基于移動(dòng)Sink的WSNs在博物館環(huán)境監(jiān)測(cè)中的應(yīng)用研究

王紅林　 孫彩云

摘? 要： 為了提高大型WSNs的網(wǎng)絡(luò)資源配置效率，提出一種分布式離散化的最優(yōu)Sink移動(dòng)路徑求取方法，在博物館環(huán)境監(jiān)測(cè)中引入基于移動(dòng)Sink的無線傳感器網(wǎng)絡(luò)。首先，各節(jié)點(diǎn)無需全局采集路由信息，通過綜合考慮鄰居數(shù)、與Sink之間的距離等因素分布式采集數(shù)據(jù);其次，構(gòu)造全新的轉(zhuǎn)換矩陣，將移動(dòng)距離約束下最長(zhǎng)停留時(shí)間問題轉(zhuǎn)化為約束條件下最短路徑的求解問題;最后，將標(biāo)準(zhǔn)Leach和移動(dòng)節(jié)點(diǎn)兩種算法運(yùn)用在博物館展覽館實(shí)際場(chǎng)景中，對(duì)兩種算法的執(zhí)行時(shí)間和網(wǎng)絡(luò)生存時(shí)間進(jìn)行了比較。結(jié)果表明，移動(dòng)節(jié)點(diǎn)方式提高了網(wǎng)絡(luò)的網(wǎng)絡(luò)生成時(shí)間，節(jié)約了各節(jié)點(diǎn)的能量損耗，消除了無線傳感器網(wǎng)絡(luò)的“能量空洞”問題，具有較強(qiáng)的應(yīng)用和推廣價(jià)值，能夠勝任博物館場(chǎng)景的應(yīng)用。

關(guān)鍵詞： 無線傳感器網(wǎng)絡(luò); 博物館; 環(huán)境監(jiān)測(cè); 移動(dòng)Sink; 多目標(biāo)定位; 數(shù)據(jù)采集

中圖分類號(hào)： TN929.5?34; TP212.9? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）20?0050?03

Application research of mobile Sink?based WSNs in museum environment monitoring

WANG Honglin1，2， SUN Caiyun1，2

（1. College of Electronic&Information Engineering， Nanjing University of Information Science and Technology， Nanjing 210044， China; 2. Jiangsu Key Laboratory of Meteorological Observation and Information Processing， Nanjing University of Information Science and Technology， Nanjing 210044， China）

Abstract： A distributed discretization optimal Sink mobile path finding method is proposed to improve the efficiency of network resource allocation for large?scale WSNs. A wireless sensor networks （WSNs） based on mobile Sink is introduced into the museum environmental monitoring. Each node does not need to collect routing information globally， and can collect data with distributed by overall consideration the quantity of neighbors， the distance from Sink and other factors. A new transformation matrix is constructed to transform the longest residence time problem under moving distance constraint into the shortest path problem under constraints. The standard Leach algorithm and mobile node algorithm are applied into the exhibition actual scene of the museum， and the execution time and the creation time of networks of the standard Leach algorithm and mobile node algorithm are compared. The results show that the mobile node algorithm can increase the creation time of networks， save the energy loss of each node， and remove the “energy hole” of the WSNs. It has strong application and promotion value， and is competent for the application of the museum scene.

Keywords： wireless sensor network; museum; environment monitoring; mobile Sink， multi?target localization; data collection

0? 引? 言

博物館里珍藏著大量的珍貴文物，這些文物是人類重要的文化遺產(chǎn)。博物館作為典藏、陳列和研究代表自然與人類文化遺產(chǎn)的場(chǎng)所，基本功能包含征集、保存、保護(hù)、研究、展覽和社會(huì)教育等[1?2]。博物館的存放環(huán)境對(duì)文物的保存有著至關(guān)重要的影響，對(duì)博物館環(huán)境參數(shù)的連續(xù)自動(dòng)化監(jiān)測(cè)有利于實(shí)時(shí)發(fā)現(xiàn)環(huán)境風(fēng)險(xiǎn)并及時(shí)調(diào)整[3]。目前，隨著無線通信技術(shù)、傳感器技術(shù)的快速發(fā)展，無線傳感器網(wǎng)絡(luò)技術(shù)成為研究焦點(diǎn)，已應(yīng)用于不同環(huán)境下的監(jiān)控系統(tǒng)[4?5]。

