基于自适应滤波的能量收集WSNs的路由协议

2019-12-23赵梦龙许会香

中国电子科学研究院学报 2019年6期

赵梦龙, 许会香

(1.贵州职业技术学院，贵州贵阳 550003;2.郑州工程技术学院,河南郑州 450044)

0 引言

能效是无线传感网络(Wireless Sensor Networks, WSNs)的热点议题[1]。仅从能效角度难以彻底解决WSNs的能量紧迫问题。而能量采集(Energy Harvesting, EH)技术是弥补节点能量不足的有效途径[2-3]。节点通过能量采集设备，从周围的环境获取能量，如太阳能、振动、风能。将具有EH的能力的WSNs称为能量采集无线传感网络(EH-WSNs)。

此外，路由协议也是WSNs的关注焦点。传感节点的多数能量用于数据的传输[4-5]。有效的路由策略能够减少节点的数据传输量，提高节点的能效。

目前，研究人员对EH-WSNs提出不同的路由策略。文献[6]提出了能量-机会权重最小能量算法，其通过可用节点能量和能量采集率计算每个节点成本。

此外，文献[7]提出基于随机化最小路径恢复时间(Randomized Minimum Path Recovery Time, R-MPRT)算法，R-MPRT给每个链路计算成本。文献[8]提出了分布式能量采集感知路由算法(DEHAR)，DEHAR算法利用节点剩余能量和跳数，计算离信宿的最短路径。而文献[9]提出了能量采集感知的自组按需距离矢量路由(AODV-EHA)。AODV-EHA算法充分利用现存的AODV在处理WSN的自组特性方面上的优势，并依据节点的能量采集能力决策路由。

尽管上述路由算法降低了能量消耗，扩延了传感节点的寿命，但它们仍存在一定的局限性。例如，文献[6]和文献[10]并没有考虑在采集区间所采集的能量数量。而在文献[10]和文献[11]中，网络内所有节点的能量采用率相同。此外，文献[6-7]依据全局网络信息建立路由表，再转发数据包。但是，在异构WSNs中的获取全局信息是非常困难的。

为此，提出能量-采集-感知(Energy-Harvesting-Aware Routing Algorithm, EHARA)。EHARA路由先利用自适应滤波器预测所采集的能量，然后再依据节点能量以及路由要求进行决策路由。其中路由要求包括数据包传输率、吞吐量。仿真结果表明，提出的EHARA路由能够有效地降低能耗和数据包丢失率，并提高了系统吞吐量。

1 系统模型

1.1 网络模型

考虑异构多跳WSNs，其由多个传感节点和一个信宿组成。传感节点具有无线连通、能从周围环境采集能量的能力。假定信宿不受能量限制。节点可能是传感节点，也可作为路由器，这两者均称为节点。作为节点，它感测环境数据，并将此数据包传输至信宿。作为路由器，它能够通过链路将数据传输至信宿。

本文考虑三类典型的可再生能量源，如太阳、振动和风力，如图1所示。传感节点从环境采集能量，再进行能量管理，补给传感节点使用。

图1 EH-WSNs中节点的能量流动过程

此外，系统模型可用图G(V,E)表示，其中V表示顶点集，而E表示边集，其代表两节点间的通信链路。令e(i,j)∈E表示节点i、j的通信链路。如果两节点间距离dij小于节点通信半径R，则链路e(i,j)存在。此外，对于链路e(i,j)∈E，如果数据包从节点i传输至节点j，则节点i为发射器Tx，节点j为接收器Rx，反之亦然。

每个节点由用于数据处理的低功耗微型控制器、基于IEEE 802.15.4的低功耗的RF发射器[12]，功率管理单元和能量采集器以及能量存储设备(如电池)构成。

1.2 能量消耗模型

为了设计有效的路由协议，考虑每个节点传输一个数据包所消耗的能量是非常必要的。这些能耗由传输、接收或转发数据包所发生的能耗组成。

依据IEEE 802.15.4MAC特点，节点周期地广播信标帧(Beacon, B)，两个信标帧间构成一个超帧。如图2所示。每个超帧由活动期和休眠期构成，而活动期分为竞争接入期(Contention Access Period, CAP)和无竞争期(Contention Free Period, CFP)构成。同时，每个CFP内又包含多个确保时隙(Guaranteed Time Slots, GTS)组成。

图2 超帧图

节点在空闲、传输、接收数据和休眠阶段均会消耗能量。因此，节点i在处理一个数据包所消耗的能量：

(1)

(2)

(3)

其中BI表示帧间隔;SD表示超帧时长[11]。

(4)

最后，节点i的剩余能量则可表述为：

(5)

1.3 采集能量的预测模型

由于环境能量的不确定性，只能依据历史的数据，对环境能量进行预测，进而实现能量的高效管理。

依据文献[13]的思想，引用时槽概念。将一天分为N个固定的时槽，且通常取30 min作为一个时槽长度。节点在过往时间内每个时槽所采集的能量，与将来所对应的时槽内所采用的能量存在着一定对应关系。因此，通过历史数据能预测未来的能量数据。

