基于超宽带集中管控机制的物联网数据传输算法

2019-03-08王红林

井冈山大学学报(自然科学版) 2019年1期

周创，王红林

*周创，王红林

（安徽国防科技职业学院，安徽，六安 237011）

针对当前物联网数据传输算法存在链路稳定性差、传输性能不高等不足，提出了一种基于超宽带集中管控机制的物联网数据传输算法（Data Transmission algorithm of IOT based on UWB centralized control mechanism，UWB-CC算法）。首先，通过能量冗余机制对网络节点进行初次筛选，并采用能量最优原则进行区域划分，实现物联网数据的分区传输及性能维护；随后，考虑到传统算法难以实现区域节点更新的不足，通过节点能力阈值筛选方法，实现对区域节点-普通物联网节点的次区域组网，提高普通物联网节点的数据上传能力，降低分割节点（Partition Node，PN节点）因故障而导致区域上传瘫痪的概率；最后，采取综合评估分割节点性能与区域传输性能的方式，对中继传输节点进行优选，从而提高链路传输能力，减少链路抖动对传输性能的不利影响，能够同时实现带宽管控及区域分割-固定-链路稳定的一体化集中管控。仿真实验表明：与当前常用的区域流量汇聚上传算法（Upload algorithm for regional traffic aggregation，RTA算法）及成型度汇聚分割传输算法（Segmentation and transmission algorithm based on degree of convergence，STDC算法）相比，本文算法具备更高的汇聚带宽与信道容量，以及更低的传输抖动率。

物联网；数据传输；能量冗余；次区域组网；分割节点；链路抖动

0 引言

随着以工业化4.0为代表的新技术不断发展，当前物联网技术也日益呈现区域组织化、节点流动化、数据超带宽化方向不断演进[1]。物联网部署方式，节点运行模式也发生了较大幅度的变化，数据传输亦从分散化的流量传输逐步形成集约化、云化、大数据化的超宽带传输新模式，成为当前物联网研究领域的亮点及热点，成为新经济增长极之一[2]。

由于超宽带传输方式需要在短时间内实现大流量数据的高效精准传输，且带宽流量具有高发、突发的态势，给物联网部署带来了新的挑战[3]。为此，研究者提出了许多新的解决方案，在一定程度上满足了实践需求。Suresh[4]等提出了一种基于层次分割汇聚传输的物联网数据传输算法，该算法通过根节点-叶子节点分割的方式，将物联网节点划分为若干传输子中心，数据由子中心负责汇聚传输，实现了超带宽条件下的物联网数据高效传输；不过该算法由于对物联网节点稳定性考虑不足，在数据传输发生故障时难以实现对错误数据的快速擦除，降低了该算法的适应性。Monika[5]等提出了一种基于分支界定错误擦除机制的物联网数据传输算法，该算法针对层次分割汇聚传输机制存在的不足之处，采取区域错误分支界定的方式进行错误数据的再传输，能够将出现错误的数据快速消磨在初始状态，具有很好的精度水平；不过该算法过分拘泥于精度，需要通过动用大量冗余带宽的方式进行错误数据的再传输，难以适应大流量的物联网应用场景。Andrei[6]等提出了一种基于超混沌一体化传输模型的物联网数据传输算法，该算法通过周期划分机制，将本周期内传输性能最佳的物联网节点进行一体化传输，大大提高了数据传输效率，且精度较高；不过该算法由于需要针对周期内的物联网节点逐一评估，难以进一步提高算法传输带宽，特别是节点处于流动状态时，该算法的效率下降明显。

针对当前物联网传输机制的不足，本文提出了一种基于超宽带集中管控机制的物联网数据传输算法，该算法通过区域分割方式，实现对集中度较高的物联网节点统一管控，使之能够适应集约化、云化、大数据化的超宽带传输新模式；随后针对物联网节点存在的数据极易丢失，采取节点动态更新机制，降低数据丢失的概率；最后，针对当前机制难以稳定数据链路的不足，采用传输稳定机制进行链路更新，改善了数据传输时的抖动难题，提高了数据传输效率。最后，采用NS2仿真实验环境，证明了本文算法的有效性。

