面向多状态节点的移动WSNs 的区域覆盖可靠性分析*

史记征，刘 毓

（1.重庆安全技术职业学院网络与信息安全系，重庆 404020；2.重庆三峡学院电子与信息工程学院，重庆 404020）

0 引言

无线传感网络（Wireless Sensor Network，WSNs）由微型传感节点构成［1］，这些节点具有感测、通信能力。目前，WSNs 已广泛应用于智慧农业、智能交通、康复医疗等领域。由于这些节点属微型节点，它们的功能容易受到多类因素影响，如湿度、下雨天以及电量不足、硬件故障。

一旦节点功能受损，节点间的连通率下降，影响了数据传输的可靠性。文献［2-6］研究了WSNs 数据传输的可靠性问题。然而，除了数据传输的可靠性，区域络覆盖率也是影响WSNs 性能的一个重要因素。从区域面积角度，可将覆盖问题分解成区域覆盖［7］、点覆盖［8-9］、k-覆盖［10-11］。对于任意一类应用，覆盖质量也是反映WSNs 的关键指标。只有有效地覆盖监测区域，才能准确地收集区域内数据。

通常节点需多跳路径才能将数据传输至信宿。这使得信宿周围的节点能耗速度快于其他节点。为了解决这个问题，引用多个静态信宿［12］。利用多个信宿，减少源节点离信宿距离，进而缓解信宿周围节点的能耗速度。然而，如何部署静态信宿，进而有效地平衡网络内的能耗也是一项挑战工作。

此外，文献［12］考虑了两类状态节点。两类状态不足于评价多个信宿的覆盖和可靠性问题。由于硬件故障、能耗等问题，一个节点可能存在多个状态。尽管文献［13］提出识别节点状态的方法，但是其没有阐述评估可靠性的方法。

因此，节点多个状态的WSNs 网络模型是一项值得研究的议题。通过考虑多个状态，提高评估WSNs 可靠性。

为此，提出区域覆盖-可靠（Area Coverage Reliability，ACR）指标。该指标包含了以下信息：1）节点的多状态特性；2）覆盖区域要求；3）两个节点间距离；4）欧式距离；5）节点的传输半径；6）节点剩余能量；7）链路可靠性。

同时，利用Monte Calro 仿真方法评估ACR 指标。在仿真过程中，节点采用随机的值日率，并考虑硬件失败、节点能量状态信息以及覆盖率对ACR 的影响。仿真数据为构建WSNs 提供参考。

1 系统模型

图1 网络模型

每个节点有4 个状态：活动、转发、休眠和失效。在活动状态时，节点能够感测、传输和接收感测数据；在转发状态时，节点能够传输和接收感测数据，但不能感测数据；在休眠状态时，节点暂时性关闭所电路，节点既不能感测数据，也不能传输和接收数据；相反，在失败状态，因故障，节点既不能感测数据，也不能传输和接收数据。

1.1 能耗模型

式中，Eelec表示发射电路每发射（传输）单比特数据所消耗的能量。εfs、εamp分别表示在自由空间、双径衰落传输模型下的能量消耗因子。

图2 能耗模型

1.2 链路可靠性定义

对于任意两个节点si、sj，它们间的链路Lij满足以下两个条件，才认为链路Lij是可靠的。

2 ACR 指标

2.1 节点状态的随机产生

信宿在不同的位置，节点可能处于不同状态。假定信宿每隔t s 更换一次位置。因此，节点每隔t s 更新一次状态。接下来，推导节点处于不同状态的概率。

首先，通过式（3）计算节点si处于休眠状态的概率：

2.2 节点所感测的区域

2.3 链路可靠性

具体而言，若满足1.2 的链路可靠性定义，则链路可用。如果链路Lij可用，则表明节点si有能力将数据传输至节点sj。反之，若链路Lij不可用，则表明无论节点si处于活动还是转发状态，节点si可能没有足够能量向节点sj传输数据。

