基于移动Sink的WSNs在博物馆环境监测中的应用研究
2020-10-22王红林孙彩云
王红林 孙彩云
摘 要： 为了提高大型WSNs的网络资源配置效率，提出一种分布式离散化的最优Sink移动路径求取方法，在博物馆环境监测中引入基于移动Sink的无线传感器网络。首先，各节点无需全局采集路由信息，通过综合考虑邻居数、与Sink之间的距离等因素分布式采集数据;其次，构造全新的转换矩阵，将移动距离约束下最长停留时间问题转化为约束条件下最短路径的求解问题;最后，将标准Leach和移动节点两种算法运用在博物馆展览馆实际场景中，对两种算法的执行时间和网络生存时间进行了比较。结果表明，移动节点方式提高了网络的网络生成时间，节约了各节点的能量损耗，消除了无线传感器网络的“能量空洞”问题，具有较强的应用和推广价值，能够胜任博物馆场景的应用。
关键词： 无线传感器网络; 博物馆; 环境监测; 移动Sink; 多目标定位; 数据采集
中图分类号： TN929.5?34; TP212.9 文献标识码： A 文章编号： 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
博物馆里珍藏着大量的珍贵文物，这些文物是人类重要的文化遗产。博物馆作为典藏、陈列和研究代表自然与人类文化遗产的场所，基本功能包含征集、保存、保护、研究、展览和社会教育等[1?2]。博物馆的存放环境对文物的保存有着至关重要的影响，对博物馆环境参数的连续自动化监测有利于实时发现环境风险并及时调整[3]。目前，随着无线通信技术、传感器技术的快速发展，无线传感器网络技术成为研究焦点，已应用于不同环境下的监控系统[4?5]。
WSNs（Wireless Sensor Networks）是21世纪最重要的且具有巨大影响力的一项新兴技术，是下一代网络中的关键技术之一[6?8]。WSNs包括传感器节点、汇聚节点和基站[9]三个部分。在传统的如基于Leach协议的WSNs中，节点的位置是固定不动的，传感器节点之间通过多跳或单跳方式传递信息，离Sink较近的节点需要承担更多的通信负载，会导致能量加速耗尽，能量耗尽后这些节点便无法发挥作用，出现“能量空洞”现象[10]。
研究发现，通过在网络中引入节点移动性可以解决“能量空洞”问题，移动节点充当数据汇聚节点（Sink）在网络中游走，其自身的数据处理能力和存储容量比一般传感器节点高出许多，当其移动到传感器节点的通信范围时移动节点与传感器节点进行单跳数据传输。由于通信距离较短，传感器节点的能量损耗较低，可以降低节点数据传输带来的能量损耗，延长节点的生存时间;同时，传感器节点数据无需通过其他节点转发到基站处，无需基站附近节点转发数据而消耗能量，可以消除“能量空洞”问题。
1 问题描述
定义一个端到端通信网络[N（V，E）]，它由一系列节点[V]和节点之间的连接边[E]组成。网络中任何一个节点均可以被其他节点访问，任意两个节点之间最多通过一条有向边连接。有向边定义为[e=（u，v）∈E]，它有两个非负值属性[D（e）]和[C（e）]。[D（e）]表示该有向边长度，而[C（e）]表示经过有向边时的代价或者任何其他希望优化的尺度。移动Sink距离受限的最长网络生存时间问题优化目标为：
1） 每轮移动距离小于等于设置值L;
2） 在目标1）的前提下，系统网络生存时间最长;
3） 算法执行时间在可以接受的范围内。
具体的数学形式化可以表示为：
[Maxi=1nti] （1）
[s.t. Distance（Pi）=e∈PiD（e）≤L] （2）
2 求解方案
首先，利用整数线性规划模型计算无移动距离约束条件下在各节点的停留时间;其次，构造转换函数将移动距离约束下最长停留时间问题转化为最短代价路径问题;然后，最优路径生成过程中，下一个节点的选择无需采集全局路由信息，仅需在局部范围内寻找;最后，将节点连接边的长度进行离散化，降低搜索算法时间复杂度。分布式算法克服了线性规划模型求解的缺陷，可以大大提高算法的执行速度。
2.1 节点预筛选
WSNs中的节点由于其地理位置和邻居节点的个数不同，其成为最优路径停留节点的概率不同，有些节点甚至由于距离基站过远，根本没有成为停留节点的可能性。为了减轻后续算法的计算强度，先通过预筛选环节将不参与最优路径节点选择的节点进行排除，主要方式包括：
1） 将与Sink距离超过移动距离上限[12]的节点设置为不可选。
2） 通过构造节点的停留时间系数，将系数过小的节点设置为不可选。
构造计算各个节点的停留时间系数[Ki]：
[Ki=t·sqrt（Ne）+αL+β， 1≤i≤n] （3）
