优化Sink速度的最大化WSNs数据收集算法研究

马勇赞，方跃春，张玲玉

优化Sink速度的最大化WSNs数据收集算法研究

马勇赞，方跃春，张玲玉

（长沙民政职业技术学院 电子信息工程学院，长沙 410004）

可靠高效的数据收集是无线传感网络（WSNs）应用中的关键问题。由于信宿的移动，平衡了传感节点间的负担，可延长网络寿命。因此，基于移动信宿（Sink）的数据收集的研究受到研究者的广泛关注，为此，提出优化Sink速度的最大化WSNs数据收集算法（MDG-SC）。MDG-SC算法通过优化Sink的移动，降低数据时延。具体而言，在给定时限内，Sink沿着固定路径移动，MDG-SC算法优化Sink的移动速度，进而最大化数据收集量。实验数据表明，MDG-SC算法能够有效地收集数据同时；收集的数据量取决于传感节点数和数据收集时间。

无线传感网络；数据收集；移动信宿；时延；速度优化

0 引言

无线传感网络（wireless sensor networks, WSNs）已在各类应用中广泛使用，如森林火灾检测、战场侦察、入侵检测、目标跟踪以及健康康复[1]。在WSNs中，传感节点感测环境数据，将感测数据传输至汇聚节点，通常将汇聚节点也称为信宿（Sink）。换而言之，信宿收集传感节点的数据。然后，由信宿处理数据，并以互联网（Internet）、卫星等通信方式将数据传输至远端的终端用户[2]，如数据库、电脑、手机客户端，如图1所示。

数据收集是无线传感网络应用的重要阶段。为了最大化数据收集量，常采用信宿移动策略。然而，由于移动信宿的移动速度较慢，采用移动信宿会增加数据传输时延。因此，优化数据传输时延是基于信宿移动策略的关键[3]。例如，基于WSNs的康复监测、森林防火监测应用，均要求低的数据收集时延[4]。因此，在收集数据时，需要最小化数据收集时延或降低数据收集时延。

图1 WSNs的网络结构图

而优化、并安排移动信宿移动路径是降低数据传输时延的有效方式[5]。但是，优化移动路径是非常复杂的。特别是，当移动路径涉及到空间域和时域，优化路径更为复杂。在空间域，需控制移动信宿路径；而在时域，需控制信宿移动速度。本文的研究思路就是通过控制信宿的移动速度，进而在给定时限条件内最大化数据收集量。

文献[6-10]研究了基于限定路径条件下，移动信宿的移动路径问题。但是，规划移动路径是非常复杂，且在不同的应用环境下，信宿移动速度并不相同。为此，本文考虑固定的移动路径，但移动信宿沿着路径的移动速度是变化。

为此，本文提出优化Sink速度的最大化WSNs数据收集算法（maximum data gathering -based on speed control of mobile sink, MDG-SC）。MDG-SC算法是基于固定的移动路径, 优化移动信宿，进而最大化数据收集量。实验数据表明，提出的MDG-SC算法能在限定时间内，有效地收集数据。

1 系统模型

图2 网络模型

此外，网络内每个节点的位置是已知的，且固定的。移动信宿（mobile sink, MS）不受能量和容量限制[7]。MS沿着固定路径的最大移动速度为。

因此，本文的研究工作在于：在时限内，MDG-SC算法通过优化MS移动速度，收集更多数据。

2 MDG-SC算法

2.1 概述

图3显示了一些速度方案。显示了SP1、SP2、SP3 3类不同速度，每1类速度的设置目的就是最大化数据收集量。SP1表示MS的位置只由单个子信宿覆盖时的移动速度；SP2表示MS的位置只由多个子信宿覆盖时的移动速度；SP3表示MS的位置未被子信宿覆盖时的移动速度。

图3 移动信宿的移动速度方案示例

首先，先引入2个变量：割线和子信宿数据速率。

图4 割线示意图

2.2 移动速度方案

接下来，分析当满足上述3个条件时，如何更新MS的移动速度。

图5 MS移动速度更新示例

3 性能仿真

3.1 仿真环境

表1 仿真参数

3.2 数据分析

首先分析移动信宿在不同时限条件下，所收集的数据量，如图6所示。

图6 移动信宿所收集的数据量

从图6可知，节点数的增加有利于移动信宿MS所收集的数据量。例如，在时限=120 s时，当节点数为50时，收集的数据量约2000 kbit，而当节点数为300时，所收集的数据量达到约7500 kbit。此外，时限的提高，也增加了移动信宿MS所收集的数据量。这些数据表明，MDG-SC算法能够有效地收集数据。

图7显示了节点数对移动信宿MS的平均移动速度的影响。从图7可知，节点数和时限的变化，对信宿移动速度影响并不大。但是，节点数的增加，降低了信宿的平均移动速度。原因在于：节点数越多，子信宿所需传输的数据量也就越大，这就降低了移动信宿的平均移动速度。

