无线传感器网络中多中继选择功率分配算法

马占营

(桂林电子科技大学 信息与通信学院,广西 桂林 541004)

随着近年来信息和无线通信技术的飞速发展，大数据成为一个热门话题。无线传感器网络是大数据的重要来源之一[1]。据统计，目前全球人口超过72亿，其中上网人数超过20亿。此外，根据麦肯锡(2013)的数据，有50亿人在使用各种移动设备。如此多的人使用如此多的设备产生了大量的数据，这些数据还在以每年10倍的速度增长[2]。无线传感器网络被认为是21世纪最重要的技术之一，对无线传感器网络中大数据传输的研究越来越受到重视。

无线传感器网络是一种由许多无线传感器节点通过无线通信技术形成的自组织网络，为数据实时采集、数据处理以及传输提供了便利。它具有部署快、自组织、愈合能力强等特点，被广泛应用在军事、农业、工业以及医疗健康等领域。在无线传感器网络中节点被通过投放的方式散落在目标区域内，节点间通过无线信道连接形成一个分布式的无中心的网络。数据由传感器节点采集，由于单个传感器节点数据处理能力有限，采集到的数据需进行分级上传。先由传感器节点将采集到的数据发送到其所属簇的簇首，然后簇首将数据进行融合，通过多跳或直传的方式发送至sink节点。无线传感器网络有如下3个特点：

1)无线传感器体积小，制造成本低廉，其能量完全依靠其所携带的电池供给，导致传感器节点能量有限。

2)一个传感器节点一次感知的数据量有限，但目标区域内部署了大量的传感器节点，整个传感器网络中全部节点感知的数据总和非常大。

3)由于传输距离和感知数据量的不同，使得各个传感器节点能量消耗不均匀。

多中继协作通信技术能够增加节点的吞吐量，使其更加高效地传输大数据，因此多中继协作通信技术在传感器网络的应用研究受到了国内外学者的广泛关注。无线传感器网络增强了人们感知世界的能力，但有限能量供给是其发展的最大限制，其中数据传输是无线传感器节点能量消耗的主要因素[3]。一些重要的无线传感器网络平台已经在无线传感器网络领域得到了应用。此外，无线传感器网络与其他网络技术(如RFID、云计算、M2M、认知无线电、车载网络和以内容为中心的网络)之间的协同，以及无线传感器网络与一些现有新兴技术之间的协同，使得传感器网络的整体性能得到了大幅提高[4]。无线传感器网络与其他技术的结合使无线传感器的研究更具开放性。一种基于最大期望的可移动性汇聚节点数据收集算法的提出表明，利用可移动性的汇聚节点进行数据收集能增加整个传感器网络的吞吐量。该方法在数据进行采集之前已经确定了移动汇聚节点的轨迹和网络中簇的划分，通过得到的最优簇数和最优移动轨迹来最小化能量消耗，增大节点数据传输的吞吐量[5]。利用中继技术对无线传感器网络的研究也有很多。在满足二次用户信噪比要求的前提下，获得最小的中继传输功率。这样能更加有效地进行中继选择，系统传输功率增加幅度较小[6]。通过分析在高信噪比和低信噪比条件下瑞利衰落信道上采用半双工转发方式的吞吐量，能得出最优的功率分配方案[7]。无线传感器网络需要在有限的能量下满足对大数据传输的需求，能量的有效利用成为无线传感器网络的关键性指标之一。采用节点作为中继进行数据传输能够降低数据传输能量的消耗，且在相同能耗下可获得较大的吞吐量。鉴于此，对传感器网络中中继的功率分配设计了多中继功率分配算法。

1 系统模型和问题描述

1.1 LEACH协议

本研究是在传感器节点按照LEACH协议[8]分簇算法的基础上进行的，LEACH协议思想是网络中的节点按照一定的概率轮流作为簇首，这样能够平衡各个节点的能量消耗。LEACH协议分为簇首选举和稳定2个阶段。稳定阶段时间远大于簇首选举时间。LEACH协议关键在簇首选举过程。在簇首选举阶段每个节点都有相同的概率成为簇首。每个节点在0～1之间产生一个随机数，若该数字不大于阈值T(n)，则该节点就当选为簇首[9]。阈值T(n)的定义为：

(1)

其中：p为簇首在整个传感器网络中占的百分比；r为簇首选取的轮次；G为本轮还未当选过簇首节点的集合。

1.2 系统网络模型

传感器节点随机分布在目标区域内，节点传感器具有一定电量和数据存储能力。节点能控制自身的发射功率，并可感知自己位置。每个节点采集数据后将数据传至簇首，由簇首整合后发送至sink点。系统网络模型如图1所示。

