基于能量均衡-延迟削弱机制的无线传感网稳定传输算法

王 龙，孙瑞娟

(1.山西农业大学信息学院 信息工程学院，山西 晋中 030800；2.山西农业大学 工学院，山西 晋中 030800)

0 引 言

在5G背景下，当前研究者尝试通过链路层、网络层、网络管理等方面的改进来提高无线传感网数据传输的稳定性[1-3]。如Zbigniew等[4]立足于簇头节点剩余能量的合理调配，采用sink节点统一管理的方式进行区域间能量均衡化调度，并采用簇内节点能量最优轮询机制，实现了区域拓扑结构的稳定及区域再形成过程的快速收敛。不过，该方案未充分考虑距离及节点密度因素，使得区域稳定传输持续时间较短，难以适应5G超宽带传输的实际应用场景。Shan等[5]提出了基于非均衡分簇机制的区域稳定传输方案，通过采用非均衡分簇方式，将能量较高的节点部署于热点区域，并采用轮询方法进行节点更新，提高了区域传输的稳定性能。然而该算法对数据延迟考虑较少，使得算法在5G超宽带部署环境下容易产生较为严重的数据拥塞现象，降低了算法的传输稳定性能。Yin等[6]通过在区域内插入可移动的高能量节点，并采用轨迹路线方式对能量较低的簇头节点进行实时替换，有效满足了5G超宽带传输条件下簇头节点能耗较高的难题，可显著提升网络数据传输质量。但是，该算法针对节点移动的适应性较低，难以部署于节点移动速度较高的实际场景。

为解决提高网络传输性能，改善节点受限现象，提出了基于能量均衡-延迟削弱机制的无线传感网稳定传输算法。首先，结合数据分段传输及信道时隙分布，设计了一种数据传输模型，用以适应5G条件下无线传感网网络拓扑具有的高流动特性。采用预设方式来部署高能节点，优化簇头节点选举过程，达到了抑制簇头节点受限的目的，结合休眠方式进一步提高了数据报文发送效率。随后，利用反馈方式来提高sink节点与簇头节点间的通信确认效率，以优化区域分割质量，实现数据的稳定传输。最后，通过仿真实验验证了本文算法的性能。

1 本文网络模型概述

1.1 网络部署模型

5G条件下的无线传感网典型部署场景见图1：矩形区域内按随机布撒模式部署5G无线传感节点，节点分为区域节点(regional nodes，RN)和簇节点(cluster nodes，CN)两部分；RN节点与CN节点均处于游走状态，但在数据传输周期内RN节点与CN节点将均处于相同的节点覆盖半径之内。sink节点作为总控节点(master control nodes，MCN)，MCN节点通过频率不变的控制信道对RN节点和CN节点状态进行控制，并将RN节点地理坐标进行实时记录更新。

图1 网络部署

簇头节点在下一轮传输周期开始前均需要进行替换，替换过程中将对网络拓扑结构及节点覆盖进行优化，替换过程完成后将进行数据稳定传输，如图2所示。簇头节点在选取完成后，将向自身覆盖半径内的节点进行数据广播，区域节点收到数据报文后将向距离自身最近的簇头节点进行反馈，并将自身地理坐标位置进行更新。簇头节点接收到区域节点反馈的数据报文后，在传输周期内将全部数据报文进行融合处理，并通过特定频率信道发送至sink节点。区域形成过程中，原RN节点与CN节点均有机会在新一轮选取中被选定为簇头节点。一般而言，均需要选定与周围节点距离基本相同，且能量最高的节点作为新的CN节点。本文采取随机数方式确定CN节点，当仅当某节点的随机数高于阈值W(s)时方可被选取为簇头节点，W(s)获取方式如下

(1)

其中，k表示当前节点被剔除出CN节点的概率，r表示数据传输次数。若某个节点的随机数高于阈值W(s)时，将被选取为本轮簇头节点(cluster head，CH)，并将阈值W(s)置为0，下一轮传输周期时将在剩余的节点中继续进行簇头节点选取。