1 网络模型及数据传输模型

为便于算法描述，首先对本文网络模型及数据传输模型作如下假设：

1）物联网节点具有资源有限特性，即单节点的带宽资源及电源资源受限[7]；

2）节点具有排他特性，即在一定区域内，物联网均采取单一节点覆盖的方式进行数据通信；且该节点能够通过调整功率的方式进行区域覆盖[8]；

3）节点间互相独立，在节点失效前均不会被其余节点替换[9]；

考虑到物联网节点传输数据均需要以无线形式进行，且一般均通过射频信号的方式进行带宽传输[10]，对于任意物联网节点而言，将bit的数据发送到距离为的某个节点所耗费的能量由下列公式所决定[10]：

网络额外能量消耗模型E()如下：

发射功率P()由如下模型决定：

其中，0为节点最大覆盖范围，E为节点的单位数据传输保障能值； E为单位带宽传输功率，用于描述节点的超宽带传输能力，该数值越大，节点传输能力也就越强；为当前网络最大传输距离。

由于物联网节点主要用于数据采集，因此相邻节点发送的数据呈现很强的相关性[10]，物联网节点正常运行时均呈现数据进出平衡的态势；若一定时间内出现数据流量激增导致部分节点进出平衡的态势被打破，则节点将处于严重的拥塞状态。

2 本文算法设计

基于上述网络模型及数据传输模型，本文提出了基于超宽带集中管控机制的物联网数据传输算法（Data Transmission algorithm of IOT based on UWB centralized control mechanism，UWB-CC算法），该算法主要由如下三个部分构成：

1）区域分割：采用能量冗余机制，选取传输能力最佳的节点作为区域PN节点；

2）区域固定：针对区域分割后的网络边界，确保每个区域内均有传输能力较好的节点作为数据传输中继节点；

3）链路稳定：根据区域分割能力及PN节点的性能，对链路抖动进行消除控制，降低因链路抖动而导致的数据传输故障。

2.1 区域分割

UWB-CC算法中，物联网数据传输并非一次性直接上传到中央控制节点，也并非通过简单的链路选择机制随机选取一条适合的链路。算法首先需要进行区域分割，将全部的物联网节点纳入统一的集中管控模式下，以便能够有效地调取资源，保障数据传输；区域分割的详细流程如下所述：

Step 1：首先对网络中功率最强的一批节点进行筛选，然后在数据传输周期内获取分割节点（Partition Node，PN节点）的能量阈值()：

其中()为PN节点继续承担区域分割任务的概率，为数据传输的批次,()为PN节点在承担区域分割过程中额外消耗的能量；

Step 2：获取PN节点的冗余能量

Step 3：每个传输周期内均启动Step 1，当仅当PN节点的冗余能量高于模型（4）所示的能量阈值时，该节点继续承担区域分割任务；否则依次递补，区域分割流程结束。

详细区域分割流程如下图所示：

图 1 区域分割流程图

2.2 区域固定

完成区域分割流程后，需要对PN节点与区域内其余节点之间关系进行梳理，以便能够形成固定的区域结构，详细设计如下：

Step 1 ：PN节点的阈值获取

为确保PN节点能及时更新，需要在区域分割流程结束后，考虑到区域内节点具有的相似特性进行筛选，本文算法按照冗余能量最大的原则进行筛选。对于任意一个PN节点而言，在第轮数据传输前依然承担区域分割任务的阈值可由如下模型获取：

2.3 链路稳定

其中E和E同式（1），1表示与拓扑距离；2表示到中央控制节点间的拓扑距离。

每次传输数据时，均选取各PN节点中链路稳定开销最小的节点作为数据传输中继节点，本文算法结束。

3　仿真实验

为验证本文算法性能，使用NS2仿真实验环境，与当前物联网部署中常用的区域流量汇聚上传算法[12]（Upload algorithm for regional traffic aggregation，RTA算法）及成型度汇聚分割传输算法[13]（Segmentation and transmission algorithm based on degree of convergence，STDC算法）从汇聚带宽、传输抖动率、信道容量三个指标进行仿真对比，仿真参数如下：