WSNs（Wireless Sensor Networks）是21世紀(jì)最重要的且具有巨大影響力的一項(xiàng)新興技術(shù)，是下一代網(wǎng)絡(luò)中的關(guān)鍵技術(shù)之一[6?8]。WSNs包括傳感器節(jié)點(diǎn)、匯聚節(jié)點(diǎn)和基站[9]三個(gè)部分。在傳統(tǒng)的如基于Leach協(xié)議的WSNs中，節(jié)點(diǎn)的位置是固定不動(dòng)的，傳感器節(jié)點(diǎn)之間通過多跳或單跳方式傳遞信息，離Sink較近的節(jié)點(diǎn)需要承擔(dān)更多的通信負(fù)載，會(huì)導(dǎo)致能量加速耗盡，能量耗盡后這些節(jié)點(diǎn)便無法發(fā)揮作用，出現(xiàn)“能量空洞”現(xiàn)象[10]。

研究發(fā)現(xiàn)，通過在網(wǎng)絡(luò)中引入節(jié)點(diǎn)移動(dòng)性可以解決“能量空洞”問題，移動(dòng)節(jié)點(diǎn)充當(dāng)數(shù)據(jù)匯聚節(jié)點(diǎn)（Sink）在網(wǎng)絡(luò)中游走，其自身的數(shù)據(jù)處理能力和存儲(chǔ)容量比一般傳感器節(jié)點(diǎn)高出許多，當(dāng)其移動(dòng)到傳感器節(jié)點(diǎn)的通信范圍時(shí)移動(dòng)節(jié)點(diǎn)與傳感器節(jié)點(diǎn)進(jìn)行單跳數(shù)據(jù)傳輸。由于通信距離較短，傳感器節(jié)點(diǎn)的能量損耗較低，可以降低節(jié)點(diǎn)數(shù)據(jù)傳輸帶來的能量損耗，延長(zhǎng)節(jié)點(diǎn)的生存時(shí)間;同時(shí)，傳感器節(jié)點(diǎn)數(shù)據(jù)無需通過其他節(jié)點(diǎn)轉(zhuǎn)發(fā)到基站處，無需基站附近節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)而消耗能量，可以消除“能量空洞”問題。

1? 問題描述

定義一個(gè)端到端通信網(wǎng)絡(luò)[N（V，E）]，它由一系列節(jié)點(diǎn)[V]和節(jié)點(diǎn)之間的連接邊[E]組成。網(wǎng)絡(luò)中任何一個(gè)節(jié)點(diǎn)均可以被其他節(jié)點(diǎn)訪問，任意兩個(gè)節(jié)點(diǎn)之間最多通過一條有向邊連接。有向邊定義為[e=（u，v）∈E]，它有兩個(gè)非負(fù)值屬性[D（e）]和[C（e）]。[D（e）]表示該有向邊長(zhǎng)度，而[C（e）]表示經(jīng)過有向邊時(shí)的代價(jià)或者任何其他希望優(yōu)化的尺度。移動(dòng)Sink距離受限的最長(zhǎng)網(wǎng)絡(luò)生存時(shí)間問題優(yōu)化目標(biāo)為：

1） 每輪移動(dòng)距離小于等于設(shè)置值L;

2） 在目標(biāo)1）的前提下，系統(tǒng)網(wǎng)絡(luò)生存時(shí)間最長(zhǎng);

3） 算法執(zhí)行時(shí)間在可以接受的范圍內(nèi)。

具體的數(shù)學(xué)形式化可以表示為：

[Maxi=1nti] （1）

[s.t.? Distance（Pi）=e∈PiD（e）≤L]? ?（2）

2? 求解方案

首先，利用整數(shù)線性規(guī)劃模型計(jì)算無移動(dòng)距離約束條件下在各節(jié)點(diǎn)的停留時(shí)間;其次，構(gòu)造轉(zhuǎn)換函數(shù)將移動(dòng)距離約束下最長(zhǎng)停留時(shí)間問題轉(zhuǎn)化為最短代價(jià)路徑問題;然后，最優(yōu)路徑生成過程中，下一個(gè)節(jié)點(diǎn)的選擇無需采集全局路由信息，僅需在局部范圍內(nèi)尋找;最后，將節(jié)點(diǎn)連接邊的長(zhǎng)度進(jìn)行離散化，降低搜索算法時(shí)間復(fù)雜度。分布式算法克服了線性規(guī)劃模型求解的缺陷，可以大大提高算法的執(zhí)行速度。