图2 簇头节点更换与数据更新

1.2 数据传输模型

由1.1节可知，通过簇头节点更换与数据更新可以在一定程度上降低网络能耗，提高数据传输过程中的稳定周期。然而，由节点更换过程可知：节点更换需要反复进行数据反馈，一旦网络出现波动将显著提高数据延迟现象出现的概率[7]。实际应用过程中，由于簇头选举过程具有一定的随机分布特性[8]，数据传输过程中各个节点均有一定概率成为新的簇头节点。此外，5G环境下无线传感网节点同时具有高密度特性[9]，随着网络规模的不断增加，须充分考虑能量均衡性能以便提高网络生存质量，防止数据传输出现严重的波动。

考虑到RN节点一般处于休眠状态[10]，当传输信道处于空闲状态时启动数据传输过程，如图3所示。数据传输过程启动后，空闲信道长度为x，传输周期为Ts，数据传输过程将发生3种情形：簇头节点顺利收到传输数据，记为A；网络出现拥塞状态，使得数据分组传输受阻，记为B；信道处于空闲状态，可以进行数据传输，记为C。根据传输信道处于的工作状态，可将信道状态设置为X和Y两种状态：X表示信道成功进行数据传输(记为K)以及数据出现拥塞(记为M)。显然整个工作周期内X和Y两种状态将交替出现。

图3 数据传输

不妨设整个工作周期内X出现次数为m，Y的出现次数为n。网络中节点总数为H，数据报文可达概率为P，网络节点处于休眠状态的概率为Pi，则数据报文可达概率为P可由如下方法获取

(2)

传输周期内同时发生X和Y两种状态的概率P(X,Y)可通过如下方式获取

P(X,Y)=(1-e-xP)m(e-xP)n

(3)

其中，x表示空闲信道长度，P表示数据报文可达概率。

整个工作周期内X发生频率E(X)满足

(4)

根据式(4)可知，节点处于空闲状态的平均时长T(X)满足

(5)

整个工作周期内Y发生频率E(Y)满足

(6)

因此可知节点处于繁忙状态的平均时长T(Y)满足

(7)

其中，Ts表示数据传输周期。

考虑到数据传输过程中，每发生k次A事件，就会发生m-k次B事件，因此网络成功发送数据报文的概率E(K)满足

(8)

因此，网络最终执行事件K的过程中数据长度L[E(K)]满足

(9)

联立模型(7)～(9)可知网络节点可成功发送数据报文的概率T满足

(10)

2 本文无线传感网区域稳定传输算法

由上文网络模型可知，网络节点进行数据传输过程中可遇到多种事件，每种事件的发生均存在一定的概率，网络节点可稳定传输数据的概率满足模型(10)。数据传输过程中，须充分考虑节点存在的能量受限及数据延迟现象，以便能够以较高的传输成功率进行数据传输。据此，本文设计了一种基于能量均衡-延迟削弱机制，以便能够在能量均衡基础上进行数据稳定传输，方案由基于能量均衡-延迟削弱机制的簇头更新方法和基于稳定性传输机制的区域划分方法两个部分构成，详情如下。

2.1 基于能量均衡-延迟削弱机制的簇头更新

由于簇头节点在进行数据传输过程中将频繁进行数据转发，且由于数据传输过程需要频繁进行信道竞争，因此会导致出现严重的能量损耗。为提高网络节点生存周期，本文将全部网络节点分割为高能节点(high-energy node，HEN)和一般节点(general node，GN)，其中HEN节点初始能量与GN节点初始能量可按一定比例系数进行扩充，不妨设扩充系数为μ。HEN节点被选举成簇头节点的概率将显著高于GN节点，从而确保簇头节点与区域拓扑的稳定性能。

令HEN节点和GN节点被选取的权值PHEN和PGN如下

(11)

(12)

其中，ω表示HEN节点与GN节点的比例系数，由于一般扩充系数μ可设定为10～20，因此PHEN将高于PGN。

不妨设网络中第m个节点能量消耗值为E(i)，网络节点初始能量为E，当前处于休眠状态的节点总数为N，网络中节点总数为L，则网络节点的平均能量剩余E(last)满足

(13)

联立模型(1)和模型(13)，结合模型(11)～(12)，分别将HEN节点和GN节点的更新阈值THEN和TGN设定为

(14)

(15)