图1 系统网络模型

在网络的一个簇内，当远端节点采集到数据，并与簇首进行通信时，传输能耗非常大，而单中继的最优中继选择算法能够提高节点与簇首通信性能[10]，但不能获得多个中继节点协作通信带来的最大化增益。基于信道状态信息(CSI)和节点剩余能量对无线传感器网络簇内多中继选择进行了研究。簇内的节点协作通信模型如图2所示。

图2 簇内节点协作通信模型

簇内节点的通信模型中，S为远端节点，D为簇首节点，R1、R2、R3……为可作为协作中继节点，其中R1、R2为被选中作为中继的节点，hi,s、hi,d为中继两跳的信道系数。假设S和D之间无直连链路，作为中继的节点知道自身两跳的信道系数和自身剩余电量。信道为瑞利信道，两跳采用放大转发协议[11]。

2 算法设计

多中继协作能够增加簇首节点的分集增益，平衡数据传输中能量的消耗进而延长整个网络的生存时长。显然，中继节点越多，节点的数据传输数量越大，中继的能量消耗也会增加。本研究在单中继选择中增加1个中继，中继总发射功率相同的情况下设计了2种中继选择功率分配算法：1)基于最优和次优CSI的中继选择功率分配算法；2)基于节点剩余能量的中继选择功率分配算法。

2.1 基于最优和次优CSI的节点中继选择功率分配算法

设Hi,s=|hi,s|2,Hi,d=|hi,d|2,算法步骤为：

1)每个节点根据两跳信道信息计算其信道函数[12]，将信道函数由大到小进行排序。选择第1和第2个节点作为中继节点。

2)被选择的2个中继节点的发射功率和为定值P，设功率分配因子为α，最优信道节点发射功率为Pr1=αP，则次优节点发射功率为Pr2=(1-α)P。

数据传输采用放大转发协议，当使用最优信道作为中继时其信道容量为：

(2)

信道噪声为加性高斯白噪声，其均值为0、方差为N0。Ps为远端节点发射功率，P为中继节点发射功率，Hi,s、Hi,d为两跳的信道函数。

当使最优和次优信道节点作为中继时，其信道容量为：

2.2 基于最优信道和最大剩余能量的节点中继选择功率分配算法

设簇内每个节点剩余能量为Ei，该算法的具体步骤为：

1)每个节点根据两跳信道信息计算其信道函数，选择最优节点作为一个中继节点，根据剩余中节点的剩余能量Ei选择出最大的节点作为另一个中继。

2)2个节点发射功率总和为定值P，其中最优信道节点发射功率为Pr1=αP，最大剩余能量节点发射功率为Pr2=(1-α)P。其信道容量为：

(4)

3 系统仿真及结果分析

本次节点共计10 000个，随机分布在1 km×1 km的正方形区域内。采用Matlab软件进行系统模型的仿真，具体参数设置如表1。

表1 系统仿真的参数设置

按照表1参数设置后，对单中继方式和2种中继方式协作通信的信道容量进行仿真，仿真结果如图3。

图3 2种多中继方式与单中继通信方式仿真图

由图3可知,α为0时2种多中继通信方式信道容量均低于单中继的通信方式，当功率动态分配时2种通信方式的信道容量逐渐增大，达到最大值后开始降低；当α值为1时3种通信方式的信道容量相同。α为0时最优信道节点中继的发射功率为0，2种通信方式分别只使用次优信道节点和剩余能量最多的节点作为中继；当功率动态变化时最优信道的发射功率逐渐增大，整个链路的信道容量受最优信道中继发射功率影响也逐渐增大。当α为0.8时第1种算法信道容量达最大值。α继续增大时由于次优中继功率的减小对整个链路的信道容量影响较大，信道容量由最大值开始减小。直到α为1时，最优信道节点发射功率与最优单中继通信方式一样，此时信道容量相同。当α为0.9时第2种方法的信道容量达到最大，其变化和影响因素与第1种方法一样。由于第1种方法的次优信道状态比第2种方法的信道状态好，第1种方法的信道容量大于第2种方法。第2种方法的优点是能够更加有效地平衡簇内各节点的能量消耗。

4 结束语

以多中继的功率分配为切入点设计了以最优、次优信道2个节点作为中继的功率分配算法和以最优信道、最大剩余能量2个节点作为中继的功率分配算法。2种算法不仅增大了节点间链路的传输速率，还使整个簇内节点的能量消耗更加均衡，且实现简单。仿真结果表明，在发射功率总和相同的情况下，进行合适的功率分配后，这2种算法比最优信道单中继传输算法的吞吐量更大。