黄光群，孙 晖，路 扬，詹亚曙

(浙江大学 电气工程学院，浙江 杭州310027)

0 引 言

无线传感器网络(WSNs)是由具有能够感知监测区域感兴趣信息能力、无线数据传输能力和处理信息能力的传感器节点组成的自组织网络［1］。如何提高节点能量的利用率成为WSNs 路由研究的热点问题［2］。传统的客户/服务器(C/S)模式在WSNs 中没有利用数据的相关性进行融合，容易造成较高能耗［3］，而且，若干源节点与基站进行数据交换时对于流量宽带较窄的WSNs 容易造成路径损耗［4］。

针对上述问题，文献［5］提出基于移动代理(mobile agent，MA)的LCF 和GCF 算法，其能压缩数据，减少网络宽带的需求，但该算法通过节点地理位置决定MA 路线，网络分布复杂时其性能很差。文献［6］提出DSG—MIP 算法，将网络划分为若干区域，派出若干MA 访问相应区域，相比单一MA，具有更好的性能，但未考虑节点剩余能量。

上述算法研究主要应用于平面路由模式下，本文受到DSG—MIP 算法的启示，在三维胞元模型［7］的基础上提出了MA 双向并行(3D—BPMA)路由算法。该算法根据三维胞元系统的特点，将整个三维空间按纵向和橫向分别划分为不同的集合，不同集合间通过并行克隆的方式产生MA，提高了整个网络的访问速度。

1 相关模型

1.1 三维胞元空间模型

以参考点O 为坐标原点建立三维坐标系如图1 所示［7］，其中，节点i 的坐标为(xi，yi，zi)，其所在的胞元坐标为(XI，YI，ZI)，Rmax是节点最大通信半径，在三维胞元空间内规定胞子只能与本胞元内节点进行通信，不能与邻居胞元内的节点通信。胞父节点是本胞元内按照自适应选举选择出来的，其负责相邻胞元的通信。

图1 三维胞元空间模型Fig 1 3D cell space model

1.2 能耗模型与数据融合模型

本文采用文献［8］中的能耗模型，当传输g bit 时

其中，lij为传输节点i 和接收节点j 之间的距离，Eelec为与无线传输或者接收有关的常数，εamp为与信号衰减有关的常数，γ 与当前的阻力有关，本文取γ=2。

本文采用文献［9］的数据融合模型，访问第k 个节点时MA 的表达式如下

其中，r 为数据压缩率，ld为原始感应数据大小，ρ(0≤ρ ＜1)为数据融合率为访问完第k 个节点后MA 的大小为开始时由基站发出MA 的大小。

1.3 单层系统模型

在三维胞元模型中以胞元长度d 为单位长度，在Z 坐标轴方向上分解出若干单层系统，如图2 所示。单层系统模型(single-layer system model，SSM)增加了以下属性:

1)路由器(Router):每个单层系统含有唯一路由器，其负责建立所在层的网络和相邻单层系统之间的通信，其一般位于本层的中心，且自身能量较大。

2)层数(FloorNum):基站的胞元坐标为(XB，YB，ZB)，路由器的胞元坐标为(XR，YR，ZR)，定义基站所在的层数为第0 层，路由器所在的层数为FloorNum=ZR－ZB。

3)最大跳数(maxHop): maxHop 为Router 与本层边缘胞父通信所需的最大跳数，即maxHop=max［(XJ－XR)，(YJ－YR)，(ZJ－ZR)］，图3 中，单层系统maxHop=3。

4)环形集合(RingSet):如果将到达路由器跳数相同的胞父节点视作一个集合，单层系统模型被分割成环形集合，RingSetK(K∈N)为该层的第K 个环形集合，其中路由器所在的集合是RingSet0。如图3，F1，F2与F3是本层内靠近原点的胞父，其分别所属环形集合RingSet1，RingSet2，Ring-Set3。

1.4 MA 的数据包格式

本文定义MA 的数据包包含以下信息:

图2 单层系统模型Fig 2 Single-layer system model

图3 环形集合模型Fig 3 Ring set model

MA_ID 是MA 的身份标志;MA_Num 表示MA 当前数量，每产生一个新的MA，此变量加1;SourceList 为基站所需信息所在的节点列表;FloorList 是通过SourceList 得出的需要访问的层列表;AccessedFlag 表示单层系统是否被访问;FirstFloor 和LastFloor 分别代表FloorList 中第一个和最后一个需要访问的层;Processing code 用于处理感兴趣的信息;Message 是经压缩和数据融合的消息包。

2 基于三维胞元空间的3D—BPMA 算法

2.1 信息交换的基本路径

3D—BPMA 算法包含节点收集的消息包和MA 数据包。前者在胞元内由胞子传输到胞父，后者在基站与路由器、路由器与路由器、路由器与胞父、胞父与胞父之间传输。两种信息交互路径如图4 所示，FloorNum=0 的基站将MA 发送给FloorNum=1 或FloorNum=－1 的层，根据需要将MA 进行复制转发给相应的层，等收集完MA 数据包内SourceList所有的节点信息后，消息包经路由器回到基站。

图4 信息交互示意图Fig 4 Sketch map of information interaction

2.2 MA 双向并行传输策略

环形集合将单层系统分割为不同的区域，这为MA 并行访问提供了可能。根据图3 所示环形集合在XOY 平面的投影，规定MA 并行传输策略:RingSetK－1复制发送MA数据包到达RingSetK(K ＞0)内靠近原点的胞父FK;然后MA 在胞父FK处同时按逆时针和顺时针访问胞元区域;最后MA 回到本层路由器。MA 的并行传输策略如图5 所示，其中RingSet1接收到路由器发送的MA 数据包，同时复制并发送MA 到RingSet2，RingSet2复制并发送MA 到Ring-Set3，在RingSet3内的F3中，根据数据包内的SourceList，MA 在逆时针和顺时针两个方向同时访问胞元，最后回到路由器。其中每个胞元内有若干胞子节点，对于单个胞元来说，当胞父能量下降到βEini(0 ＜β ＜1，β 为低能量报警系数)时节点内部开始进行自适应选举，由能量较大的节点担当胞父，实现能耗平衡，保证MA 线路的稳定性。

