基于能源总线的区域能源复杂互联网络建模分析*

程 杰， 李正民

(1. 郑州升达经贸管理学院 信息工程学院， 郑州 451191； 2. 郑州大学 信息工程学院， 郑州 450001)

随着网络建设规模的不断扩大，需要对网络进行区域能源管控，降低网络的能耗开销.构建区域能源复杂互联网络的优化组网模型可以提高能源网络的输出均衡性和用户的能源使用公平性.研究区域能源复杂互联网络的建模方法，对能源总线的管理和调度具有重要意义[1-2].

区域能源复杂互联网络作为未来网络拓扑结构的主要构架形式，通过传感器节点实现动态分簇组网设计，结合能源总线进行数据转发和能源分配.在区域能源复杂互联网络进行数据转发过程中，需要对网络的能源总线进行优化监测和调度，结合自适应数据转发协议实现区域能源复杂互联网络的信道均衡控制.传统对区域能源复杂互联网络的建模方法采用主动定位法，构建网络的传感器探测协议，结合网格区域块匹配方法进行区域能源复杂互联网络的能源输出节点定位优化[3-6].有学者提出基于混合蒙特卡罗算法的网络能源总线监测方法，利用IEE802.15.4 MAC传感器协议进行能源输出节点的分布式调度，采用交叉总线混合调制方法实现能源网络建模优化，但该方法计算复杂度较高，网络能源输出节点的自组网性不好.针对上述问题，本文提出基于能源总线的区域能源复杂互联网络建模方法.采用能源总线自适应转发控制方法建立协议状态转移模型，提取能源总线输出信息的关联特征量；采用混合蒙特卡罗算法进行区域能源复杂互联网络的输出能源均衡配置，结合传感器探测协议实现能源网络的自适应能源输出节点轮换调度，提高区域能源复杂互联网络的稳定性.

1 组网结构及能源输出节点定位

1.1 能源输出节点解析分布模型

为了实现对区域能源复杂互联网络建模优化，需要首先构建能源输出节点解析分布模型进行能源输出节点最优分布密度模型分析[7]，使用一个二元有向图G=(V，E)表示能源总线分布的有向图模型结构，其中，V为部署在空间探测区域的能量转发能源输出节点顶点集；E为能量转发能源输出节点覆盖区域G中所有边的集合.典型的能源输出节点分布结构如图1所示，M1，M2，…，MN为能源输出节点的有限数据集，I、J、K、L、O分别为不同的能源输出节点.

区域能源复杂互联网络的应用层通过实时传输协议(RTP)实现传感器分发控制[8].结合传感器探测协议进行区域能源复杂互联网络的输出能量总线传输控制，得到转发能源输出节点的能源输出容量为

s(t)=∑bj∑p(s-iGs-jTf-cTc)

(1)

式中：bj为输出节点的能量开销；p为节点能耗损失系数；s为网络能量转发参数；i为网络状态动作集合权重；Gs为网络状态动作集合；j为节点输出能源在网络总线能源中所占比重；Tf为能源输出节点所输出的能源；c为额定输出容量；Tc为网络能量转发量.

结合网络融合模型，得到区域能源复杂互联网络相邻能源输出节点的最小跳数为

图1 能源输出节点分布结构Fig.1 Distribution structure of energy output nodes

PAOMDV=(1-Pd)2{1-[1-(1-Pe)n·(1-Pd)n-1]m}

(2)

式中：Pd为第一跳的传感器重复数；Pe为待测能源输出节点距离基准点的最小跳数值.

根据上述分析，在异构无线网络中进行传感器探测协议设计，构建区域能源复杂互联网络的能源总线传感器均衡控制模型，并采用CSMA/CA约束控制模型[9]，能源总线传感器均衡控制输出为

(3)

式中：dACK为能源输出节点i发送确认字符(ACK)的传输距离；C(i)为能源输出节点i接收信号的强度值；vslot为数据传输速率；tDATA为能源输出节点i发送能源状态数据的时间；tT-start为初始阶段能源输出节点的处理时延.

区域能源复杂互联网络的能源输出节点解析分布模型为

(4)

式中：BT-elec、BR-elec分别为数据消息及ACK消息的传输因子；R为能源传输负载；Ht为能源输出节点t时刻传输单位比特数据的能量消耗；LDATA为数据消息的长度；LACK为ACK消息的长度.

采用能源总线自适应转发控制方法建立协议状态转移模型，在终端进行网络选择与切换.

1.2 网络能源输出节点的定位部署优化

在构建区域能源复杂互联网络的能源输出节点解析分布模型的基础上，采用能源总线自适应转发控制方法建立协议状态转移模型[10-11]，得到区域能源复杂互联网络图拓扑因子矩阵.

