无线集群通信系统的能耗分析与优化方法

摘 要：通信系统中的无线传感器网络（Wireless Sensor Networks，WSN）应在无人值守的情况下可以长时间稳定运行，因此自组织和能源效率等特性对WSN来说十分重要。满足这些要求的一种方法是将WSN划分为多个集群，其中每个集群由集群头节点（CH）管理，包括多个集群成员。本文分析了集群网络的能耗并量化了不同节点数和流量水平的集群的能量增益。经过分析后，本文提出一种新的聚类协议，该协议可以选择更少的CH来最小化能耗，并简化了WSN的维护。

关键词：无线集群；通信系统；无线传感网络；能耗分析；协议优化

中图分类号：P 642" " " " " " 文献标志码：A

通信系统中的无线传感器网络可以在无人值守的情况下长时间运行[1]，这促进了集群协议的设计。每个集群包括1个集群头节点（Cluster Head，CH）和多个集群子节点（Cluster Members，CM）[2]。CH在每个超帧的开头发送信标消息以协调集群内通信，集群之间的数据交换由相互连接的CH承载[3]，所有CM仅与自己的CH链接以发送/接收数据包，CH参与网络控制和管理。通过聚类，WSN的拓扑结构可以分层处理，为集群拓扑，相对的非簇状拓扑为扁平拓扑。当节点数量较多时，很难保持网络处于活动状态，因此可以使用分而治之的方法[4-5]。但是，本地化网络会产生能耗，当发送信标消息时，CH也会消耗额外的能量，这降低了集群的能量增益[6]。因此，本文分析了具有不同参数（例如节点数量和网络维度）的网络中的聚类能量增益，提出了一种新的CH选择协议，该协议考虑了2个节点的剩余能量和增益，在平衡能耗的同时降低大型网络的维护成本，旨在权衡各种条件下的两者，以更好地选择参数。通过试验分析证实提出方法的有效性。

1 WSN中集群能量收益的量化分析

集群拓扑结构有利于节能，然而在具有不同参数（例如节点数量、规模和流量水平）的网络中，无法预测节能方面的收益。

1.1 方法论

假设在2种拓扑中，节点都保持一定时间的唤醒/睡眠周期。在扁平拓扑中应用CSMA/CA协议，集群拓扑则使用MAC方案。在集群拓扑中，在发送信标消息的过程中，CM须在指定的时间内以时分多址技术方式将其感测的数据发送至其CH，CH聚合其CM的数据包并通过仅由CH组成的路由将它们传输至汇聚节点。假设在这2种情况下，n个节点均匀分布在网络中，节点的最长传输范围为Rm。对集群拓扑来说，选择k个节点作为CH，因此每个集群簇有1个CH和（n−k）/k个CM。网络占据mR×mR m2的区域，其中m为＞1的常数。在所有节点全功率传输的情况下，假设n很大并且网络是连通的，平均能耗E[h]近似为2m/3。

使用LEACH协议中提出的能量模型，当距离Rm传输I bits时，WSN传感器的能耗如公式（1）所示。

Et=EelecI+εampIR2" " " " " " " " " " " " " " " "（1）

式中：Et为传输能耗；Eelec为传感器无线电前端耗散的能量（一般为5×10-8J/bit*）；εamp为发射放大器实现适当的能量损失（一般为1×10-10J/bit/m2）；I为传输带数据量；R为传输距离。

接收I bits的能量消耗如公式（2）所示。

Er=EelecI" " " " " " " " " " " " " " " " " " " " "（2）

初始化WSN传感器RFE的能耗为Einit，与其他WSN传感器的工作时间相比，初始化的持续时间可以忽略不计。

在这2种情况下，每个节点都会发送1个L位的数据包，强度为λ数据包/s。RTS/CTS的长度（设为Lrts和Lcts）数据包的长度为ηL bits，信标消息长度（设为Lbeacon）为γL bits，其中η，γlt;1是常量。必须在每个周期唤醒扁平拓扑中的节点以侦听通道信号。为了便于推导，将这一时期的能量消耗等同于接收的能量消耗βL bits。集群拓扑中的数据压缩率为α，对WSN节点，能耗包括用于发送、接收、空闲侦听和睡眠的能量，如公式（3）所示。

E=Etx+Erx+Elisten" " " " " " " " " " " " " " " " " " （3）

式中：E为总能耗；Etx为发送和接收的能耗；Erx为空闲侦听能耗；Elisten为睡眠能耗，与发送和接收相比，睡眠的能量消耗可以忽略不计。

在扁平拓扑中，每个节点的平均总流量是节点自身流量和整个中继流量的总和。每个节点生成的自身流量为λ（L+Lrts） bits。为了将数据包中继至另一个节点，节点必须分别向前一跳和下一跳发送CTS和RTS数据包。因此，节点总共发送L+Lrts +Lcts bits的数据量来中继1个L bits的数据包，1个节点中继λ（E[h]-1）（L+Lrts+Lcts） bits/s。每个RTS或CTS数据包被发送者的所有邻居接收，平均节点度如公式（4）所示。

（4）

因此1个节点接收λE[h]L（2η（nπ/m2）+1）-ληL（nπ/m2） bits/s，Etx和Erx可以通过将每秒发送和接收的位数分别代入（1）和（2）来计算。笔者统计了在Elisten中REF初始化的能耗，Elisten = Eelec （βL/tc） + （Einit/tc）。将各公式代入公式（3），则拓扑中n个节点每秒的能耗如公式（5）所示。

