基于節(jié)點雙向選擇的水聲傳感網絡自適應能量優(yōu)化分配

裴祥，任曉娜

基于節(jié)點雙向選擇的水聲傳感網絡自適應能量優(yōu)化分配

裴祥，任曉娜

針對水下傳感器網絡節(jié)點能量負載不均衡以及水下節(jié)點路徑傳輸損耗過大等問題，為了平衡網絡的節(jié)點能量分配，提高網絡能量的利用效率，提出了一種基于節(jié)點雙向選擇的水聲網絡自適應能量優(yōu)化分配算法?；诠?jié)點的剩余能量情況提出下一跳候選節(jié)點的雙向選擇方法，防止剩余能量過低的節(jié)點在傳送數(shù)據(jù)時由于傳輸損耗過大而中止，充分考慮節(jié)點剩余能量和傳輸損耗之間的權衡，提出了最優(yōu)轉發(fā)節(jié)點的競爭公式，再通過比較候選節(jié)點的競爭值來選舉最佳的下一跳節(jié)點。實驗仿真表明，自適應能量優(yōu)化分配算法能夠有效地提高水下傳感器網絡的能量利用效率，并通過與對比算法組的比較證明了算法在能量優(yōu)化上的有效性。

水下傳感器網絡；節(jié)點雙向選擇；自適應能量優(yōu)化分配；競爭公式

0 引言

水下傳感器網絡是指通過不同重量的錨、不同高度的浮標、或者水下自主航行器等方式搭載不同功能的傳感器，執(zhí)行對水下、水面進行環(huán)境監(jiān)測以及數(shù)據(jù)收集等任務。由于對石油、天然氣等資源的需求量在不斷加大，為了減輕陸地資源開采的負擔，并合理利用海底豐富的自然資源，世界各國正在逐步加大力度進行海洋資源的探測和開發(fā)[1-2]。海洋水域遼闊，考慮到時間以及經濟承受能力，采用水下航行器進行資源探測的代價太大，而水下傳感器網絡具有低能耗，覆蓋范圍大的特點，能通過節(jié)點之間的協(xié)作形成一個多跳自組織網絡，將節(jié)點采集到的數(shù)據(jù)發(fā)送到基站，實時反饋網絡所監(jiān)測的海域的有效信息[3-4]。

Jugen Nie[5]提出基于遺傳算法的水下無線傳感器網絡，通過同步傳輸機制和高效的路由算法實現(xiàn)節(jié)點間的負載平衡，有效地降低了網絡的能量消耗。Abdul Wahid[6]考慮到水下深度對節(jié)點轉發(fā)數(shù)據(jù)包的影響，提出一種高效節(jié)能的水下傳感器網絡地理轉發(fā)路由協(xié)議（EEDBR），基于節(jié)點的空間位置和剩余能量來選擇合適的轉發(fā)節(jié)點，通過實現(xiàn)能量均衡從而延長網絡的生命周期。Junfeng Xu[7]考慮到噪聲并不是均勻分布于水下環(huán)境，在假設噪聲衰減的情況下提出一種新的非對稱多路徑分離通信協(xié)議（AMDC）， 通過基于樹的多路徑規(guī)劃以及節(jié)點的能量分布式優(yōu)化方案，在提升水下網絡能量效率上達到了一定效果。劉玉梁[8]等人提出一種基于驅動路由協(xié)議的能量優(yōu)化路由協(xié)議，協(xié)議通過選優(yōu)目標函數(shù)來得到節(jié)點數(shù)據(jù)轉發(fā)的較優(yōu)路徑，有效利用剩余能量較大的節(jié)點，均衡節(jié)點能耗，提高水下網絡的能量利用效率。Dario Pompili[9]等人提出一種水下傳感器網絡的多媒體跨層路由協(xié)議，針對水下傳感器網絡延遲敏感和延遲不敏感時的網絡流量損失問題，通過開發(fā)一個分布式的跨層通信方案，有效地解決了高延遲情況下的帶寬限制問題，有效地改善了網絡吞吐容量和能量效率。