2.1? 節(jié)點(diǎn)預(yù)篩選

WSNs中的節(jié)點(diǎn)由于其地理位置和鄰居節(jié)點(diǎn)的個(gè)數(shù)不同，其成為最優(yōu)路徑停留節(jié)點(diǎn)的概率不同，有些節(jié)點(diǎn)甚至由于距離基站過遠(yuǎn)，根本沒有成為停留節(jié)點(diǎn)的可能性。為了減輕后續(xù)算法的計(jì)算強(qiáng)度，先通過預(yù)篩選環(huán)節(jié)將不參與最優(yōu)路徑節(jié)點(diǎn)選擇的節(jié)點(diǎn)進(jìn)行排除，主要方式包括：

1） 將與Sink距離超過移動(dòng)距離上限[12]的節(jié)點(diǎn)設(shè)置為不可選。

2） 通過構(gòu)造節(jié)點(diǎn)的停留時(shí)間系數(shù)，將系數(shù)過小的節(jié)點(diǎn)設(shè)置為不可選。

構(gòu)造計(jì)算各個(gè)節(jié)點(diǎn)的停留時(shí)間系數(shù)[Ki]：

[Ki=t·sqrt（Ne）+αL+β，? 1≤i≤n] （3）

式中：[t，α，β]為修正系數(shù)，根據(jù)具體網(wǎng)絡(luò)進(jìn)行訓(xùn)練獲得;[Ne]為當(dāng)前節(jié)點(diǎn)一跳距離內(nèi)鄰居節(jié)點(diǎn)個(gè)數(shù);[L]為當(dāng)前節(jié)點(diǎn)與Sink節(jié)點(diǎn)之間的距離。[Ki]與[L]成反比，即遠(yuǎn)離Sink的節(jié)點(diǎn)成為根節(jié)點(diǎn)的概率小;[Ki]與[Ne]成正比，即鄰居多的節(jié)點(diǎn)成為停留節(jié)點(diǎn)的概率大。這需要各節(jié)點(diǎn)滿足：

[i=1necvi（vj）Kit1≤IE（vj），? vj∈v]? （4）

2.2? 節(jié)點(diǎn)停留時(shí)間計(jì)算

WSNs中的每個(gè)節(jié)點(diǎn)都是Sink停留的潛在位置。為了計(jì)算Sink在各個(gè)節(jié)點(diǎn)的停留時(shí)間[ti]，對(duì)于各個(gè)可能的停留節(jié)點(diǎn)[vi]，以[vi]為根節(jié)點(diǎn)構(gòu)造廣度優(yōu)先生成樹（Breadth?First?Search）[Ti]。令[Tv]，[v∈V]表示以節(jié)點(diǎn)為根節(jié)點(diǎn)構(gòu)造的節(jié)點(diǎn)路由訪問生成樹，[cv（u）]，[u∈V]為生成樹[Tv]的節(jié)點(diǎn)的子節(jié)點(diǎn)個(gè)數(shù)，則無移動(dòng)距離限制條件下網(wǎng)絡(luò)最長(zhǎng)生存時(shí)間問題可表示為：

[Maxi=1nti]

其中，約束各節(jié)點(diǎn)能量消耗之和不超過初始能量，即：

[i=1necviti≤IE（vj） ，? 1≤j≤n ] （5）

顯然，目標(biāo)函數(shù)式（5）可以在多項(xiàng)式時(shí)間內(nèi)求解。

2.3? 最優(yōu)移動(dòng)路徑選擇

將[G（V，E）]每個(gè)節(jié)點(diǎn)[vi]看成是兩個(gè)節(jié)點(diǎn)[vi，1]，[vi，2]，兩個(gè)節(jié)點(diǎn)之間的權(quán)重（代價(jià)）為Sink在[vi]節(jié)點(diǎn)停留的時(shí)間長(zhǎng)度。節(jié)點(diǎn)[vi]和[vj]之間的距離用邊[]的長(zhǎng)度表示。Sink節(jié)點(diǎn)用[v1]表示，其余n個(gè)節(jié)點(diǎn)序號(hào)為從2～n+1。構(gòu)造兩個(gè)矩陣[c（2n+2，2n+2）]和[dr（2n+2，2n+2）]。其中，[c]表示停留時(shí)間;[dr]表示節(jié)點(diǎn)之間的離散化距離。