为了构建矩阵M，引用一个随机值，且该随机值由链路的终端节点产生。令ξLij表示由链路Lij的终端节点si产生的随机数，其在0 至1 范围内。如果ξLij小于ξth，并且节点si和节点sj处于活动或转发状态，则Li，j=1，如式（8）所示：

式中，ni=1 和nj=1 表示节点si和节点sj处于活动或者转发状态。若不处于活动或者转发状态，ni=0、nj=0。

2.4 计算ACR 流程

信宿沿着监测边界移动，假定总共K 进行迭代。信宿每隔t s 更新一次新的位置，总共有次位置。

对于每次特定位置，先估计节点的状态。节点当前的状态受随机的值日率、硬件元素以及剩余能量影响。然后，再判断节点状态。如果节点处于活动状态，就依式（8）计算所感测的区域。再依据式（9）计算所有活动节点共同感测的区域：

3 性能仿真

3.1 仿真参数

图3 计算ACR 的流程图

表1 仿真参数

随机产生不同的网络拓扑结构，再利用拓扑结构评估ACR 性能。在每种拓扑结构中，传感节点在特定位置。对于特定的拓扑结构，仿真20 000 次，取平均值作为最终的仿真数据。

3.2 节点数对ACR 和能耗的影响

考虑N 从50，60，70，80，90，100 变化。对于每个N，随机产生24 个网络拓扑，且θ=50%。

图4 显示了4 种拓扑结构下不同节点数对ACR 的影响。从图4 可知，节点数的增加，并没有提高ACR 值。具体而言，在拓扑4 中，节点数从70 增加至80 时，ACR 从0.691 90 增加至0.900 18；而在拓扑3 中，节点数从60 增加至70 时，ACR 反而从0.999 52 下降至0.737 76。原因在于：节点数越多，成功通信的节点数也越多，这就导致节点过早因能耗殆尽而失效，使得后面仿真的通信不成功，最终导致ACR 值下降。

图4 节点数对ACR 的影响

图5 能耗随节点数的变化情况

图5 显示了节点数对能耗的影响。依据图5 可知，ACR 值越大，能耗就越大。例如，在N＝90 时，拓扑2 结构中，在ACR=0.914 56 时的能耗为2.207 38 mJ；而在拓扑3 结构中，在ACR=0.999 67 时的能耗为0.850 14 mJ。这说明，ACR 结合了值日率、随机节点状态、节点能量以及拓扑结构因素。并不随单一因素影响。

3.3 值日率α 和Areq 对ACR 的影响

本次实验考虑大型网络，且节点数N=200，300，400，500 变化。θ 从50%～95%变化。下页表2、表3 分别显示了α=0.8、α=0.9 的情况。

从表2 和表3 可知，α 值的增加，使更多节点保持唤醒状态，这就使得表3 的ACR 值大于表2中的ACR 值。例如，在表2 和表3 中，当N=300时、θ＝50%，值日率从0.8 至0.9 增加，ACR 值增加了11%。

表2 值日率对ACR 的变化影响（α=0.8）

表3 值日率对ACR 的变化影响（α=0.9）

此外，从表2 和表3 可知，在每种拓扑结构中，θ=50%增加至θ=90%，ACR 值随之下降。例如，在拓扑结构中，且N=200，θ 从50%增加至90%，使得ACR 值下降了2.1%。原因在于：在同一种情况下，θ值的增加，需要更多节点覆盖区域。

4 结论

维持连通和最大化网络可靠性是构建新区域监测方案的挑战技术。为此，本文提出区域覆盖-可靠ACR 指标。该指标包含了节点状态、链路可靠性以及区域覆盖要求等信息。仿真结果表明，提出的ACR 指标能够有效地评估网络连通和最大化网络可靠性。本文考虑了不具有充电能力的传感节点。后期，将考虑可充电传感节点构成的WSNs。这将是后期研究工作的方向。