由于水下傳感器節(jié)點部署環(huán)境的復雜性，只能通過電池來對節(jié)點進行供電，在電池能量有限的情況下，為了延長網絡的生命周期，需要充分利用剩余能量較多的節(jié)點，防止能量較低的節(jié)點過早消亡，自適應能量優(yōu)化分配算法充分考慮了源節(jié)點及其鄰居節(jié)點的剩余能量情況來選取候選節(jié)點，使源節(jié)點不會誤選剩余能量較少的鄰居節(jié)點來轉發(fā)數(shù)據(jù)。在考慮節(jié)點剩余能量的同時，為了防止數(shù)據(jù)轉發(fā)過程中傳輸能耗過大，在候選節(jié)點當中選舉最優(yōu)的轉發(fā)節(jié)點時，候選節(jié)點與源節(jié)點之間的鏈路距離因素也被考慮在內，從而得出候選節(jié)點間的競爭公式，在競爭公式中，節(jié)點剩余能量、傳輸損耗，鏈路距離都占有一定的權重，通過競爭值的比較方式來選取最優(yōu)轉發(fā)節(jié)點，不僅可以有效地平衡網絡的整體負載情況，而且能夠將網絡的傳輸損耗情況加以控制。

1 網絡模型

由于水下傳播環(huán)境的復雜性，水下傳感器的網絡模型不同于陸地傳感器的二維網絡架構，而是通過節(jié)點部署在不同的水下深度構成一個三維網絡，在本文中假設傳感器節(jié)點通過不同重量的錨部署在不同的水深位置以及水面，具體部署方式借鑒于Dario Pompili[10]提出的水聲網絡部署模型。網絡采用水聲傳感器來進行數(shù)據(jù)收發(fā)，節(jié)點轉發(fā)模型如圖1所示：

圖1 節(jié)點轉發(fā)模型

源節(jié)點Source通過選擇合適的轉發(fā)節(jié)點將數(shù)據(jù)傳送到匯聚節(jié)點Sink。水下網絡用有向圖?(G,L)表示，G={G1,...,Gn}表示三維網絡的節(jié)點集合，eij∈L 表示節(jié)點i和j之間的鏈路，水聲的平均傳播速度為[10]，如公式（1）：其中a、b的取值跟海水的鹽度有關，z表示網絡部署的海下深度，c、d的取值跟海水介質有關。

水聲傳播損耗公式為[11-12]如公式（2）：

χ指水聲的輻射系數(shù)，當聲音的輻射方式為全向輻射方式時，χ=20，為水平輻射方式時，χ=10。α(f )表示吸收系數(shù)，單位為dB/m，d表示以米為單位的傳輸距離，A表示傳輸過程中產生的異常損耗，水聲傳播過程中的延遲時間t為：。水下信噪比如公式（3）：

SL是聲源級，NL表示噪聲電平，DI表示水下傳感器的指向性指數(shù)，δ表示網絡中的干擾節(jié)點數(shù)目。

2 自適應能量優(yōu)化分配

為了有效利用剩余能量較大的節(jié)點，平衡網絡節(jié)點負載，并選擇傳輸能耗較低的節(jié)點路徑，自適應能量優(yōu)化分配算法先通過制定源節(jié)點與鄰居節(jié)點之間的雙向選擇規(guī)則，來得到合適的候選節(jié)點，再通過候選節(jié)點之間的競爭來選出最優(yōu)轉發(fā)節(jié)點，達到網絡能量合理分配，優(yōu)化能量利用效率的目的。

2.1 轉發(fā)節(jié)點的雙向選擇

設網絡中每個節(jié)點的初始能量都相同，為Es，每個節(jié)點的感測半徑都設為R，定義在節(jié)點Gi的感測半徑內的鄰居節(jié)點集合為節(jié)點的位置坐標用極坐標表示(ρ,?,)θ表示，節(jié)點間的距離公式如公式（4）：

其中f(x)=f(ρsin?cos θ,ρsin ?sinθ,ρcos?)。

節(jié)點的剩余能量Ei是由初始能量減去總發(fā)射能量Etx和總接收能量Erx后得到的剩余能量，在已知發(fā)射功率的情況下可以求得總發(fā)射能量，而接收能量Erx可以通過與Etx在自由空間傳播時的關系如公式（5）：