（5）

如果所有节点都以最小的传输功率发送数据包，则每次传输功耗降低，跳数增加。利用格子近似网络来分析这种情况。假设网络中有n个节点，有一个 ×格，则平均跳数为2/3。

因此最小传输范围为mR/。将各部分代入公式（4），如公式（6）所示。

（6）

对集群拓扑来说，假设有一个理想的集群协议，通过该协议可以选择网络中均匀分布的最小CH集合，2个相邻CH之间的距离为R，CH和CM的平均距离为R/3米。

1.2 数值分析结果

聚类的WSN能量增益G计算过程如公式（7）所示。

（7）

式中：G为能量增益；Ecluster为集群的平均能耗；最小传输功率是指节点以最小的功率进行传输，同时保持网络的连通性。对增益进行数值分析的关键是了解连通支配集（CDS）的大小，算法不同可能会导致CDS大小不同。因此笔者在R=50 m的网络中比较2种拓扑，网络尺寸为175m ×175m。数值分析参数见表1。

唤醒/睡眠周期为1 s，聚合比例和节点数量分别为0～1 和100～1000，笔者绘制了Efla和E' flat的集群增益，如图1所示。最长传输范围可获得大约10%的增益，这说明Eflatgt;E' flat，当节点数量较少时，聚合会带来较大增益，当网络非常密集时，效果不强，观察集群至少可以节省50%的能源。当节点数量较多、聚合比例较低时，增益可提高90%以上。

根据固定数据聚合比（α=0.5）绘制图像，如图2所示。当集群中有很多CM时，来自其他因素（例如较少的RTS/CTS和数据聚合）的收益更占主导地位，因此不太频繁的信标消息所节省的能源并不显著，增加tc不会导致增益增加。

2 构建高能效WSN集群协议

上述计算是集群WSN拓扑取得实际增益的通用方法，然而由于不同的聚类协议可能具有不同的开销和能耗，因此本文在WSN中提出一种良好的节能和本地化聚类协议。

集群拓扑可以节省能源，但是上述分析没有考虑节点度等拓扑信息。由于CH消耗的能量比CM多，因此网络可能会失去某些功能或被分区。因为存在这些问题，所以本文提出了一种节能的聚类协议，当选择CH时，该协议考虑了节点度和能级。因此，它能够形成一个小的CH集，CH比其他节点具有更多能量。当发生更改时，该协议可以保持集群拓扑。

提出一个新的选择协议C，其定义如公式（8）所示。

（8）

式中：C为容量；E为节点的剩余能量；Emax为当节点充满电时的最大能量；D为节点的度数；Dmax为邻节点的最大度数；F为预定义的加权参数，∈ [0，1]。

当F较大时，节点的能级更重要，因此选择的CH应该具有更多的能量；当F较小时，节点度更重要，因此选择具有较多邻节点的节点。CH可以覆盖更多的节点，生成的CH可以很小。

3 仿真结果

仿真是在200 m×200 m的区域中进行的，其中每个节点具有R=50 m的传输范围，n∈{100， 200， 400}个节点被随机放置在该区域中。每个节点的初始能级在1～ 20 J随机取值。

研究当参数F发生变化时，容量C如何影响CDS的选择。不同F对应CH的数量如图3所示，从图3中可以看到较小的F，说明节点度比能级更重要。随着网络中节点数量增加，F越大，曲线上升得越快。F选定CH的平均能级如图4所示。当F为0.8时，平均能级达到峰值；当F为1时，从图3中可以看出选择了更多的CH。在这种情况下，尽管能级在选择中占主导地位，但是大量的CH会形成更大的分频器，从而降低平均能级。

由图3和图4可知，当改变F时，CH的数量和它们的能级之间存在折中。将F放大至0.7，CH的数量没有显著增加，其平均能级几乎达到峰值。因此，为了获得具有相对高能级的CH，F应选择在0.7左右。

4 结论

本文分析了网络中扁平拓扑和集群拓扑的能耗。经过分析可知，集群拓扑在不同的网络参数（例如节点数、维度和流量级别）下可以节省多少能量。从典型参数的数值结果中观察，通过簇状拓扑，扁平拓扑可以节省至少50%的能量；当节点数量较大且数据聚合率较小时，增益增加90%以上。本文还提出了一种新的聚类协议，该协议考虑了2个节点的能级和程度，通过仿真证明了所提出协议的有效性，并在能耗参数方面提出了建议。

参考文献

[1]王明华，黄畅，王彦，等.无线传感器网络节点重部署研究进展[J].计算机应用研究，2023，40（4）：978-986.

[2]潘继强，刘杰，达列雄，等.基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法[J].吉林大学学报（理学版），2023，61（6）：1441-1447.

[3]冯余佳，王珂，张伟，等.线性无线传感器网络节点部署优化研究[J].信息技术与信息化，2023（9）：162-166.

[4]李青云，高宇鹏，杨倩倩.基于分片重传链路感知的无线传感器网络能耗控制方法[J].传感技术学报，2023，36（7）：1136-1142.

[5]尚立信.无线传感器网络低功耗设计与研究[D].太原：中北大学，2023.

[6]秦立朋，刘伟民，郑爱云.无线传感器网络低功耗技术研究[J].机械工程与自动化，2022（5）：225-226.