在关联规则约束下，根据多种网络和终端因素进行选网决策，得到区域能源复杂互联网络中能源总线的负载开销为

SL(x)=SL(x-1)γ+(1-γ)SQi

(5)

式中：SL(x)为能源输出节点自身负载；SL(x-1)为上一时刻能源输出节点自身负载；SQi为其相邻能源输出节点负载；γ为平滑因子.当区域能源复杂互联网络中能源总线向能源输出节点发送数据包时，区域能源复杂互联网络的能源输出节点输出最大跳数为

Pcomm=DTX+FRX

(6)

式中：DTX为输出节点与网关之间的输出跳数；FRX为节点输出的跳数.在当前网络状态下得到网络相邻能源输出节点的能量损失概率，并在此基础上根据网络参数属性权重进行网络能源输出节点的定位部署优化[9]，得到定位部署优化模型.

2 区域能源复杂互联网络建模优化

2.1 互联网络的输出能源均衡配置

在构建区域能源复杂互联网络模型的基础上，提取能源总线输出信息的关联特征量.设区域能源复杂互联网络中能源总线向能源输出节点发送数据的帧头长度为h，终端业务获得的网络服务数据的到达率为xiri(x).决策时刻选择切换的网络能源总线输出为

k1(LDATA+LACK)+2k2

(7)

式中，k1、k2分别为调整系数.

在全网功耗均衡控制下进行区域能源复杂互联网络能源总线监测，选择切换网络后所获得的收益占空比为

(8)

式中：l为能源输出节点接收的比特数据；pdrop为每秒钟信号中高低电平变化的次数.

提取能源总线输出信息的关联特征量，得到互联网络的输出能源均衡配置函数，并根据定义对加入无线网络的多个状态参数进行区域能源复杂互联网络的信道均衡配置[12].

2.2 网络自适应能源输出节点轮换调度

采用混合蒙特卡罗算法进行区域能源复杂互联网络的输出能源均衡配置，结合传感器探测协议实现能源网络的自适应能源输出节点轮换调度[13]，得到混合蒙特卡罗函数.采用动态均衡控制方法进行区域能源复杂互联网络路径相邻能源输出节点置换，得到能源总线的邻居变化率定义为

(9)

式中：Ni(t)为新能源输出信道的输出总能量；Ni(told)为原能源输出信道的输出总能量.

把网络的能源总线连接到蜂窝网络和WLAN网络[14]，得到业务终端到达率W(p)，并对W(p)在随机采样区间p∈[0，1]上进行能源输出节点监测.根据W(p)实现能源网络能源总线信息监测和建模优化，结合传感器探测协议实现能源网络的自适应能源输出节点轮换调度，提高区域能源复杂互联网络的稳定性.

3 仿真实验与结果分析

为了验证本文方法在区域能源复杂互联网络建模优化中的性能，本文进行了仿真实验分析.实验采用MATLAB 7设计，以200 m×200 m二维平面作为区域能源复杂互联网络的建模分布区域，网络的预期分簇数目为24，区域能源复杂互联网络信息采样的能源输出信号为50 dB，载波频段为20 kHz，其他网络模型参数设定如表1所示.

表1 区域能源复杂互联网络模型参数设定Tab.1 Parameter settings of regional energy complex Internet model

根据上述仿真环境和参量设定进行区域能源复杂互联网络建模，并测试对比文献[4]方法与本文研究方法的网络传输功率，得到对比结果如图2所示.

由图2可知，采用本文方法进行区域能源复杂互联网络的优化建模后，输出的传输功率较稳定，波动较小，信道均衡性较强，从而提高了网络的吞吐容量及用户公平性.

4 结 论

在区域能源复杂互联网络进行数据转发过程中，需要对网络的能源总线进行优化监测和调度，结合自适应数据转发协议实现区域能源复杂互联网络的信道均衡控制.本文提出了基于能源总线的区域能源复杂互联网络建模方法.在异构无线网络中进行传感器探测协议设计，构建区域能源复杂互联网络的能源总线传感器均衡控制模型.在不同业务类型终端进行能源总线的监测，在状态转移模型基础上建立区域能源复杂互联网络能源总线分簇调度模型，实现传感器探测协议的自适应能源输出节点轮换调度，提高区域能源复杂互联网络的稳定性.该方法进行区域能源复杂互联网络建模的输出稳定性较好，提高了能源控制能力.

图2 网络传输功率对比测试Fig.2 Comparison test of network transmission power