潘继强,刘 杰,达列雄,黄现代

(陕西理工大学 数学与计算机科学学院,陕西 汉中 723000)

无线传感器网络(wireless sensor networks,WSN)[1-3]是一种分布式传感网络,它的末梢是可以感知监测区域的传感器.随着计算机技术和微电子技术的不断发展,有效推动了低功率多功能传感器的快速发展,多功能传感器也依据自身数据无线传输的优越性被广泛使用,已成为现代监测技术的前沿技术.但异构无线传感器网络由于自身的体积问题,携带的电池能量有限,监测环境复杂会使更换电池问题无法实现.并且异构无线传感器网络节能分簇路由通信时,若通信节点工作能耗较大,会直接影响网络的使用寿命,影响无线传感器网络的正常运行.因此,异构无线传感器网络[4-5]的能耗优化尤为重要.针对该问题,为减少网络的碰撞概率以及网络通信的荷载问题,对异构无线传感器网络实施节能分簇路由方法,就成为传感器网络技术领域亟待解决的问题.

文献[6]首先详细分析了异构无线传感器网络的能耗无线电一阶模式,构建了异构无线传感器网络的能耗模型;在此基础上,获取网络簇群请求节点接收信息的编码时隙,转发数据并令其稳定传输;结合狼群算法建立网络路由路径,实现无线传感器网络的分簇路由优化.但由于获取的网络簇群请求节点接收信息编码时隙与实际结果之间存在较大误差,所以该方法在网络节点路由通信时节点死亡数量较多.文献[7]首先在簇头选举阶段基于节点剩余能量以及节点密度信息确定簇头权值,并以此修正簇头阈值;再使用簇间路由算法计算簇头与邻居簇头的链路质量,找出最佳簇头完成簇间路径的建立,实现无线传感器网络的分簇路由通信.但根据节点剩余能量以及节点密度信息确定簇头权值存在问题,所以该方法在节点通信时,节点节能程度较差,传输能耗输出较大.文献[8]首先根据粒子群优化算法对模糊均值算法实施优化模糊,并根据节点剩余能量更新网络簇首,平衡簇内负载;再基于距离因子以及节点负载系数建立路径评价函数,使用猫群优化算法搜索最佳路由路径,实现网络通信.但该方法在实际应用中未能对网络节点实施分布优化初步节省节点传输能耗,因此导致传输能耗输出较大,通信节能效果较差.

为解决上述异构无线传感器网络节能分簇路由过程中存在的问题,本文提出一种基于能量迭代模型和蜂群优化算法的异构无线传感器网络节能分簇路由算法.

1 网络节点分布优化

开展异构无线传感器网络节能分簇路由通信时,需先在分簇路由通信前,分析异构无线传感器网络,构建网络通信能耗模型[9],并结合差分蜂群算法及时优化网络节点分布,为后续网络节点分簇路由通信做好准备.

1.1 构建异构无线传感器网络节点能耗模型

异构无线传感器网络节点能耗主要用于数据接收,采用分簇协议模型(low energy adaptive clustering hierarchy,LEACH)进行网络节点通信,设网络中通信节点i和j位置为(xi,yi),(xj,yj),则获取通信节点距离为

(1)

基于上述确定的通信节点距离,选取信道模型,设通信节点的接收发送能耗为A,将建立的网络能耗模型表述成T,以获取节点数据发送时距离为ζ的节点发送能耗.设节点发送接收信息时的比特数为k,节点距离为d,则节点发送能耗AT(k,d)的计算过程为

(2)

其中βf表示网络自由空间信道模型的功率放大能耗,βm表示多径衰落模型功率放大能耗,d0表示节点传输距离阈值.

根据上述计算结果,获取异构无线传感器网络节点接收时的接收能耗[10]为

AR(k,d)=kA(kA+kβfβm),

(3)

其中AR(k,d)表示节点接收的能耗.

