情况,改进的算法将区域划分为面积相等的几个区域,区域划分大小和数量可以根据实际情况和需求调整,本文将网络划分为4个区域,用A、B、C、D表示。具体实现过程如下:

在簇首生成完成后,依次对每个区域生成的簇首数量进行统计,根据簇首的坐标确定簇首所在分区,例如簇首a的坐标axd=50,ayd=50,所以a在A区。统计每个区域簇首的数量,每个区域应至少有一个簇首,若某区域没有簇首,如图C区,则应给C区的节点再一次进行簇首生成的机会,若该区域在该次机会中生成了簇首,该簇首将加入到整个网络中,若没有生成,则不再给另外一次机会,簇首选举阶段结束。再一次的机会中,最后没有选出簇首的原因有很多,如概率问题,一个周期的最后两三轮,该区域所有的节点全都当选过簇首。

图2 网络分区

2.4 面向基站最短路径簇间多跳寻优机制

在DEEC算法中,簇内成员将收集的信息传给各自的簇首,簇首将簇内的数据融合后通过单跳的方式将这些数据传给基站,会使与基站距离越远的簇首能耗越大,不利于整个网络的能耗均衡。

改进的路由采用簇首面向基站方向的最短路径寻优方法,使用单跳和多跳相结合的方式,避免簇首直接单跳发送信息给基站,避免簇头间出现环路,从而减少簇首每轮的能耗,延长网络生命周期。算法具体步骤如下:

步骤1 簇首CHi在它周围找出其邻居簇首CHj,依次计算CHi到基站的距离,用di to Sink表示,CHj到基站的距离,用dj to Sink表示;

步骤2 判断;若CHi到基站的距离大于CHj到基站距离,即di to Sink>dj to Sink,表明CHj离基站更近一点。将CHi作为参考点,把dj to Sink小于di to Sink的点称为CHi的下一跳候选簇首CNCH(Candidate for the Next-hop Cluster Head),将该点的坐标信息记录到集合NCij(Next Cluster)中,并计算CHi到CHj的距离di to j,同样记录在集合NCij中;

步骤3 重复步骤2,直到找到所有满足要求的点,然后比较NCij中di to j的值,找出最小的min_di to j,那么该簇首就为簇首CHi的下一跳簇首节点NHCH(Next-Hop Cluster Head);

步骤4 若在步骤2中,不存在dj to Sink小于di to Sink的点,则表明该CHi的NHCH为基站,即该CHi直接和基站通信;

步骤5 重复步骤1,直到所有簇首都找到自己的NHCH,多条最短路径确认。具体流程如图3所示。

图3 ETLB-DEEC路由算法拓扑结构

2.5 “孤儿节点”和“收容节点”

在某些轮的组织成簇阶段,普通节点加入簇首过程中会出现一类节点,如图3中节点a到离其最近的簇首C的距离da to c大于节点a到基站的距离da to Sink,即da to c>da to Sink,定义在组织成簇阶段,普通节点到基站的距离小于该普通节点到簇首距离的节点a为“孤儿节点”,并且具有以下性质:①“孤儿节点”并非每轮都存在;②“孤儿节点”到基站的距离必然小于到离其最近的簇首节点的距离;③“孤儿节点”不能成为“收容节点”。

而“收容节点”定义为只接收“孤儿节点”发送的数据并把数据融合后发送给簇首的普通节点。“收容节点”具有以下性质:①“收容节点”必然是已经加入某个簇首的普通节点;②“收容节点”只能接受“孤儿节点”的数据,不能接收其他任何类型节点的数据。

LEACH和DEEC对类似“孤儿节点”的处理,都是让其加入到簇首C,那么这类节点的能耗会增大。本文对此类情况提出的一种改进方法:即不让“孤儿节点”加入“簇C”,具体的处理方法如下:①首先将所有普通节点标记为“0”,让满足datoc≤datoSink条件的节点加入到最近的簇首,形成簇,标记这些节点为“1”;②当网络中存在“孤儿节点”时,使“孤儿节点”寻找一个离自己最近的标记为“1”的普通节点,将自己的信息发送给该普通节点,该普通节点接收融合该节点信息,然后发送给普通节点的簇首,该普通节点即为“收容节点”,另外,标记加入“收容节点”的“孤儿节点”为“2”;③其他孤儿节点按照步骤2找到对应的“收容节点”,并标记自身为“2”,注意,孤儿节点只能找标记为“1”的普通节点作为“收容所”,“孤儿节点”本身不能成为其他“孤儿节点”的“收容节点”。

3 仿真结果分析

3.1 仿真参数设置

在MATLAB R2014a仿真环境下,分别对LEACH-M、DEEC和ETLB-DEEC算法,针对存活节点、网络能量消耗和数据传输量进行仿真,采用2组仿真。其中相同的参数如下:无线传感器网络区域大小:200 m×200 m;基站坐标:(100,200);传感器节点总数:126;节点之间的距离:20 m;节点每次发送数据包大小:4 000 bit;εfs:10 pJ/(bit·m2);εamp:0.001 3 pJ/(bit·m2);最大仿真轮数:5 000。