λ表示載波波長，G表示收發(fā)機的天線增益，M指對背景噪聲干擾的補償，RB這里表示比特速率。

假設當前節(jié)點Gi的剩余能量為Ei，由于水下傳輸損耗的存在，考慮到節(jié)點Gi的剩余能量可能不足以將數(shù)據(jù)傳送到其感測半徑內的較遠節(jié)點，為了避免節(jié)點Gi在不考慮自身剩余能量的情況下誤選了較遠節(jié)點作為轉發(fā)節(jié)點而導致數(shù)據(jù)傳送失敗，需要定義一個結合發(fā)送節(jié)點剩余能量因素的數(shù)據(jù)傳輸距離閾值dT。閾值dT能根據(jù)節(jié)點Gi的剩余能量的大小而變化，確保Gi的數(shù)據(jù)能夠成功傳送，提高能量利用效率。閾值dT的表達公式如公式（6）：

其中En表示發(fā)射器的運作能耗。當?shù)玫降拈撝礵T〉R ，表示在半徑R范圍內的節(jié)點都可以作為Gi候選的轉發(fā)節(jié)點，Gi的剩余能量足以承受Gi將數(shù)據(jù)傳送給半徑范圍R內的任何節(jié)點。當dT〈R ，此時節(jié)點Gi的數(shù)據(jù)傳輸半徑限制在閾值dT范圍內。

假設節(jié)點Gj為Gi在數(shù)據(jù)傳輸距離閾值dT范圍內的候選節(jié)點，考慮到可能出現(xiàn)候選節(jié)點Gj的剩余能量較少，而且Gj的鄰居節(jié)點較遠的情況，當出現(xiàn)這種情況時，從Gi發(fā)送出去的數(shù)據(jù)很可能在還沒達到目的節(jié)點時，就在轉發(fā)節(jié)點處中止。因此不僅需要考慮Gi自身的傳送能力，還需要考慮候選節(jié)點的傳送能力，確保Gi選擇的下一跳節(jié)點具備數(shù)據(jù)傳輸能力。假設Gj的剩余能量為Ej，用公式(6)計算Gj在傳輸距離閾值dT內是否有有鄰居節(jié)點，但沒有鄰居節(jié)點時，Gj向Gi發(fā)送一組數(shù)據(jù)來退出Gi的候選節(jié)點名單，Gi在選擇下一跳轉發(fā)節(jié)點時就不會將Gj考慮在內。

2.2 能量優(yōu)化分配

節(jié)點Gi在確定合適的候選節(jié)點之后，需要確定候選節(jié)點間的最優(yōu)轉發(fā)節(jié)點，最優(yōu)轉發(fā)節(jié)點的選擇主要需考慮剩余能量和傳輸距離因素，選擇剩余能量越大的節(jié)點，可以平衡節(jié)點間的能耗負擔，防止剩余能量小的節(jié)點過早死亡，延長網絡的生命周期；選取傳輸距離越短的節(jié)點，不僅可以減少數(shù)據(jù)傳輸過程中的能量損耗，也可以防止由于傳輸環(huán)境引起的誤碼率過大而導致數(shù)據(jù)包重傳次數(shù)增多的問題，因為，數(shù)據(jù)包重傳次數(shù)增多同樣會給網絡帶來多余的能量負擔。由于候選節(jié)點在網絡中是隨機部署的，為了選擇最優(yōu)的轉發(fā)節(jié)點，需要權衡節(jié)點剩余能量與傳輸距離之間的關系。

對于分組負載為LP,FEC冗余為的數(shù)據(jù)包，可以求得數(shù)據(jù)包在傳輸過程中的誤碼率BER和在誤碼率BER下的數(shù)據(jù)包重傳次數(shù)如公式（7）～（10）：

其中ΦΜ表示所采用的調制方案，表示節(jié)點的平均發(fā)射功率，NP指所發(fā)送的數(shù)據(jù)包的大小。其中LP指數(shù)據(jù)包的有效負載，指數(shù)據(jù)包的FEC冗余，指采用FEC技術的數(shù)據(jù)包錯誤率。Pc(l )是指節(jié)點與鄰居節(jié)點之間的距離分布，PERmax指最大的數(shù)據(jù)包出錯率。