基于上述获取的节点接收、发送能耗值,获取通信节点簇头能耗分布以及非簇头能耗分布,以完成能耗模型的建立,过程为

(4)

其中Ac表示异构无线传感器网络中簇头节点的能耗分布,Af表示非簇头节点的能耗.

1.2 无线传感器网络节点分布优化方法

基于上述建立的节点能耗模型,设网络区域为p×q,区域内有N个无线传感器节点且节点感知半径为r,网络节点集合表述成B={b1,b2,…,bN}形式,基于欧氏距离计算结果确定的节点距离[11],结合二元感知模型获取网络通信节点i与j之间的感知概率值为

(5)

其中d(bi,cj)表示节点距离,υij表示获取的网络通信节点i与j之间的感知概率值.即在当前感知范围外,节点的感知概率恒为0,说明该节点被覆盖的概率时间为P.因此,将网络目标区域内节点集合B的区域覆盖率设为G(B),将其作为节点集与网络区域之间的面积比,以完成网络通信节点分布优化的问题描述:

(6)

无线传感器网络节点根据分布优化算法不断调整自身位置,从而提升无线传感器网络在目标区域中的覆盖密度.根据获取的无线传感器网络通信节点分布优化问题描述结果,采用差分蜂群算法对通信节点实施分布优化处理[12],为后续通信节点分簇路由通信做好初步准备.节点分布优化流程如下.

(7)

4) 跟随蜂通过计算的解向量概率值进行邻域节点搜索,获取新的解向量,并基于贪婪算法比较节点适应度值,记录比较结果找出全局最佳适应度解及其相关参数.

5) 对上述流程迭代计算,找出无线传感器网络节点的全局最优解,从而完成网络通信节点的分布优化.

2 异构无线传感器网络节能分簇路由算法

基于网络节点分布优化结果,制定异构无线传感器网络节能分簇方法,使用能量迭代簇头选举方法[13],确定簇头获取簇头半径,完成异构无线传感器网络的通信节点节能分簇,并结合多跳的路由通信方式,在节省节点能耗的基础上,实现异构无线传感器网络的节能路由通信.

2.1 网络节点节能分簇方法

根据上述确定的传输模型以及衰落模型发射最大功率能耗,获取最优簇头数目的数学表达式为

(8)

其中O2表示网络目标区域的节点分布优化结果,U表示网络的总节点数量,dtk表示节点至基站节点之间的距离.由于上述网络路由协议不适用于基站节点,导致通信路由路径通信能力较差,所以需要将节点剩余能量及最小平均可达能耗作为通信节点分簇目标,使用概率迭代选簇方法,完成异构无线传感器网络的通信节点节能分簇.过程中设节点的最大存储能耗为Emax,节点的最小收敛概率为ηmin,以此获取网络节点的成簇概率值,完成节点簇头的选取,并使用非均匀的分簇算法获取簇头的分簇半径,过程如下:

(9)

其中γ表示网络节点的簇头优化比例,Es表示节点剩余能耗,Rmax表示节点簇半径最大值,ρ表示节点成簇概率,max(dtk)表示簇头节点与基站节点之间的最大距离,min(dtk)表示簇头节点与基站节点之间的最小距离,ι为控制参数,Rc为网络节点分簇半径.

为有效缩减节点通信能耗,需使通信网络节点簇头分布更均匀,可利用能量迭代的簇头选举方法确定簇头节点,从而有效规避簇头节点受能耗问题的影响而过早失效的情况,同时避免出现能量空洞现象.

设节点能量迭代选举时的因素权重为κ,网络在选举轮次中的平均消耗能量为Eg,则确定网络节点的最优簇头为

(10)

其中Eh表示选举过程中的节点能量消耗值,λ表示确定的节点最优簇头.

根据上述确定的网络最优簇头实现异构无线传感器网络节点的节能分簇[14].

2.2 网络节点多跳路由通信

完成网络节点分簇后,设定通信簇头节点与基站之间的距离,确定节点通信时的路由等级,过程如下:

(11)

其中C(Ha)表示簇头节点a至基站的相对距离,Rc为成簇半径,level(Ha)表示获取的路由等级.