由于多级能量异构表示节点的初始能量包含多种不同的取值,为避免实验数据的偶然性,进行了2组且在两种不同初始能量取值区间条件下[13]的仿真。第1组,取值区间[0.5,1.5],其仿真结果如图5(a)、图6(a)、图7(a)所示;第2组,取值区间[1,2],其仿真结果如图5(b)、图6(b)、图7(b)所示。

3.2 仿真结果与分析

3.2.1 网络节点部署运行

图4为ETLB-DEEC等边三角形网格节点部署运行图。“○”代表普通节点,“●”代表簇首,经过多次仿真可知,簇首相对比较均匀的分布在网络中,基本不会出现1/4以上区域没有簇首的情况。

图4 ETLB-DEEC等边三角形网格节点部署运行图

3.2.2 ETLB-DEEC与LEACH-M、DEEC协议性能仿真比较

①能量有效性的比较

为防止因随机性造成的不同的总能量而带来的影响,让所有网络的初始总能量都相同。图5给出了3种协议在各自一个网络生命周期内的两组仿真实验:网络运行时间和存活节点数量的关系,它们有共同的特征:ETLB-DEEC在较大轮数才逐渐出现死亡节点,说明ETLB-DEEC的网络生命周期明显比LEACH-M和DEEC长。

图5 运行时间与存活节点数的关系

表1为两组仿真节点死亡时间对照表,列出了第1个、10%、30%、50%、70%和90%的死亡节点出现的轮数。网络每轮的簇首选举并非固定,普通节点会受到数据传输距离过长等诸多原因影响,导致网络中出现的第1个死亡节点不一定就是当前轮的簇首。若刚好第1个死亡节点是某个簇首,该簇不能完成当前轮转周期,该簇普通节点收集的信息不能及时发送给基站或造成数据丢失,当下一轮开始时,会进行簇重构,直到所有节点死亡,网络生命周期结束。

表1 节点死亡时间对照表

从表1中可以看出,第1组仿真中,ETLB-DEEC第1个死亡节点出现的时间比DEEC晚172轮,比LEACH-M晚269轮,10%死亡节点出现的时间比DEEC晚343轮,比LEACH-M晚321轮;第2组中,ETLB-DEEC第1个死亡节点出现的时间比DEEC晚289轮,比LEACH-M晚370轮,10%死亡节点出现的时间比DEEC晚753轮,比LEACH-M晚791轮。多次仿真结果表明:由于ETLB-DEEC采用网络分区,让簇首分布更均匀,“孤儿节点”将数据传给“收容节点”,避免“孤儿节点”直接传输信息给簇首,延长网络第1个死亡节点出现的时间,也延长了网络生命周期。

图6为两组仿真实验的网络能耗曲线,它们有共同的特征:随着轮数的增加,能耗逐渐耗尽,且ETLB-DEEC的能耗斜率相对于DEEC和LEACH-M都较小,说明ETLB-DEEC能量消耗比DEEC和LEACH-M要少。图6(a)中,DEEC在2 600轮左右能量基本耗尽,LEACH-M在2 900轮左右,而ETLB-DEEC在3 500轮左右。图6(b)中,DEEC在2 900轮左右能量基本耗尽,LEACH-M在3 200轮左右,而ETLB-DEEC在3 900轮左右。相比DEEC和LEACH-M,ETLB-DEEC降低了网络的能耗,能量有效性更优。

图6 运行时间与网络能量消耗的关系

图7 运行时间与数据传输总量的关系

②网络吞吐量的比较

图7是运行时间与数据传输总量的关系图,图7中,比较了3种协议随着网络运行时间的延长,基站收到的数据总量的变化情况,在网络的一个生命周期内,图7(a)中,ETLB-DEEC中基站收到的数据总量是DEEC的2.29倍、是LEACH-M的2.18倍。图7(b)中,ETLB-DEEC中基站收到的数据总量是DEEC的2.10倍、是LEACH-M的1.98倍。

4 结论

本文针对DEEC负载不均衡问题,以良好的环境适应性、低成本和低功耗为目标,研究面向精细农业的WSN,提出了基于DEEC的等边三角形节点部署的负载均衡算法。在ETLB-DEEC协议中,等边三角形网格节点部署的方式方便实际传感器节点的部署,减少节点数量,并在低成本节点部署的基础上,对DEEC协议进行了改进,将网络分区,使得簇首分布更加均匀,“孤儿节点”和“收容节点”的提出,延长了网络第1个死亡节点的时间,同时,采用簇头面向基站方向的最短路径寻优方法,减少了簇首每轮的能耗,延长了网络生命周期。仿真结果表明,ETLB-DEEC与DEEC和LEACH-M协议相比有更好的性能,使WSN更好地为精细农业服务,贯彻新修订的《农药管理条例》的实施,实现科学施肥、灌溉和施药,为我国粮食作物安全与高产提供了一种可靠的技术手段。

[1] 张伟. 面向精细农业的无线传感器网络关键技术研究[D]. 杭州:浙江大学农业电气化与自动化系,2013.