假設每個數(shù)據(jù)包的發(fā)送能耗為EP，可以得到節(jié)點Gi將數(shù)據(jù)發(fā)送至候選節(jié)點Gj整個過程所消耗的能量如公式（11）：

其中dij表示Gi與Gj的距離。

為了得到最優(yōu)的轉發(fā)節(jié)點，假設候選節(jié)點間通過競爭值大小來比較，選出優(yōu)勝者，以候選節(jié)點Gj為例，競爭值的計算公式如公式（12）：

在公式(7)中α表示能耗的權重系數(shù)，計算公式如公式（13）：

剩余節(jié)點能量越大，數(shù)據(jù)傳輸距離越短，能量消耗越少，則競爭值就越大。競爭值最大的節(jié)點當選節(jié)點Gj的最優(yōu)轉發(fā)節(jié)點。通過節(jié)點競爭來選取最優(yōu)轉發(fā)節(jié)點的方式，可以充分考慮到節(jié)點剩余能量以及當前的能耗情況，做到平衡網絡負載，有效延長網絡生命周期。

3 實驗仿真與分析

在仿真實驗中所采用的仿真工具為C++，在window系統(tǒng)下搭建仿真平臺，在Core i5-650 CPU(主頻3.2GHz )和4GB內存的PC機上運行，模擬的100個水下傳感器節(jié)點隨機部署在100m×100m×100m的正方體區(qū)域中，每個傳感器節(jié)點的感測半徑為50m，發(fā)射功率為0.5W，節(jié)點初始能量為20J，忽略處理器的能量損耗，水聲傳播速度為1500m/s，仿真運行時間為5h。對比組分別為文獻[5]中Jugen Nie提出的基于遺傳算法的水下傳感器網絡路由算法和文獻[6]中Abdul Wahid提出的高效節(jié)能的水下傳感器網絡地理轉發(fā)路由協(xié)議。

通過仿真實驗的算法運行結果可以得到網絡中節(jié)點的平均剩余能量，如圖2所示：

圖2 節(jié)點平均剩余能量情況

3種算法在同一仿真環(huán)境下共運行了5h，在運行過程中節(jié)點的剩余能量都隨著運行時間的增加而逐漸減少。在整個運行過程中自適應能量優(yōu)化分配算法的節(jié)點平均剩余能量都高于Jugen Nie和Abdul Wahid的算法。從圖1可以得到，Jugen Nie的算法在運行結束時的節(jié)點平均剩余能量為9.01J，Abdul Wahid的算法為8.56J，自適應能量優(yōu)化分配算法則為10.29J，相比前兩種算法分別提升了14.2%、20.2%的能量效率。

為了分析在整個仿真過程中網絡的能量消耗情況，以網絡的能量消耗總量作為縱坐標，仿真運行時間作為橫坐標，在相同的仿真條件下對3種算法進行編程并運行5h。對比3種算法的網絡能量消耗總量，得到的網絡能耗情況對比圖如圖3所示：

圖3 網絡能耗總量對比圖

從網絡消耗總量來看，采用基于節(jié)點雙向選擇的自適應能量優(yōu)化分配算法的無線傳感器網絡所消耗的能量總量相比兩種對比算法來說明顯較少，平均每小時能耗為89.2J，Jugen Nie和Abdul Wahid的算法則分別為93.3J和96.9J。Jugen Nie的算法在運行了5h之后所消耗的能量總量為947J，Abdul Wahid的算法所消耗的能量總量為964J，自適應能量優(yōu)化分配算法則為897J，相比Jugen Nie和Abdul Wahid的算法的能量消耗總量分別總94.7%、93.0%。

4 總結

能量優(yōu)化問題是水下傳感器網絡的研究重點之一，本文提出一種基于節(jié)點雙向選擇的水聲網絡自適應能量優(yōu)化分配算法，通過建立網絡的三維模型對水下的傳播環(huán)境進行了分析?？紤]了源節(jié)點的剩余能量情況來選擇合適的候選節(jié)點，再采用候選節(jié)點競爭的方式來選取最優(yōu)的轉發(fā)節(jié)點，在平衡網絡能量分配的情況下盡可能地減少了網絡的能量損耗。在實驗仿真中分別與Jugen Nie和Abdul Wahid的算法進行了節(jié)點平均剩余能量和網絡能耗總量的對比分析，證明了本文的自適應能量優(yōu)化分配算法在提高網絡能量利用效率上具有一定的有效性。

[1]魏志強,楊光,叢艷平.水下傳感器網絡安全研究[J]. 計算機學報,2012,35(8):1594-1606.