图7 移动信宿MS的平均移动速度

图8 移动距离

最后，分析移动信宿所移动的距离，实验数据如图8所示。从图8可知，节点数的增加降低了移动距离，原因在于：节点数的增加，降低了MS的平均移动速度，相应地，单位时间内所移动的距离就下降。此外，时限的增加，加大了移动信宿MS的移动距离，原因很简单：MS的移动时间增长，总的移动距离肯定增加。

4 结束语

针对无线传感网络的数据收集问题，提出Sink速度控制的最大化WSNs数据收集算法MDG-SC算法。MDG-SC算法是基于固定的移动路径，通过优化移动速度，最大化数据收集量。实验数据验证了MDG-SC算法的数据收集性能。后期，将规划Sink的移动路径作为研究内容，进而实现以最小的能耗成本，最大化数据收集量的目的。

[1]李鹏, 王建新, 丁长松. WSN中基于压缩感知的高能效数据收集方案[J].自动化学报, 2016, 42(11)：1648-1657.

[2]刘曙琴, 陈珍萍, 黄友锐, 等. 无线传感器网络中带延时的一致性时间同步[J].传感器与微系统, 2017, 36(1): 64-66, 74.

[3]屈应照, 胡晓辉, 宗永胜, 等. WSN中一种基于数据融合的Mobile Agent 路径规划方法[J].传感技术学报, 2016, 29(7): 1032-1042.

[4]张策, 张霞, 李鸥. 不可靠链路下基于压缩感知的WSN数据收集算法[J]. 通信学报, 2016, 37(9): 131-142.

[5]张希伟, 陈贵海. 基于SDMA应用的移动Sink节点的设计与实现[J].计算机研究与发展, 2012, 49(3): 541-549.

[6]KANSAL A, SOMASUNDARA A A, JEA D D, et al. Intelligent fluid infrastructure for embedded networks[EB/OL]. [2019-06-21]. https: //www. usenix. org/legacy/publications/library/proceedings/mobisys04/pdf/p111-kansal. pdf.

[7]JEA D, SOMASUNDARA A, SRIVASTAVA M. Multiple controlled mobile elements (data mules) for data collection in sensor networks[EB/OL]. [2019-06-21]. http: //users. ece. northwestern. edu/~peters/references/DatamulesSrivastava05. pdf.

[8]SOMASUNDARA A, KANSAL A, JEA D, et al. Controllably mobile infrastructure for low energy embedded networks[J]. IEEE Transaction Mobile Computing, 2016, 5(8): 958-973.

[9]SAYYED A, BECKER L B. Optimizing speed of mobile data collector in wireless sensor network[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of 2015 International Conference on Emerging Technologies (ICET). Peshawar, Pakistan: IEEE, 2015: 35-43.

[10]HUANG H L, SAVKIN A V. Optimal path planning for a vehicle collecting data in a wireless sensor network[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of 201635th Chinese Control Conference (CCC). Chengdu, China: IEEE, 2016: 61-69.

Research on optimizing sink speed control to maximize WSNs data collection algorithm

MA Yongzan, FANG Yuechun, ZHANG Lingyu

（Changsha Social Work College, School of Electronics, Changsha 410004, China）

Reliable and efficient data collection is a key issue in wireless sensor network (WSNs) applications. Due to the movement of the sink, the burden between the sensing nodes is balanced and the network life can be extended. Therefore, research on data collection based on mobile sink (Sink) has attracted wide attention of researchers. To this end, a maximum WSNs data collection algorithm (MDG-SC) for optimizing the speed of Sink is proposed. The MDG-SC algorithm reduces data latency by optimizing the movement of the sink. Specifically, within a given time limit, the Sink moves along a fixed path, and the MDG-SC algorithm optimizes the moving speed of the Sink, thereby maximizing data collection. Experimental data shows that the MDG-SC algorithm can effectively collect data. In addition, experimental data shows that the amount of data collected depends on the number of sensor nodes and data collection time.

Wireless Sensor Networks; Data Gathering; Mobile Sink; Delay; Speed Control

TPT393

A

2095-4999(2020)02-0106-005

马勇赞，方跃春，张玲玉. 优化Sink速度的最大化WSNs数据收集算法研究[J].导航定位学报, 2020, 8(2): 106-110.（MA Yongzan, FANG Yuechun, ZHANG Lingyu. Research on optimizing sink speed control to maximize WSNs data collection algorithm[J]. Journal of Navigation and Positioning, 2020, 8(2): 106-110.）

10.16547/j.cnki.10-1096.20200218.

2019-07-23

马勇赞（1977—），男（回族），湖南隆回人，硕士，副教授，研究方向为电路与系统、物联网、无线传感技术。

方跃春（1964—），男，湖南长沙人，本科，副教授，研究方向为电子技术，物联网。