表1 仿真参数

3.1 汇聚带宽

图3显示了本文算法与RTA算法及STDC算法在汇聚带宽上的仿真对比，由图可知，本文算法的汇聚带宽始终处于较高水平，且波动性较小，说明本文算法的汇聚能力要强于对照组算法。这是由于本文算法使用分割机制，能够将汇聚带宽分割为若干个上传区域进行分流上传，降低了因链路抖动而导致汇聚失败的可能性；且本文算法采取了链路稳定机制，能够在数据传输过程中尽量降低因链路抖动而带来的波动风险，因此汇聚能力较强。RTA算法虽然也采取了区域上传机制，但是该算法仅采用简单轮询机制进行分割节点的替换，即当仅当该分割节点处于能量受限状态时才进行节点轮询，容易发生因分割节点故障而导致汇聚受阻的现象；STDC算法虽然能够根据流量的大小动态选择传输链路，然而该算法未考虑节点成型的特性，容易因突发流量而导致数据传输受阻，因此对照组算法在汇聚能力上要低于本文算法。

图3 汇聚带宽仿真

3.2 传输抖动率

图4显示了本文算法与RTA算法及STDC算法在传输抖动率上的仿真对比，由图可知，本文算法的传输抖动率始终较低，说明本文算法的传输链路质量及抗流量攻击性能要好于对照组算法。这是由于本文算法采取了链路稳定机制，每次选取的传输中继节点均为性能最佳的传输节点，能够适应动态变化的流量及链路抖动因素。RTA算法仅仅进行简单的轮询机制进行分割节点的替换，对分割节点间的数据传输没有进行有针对性的处理，传输过程容易受到链路抖动因素的影响，因而传输抖动率较高；STDC算法虽然采取了流量自适应机制，能够根据流量的高低进行链路的选择，然而由于该算法对传输中继节点的性能考虑不足，难以动态筛选出传输能力较好的节点作为链路传输节点，容易发生带宽拥塞现象，因而该算法的传输抖动率要高于本文算法。

图4 传输抖动率

3.3 信道容量

图5显示了本文算法与RTA算法及STDC算法在信道容量上的仿真对比，由图可知，本文算法的信道容量始终处于较高水平，说明本文算法的信道质量要显著好于对照组算法。这是由于本文算法采用了区域固定机制，能够将传输信道分割为不同区域的子信道进行信道传输，且由于采用了区域分割机制，区域中负责进行数据上传的节点均能够进行动态更新，降低了因链路抖动而导致的信道容量变窄的风险。RTA算法虽然采取了区域分割机制，但是该算法在进行区域分割后仅采取简单上传机制，一旦节点能量受限将难以实现对数据的高效传输，因而信道容量要小于本文算法；STDC算法由于对传输中继节点没有进行选优，容易导致传输抖动现象，信道传输能力要小于本文算法，因而信道容量较小。

图5 信道容量

4 结束语

针对当前物联网传输解决方案中存在的一些不足之处，提出了一种超宽带集中管控机制的物联网数据传输算法，主要通过区域分割、区域固定、链路稳定三大机制，实现对集中度较高的物联网节点统一管控，使之能够适应集约化、云化、大数据化的超宽带传输新模式。仿真实验表明，本文算法具有显著的传输优势，性能上要优于常见的一些解决方案。

下一步，将考虑到本文算法难以适应移动物联网的缺陷，拟采用超宽带稳定机制，对本文算法的数据传输性能进行进一步的改善，以便提高本文算法在实践中的使用质量。

[1] 杨晓鸣,孙晓亮. 运营商窄带物联网部署实现探讨[J].电信工程技术与标准化,2018,31(01):84-88.

[2] 李继蕊,李小勇. 物联网环境下数据转发模型研究[J]. 软件学报,2018,29(01):196-224.

[3] 吕敬祥,廖海红. 分区大规模无线传感网络多跳LEACH协议[J]. 井冈山大学学报:自然科学版, 2017(6):38-42.