图5 MA 并行传输策略Fig 5 Parallel transmission strategy of MA

2.3 基于三维胞元空间的3D—BPMA 算法流程

3D—BPMA 算法的实现分为三部分:1)基站派出MA 经路由器到达所需的FloorNum;2)MA 在本层系统内通过行访问策略完成SourceList 内所有节点的访问，回到本层的路由器;3)完成收集数据的MA 经路由器转发回到基站。具体流程如图6 所示，其中存在双向并行模式:一个横向并行方式，即MA 在单层系统中访问胞元是并行的，这种方式能够提高能量的利用率;另外一个是纵向并行方式，即MA 在路由器之间的转发和MA 在每个单层系统中的并行访问是互不干扰的，这种并行能够防止信道阻塞，提升搜集节点信息的效率。

3 仿真实验

3.1 仿真参数设定

算法仿真是在OMNeT++V4.1 平台上进行的。本文分别从平均能耗、平均响应时间和MA 发送率等三个方面进行比较，参数设定为:胞元边长d 为50 m;节点原始感应数据大小为20 bit;初始MA 大小为100 bit;节点初始能量Eini为200 J;接收或发送常数Eelec为50 nJ/bit;信号衰减常数εamp为100 pJ/bit/m2;数据融合能耗Ea为5 nJ/bit;低能量报警系数β 为0.3;数据感应能耗Es为2 nJ/bit;MA 的压缩率r 为0.8;MA 的融合率ρ 为0.8。

3.2 仿真结果分析

三种算法的平均能耗随着轮数变化的曲线如图7 所示。3D—BPMA 算法通过双向并行MA 访问策略实现了MA路径的优化，并采用胞父先搜集并融合本胞元内胞子节点信息的方式，减少了迂回路线，故平均能耗较低。而DSG—MIP 算法采用了简单并行方式，相比LCF 而言，迂回路线较短，故其平均能耗较低。

图6 3D—BPMA 算法流程Fig 6 Process of 3D—BPMA algorithm

图7 平均能耗比较Fig 7 Comparison of average energy consumption

三种算法的平均响应时间随着轮数变化的曲线如图8所示。3D—BPMA 相比较LCF 和DSG—MIP 每个MA 访问的节点数减少，并且是并行进行，所以，减少了平均响应时间。LCF 算法中MA 逐个进行节点访问，所以，平均响应时间最长。

三种算法的MA 发送率随着轮数变化的曲线如图9 所示。相比LCF 和DSG—MIP，3D—BPMA 中MA 数据量不大，能保证胞父节点顺利完成发送MA，而LCF 和DSG—MIP 算法因为MA 访问较多的源节点导致MA 数据量过大，节点因转发数据较大的MA 而死亡，降低了MA 发送率。

4 结 论

3D—BPMA 算法根据单层胞元系统的特性，合理地复制MA，同时进行横向与纵向并行访问，降低访问源节点的平均响应时间;依靠及时选举机制保证了MA 在转发过程中路径的稳定性，提高了MA 的发送率。仿真结果验证其高效的反应速度和较高的能量利用率，克服了单一MA 造成的问题。进一步的研究计划是根据节点的具体地理位置优化MA 的访问路径。

图8 平均响应时间比较Fig 8 Comparison of average response time

图9 发送率比较Fig 9 Comparison of delivery rate

［1］ Ian F Akyildiz，Tommaso Melodia，Kaushik R Chowdhury.A survey on wireless multimedia sensor networks［J］.Computer Networks，2007，51(4):921－960.

［2］ Huang Haojun，Hu Guangmin，Yu Fucai.Energy-aware geographic routing in wireless sensor networks with anchor nodes［J］.International Journal of Communication Systems，2013，26(1):100－113.

［3］ 胡晓敏.无线传感器网络Agent 数据分流策略［J］.软件学报，2012，23(11):2946－2954.

［4］ Singh Yashpal，Deep Kamal，Niranjan S.Multiple criteria clustering of mobile agents in WSNs［J］.International Journal of Wireless＆Mobile Networks(IJWMN)，2012，4(3):183－193.

［5］ Qi H，Iyengar S S，Chakrabarty K.Multiresolution data integration using mobile agents in distributed sensor networks［J］.IEEE Transactions on Systems，Man，and Cybernetics，Part C:Applications and Reviews，2001，31(3):383－391.

［6］ Chen M，Gonzalez-Valenzuela S，Leung V C M.Directional source grouping for multi-agent itinerary planning in wireless sensor networks［C］∥2010 International Conference on Information and Communication Technology Convergence(ICTC)，IEEE，2010:207－212.

［7］ 柯 涛，孙 晖，刘俊延，等.基于三维胞元空间的无线传感器路由算法［J］.电子与信息学报，2013，35(6):1298－1304.

［8］ Heinzelman W R，Chandrakasan A，Balakrishnan H.Energy-efficient communication protocol for wireless microsensor networks［C］∥Proceedings of the Hawaiian International Conference on System Sciences，Hawaii，2000:1－10.

［9］ Chen M，Yang L T，Kwon T，et al.Itinerary planning for energyefficient agent communications in wireless sensor networks［J］.IEEE Transactions on Vehicular Technology，2011，60(7):3290－3299.