3? 系統(tǒng)部署實(shí)現(xiàn)

3.1? 部署環(huán)境

南京市博物館是一座綜合性歷史藝術(shù)類博物館，是江蘇省南京市愛國(guó)主義教育基地。館址朝天宮是江南地區(qū)最大的官式古建筑群，是全國(guó)重點(diǎn)文物保護(hù)單位之一。每個(gè)展廳中部署20～30個(gè)傳感器節(jié)點(diǎn)，共200個(gè)。移動(dòng)節(jié)點(diǎn)置于汽車上，電動(dòng)汽車在博物館內(nèi)道路上行駛，當(dāng)電動(dòng)汽車與展廳在通信范圍之內(nèi)時(shí)，傳感器節(jié)點(diǎn)與移動(dòng)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)通信，電動(dòng)汽車的電池容量有限。節(jié)點(diǎn)的傳輸范圍是[Rmax=35 m]，初始能量[IE]為[50 J]，設(shè)定每個(gè)節(jié)點(diǎn)采集數(shù)據(jù)的速率[r=40 b/s]。

3.2? 算法實(shí)驗(yàn)

實(shí)驗(yàn)考察以下兩個(gè)方面：移動(dòng)Sink網(wǎng)絡(luò)與標(biāo)準(zhǔn)Leach網(wǎng)絡(luò)性能對(duì)比;相同節(jié)點(diǎn)個(gè)數(shù)，不同移動(dòng)距離上限Sink的移動(dòng)路徑及最長(zhǎng)生存時(shí)間。

1） 移動(dòng)Sink方式與標(biāo)準(zhǔn)Leach性能對(duì)比

定義網(wǎng)絡(luò)存活時(shí)間為網(wǎng)絡(luò)從開始運(yùn)行到所有節(jié)點(diǎn)全部死亡的時(shí)間。比較重要的指標(biāo)包括：第一個(gè)節(jié)點(diǎn)死亡的時(shí)間、10%節(jié)點(diǎn)死亡的時(shí)間、80%節(jié)點(diǎn)死亡的時(shí)間。

從圖1可以看出，移動(dòng)Sink在第175輪開始才有節(jié)點(diǎn)死亡，而Leach在第12輪就開始有節(jié)點(diǎn)死亡。這主要是由于長(zhǎng)方形狹長(zhǎng)環(huán)境中，Leach采用簇首與基站直接通信，道路出口處簇首距離基站較遠(yuǎn)，遠(yuǎn)距離傳輸數(shù)據(jù)快速消耗節(jié)點(diǎn)能量;而移動(dòng)節(jié)點(diǎn)方式下，移動(dòng)節(jié)點(diǎn)處于運(yùn)動(dòng)狀態(tài)，可以不停地改變數(shù)據(jù)采集中心點(diǎn)位置，避免“能量空洞”現(xiàn)象的發(fā)生，減少簇首節(jié)點(diǎn)與移動(dòng)節(jié)點(diǎn)的通信開銷。通過通信方式的優(yōu)化，可以降低網(wǎng)絡(luò)節(jié)點(diǎn)整體能耗，提高網(wǎng)絡(luò)生存時(shí)間。

2） 不同移動(dòng)距離限制下路徑選擇

選擇其中的80個(gè)節(jié)點(diǎn)進(jìn)行實(shí)驗(yàn)，如表1所示。從表1可以看出，在不同的移動(dòng)距離限制條件下，Sink節(jié)點(diǎn)的實(shí)際移動(dòng)路徑不相同，移動(dòng)上限值越大，網(wǎng)絡(luò)的生存時(shí)間越大。

