平衡车传感器_能量平衡与QoS保障的无线传感器网络机会路由

　　摘 要： 针对无线传感器网络应用中存在大量不可靠通信链路，很难实现能效优化与QoS保障，提出一种能量平衡与QoS保障的机会路由协议EQGOR，并结合机会转发特征建立了传输效率、转发时延、转发能效与节点剩余能量模型.提出了一种基于多目标粒子群的自适应转发集优化算法，该算法兼顾能量与QoS需求，能实现QoS保障并最大化网络生存时间.仿真实验表明，相比机会路由GOR与传统的QoS多路径路由QuESt，本文提出的EQGOR(Energy balanced and QoS guaranteed Geographic Opportunistic Routing)具有更优的QoS与能量效率.�
　　关键词： 无线传感器网络；机会路由；能量平衡；服务质量；多目标粒子群优化
　　�
　　中图分类号：TN915 文献标识码：A
　　
　　
　　Energy Balanced and QoS Guaranteed Opportunistic �
　　Routing for Wireless Sensor Network��
　　YUE Lin1,2, YI Ben-shun1�,XIAO Jin-shen1�
　　(1. School of Electronic Information, Wuhan Univ, Wuhan，Hubei 430079,China;�
　　2. China Ship Development and Design Center, Wuhan, Hubei 430064,China)
　　Abstract:
　　Because there are a large number of unreliable communication links in wireless sensor network applications, it is difficult to achieve energy efficiency and QoS guarantee.So an energy balanced and QoS guaranteed geographic opportunistic routing protocol (EQGOR) was proposed to solve this problem. Based on opportunistic transmit mechanism, we established the models of forwarding efficiency, forwarding delay, energy efficiency and residual energy, and then proposed an adaptive forwarding set optimization algorithm based on multi-objective particle swarm optimization algorithm, which takes into account both energy and QoS requirement to meet QoS requirement and extend network lifetime. The simulation results have shown that this routing performs better than the opportunistic routing GOR and the traditional multi-path QoS routing QuESt in QoS and energy efficiency.
　　�
　　Key words:wireless sensor networks; opportunistic routing; energy balance; service quality; multi-objective particle swarm optimization
　　�
　　
　　随着传感器性能和监测精度的不断提高，在许多无线传感器网络(WSN)用于高性能要求的应用中，如目标跟踪、战地环境监测等，服务质量(QoS)保障成为设计关键目标之一.同时，高效利用传感器节点能量和延长网络寿命仍然是设计的首要目标.而减少通信能耗，选择能量优化的传输路径是延长网络生存时间的有效方法之一.�
　　为此，学者们提出WSN能量平衡与QoS路由，在路径建立过程中考虑节点能量、吞吐量、时延与分组接收率等因素，以满足QoS性能要求.如Saxena等［1］基于多目标遗传算法提出一种QoS约束能量高效路由协议QuESt，协议根据不同服务特征优化时延、带宽、能耗等指标，建立对应最优化路径.Martirosyan等［2］提出一种能量感知QoS路由，在分簇算法中考虑能量与带宽、延迟和抖动等，以满足服务需求.然而，WSN应用中存在大量不可靠通信链路，频繁的数据重传降低了传输效率并增加了能耗，这些确定性QoS路由很难保证较好的服务质量与高能效［3］.�
　　为此，近年来提出了机会路由机制，利用无线广播的特性，多接收节点协作转发数据，提升每跳传输成功率，可明显提高传输效率与QoS性能.另外，由于WSN节点众多、拓扑变化频繁，多QoS指标的全网路径生成算法复杂，而基于位置信息辅助的机会路由能明显减少计算复杂度与路由建立开销，如Zeng等［4］提出一种地理机会路由GOR，但其侧重于提高传输效率，没有关注时延、鲁棒性等其他QoS需求.现有的机会路由大多亦针对吞吐量或是时延等某单一目标优化，还没有相关的WSN机会路由考虑到QoS与能量等多目标优化问题［5］.�
　　本文提出一种能量平衡与QoS保障的WSN地理机会路由EQGOR (Energy Balanced and QoS guaranteed Geographic Opportunistic Routing)，并提出了一种基于多目标粒子群优化算法的自适应转发集优化算法，实现保障QoS性能与延长网络生存时间.�
　　1 EQGOR路由协议描述�
　　设发送节点�A记录了所有邻居节点s的节点信息素(a,p,t,e).其中p为分组接收率，t为转发时延，e为剩余能量.令d(A,D)为节点A到目的节点D的距离，d(s,D)为节点s到目的节点D的距离，则节点s的有效转发距离a为：��
　　�a=d(A,D)－d(s,D)�. (1)�
　　其中，剩余能量�e�与转发时延�t�可以通过节点间的信息交互而获得，而对分组接收率�p�，为了实时反映当前信道接收质量，建议由所接收报文的接收信号强度RSSI(Received Signal Strength Indication)计算出信噪比SNR，再根据Zuniga等［6］提出的WSN节点分组接收率公式进行计算.�
　　对有效转发距离�a�，若各节点已知位置信息，则可直接由式(1)计算可得；若未知位置信息，建议汇聚节点以较大的功率覆盖全网广播报文，传感器节点根据接收报文的接收信号强度RSSI，结合无线信道传输模型估算与汇聚节点的距离.国内外已有不少基于RSSI距离估算的相关研究，如Anzai等［7］提出了一种针对WSN的基于最大似然函数修正的RSSI估算算法，具有较高的精度与较低的复杂度.凡高娟等［8］也提出了一种基于RSSI的WSN环境参数分析与修正方案，可明显提高测距精度.�
　　EQGOR协议的基本过程为：�
　　1)发送节点�S�向有效传输距离大于0(�a�>0)的节点发送请求发送RTS (Request to Send).�
　　2)收到RTS的空闲节点反馈准许发送CTS (Clear to Send).�
　　3)发送节点根据收到的CTS确定可用节点，并根据这些可用节点的信息素�(a,p,t,e)�确定最优效率下的转发集与各节点转发优先级.�
　　4)发送节点批量发送数据报文，考虑到节点存储空间有限，建议选择合适的发送数量.�
　　5)第�i�优先级转发节点接收数据报文后，在确认应答ACK (Acknowledge)中附加数据接收状态，并在�(i－1)t(i=1,2,3,…；t=10 �μs�)�时间后�发出.�
　　6)第�i�优先级转发节点接收到其他节点ACK后，删除队列中高优先级节点已接收数据报文.�
　　而在步骤3)中，若选择过多的转发节点会增大协作开销，并导致重复传输；若选择低效率或低可靠节点，则会导致较多能耗或无法满足QoS需求.因此，接下来对EQGOR协议传输过程进行QoS与能量建模分析，以提供多目标优化的理论基础.�
　　2 QoS与能量建模分析�
　　3.3 状态转移方法�
　　生成初始解后，采用遗传操作模拟粒子运动，生成新种群.本文建议结合路径选择条件，从以下2种操作实现个体状态的转移.�
　　1)交叉操作.当2个染色体有相同优先级转发节点时，则可交换该相同优先级节点之后的节点，以形成新的染色体.如图2所示，由于存在相同优先级�w�=2的转发集节点�s��5�，则可对两染色体进行交叉操作，�s��7与s��9�交叉后的优先级分别为�w�=4与�w�=5；由于没有�w�=3的节点，则进行优先级规范后，使�s��7与s��9�的优先级分别为�w�=3与�w�=4.�
　　2)变异操作.变异操作是在转发集染色体中选择一个变异节点，改变其邻近节点优先级，从而形成新的转发集染色体.如图3所示，对优先级�w�=2的节点�s��5�进行变异操作.�令s��5的邻近节点s��6的优先级w�=3，进行规范化后，即节点�s��7与s��9优先级分别为w�=4与�w�=5.�
　　3.4 评价方法�
　　本文采用TOPSIS评价机制，步骤如下：�
　　1)建立决策矩阵.设优化目标为�f��1�,f��2�,f��3�,f��4�� (分别为传输效率�B�、时延倒数1/�D�、转发能效�F�与剩余能量�R�)，若有�m�个候选转发节点为评价对象，令�f��ij为第i�个评价对象目标�f�j(i=1,2,…,m;j=1,2,3,4)�的值，则有决策矩阵�F=��［�f��ij�］���m×4�.�
　　2)构造加权规范化矩阵.由于各评价目标通常具有不同的数量级，需进行规范化，得到规范化矩阵�R=�［r��ij］��m×4�，其中：�
　　�r��ij=f��ij/∑mi=1f�2��ij.�(15)�
　　采用熵权法计算各指标的权重因子，即根据单项指标的变异程度反映指标权重.�
　　�E�j=－1�ln� m∑m�i=1r��ij�ln� r��ij.� (16)�
　　当�r��i��j�=0时，规定�r��ij�ln�r��ij=�0.根据各指标值的信息熵，计算各指标的权重：�
　　�w�j=(1－E�j)/∑4�k=11－E�k.� (17)�
　　由计算的权重因子�w��j�，令�z��ij�=�w��j�×�r��ij�，即可构造加权规范化矩阵Z＝［�z��ij］��m���×��4.�
　　3)确定相对接近度.根据指标值得到正理想解和负理想解分别为：�
　　�Z�+={Z�+�1,Z�+�2,Z�+�3,Z�+�4},Z�+�j=�min�z��ij，�(18)�
　　�Z�-={Z�-�1,Z�-�2,Z�-�3,Z�-�4},Z�-�j=�max�z��ij.�(19)�
　　评价对象与正理想解和负理想解的距离分�别为：�
　　�d�+�i=∑4j=1(z��ij-Z�+�j)�2，��
　　�d�-�i=∑4j=1(z��ij-Z�-�j)�2.�(20)�
　　评价对象与理想解的相对接近度为：�
　　�D�i=d�-�i/(d�+�i+d�-�i).�(21)�
　　根据�D��i�的大小，可比较评价对象的相对接近度，值越大，相应的评价对象性能越优.�
　　4 计算复杂度分析�
　　设定初始转发节点数为�n�，粒子数为�n��p，�算法迭代次数为�n���max�.�若对4种不同优化目标建立初始解，设效率计算复杂度为�O(1)，则有初始解构造算法的计算复杂度为O(4n�).�
　　在状态转移过程中，设遗传算法的进化代数为�G�，变异概率为�P�，每次进行变异或是交叉操作之后都要执行效率相关计算，其计算复杂度为O(�nPG�)，故基于多目标粒子群转发集优化算法的计算复杂度为�O(n���max�n��p(4n+PGn�)).�
　　5 仿真与性能评估�
　　对EQGOR，QuESt［1］与GOR［5］3种路由协议在不同节点密度下的传输效率、时延、能量效率与生存时间进行比较分析.设定所有协议每10个数据包后确认应答(ACK).�
　　5.1 仿真实验参数�
　　实验采用S-MAC为媒体访问控制协议，最大数据传输率为250 kb/s，采用NS2的Shadowing射频传输模型以反映无线信道多径衰落的特征.定义均方差为�σ���dB�= �4 dB，耗损系数�θ�= 2，参考距离�d���0= 1 m，设定频率2.4 G下14.126 m的分组接收率为0.9 ，则有通信过渡区域为［14.126 m,47.987 m］.设定节点随机分布在150 m×150 m的正方形区域中，初始能量值均为50 J，sink节点位于区域右上角.控制报文(RTS，CTS，ACK)和数据报文(DATA)大小分别为8字节和256字节.每采集周期中各数据源都有1 Mb数据需发送给sink节点.�
　　5.2 路由性能分析�
　　为验证路由性能，随机生成20个数据源，令节点数量分别为48,60,72,84.�
　　1)传输效率.如图4所示，不同节点密度下GOR和EQGOR比QuESt的吞吐量有明显提高.这是因为多节点协作转发增加了每一跳的传输成功率，减少数据包重传与信道接入时延，提高了传输效率.而EQGOR由于兼顾时延、能量等因素，以致传输效率略低于GOR.此外，随着节点密度增大，待选节点的增加，使机会路由的传输效率明显提升.�
　　节点数量��
　　3)能量效率.如图6所示，通过协作转发，EQGOR与GOR明显比QuESt每周期采集能耗更少，其中EQGOR通过优化每次传输的转发能效，相比GOR协议能耗更少.而QuESt协议采用多路径传输方式，能量消耗最高，在不可靠通信链路环境下的多路径传输方式不仅带来了时延的增加，而且频繁的数据重传带来了大量的能量消耗.�
　　
　　4)生存时间.如图7所示，不同节点密度下EQGOR比GOR与QuESt的网络生存时间更长.由于兼顾了节点剩余能量与转发能效，EQGOR明显延长了生存时间.QuESt也具有能量平衡思想，然而多路径传输方式带来的额外能耗与低传输可靠性带来的大量数据重传能耗，使得快速消耗节点能量，反而使网络生存时间最短.GOR则基于单跳转发效率选择路径，没有考虑各节点能量平衡，一些关键位置节点能量快速耗尽，减少了网络生存时间.�
　　节点数量�
　　6 结 论�
　　本文提出的能量平衡与QoS保障的WSN机会路由EQGOR协议，根据协议特征建立传输效率、转发时延、转发能效与节点剩余能量模型，并将兼顾能量与QoS的转发节点集优化问题转换为多目标优化问题，采用多目标粒子群算法进行解空间寻优，获得了Pareto最优解集，实现QoS性能保障与网络生存时间优化.由于采用熵权法对各目标参数权重因子进行自适应调整，不需要针对不同网络条件预先调整各优化目标权重因子，实现在不同环境下最大限度地优化QoS性能并延长网络生存时间.�
　　参考文献�
　　［1］ SAXENA Navrati, ABHISHEK Roy, JITAE Shin. QuESt: a QoS-based energy efficient sensor routing protocol［J］. Wireless Communications and Mobile Computing, 2009, 9(3):417-426.�
　　［2］ MARTIROSYAN Anahit, AZZEDINE Boukerche, RICHARD W, �et al�. Energy-aware and quality of service-based routing in wireless sensor networks and vehicular ad hoc networks［J］.Annalesdes Telecommunications/Annals of Telecommunications, 2008, 63(11/12):669-681.�
　　［3］ SHAH R C,WIETHOLTER S, WOLISZ A, �et al�. When does opportunistic routing make sense? ［C］//Third IEEE International Conference on Pervasive Computing and Communications Workshops. Kauai Island:Institute of Electrical and Electronics Engineers Computer Society, 2005: 350-356.�
　　［4］ ZENG Kai, LOU Wen-jing, YANG Jie,�et al�.On throughput efficiency of geographic opportunistic routing in multihop wireless networks ［J］. Mobile Networks and Applications, 2007, 12(5/6):347-357.�
　　［5］ LIU Hai-tao, ZHANG Bao-xian, HUSSEIN T M,� et al�. Opportunistic routing for wireless ad hoc and sensor networks: present and future directions［J］.IEEE Communications Magazine, 2009, 47(12):103-109.�
　　［6］ ZUNIGA M, KRISHNAMACHARI B. Analyzing the transitional region in low power wireless links［C］ //Annual IEEE Communications Society Conference on Sensor and Ad Hoc Communications and Networks.Santa Clara, Canada:Institute of Electrical and Electronics Engineers Inc, 2004: 517-526.�
　　［7］ ANZAI D,HARA S.Experimental evaluation of a simple outlier RSSI data rejection algorithm for location estimation in wireless sensor networks［J］.Ieice Transactions on Communications, 2008,91B(11):3442-3449.�
　　［8］ 凡高娟, 王汝传, 孙力娟. 基于RSSI的无线传感器网络环境参数分析与修正方案［J］.南京邮电大学学报:自然科学版, 2009，29(6):54-57.�
　　FAN Gao-juan,WANG Ru-chuan,SUN Li-juan.Distance-assistant node coverage identification model for wireless sensor networks ［J］. Journal of Nanjing University of Posts and Telecommunications:Natural Science, 2009，29(6):54-57.(In Chinese)�
　　［9］ HEINZELMAN Wendi Rabiner, CHANDRAKASAN Anantha, BALAKRISHNAN Hari. Energy-efficient communication protocol for wireless microsensor networks［C］// Proceedings of the 33rd IEEE Hawaii International Conference on System Sciences(HICSS-33).Maui, Hawaii:IEEE Computer Society, 2000:233-243.�
　　［10］赵红梅, 李科伟. 基于改进的TOPSIS 法在供应链中经销商的选择与评价方法研究［J］. 内蒙古农业大学学报, 2007, 28(2):180-185.�
　　ZHAO Hong-mei,LI Ke-wei.Research of choice and assessment method of distributor in supply chain based on TOPSIS［J］. Journal of Inner Mongolia Agricultural University,2007,28(2):180-185. (In Chinese)
　　

推荐访问:路由 传感器 能量 能量平衡与QoS保障的无线传感器网络机会路由 无线传感器网络路由协议 无线传感器网络协议