[2]呂超,王碩,譚民.水下移動無線傳感器網絡研究綜述[J].控制與決策,2009,24(6): 801-807.

[3]郭忠文,羅漢江,洪鋒, 等.水下無線傳感器網絡的研究進展[J].計算機研究與發(fā)展,2010,47(3): 377-389.

[4]洪璐,洪鋒,李正寶,等.CT-TDMA:水下傳感器網絡高效TDMA 協(xié)議[J].通信學報,2012,33(2):164-174.

[5]Jugen Nie,Deshi Li,Yanyan Han.Optimization of Multiple Gateway Deployment for Underwater Acoustic Sensor Networks[J]. Computer Science and Information Systems,2011,8(4):1073-1095.

[6]Wahid A, Kim D. An Energy Efficient Localization-Free Routing Protocol for Underwater Wireless Sensor Networks[J].International Journal of Distributed Sensor Networks,2012,2012.

[7]Xu J, Li K, Min G. Asymmetric multi-path division communications in underwater acoustic networks with fading channels[J]. Journal of Computer and System Sciences,2013,79(2):269-278.

[8]劉玉梁,潘仲明.水下無線傳感器網絡能量路由協(xié)議的仿真研究[J]. 傳感技術學報,2011,24(6):905-908.

[9]Pompili D, Akyildiz I F. A multimedia cross-layer protocol for underwater acoustic sensor networks[J]. IEEE Transactions on Wireless Communications, 2010, 9(9): 2924-2933.

[10]Pompili D, Melodia T,Akyildiz I F. Deployment analysis in underwater acoustic wireless sensor networks[C]//Proceedings of the 1st ACM international workshop on Underwater networks. ACM, 2006: 48-55.

[11]Robert, J. U. Principles of underwater sound.[M]New York: McGraw-Hill Book Company, 1983.

[12]Zhou Z, Peng Z, Cui J H, et al. Efficient multipath communication for time-critical applications in underwater acoustic sensor networks[J]. IEEE/ACM Transactions on Networking, 2011, 19(1): 28-41.

Hydroacoustic WSN Network Adaptive Optimization of Energy Distribution Based on the Node Two-way Choice

Pei Xiang1, Ren Xiaona2
(1.Department of Computer Engineering, Henan Polytechnic Institute, Nanyang 473000, China; 2. Network Center, Henan Polytechnic Institute, Nanyang 473000, China)

Aiming at the problems that network node energy load is imbalance and the path transmission loss of underwater node is too heavy in underwater sensor network, a hydroacoustic network adaptive optimization of energy distribution based on the node’s two-way choice is proposed in order to balance the energy distribution node network and improve the energy efficiency of the network. The method of next hop node’s two-way choice is proposed based on the residual energy of node. It can prevent the node with less energy left from being disrupted caused by transformation loss when the data are transmitted. It takes a full consideration of the trade-off between nodes remaining energy and transmission loss so as to propose the competition formula of optimal transforming node, and then selects the best next hop node by comparing the competing value of candidate nodes. The simulation results show that adaptive energy optimization allocation algorithm can effectively improve the energy efficiency of underwater sensor networks and prove the effectiveness of the algorithm on energy optimization by comparing with contrast algorithm group.

Underwater Sensor Networks; the Node Two-way Choice; Adaptive Optimization of Energy Distribution; Competition Formula

TP393

A

2015.01.19)

1007-757X(2015)04-0052-03

裴 祥（1984-），男，漢，重慶奉節(jié)人，河南工業(yè)職業(yè)技術學院，助教，碩士，研究方向：計算機軟件技術、人工智能，南陽，473000

任曉娜（1981-），女，漢，河南南陽人，河南工業(yè)職業(yè)技術學院，講師，碩士，研究方向：計算機應用，南陽，473000