[4] Suresh M J, Neema M. Hardware Implementation of Blowfish Algorithm for the Secure Data Transmission in Internet of Things[J]. Procedia Technology, 2016,25(9): 248-255

[5] Monika K Y, Vidushi S, Neeti G. Taking MQTT and NodeMcu to IOT: Communication in Internet of Things[J]. Procedia Computer Science, 2018, 132(11): 46-56

[6] Andrei G, Joan G, Florin D. A New Vision Over Agile Project Management in the Internet of Things Era[J]. Procedia - Social and Behavioral Sciences, 2018,238(2): 757-776

[7] Wen S J, Huang C, Chen H X. Energy-efficient and delay-aware distributed routing with cooperative transmission for Internet of Things[J]. Journal of Parallel and Distributed Computing, 2018, 118(10): 1611-1618.

[8] Chang J Y. A Distributed Cluster Computing Energy-Efficient Routing Scheme for Internet of Things Systems[J]. Wireless Personal Communications, 2015, 82(2): 277-285.

[9] Xuan X Y, Zhi C, Ye T. A lightweight attribute-based encryption scheme for the Internet of Things[J]. Future Generation Computer Systems, 2015, 49(7): 104-112.

[10] Slavyana K, Miroslav G, Vladislav V. On Modeling the Psychology of Wireless Node Interactions in the Context of Internet of Things[J]. Wireless Personal Communications, 2015, 85(1): 101-136.

[11] Jenifer S. Surveillance in Ubiquitous Network Societies: Normative Conflicts Related to the Consumer in-Store Supermarket Experience in the Context of the Internet of Things[J]. Ethics and Information Technology, 2014, 16(1): 27-41.

[12] Zhang Y J, He J S, Muhammad S P. An Asymmetric Transport Protocol for Internet of Things[J]. Procedia Computer Science,2017,107.636-641.

[13] Praveen K R, Rajasekhara B B. Energy Efficient Cluster Head Selection for Internet of Things[J]. New Review of Information Networking, 2017, 22(1): 266-273.

Data transmission algorithm of Internet of things based on UWB centralized control mechanism

*ZHOU Chuang, WANG Hong-lin

(Anhui Vocational College of Defense Technology, Anhui, Lu'an 237011, China)

In order to overcome the shortcomings of current data transmission algorithms in the Internet of Things (IOT) such as difficult region segmentation, difficult node selection, poor link stability and transmission performance, a data transmission algorithm of IOT based on UWB centralized control mechanism (UWB-CC) is proposed. Firstly, network nodes are screened for the first time by energy redundancy mechanism, and the region is divided according to the principle of energy optimum to realize the partitioned transmission and performance maintenance of the data in the Internet of Things. Then, considering the shortcomings of the traditional algorithm which is difficult to update the regional nodes, the regional nodes are filtered by the method of node capacity threshold. Subarea networking of point-to-ordinary IOT nodes improves the data upload capability of ordinary IOT nodes, and reduces the probability of regional upload paralysis caused by fault of partition Node (PN nodes); finally, relay transmission nodes are evaluated by comprehensive evaluation of partition node performance and regional transmission performance. Optimally, the link jitter problem and the link transmission capacity are improved, and the adverse effects of link fluctuation on transmission performance are reduced. Simulation results show that this algorithm has more convergence bandwidth, higher channel capacity and lower transmission jitter ratecompared with the current commonly used regional traffic aggregation (RTA) algorithm and shaping degree aggregation and transmission algorithm based on degree of convergence (STDC) algorithm.

internet of things; data transmission; energy redundancy; sub area networking; segmented nodes; link jitter

1674-8085(2019)01-0057-06

TP393

10.3969/j.issn.1674-8085.2019.01.012

2018-09-29；

2018-11-25

安徽省高等学校自然科学研究重点项目(KJ2017A780)；安徽省高等学校省级质量工程项目(2016ckjh052)；安徽省教育基本建设学会科研课题(1612-9)

*周创(1984-)，男，江苏宿迁人，讲师，硕士，主要从事物联网、网络安全、云计算、大数据等方面的研究(E-mail:chuang88z@sina.com);

王红林(1984-)，女，湖北武汉人，讲师，硕士，主要从事物联网技术、智能建筑、建筑信息模型化等方面的研究(E-mail: wanghlin1984wh@sina.com).