圖2為不同移動(dòng)距離上限運(yùn)行結(jié)果。從圖中可以看出，隨著移動(dòng)距離上限的增加，網(wǎng)絡(luò)生存時(shí)間和實(shí)際移動(dòng)距離不是一直處于增長(zhǎng)狀態(tài)。這主要是因?yàn)榫W(wǎng)絡(luò)生存時(shí)間由包括Sink移動(dòng)距離上限、網(wǎng)絡(luò)中節(jié)點(diǎn)的初始能量、網(wǎng)絡(luò)中節(jié)點(diǎn)的部署和分布方式?jīng)Q定，當(dāng)Sink移動(dòng)距離上限超過一定值后，其他因素對(duì)網(wǎng)絡(luò)生存時(shí)間的影響將起主導(dǎo)作用，移動(dòng)距離上限不再影響網(wǎng)絡(luò)的生存時(shí)間。

4? 結(jié)? 論

本文設(shè)計(jì)一種快速求解移動(dòng)Sink最優(yōu)路徑的方案，提出一種分布式離散化的最優(yōu)Sink移動(dòng)路徑求取算法。將標(biāo)準(zhǔn)Leach和移動(dòng)節(jié)點(diǎn)兩種算法運(yùn)用在博物館展覽館實(shí)際場(chǎng)景中，對(duì)兩種算法的執(zhí)行時(shí)間和網(wǎng)絡(luò)生存時(shí)間進(jìn)行了比較。結(jié)果表明，移動(dòng)節(jié)點(diǎn)方式提高了網(wǎng)絡(luò)的網(wǎng)絡(luò)生成時(shí)間，節(jié)約了各節(jié)點(diǎn)的能量損耗，消除了無線傳感器網(wǎng)絡(luò)的“能量空洞”問題，具有較強(qiáng)的應(yīng)用和推廣價(jià)值，能夠勝任博物館場(chǎng)景的應(yīng)用。

參考文獻(xiàn)

[1] 何宏.國(guó)際博物館日主題與博物館社會(huì)功能再認(rèn)識(shí)[J].文博，2013（1）：76?79.

[2] 王旭艷，鄭宜文，龔丹.博物館在現(xiàn)代公共文化服務(wù)體系中的功能定位及作用發(fā)揮：以上海地區(qū)的博物館、紀(jì)念館為例[J].博物館研究，2016（4）：40?48.

[3] 海鷗.物聯(lián)網(wǎng)技術(shù)在博物館環(huán)境監(jiān)測(cè)中的應(yīng)用[J].科技視界，2018（17）：9?11.

[4] 李軍，曾志平，張?chǎng)?，?基于LabVIEW 的嬰兒培養(yǎng)箱溫濕度檢測(cè)系統(tǒng)[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（10）：86?89.

[5] 李金鳳，劉沁，張治國(guó)，等.基于無線傳感器網(wǎng)絡(luò)的礦井瓦斯監(jiān)測(cè)系統(tǒng)[J].儀表技術(shù)與傳感器，2013（9）：73?76.

[6] MORCHE D， BERNIER C， SENTIEYS O， et al. HarvWSNet： A co?simulation framework for energy harvesting wireless sensor networks [C]// 2013 International Conference on Computing， Networking and Communications. San Diego： IEEE， 2013： 808?812.

[7] GADDAM A， MUKHOPADHYAY S C， SEN GUPTA G， et al. Wireless sensors networks based monitoring： review， challenges and implementation issues [C]// 2008 3rd International Conference on Sensing Technology. [S.l.]： IEEE， 2009： 533?538.

[8] JIMENEZ A， JIMENEZ S， LOZADA P， et al. Wireless sensors network in the efficient management of greenhouse crops [C]// 2012 Ninth International Conference on Information Technology?New Generations. Las Vegas： IEEE， 2012： 680?685.

[9] MO Q. A remark on the restricted isometry property in orthogonal matching pursuit [J]. IEEE transactions on information theory， 2012， 58（6）： 3654?3656.

[10] YAN J， YU K， CHEN R， et al. An improved compressive sensing and received signal strength?based target localization algorithm with unknown target population for wireless local area networks [J]. Sensors， 2017， 17（6）： 1246?1264.