基于上述计算结果可知,网络进行节点路由通信时,路由等级越小表示簇头节点与基站之间距离越短[15].基于确定的路由等级,利用簇头节点进行簇内广播,设广播发送能耗为et,普通节点接收能耗为eu,以此确定数据传输至下一跳的所需能耗值[16],并找出其中的最低能耗传输路径,过程如下:

(12)

其中ω为节点剩余能量权值,etE(Ha)为簇头节点传播能耗,euE(Ha)为接收能耗,μC(Ha)为传输数据至下一跳的节点能耗总和,θ为最低能耗传输路径.

2.3 网络节能分簇路由通信流程

异构无线传感器网络的节能分簇路由通信流程如图1所示.

图1 异构无线传感器网络节能分簇路由流程Fig.1 Energy efficient clustering routing flowchart for heterogeneous wireless sensor networks

3 实验结果及分析

实验采用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、考虑网络吞吐量的异构无线传感器网络分簇路由算法[6]、无线传感器网络中一种能耗均衡的分簇路由算法[7]进行对比测试.

实验过程中,利用MATLAB软件虚拟建立一个异构无线传感器网络,并设网络中存在2 000个节点随机散布在500×500的二维目标范围内.实验环境: 节点初始能量为2 J,睡眠能耗为0,发送、接收节点损耗为45 nJ/bit,最小连通度为12 k,数据包长为510 byte,簇头节点数量为40个.

基于上述设定的测试环境,使用上述3种方法进行网络节能分簇路由通信,从通信过程的节点死亡数量、节点传输过程能耗节能效果两方面验证不同方法的有效性.

3.1 节点死亡数量测试

分别使用本文方法、文献[6]方法和文献[7]方法进行传感器网络节能分簇路由通信,测试不同方法的网络节点死亡数量,测试结果如图2所示.

图2 不同方法网络节点死亡数量测试结果Fig.2 Test results of number of network node deaths using different methods

由图2可见,在异构无线传感器网络节点通信过程中,随着网络节点接收、发送数据时间的增加,3种方法测试出的节点死亡数量呈不同程度的上升趋势.其中: 文献[6]方法簇头节点数据传输节点死亡数量最多为34个,普通节点数据传输节点死亡数量最多为17个;文献[7]方法簇头节点数据传输节点死亡数量最多为27个,普通节点数据传输节点死亡数量最多为19个;而本文方法簇头节点数据传输节点死亡数量最多为22个,普通节点数据传输节点死亡数量最多为16个.实验结果证明本文方法节点的死亡数量低于其他两种方法.这是因为在进行网络节能分簇路由通信前,本文方法及时对网络节点进行了分布优化处理,优化了节点位置,初步节省了传输能耗,减少了节点的死亡数量.

3.2 节点传输能耗测试

对上述3种方法进行网络节能分簇路由通信时,分别对不同方法的节点传输能耗进行测试,测试结果如图3所示.

图3 不同方法的节点传输能耗测试结果Fig.3 Test results of node transmission energy consumption using different methods

由图3可见,在异构无线传感器网络节能分簇路由通信时,随着网络中节点接收、发送数据时间的不断增加,3种方法测试出的节点使用能耗均呈不同状态的上升趋势.其中在进行异构无线传感器网络节能分簇路由通信时,文献[6]方法节点传输最大能耗为28 nJ/bit,文献[7]方法节点传输最大能耗为37 nJ/bit,而本文方法节点传输最大能耗为21 nJ/bit,低于对比的两种方法.实验结果表明,经本文方法进行异构无线传感器网络节能分簇路由通信时,网络使用寿命较长,网络节能分簇路由通信较好.

综上所述,针对传统路由通信方法中存在的问题,本文提出了一种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.该方法先对网络节点进行分布优化,再在此基础上利用能量迭代算法选取最佳簇头完成分簇处理,并结合多跳路由算法实现对异构无线传感器网络的节能分簇路由通信.