[2] 黄欣,赵志刚,万荣泽. 面向精细农业的无线传感器网络关键技术研究[J]. 农机化研究,2017,(11):208-211.

[3] Heinzelman W B,Chandrakasan A P,Balakrishnan P. An Application-Specific Protocol Architecture for Wireless Microsensor Networks[J]. IEEE Transactions on Wireless Communications,2002,4(1):660-670.

[4] Younis O,Fahmy S. HEED:A Hybrid,Energy-Efficient,Distributed Clustering Approach for Ad Hoc Sensor Networks[J]. IEEE Transactions on Mobile Computing,2004,3(4):660-669.

[5] Lindsey S,Raghavendra C S. PEGASIS:Power-Efficient Gathering in Sensor Information Systems[J]. IEEE Aerospace Conference Proceedings,2002,13(9):1125-1130.

[6] 孙玉文. 基于无线传感器网络的农田环境监测系统研究与实现[D]. 南京:南京农业大学农业电气化与自动化系,2013.

[7] Li Qing,Zhu Qingxin,Wang Mingwen. Design of a Distributed Energy-Efficient Clustering Algorithm for Heterogeneous Wireless Sensor Networks[J]. Computer Communications,2006,(29):2230-2237.

[8] Subir Halder,Amrita Ghosal,Sipra Das Bit. A Pre-Determined Node Deployment Strategy to Prolong Network Lifetime in Wireless Sensor Network[J]. Computer Communications,2011,34(11):1294-1306.

[9] Intanagonwiwat C,Goxindan R,Estrin D. Directed Diffusion:A Scalable and Robust Conmmunication Paradigm for Sensor Networks[C]//Proceedings of the 6th Annual ACM/IEEE International Conference on Mobile Computing and Networking,August,2000:56-67.

[10] Sander Ali Khowaja,Iqra Kanwal Lakho,Lachhman Das Dhomeja. Extending Network Life Time of WSN Through an Optimal Number of Aggregator Nodes for Data Aggregation Protocols[M]. Springer International Publishing Switzerland,2014:109-120.

[11] Samayveer Singh,Aruna Malik,Rajeev Kumar. Energy Efficient Heterogeneous DEEC Protocol for Enhancing Lifetime in WSNs[J]. Engineering Science and Technology,an International Journal,2017,(20):345-353.

[12] 叶继华,王文,江爱文. 一种基于LEACH的异构WSN能量均衡成簇协议[J]. 传感技术学报,2015,28(12):1853-1860.

[13] 郑志明,郑燕娥,李智仁. 一种基于DEEC的异构节能分簇改进算法[J]. 西华大学学报(自然科学版),2016(1):85-88.

ResearchofWirelessSensorNetworksforPrecision
AgricultureBasedonETLB-DEEC*

DONGDandan1,LIUBofeng1*,DONGXi2,SHANChaoxing3

(1.National Engineering Laboratory of Robot Vision and Control Technology of Hunan University,Changsha 410082,China;2.Wuxi Nanquan Mining equipment Limited Company,Wuxi Jiangsu 214000,China;3.College of Electrical and Information Engineering,Hunan University,Changsha 410082,China)

Nowadays,applying acquisition and management information of wireless sensor networks technology has become a inevitable trade of precision agriculture. For large-scale farmland planting monitoring area,challenges are the requirement of detecting large-scale,long time detection,complex terrain,lower power achievement and species diversity. This article is thoroughly talking about ETLB-DEEC which can solve the above problems by using“Orphan Node”and“Asylum Node”,and applying node deployment with equilateral triangle grid and network division tactics. Based on ETLB-DEEC,a base oration design of shortest path between each cluster multi-hop optimization mechanism has been discussed,which can find multiple shortest path. The simulation proved that ETLB-DEEC can effectively save the quantity of sensors and can realize load balance of the whole network,which also improve the usage efficiency of network power and extend the lifetime of the WSN.

heterogeneous wireless sensor networks;load balancing clustering protocol;equilateral triangle nodes deploying;precision agriculture;farmland monitoring

10.3969/j.issn.1004-1699.2017.12.023

项目来源:国家自然科学基金项目(61471167)

2017-06-07修改日期2017-08-12

TP393;S24

A

1004-1699(2017)12-1918-07

董丹丹(1992-),女,湖南常德人,硕士研究生,研究方向为无线传感器网络技术,584751750@qq.com;

刘波峰(1962-),男,硕士研究生导师,主要从事仪器科学、自动化检测装置,无线传感网络,新能源分布式发电,智能电网等方向的研究工作,liubofeng1980@126.com。