基于粒子群算法的无线传感网络中继节点选择策略∗

赵素萍，杜永文

(1.晋中信息学院大数据学院，山西 晋中 030800；2.兰州交通大学电子与信息工程学院，甘肃 兰州 730070)

无线传感网络主要由能量有限的节点构成，这种节点自身带有数据采集、计算及传输等功能，节点利用多跳模式将所有数据传送到中继节点，中继节点将所有数据融合到网络基站，最终把用户所需数据传输给用户，无线传感网络中添加中继节点会加强无线网络的传输速度[1]，同时最大程度扩大网络覆盖范围，降低网络中断概率，所以无线网络内中继节点重要性很高，选取合适的中继节点直接影响无线网络的性能，为此展开中继节点选择策略的研究[2－3]。

闫青丽等[4]首先计算出带有节点噪声的信息矩阵和互信息，其次计算网络所需节点数量以及节点优化的目标函数，最终通过分解目标的方法得出节点最优解，并在偏好排序技术的帮助下选取最优方案，实现无线传感网络中继节点选择。贺文晨等[5]首先对网络中的异构节点训练得出恶意节点，其次建立节点选择系统模型并充分考虑无线传感网络的训练时延，最后将节点选择问题在马尔可夫决策的帮助下得出节点分布式近端选择策略，实现无线传感网络中继节点选择。Al-Kahtani[6]研究了协作式无线传感器网络中的中继分配问题，分析了中继分配算法，以显示在适当的中继节点选择方案方面，信道容量、功率分配、覆盖范围扩展和干扰抑制的有效性。以上三种方法在选择中继节点策略过程中没有构建无线传感网络系统模型，无法直观了解中继节点位置和其主要作用，导致不能选出最优中继节点，存在数据传输延时长、均方根误差大以及吞吐量小的问题。

为了解决上述方法中存在的问题，提出基于粒子群算法的无线传感网络中继节点选择策略方法。构建无线传感器网络系统模型，通过计算中继节点能量，确定中继节点选择策略，降低无线传感网络的传输能耗，通过粒子群算法不断更新中继节点的选择结果，得到全局最优中继节点，提升了无线传感网络传输效率。

1 无线传感网络系统模型的构建

和普通节点选择不同，中继节点通常没有固定的能量，导致中继节点不能利用普通节点选择策略，为更加直观以及高效地选取无线传感网络的中继节点，提前构建出无线传感网络系统模型，如图1 所示，此模型是由1 个源节点、1 个目标节点以及多个传输信息的中继节点构成。

图1 无线传感网络通信系统模型

通过分析实际网络情况发现，两节点距离过长会导致路径损耗过大或出现不能及时传输的情况，假设源节点和目标节点之间不能直接传输数据，且网络中全部节点均配备单发天线，进而使用半双工形式完成网络的通信工作[7]。

通常情况下，源节点和目标节点间的能量供应不变，但中继节点没有固定的能量供应，而中继节点可收集所需能量，且中继节点的能量收集均依赖于源节点的RF 信号，所以在传输信号前中继节点就会收到下一次传输的信号传输形式，且中继节点可从多个方面收集所需能量[8]。

根据中继节点的信号传输模型，如图2 所示，假设每个数据包信号传输所需的时间为t，即源节点到目标节点的传输总时长，中继节点刚好可将传输时间分割成2 个时间间隙相同的时间t/2，此时中继节点会依据自身能量决策出此时的信号传输处理形式，当处于能量收集模式时即可将收获到的信息转换成能量保存到储存空间中。当处于下一间隙时，且中继节点处于能量存储形式，所以中继节点需要持续保持静默状态，当其转换成信号接收模式时，即可将前一个时隙t/2 的信息传送到目标节点中。

图2 中继节点的传输形式

假设无线传感网络中源节点为S，目标节点为D，利用Nakagami-m 的衰落分布体现出网络信道之间的增益变化，令无线传感网络模型中全部信道在各个传输时间内的信道增益是固定不变的，且不同时间内均不互相依赖，则第一个时间间隙的中继节点所接收到的信号表达式为:

式中:Qr，u代表中继节点的接收信号，ku代表源节点和第u个中继节点之间的信道增益，m代表高斯白噪声。

当第u个中继节点Ru的模式为能量捕获模式时，此时传输时间的第一个间隙可采集的能量计算公式如下所示:

式中:Wu代表所收集的能量，α代表能量转换的效率。

假设无线传感网络中可选取的中继节点集合为δ，在传输时间的第二个间隙中，中继节点集合中所有节点都会帮助源节点S传送信号，针对中继节点中的某个节点Ru，其传送信号的表达式为:

式中:εu代表中继节点Ru在中继节点集合中的权值，pu代表中继节点Ru所发射信号的功率[9]。

其中权值εu的计算公式为:

式中:gu代表中继节点Ru的权重。

从而得出目标节点可接收到的网络信号表达式为:

则目标节点接收到的信号信噪比计算公式为:

通过以上公式分别计算出中继节点的实时模式，以此得出中继节点的实际作用，进而开始选择中继节点，加强中继节点选择策略的实用性和准确性。

2 基于粒子群算法的中继节点选择策略

根据源节点的能量情况以及上述反馈出的信噪比对源节点到中继节点开展信号信噪比的加强处理，同时根据中继节点的能量和中继节点的信噪比情况对中继节点到目标节点的信号信噪比实施加权处理[10]。加权的核心就是依照节点的能量消耗情况以及能量剩余量的比值对信道的信噪比实施加权处理，当无线传感网络某个节点的信号传输所需要消耗的能量与能量余值比值较小，此节点经过加权处理后的信噪比会相应的变大，从而呈现出能量针对中继节点选择的重要性，进而舍弃中继节点的选择仅仅能依靠信道条件的情况，扩大中继节点选择策略范围，也进一步提高中继节点被选用在数据传输中的可能性，降低无线传感网络的整体能耗，最大程度增加无线传感网络的寿命，根据以上分析得出中继节点的选择公式为:

式中:Ri∗代表无线传感网络中可用于数据传输的第i∗个中继节点，α代表源节点的能耗权重因子，β代表中继节点的能耗权重因子。

为了选取出性能更高的中继节点，针对中继节点集在粒子群算法的帮助下选取出最优中继节点。

粒子群算法的核心就是对比各个粒子节点适应度值与目前种群的平均适应度，通过比较得出大于平均适应度的粒子并加以保存[11－12]。

在粒子群算法中适应度评价函数的选取十分重要，首先随机选取关于中继节点的属性集，该属性集需要符合属性与类属性有较大关联，但与内部属性无关联，进而实现排除无关属性以及冗余属性的目的，假设随机选取的属性分别是A和B，则两属性之间的相关性能力经过归一化处理后得到的表达式为:

式中:I(A，B)代表属性A和属性B之间的互信息，G(A)代表属性A的熵函数，G(B)代表属性B的熵函数。

其中互信息I(A，B)的计算公式为:

式中:G(A，B)代表属性A和属性B的联合熵。

由于熵函数是根据每个节点属性值的概率计算得出的，因此得出属性A的计算公式为:

式中:p(xi)代表属性值的概率。

因为联合熵G(A，B)实质上是根据属性A和属性B全部组合值的联合概率所得出的结果，因此G(A，B)的计算公式为:

所以根据归一化互信息的结果可直接评判出节点属性集的优良结果，即粒子群算法中的适应度函数，其表达式为:

式中:d代表节点的类属性，i和j均代表节点属性子集中的全部属性。

根据式(7)即可得出各个粒子的适应度，其评判结果越高，则适应度越大。

基于粒子群算法的中继节点选择最关键的一步就是粒子的更新，在中继节点选择的帮助下对粒子列表更新，保证每个粒子都能有效学习，尽可能避免出现提前收敛得出局部最优值的情况，其中粒子的更新计算公式为:

式中:代表t时粒子i的实际位置，α代表粒子算法的收敛收缩和扩张系数，p代表中继节点全局最优值与局部最优值之间的任意值，Mbest 代表粒子群的中心。

为了确保全部粒子均靠近最优粒子，得出任意值p的计算公式为:

式中:d1和d2均代表常数，其范围为[0，1]。

则粒子群中心位置Mbest 的表达式为:

式中:n代表种群粒子的总数量，c代表粒子的维度值。

根据上述计算即可总结出经过计算粒子的适应度值并与最好节点比较，即可得出最优节点位置，其次通过式(13)、式(14)和式(15)更新出粒子位置，将该位置的粒子转换成对应的中继节点即选取出最优中继节点。

3 仿真分析

将无线传感网络应用于智能家电设备远程监控中，以实现家电设备远程操控。为提升无线传感网络的数据传输性能，验证基于粒子群算法的无线传感网络中继节点选择策略方法的整体有效性，对所提方法、文献[4]方法、文献[5]方法及文献[6]方法开展数据传输延时、均方根误差以及吞吐量的测试。引入MATLAB 仿真平台，设置无线传感网络源节点个数为5 个，中继节点个数为4 个，测试结果如下所示。

3.1 数据传输延时

中继节点的主要作用就是提高传输效率，加强无线传感网络的性能，正常情况下数据传输延时和数据包的大小以及密度有直接关系，当数据包数量和密度越高，则网络传输的延时会有所增加，否则反之，但中继节点会在一定程度上改善网络传输延时的弊端，为比较三种中继节点选择方法的优劣，在同一环境下，随机选取大小和密度完全不同的样本数据，编号为1－15，每组数据量为100 Mb，利用四种方法选择无线传感网络中的中继节点，并计算出每种方法下改善后的网络延时，仿真结果如表1 所示。

表1 四种方法的数据传输延时 单位:ms

根据仿真结果可知，经过四种方法处理后的数据延时情况均有所改变，其中变化最不明显的就是文献[5]方法，其次是文献[4]方法及文献[6]方法，数据延迟改善最具成效的是所提方法，平均延时为1.81 ms，这是因为所提方法在选择中继节点策略过程中构建出无线传感器中继节点传输模型，以此清楚明了地得知中继节点的实际情况和作用，以便更好地完成中继节点的选择，加强中继节点选择策略的有效性。

3.2 均方根误差

由于中继节点数量较多，很容易提前收敛得到局部最优值作为整个网络的中继节点，造成传输结果不理想或中继节点选取出现误差的情况，为了进一步验证所提方法的有效性，分别在不同样本数据下对比四种方法选择中继节点的均方根误差，提取出均方根误差值最小的方法即为最优中继节点选择方法。四种方法的均方根误差如图3 所示。

图3 四种方法的均方根误差

对比仿真结果后发现，在每组样本中所提方法的均方根误差均最小，平均值为1.29，且该结果远远低于文献对比方法，这说明所提方法选择中继节点的能力高，保证中继节点的性能同时以最高准确率选取中继节点。

3.3 吞吐量

验证无线传感网络优劣最有力的指标就是网络吞吐量，吞吐量指的是在没有帧丢失的前提下，网络可接受的最大速率，中继节点的最大作用就是接收数据，因此验证网络的吞吐量可直接反映出四种方法中继节点选择的好坏。

在同一环境下，利用四种方法在不同工作量选择适合的中继节点，并计算出每种方法在每组数据中的吞吐量，仿真结果如图4 所示。

图4 四种方法的吞吐量

根据仿真结果可知，虽然所提方法所面对的工作量不同，但该方法还是可保证网络的吞吐量，最大值为260 op/s，且所提方法的吞吐量在每组样本中都是最高的，由此验证所提方法的中继节点选择方案最好。本文方法同时收集所有中继节点构成中继节点集，保证中继节点的选择策略具有多样性，一定程度上增加了计算难度，但能够有效提升无线传感网络的数据传输性能。

4 结束语

为提高无线传感网络整体能力，提出基于粒子群算法的无线传感网络中继节点选择策略方法，该方法首先构建无线传感网络系统模型得出中继点相关数据，其次通过粒子群算法不断更新出中继节点，得到全局最优节点，实现无线传感网络中继节点选择，解决了数据传输延时长、均方根误差大以及吞吐量小的问题，有效提高无线传感网络速度。