式中：[t，α，β]为修正系数，根据具体网络进行训练获得;[Ne]为当前节点一跳距离内邻居节点个数;[L]为当前节点与Sink节点之间的距离。[Ki]与[L]成反比，即远离Sink的节点成为根节点的概率小;[Ki]与[Ne]成正比，即邻居多的节点成为停留节点的概率大。这需要各节点满足：
[i=1necvi（vj）Kit1≤IE（vj）， vj∈v] （4）
2.2 節点停留时间计算
WSNs中的每个节点都是Sink停留的潜在位置。为了计算Sink在各个节点的停留时间[ti]，对于各个可能的停留节点[vi]，以[vi]为根节点构造广度优先生成树（Breadth?First?Search）[Ti]。令[Tv]，[v∈V]表示以节点为根节点构造的节点路由访问生成树，[cv（u）]，[u∈V]为生成树[Tv]的节点的子节点个数，则无移动距离限制条件下网络最长生存时间问题可表示为：
[Maxi=1nti]
其中，约束各节点能量消耗之和不超过初始能量，即：
[i=1necviti≤IE（vj） ， 1≤j≤n ] （5）
显然，目标函数式（5）可以在多项式时间内求解。
2.3 最优移动路径选择
将[G（V，E）]每个节点[vi]看成是两个节点[vi，1]，[vi，2]，两个节点之间的权重（代价）为Sink在[vi]节点停留的时间长度。节点[vi]和[vj]之间的距离用边[
3 系统部署实现
3.1 部署环境
南京市博物馆是一座综合性历史艺术类博物馆，是江苏省南京市爱国主义教育基地。馆址朝天宫是江南地区最大的官式古建筑群，是全国重点文物保护单位之一。每个展厅中部署20～30个传感器节点，共200个。移动节点置于汽车上，电动汽车在博物馆内道路上行驶，当电动汽车与展厅在通信范围之内时，传感器节点与移动节点进行数据通信，电动汽车的电池容量有限。节点的传输范围是[Rmax=35 m]，初始能量[IE]为[50 J]，设定每个节点采集数据的速率[r=40 b/s]。
3.2 算法实验
实验考察以下两个方面：移动Sink网络与标准Leach网络性能对比;相同节点个数，不同移动距离上限Sink的移动路径及最长生存时间。
1） 移动Sink方式与标准Leach性能对比
定义网络存活时间为网络从开始运行到所有节点全部死亡的时间。比较重要的指标包括：第一个节点死亡的时间、10%节点死亡的时间、80%节点死亡的时间。
从图1可以看出，移动Sink在第175轮开始才有节点死亡，而Leach在第12轮就开始有节点死亡。这主要是由于长方形狭长环境中，Leach采用簇首与基站直接通信，道路出口处簇首距离基站较远，远距离传输数据快速消耗节点能量;而移动节点方式下，移动节点处于运动状态，可以不停地改变数据采集中心点位置，避免“能量空洞”现象的发生，减少簇首节点与移动节点的通信开销。通过通信方式的优化，可以降低网络节点整体能耗，提高网络生存时间。
2） 不同移动距离限制下路径选择
选择其中的80个节点进行实验，如表1所示。从表1可以看出，在不同的移动距离限制条件下，Sink节点的实际移动路径不相同，移动上限值越大，网络的生存时间越大。
图2为不同移动距离上限运行结果。从图中可以看出，随着移动距离上限的增加，网络生存时间和实际移动距离不是一直处于增长状态。这主要是因为网络生存时间由包括Sink移动距离上限、网络中节点的初始能量、网络中节点的部署和分布方式决定，当Sink移动距離上限超过一定值后，其他因素对网络生存时间的影响将起主导作用，移动距离上限不再影响网络的生存时间。
4 结 论
本文设计一种快速求解移动Sink最优路径的方案，提出一种分布式离散化的最优Sink移动路径求取算法。将标准Leach和移动节点两种算法运用在博物馆展览馆实际场景中，对两种算法的执行时间和网络生存时间进行了比较。结果表明，移动节点方式提高了网络的网络生成时间，节约了各节点的能量损耗，消除了无线传感器网络的“能量空洞”问题，具有较强的应用和推广价值，能够胜任博物馆场景的应用。
参考文献
[1] 何宏.国际博物馆日主题与博物馆社会功能再认识[J].文博，2013（1）：76?79.
[2] 王旭艳，郑宜文，龚丹.博物馆在现代公共文化服务体系中的功能定位及作用发挥：以上海地区的博物馆、纪念馆为例[J].博物馆研究，2016（4）：40?48.
[3] 海鸥.物联网技术在博物馆环境监测中的应用[J].科技视界，2018（17）：9?11.
[4] 李军，曾志平，张雯，等.基于LabVIEW 的婴儿培养箱温湿度检测系统[J].重庆理工大学学报（自然科学版），2014（10）：86?89.
[5] 李金凤，刘沁，张治国，等.基于无线传感器网络的矿井瓦斯监测系统[J].仪表技术与传感器，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.