其中，THEN、TGN分别代表HEN、GN节点的更新阈值；mod代表求余操作；r是表示数据传输次数。

随着网络进行数据传输，当HEN节点和GN节点能量分别触发模型(14)和模型(15)所示的更新阈值时，网络将把相应的HEN节点和GN节点设置为休眠状态，并联系sink节点进行能量补充。通过该方式降低能量消耗过大的节点被选举为簇头节点，并及时进行节点更换，可有效提高网络生命周期；此外，由于HEN节点和GN节点存在差异化因素，使得HEN节点有更高的概率被选取为簇头节点，因此降低了因节点能量受限而导致网络传输出现中断的概率。

2.2 基于稳定传输机制的区域划分

通过基于能量均衡-延迟削弱机制的簇头更新方法，可以以较高概率选取能量最优的节点进行数据传输，且由模型(10)可知，HEN节点被选举成簇头节点后可有效提高数据报文发送效率。然而由于5G网络条件下各节点具有较高的移动速度[11,12]，因此本文基于稳定性传输机制，构建区域划分方法，实现数据的稳定传输，具体如下：

步骤1 区域分割阶段，sink节点对网络中触发模型(14)和模型(15)的节点进行广播，若相应的HEN节点和GN节点在传输周期内均能满足传输需求，则反馈信息给sink节点，并更新节点中剩余能量；

步骤2 sink节点按照模型(13)获取网络节点平均剩余能量，并将网络中能量剩余低于瓶颈剩余能量的节点设定为休眠状态，如图4所示；

步骤3 按模型(11)和模型(12)进行HEN节点和GN节点初始化赋值，当仅当HEN节点和GN节点分别满足模型(14)和模型(15)时，将被选举为簇头节点；

步骤4 簇头节点被选举完毕后，将进行数据广播。各区域节点收到数据广播后，将能量最强的簇头节点作为隶属节点，并纳入该簇头节点的控制区域内；

步骤5 网络节点开始进行数据传输，直到相应簇头节点按照模型(14)触发的正确率低于50%时，重新进行簇头节点的选举流程，本轮传输结束。

区域分割完毕后，簇头节点开始进入数据传输状态，各区域节点将自身数据汇聚至簇头节点中，通过簇头节点传输至sink节点。当区域节点完成数据采集、汇聚后，各簇头节点将进入休眠状态，此时簇头节点正确率会急剧下降，因此将需要重新进行区域分割过程，并启动步骤1，执行区域划分。

图4 基于稳定性传输机制的区域划分方法

3 仿真实验

为便于对比算法性能，采用NS2仿真实验环境[13]，网络部署环境如下：节点分布区域为矩形(102 400 m×102 400 m)，网络发送节点与接收节点均位于矩形区域边缘且处于随机游走状态。节点信号采用5G信号[14]，采用文献[16]所示的信号预发射成型技术，信号成型过程中采用该文献提及的基于零化方式的频谱锐化清除机制。网络发送节点处于互相独立状态，且相关数据分组报文亦满足泊松分布[15]。其余参数设置见表1。此外，选取当前5G传感技术中常用的基于跨层编码加性复用机制的5G信号带宽优化传输算法[16](optimized transmission algorithm of 5G signal bandwidth based on cross layer coding plus multiplexing mechanism，OT-CLCPM)和基于功率损耗均衡化控制机制的移动无线传感网数据传输算法[17](data transmission algorithm of mobile wireless sensor network based on power loss equalization control mechanism，DT-PLEC)进行仿真对比实验，对比参数选取网络传输带宽、网络平均延时、网络吞吐频率，仿真参数见表1。

表1 仿真参数

仿真实验开始后，按照数据传输轮数，逐轮记录传输周期结束时网络传输带宽、网络平均延时、网络吞吐频率。考虑到5G节点具有的移动特性，将节点运动速度为5 m/s和50 m/s作为实验控制参数，用以测试低/高移动条件下网络参数性能。