尽管历史能量数据与未来的能量数据存在着一定的对应关系，但环境多变，这对能量预测技术提出了挑战。为此，本文引用自适应滤波器(Adaptive Filter, AF)进行能量预测。

图3显示了基于AF的能量预测框图。假定AF的阶数和步长分别表示为s、α。e(n)表示第n个时槽内所采集的能量。而用E(n)表示所收集了s个能量历史数据：

E(n)=[e(n),e(n-1),…,e(n-s+1)]

(6)

图3 基于自适应滤波器的能量预测框图

获取历史数据E(n)后，再在第n+1个时槽的开始时间，预测在此时槽能获取的能量p(n+1)，如式(7)所示：

p(n+1)=E(n)W(n)

(7)

其中W(n)表示AF系数向量，即W(n)=[ω1(n),ω2(n),…,ωs(n)]。

当n+1个时槽结束后，利用预测误差err(n+1)对W(n)进行更新，其中e(n+1)表示预测值与实际值的差，即err(n+1)=e(n+1)-p(n+1)。

获取了err(n+1)后，再利用最小平方根(Least Mean Square,LMS)对滤波器系数进行调整，如式(8)所示：

W(n+1)=W(n)+αerr(n+1)E(n)

(8)

最终，便通过自适应滤波器预测能量.

2 EHARA算法

2.1 能量采集阶段

为了提出节点能量利用率，对节点能量进行等级划分。若节点的当前剩余能量能够维持基本操作，就只利用节点休眠时间采集能量；若节点的当前剩余能量过低(小于预定的门限值)，就拓延节点采集能量的时间。

图4 传感节点的剩余能量

具体而言，首先对节点的能量进行等级划分，将节点能量划分三个等级，如图4所示。Level3表示传感节点维持四上以上操作的最小能量等级。通常，节点能量是由电池供电，其能量都较小。而本文是从理论角度分析节点的能耗，因此，就简单地对节点剩余能量进行了粗略地等级划分。后期，将加大这方面的研究工作，通过理论推导，进行能量等级划分。

(9)

在这种情况下，节点i可能没有足够的能量去维持正常操作。因此，节点必须暂时性关掉发射器，进入休眠状态，从而保存能量，直到电池能量恢复高于Level3。通过这种策略，传感节点能够减少能耗，维持网络寿命。

(10)

图5 算法1的伪代码

(11)

(12)

(13)

2.2 数据传输阶段

数据传输的效率关键在于链路的选择。EHARA算法选用成本最高的链路作为数据传输通道。链路成本的定义如式(14)所示：

(14)

从式(14)可知，计算链路成本是依据节点和链路的局部信息。因此，它能够很容易融入传统距离矢量路由。

此外，从等式(10)、(11)、 (12)和(13)可知，若引用长的空闲时间，节点传输前，需等待更长时间。通过更长的时间，节点可以收集更多能量。

但是，除了考虑增加采集能量外，还需满足数据传输的服务质量。因此，EHAR路由需满足以下约束条件：

0≤pl≤PLmax

(15)

THmin≤th≤THmax

(16)

其中pl、th分别表示信宿的数据包丢失率和吞吐量。而相应的数据包丢失率的门限值PLmax和吞吐量的门限值(THmin,THmax)可依据不同应用设定。

3 性能仿真

3.1 仿真参数

利用MATLAB建立仿真平台。将V个节点随机分布于100 m×100 m。传感节点的能耗参数如表1所示。

在仿真过程中引用基于802.15.4CSMA的MAC协议，网络参数和服务质量参数如表2所示。

表1 传感节点的能耗参数

表2 网络和服务质量参数

为了更好地仿真EHARA性能，选用文献[9]的R-MPRT和AODV-EHA算法作为参照，并分析它们的能耗、路由性能。

3.2 实验一

本次实验分析平均每个数据包所消耗的能量和总体剩余能量。实验数据如图6、图7所示。

图6 平均每个数据包所消耗的能量

图7 网络剩余能量

从图6可知，R-MPRT算法消耗了更多能量，而提出的EHARA算法能量消耗最少。原因在于：EHARA算法减少了每个节点的平均能耗。

图7显示了在8000 s仿真期间，各算法的剩余能量数据。从图7可知，剩余能量随时间推移逐渐下降。在仿真时间结束时，EHARA算法和AODV-EHA算法的分别消耗了50%、92.5%能量，分别剩余12.5J和2.5 J(网络总能量为25 J)。对于R-MPRT算法，它在运行了5000 s后，所有传感节点的能量已耗尽。这些数据表明，相比于AODV-EHA算法和R-MPRT算法，EHARA算法的网络寿命提高了约40%和50%。