3.1 网络传输带宽

图5显示的是将节点运动速度为5 m/s和50 m/s作为实验环境控制参数所测试的网络传输带宽。由图5可知，本文算法的网络传输带宽始终要高于OT-CLCPM算法和DT-PLEC算法。这是由于本文算法充分考虑了数据传输过程中网络能量消耗及时延因素，通过设计基于能量均衡-延迟削弱机制的簇头更新方法促成了簇头节点的稳定更新，降低了因簇头节点受限而导致的传输拥塞现象，因此具有较高的网络传输带宽。OT-CLCPM算法主要采用基于跨层编码信道交互复用机制的串扰消除方案，通过降低信道噪声对传输过程产生的串扰现象，以便增加节点的传输效率；然而该算法并未针对簇头节点因能量受限而出现传输瘫痪现象进行抑制，因此簇头节点受限概率较高，降低了网络传输带宽性能。DT-PLEC算法虽然构建了目标sink-区域子节点控制分组传输机制、区域节点阈值流量控制机制和带宽受限节点二次确认机制进行区域传输稳定，然而由于该算法主要针对数据流量进行控制，未针对簇头节点能量受限现象进行有针对性的区域分割，因此容易因簇头节点失效而导致大面积出现数据传输瘫痪现象，因此其网络传输带宽亦要低于本文算法。

图5 网络传输带宽测试结果

3.2 网络平均延时

图6为显示的是将节点运动速度为5 m/s和50 m/s作为实验环境控制参数所测试的网络平均延时。由图可知，本文算法的网络平均延时要显著低于OT-CLCPM算法和DT-PLEC算法。这是由于本文算法充分考虑节点存在的能量受限及数据延迟现象，引入休眠机制降低簇头节点能量消耗程度，从而降低了数据报文重传数量，改善并提升网络拥塞控制能力，因此网络平均时延较低。OT-CLCPM算法虽然通过优化信号预成型及削弱信道噪声干扰等方式改善网络传输能力，然而由于该算法未考虑通过优化簇头节点更新的方式提高网络拥塞控制能力，容易因簇头节点失效出现网络延时升高的现象，因而其网络平均延时性能要低于本文算法。DT-PLEC算法虽然构建了目标sink-区域子节点控制分组传输机制、区域节点阈值流量控制机制和带宽受限节点二次确认机制优化数据区域传输质量，然而由于该算法同样未针对簇头节点能量受限因素进行控制，仅考虑流量过载对网络平均延时产生的影响，因此该算法在网络瓶颈延时的性能上亦要低于本文算法。

图6 网络平均延时测试结果

3.3 网络吞吐频率

图7是将节点运动速度为5 m/s和50 m/s作为实验环境控制参数所测试的网络吞吐频率。由图可知，本文算法的网络吞吐频率要显著低于OT-CLCPM算法和DT-PLEC算法，显示了较为优越的网络吞吐性能。这是由于本文算法综合考虑了能量和区域划分的因素，综合HEN节点和GN节点存在差异化的特点，提高了HEN节点被筛选为簇头节点的概率，改善了传输节点的数据吞吐性能，因此出现网络抖动的概率较低，体现了较低的网络吞吐频率。OT-CLCPM算法仅采用优化信号预成型的方式提高网络传输性能，未考虑充分分割传输区域并改善簇头节点能量等方式改善网络抖动现象，因此需要重传输的数据分组报文较多，体现了较高的网络吞吐频率。DT-PLEC算法为优化数据传输性能，主要通过流量控制方式设计了目标sink-区域子节点控制分组传输机制、区域节点阈值流量控制机制和带宽受限节点二次确认机制，虽在一定程度上增强了网络吞吐能力，但该算法未通过优化簇头节点更新的方式进一步稳定区域间数据传输质量，因此网络吞吐性能亦要低于本文算法。

图7 网络吞吐频率测试结果

4 结束语

为解决无线传感网在5G部署环境中存在的区域稳定传输问题，提出了一种基于能量均衡-延迟削弱机制的无线传感网区域稳定传输方案。方案首先针对网络部署模型及数据传输模型进行了分析，提出可通过能量均衡及延迟削弱方式进行数据稳定传输。设计了基于能量均衡-延迟削弱机制的簇头更新方法和基于稳定性传输机制的区域划分方法提高了算法对5G环境中存在的超宽带及高抖动性的适应，显著改善了网络拥塞控制能力，具有较好的网络适应性能。

下一步，将针对本文算法难以实现低密度节点部署的不足，拟采取节点拓扑优化机制，增强所提算法在低密度拓扑条件下的网络拥塞控制性能及超宽带数据传输能力，进一步提高本文算法在复杂环境下的部署价值。