利用本地信噪比實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)的能量有效性

摘 要：提出了利用本地信噪比來選擇部分傳感器節(jié)點(diǎn)發(fā)送數(shù)據(jù)從而達(dá)到實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)能量有效性的方法。在無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)分布的密度很大，節(jié)點(diǎn)采集的數(shù)據(jù)具有很強(qiáng)的相關(guān)性，這樣讓每一個(gè)節(jié)點(diǎn)都發(fā)送它們采集的數(shù)據(jù)是非必要的。采用的方法是選擇那些本地信噪比較高（即對恢復(fù)目標(biāo)原始狀態(tài)貢獻(xiàn)大）的那些節(jié)點(diǎn)傳送它們采集的數(shù)據(jù)。仿真結(jié)果表明該方法可以節(jié)約30%~50%的能量消耗，并且對目標(biāo)節(jié)點(diǎn)狀態(tài)的估計(jì)幾乎沒有造成不良的影響。

關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)； 基于簇的路由協(xié)議； 本地信噪比

中圖分類號：TP309 文獻(xiàn)標(biāo)志碼：A

文章編號：10013695(2008)09278502

Energy efficiency scheme using local SNR for wireless sensor networks

YE Qianyu， LIU Yu， ZHANG Lin

（Information Theory Technology Education Research Center，Beijing University of Posts Telecommunications， Beijing 100876， China）

Abstract:This paper proposed a local SNR aided sensor selecting (LSAS) algorithm to meet the energy efficiency requirement of wireless sensor networks (WSNs). Realizing that it was not necessary to involve all the sensors due to the redundancy characteristic of the information on them， was proposed that only these sensors with higher local SNR were selected to transmit their sensed data. Experimental results demonstrate that it is sufficient to only use the information on nodes with higher local SNR for target state estimation. The simulations also suggest that the proposed method consumes about 30%~50% less energy than the conventional method.

Key words：wireless sensor networks; cluster based routing protocol; local SNR

0 引言

近年來，隨著無線通信和微電子技術(shù)的發(fā)展，無線傳感器網(wǎng)絡(luò)這種新型的網(wǎng)絡(luò)正在成為研究的熱點(diǎn)^[1]。它是由大量的靠著自身供電的無線傳感器組成，具有自組織形成網(wǎng)絡(luò)，傳送數(shù)據(jù)，感應(yīng)目標(biāo)狀態(tài)和處理等功能。當(dāng)這些節(jié)點(diǎn)被釋放到監(jiān)測區(qū)域后它們需要依靠自身攜帶的電池供電，所以如何節(jié)省節(jié)點(diǎn)消耗的能量一直是無線傳感器領(lǐng)域研究的重點(diǎn)，很多與之相關(guān)的協(xié)議在研究過程中側(cè)重點(diǎn)也是如何節(jié)省能量。目前已經(jīng)有一些相關(guān)的技術(shù)被開發(fā)出來，如能量敏感路由^[2，3]、數(shù)據(jù)聚合和睡眠規(guī)劃^[4]。

在這些能量有效性算法中，基于分簇的路由協(xié)議^[5]被認(rèn)為是一種非常有效的節(jié)省能量的方法并吸引了大量學(xué)者的注意。本文在仔細(xì)研究Heinzelma等人^[6]提出的分簇協(xié)議并與目標(biāo)狀態(tài)估計(jì)的實(shí)際相結(jié)合后，認(rèn)為對于目標(biāo)監(jiān)測是沒有必要要求所有的簇內(nèi)節(jié)點(diǎn)都發(fā)送它們所采集的數(shù)據(jù)。根據(jù)文獻(xiàn)[6]，對于目標(biāo)狀態(tài)估計(jì)的結(jié)果能夠造成較大影響的是那些來自于本地信噪比較高的節(jié)點(diǎn)的數(shù)據(jù)，尤其對于監(jiān)測那些狀態(tài)參數(shù)隨著距離成比例衰落的目標(biāo)。

在文獻(xiàn)[7]中指出，那些距離目標(biāo)較近的節(jié)點(diǎn)所采集的數(shù)據(jù)對目標(biāo)估值的影響是較大的。本文利用本地信噪比作為參數(shù)來選擇相應(yīng)的節(jié)點(diǎn)傳送它們采集的數(shù)據(jù)。在實(shí)際情況下，本地信噪比可以通過比較有信號到達(dá)和沒有信號到達(dá)時(shí)的功率值來獲得。

1 問題陳述

假設(shè)有N個(gè)聲波感應(yīng)傳感器^[6]被置放在一個(gè)二維的區(qū)域中。這些傳感器的輸出是聲音信號的幅度。第i個(gè)傳感器的輸出xi被定義為

瘙 綆 是目標(biāo)的狀態(tài)參數(shù)，α是已知的聲波隨距離的衰減因子（在本文中假定為2），‖·‖表示歐氏距。附加噪聲ωi是高斯隨機(jī)信號具有零均值和σ2i的方差。y表示目標(biāo)的位置，yi表示傳感器節(jié)點(diǎn)i的位置。

由這N個(gè)傳感器節(jié)點(diǎn)構(gòu)成的網(wǎng)絡(luò)被分成K個(gè)簇，這里K是根據(jù)N和傳感器分布區(qū)域大小計(jì)算出來的一個(gè)優(yōu)化的值^[5]。

如上面討論，每個(gè)傳感器節(jié)點(diǎn)的本地信噪比是隨著傳感器節(jié)點(diǎn)與目標(biāo)的距離不同而差異的。因此本文的重點(diǎn)是在簇內(nèi)找到這樣一組傳感器節(jié)點(diǎn)它們的本地信噪比要比其他的傳感器要高。

2 提出的方法

本地信噪比輔助選擇傳感器節(jié)點(diǎn)的方法在本文中與LEACHC^[5]相結(jié)合來作為一例子。本文將這個(gè)結(jié)合后的方法稱為LSAS（local SNR aided sensor selecting），這個(gè)方法對LEACHC在初始化階段和穩(wěn)定運(yùn)行階段的實(shí)現(xiàn)方式都有一定的修改。

2.1 初始化階段

在初始化階段，首先傳感器節(jié)點(diǎn)將它們的位置信息和能量發(fā)送到控制中心，然后控制中心根據(jù)節(jié)點(diǎn)的位置和能量信息對網(wǎng)絡(luò)分簇。分簇的依據(jù)是將能量損耗在網(wǎng)絡(luò)中平均分布。分簇的結(jié)果是確定簇頭節(jié)點(diǎn)和簇內(nèi)節(jié)點(diǎn)，并將這些信息以廣播的方式發(fā)送到網(wǎng)絡(luò)中。當(dāng)傳感器節(jié)點(diǎn)收到分簇信息后，根據(jù)信息的內(nèi)容決定它們的角色，并自動劃分到各個(gè)簇。在原始的協(xié)議中簇頭收到信息后會對屬于它的簇內(nèi)節(jié)點(diǎn)分配相應(yīng)的時(shí)分接入信道，但在本文提出的方法中這個(gè)步驟先不進(jìn)行。

2.2 穩(wěn)定運(yùn)行階段

在數(shù)據(jù)采集階段，當(dāng)簇頭感應(yīng)到有數(shù)據(jù)感應(yīng)后，它首先在本簇內(nèi)發(fā)送本地信噪比收集廣播信號，這個(gè)信號里包含了對節(jié)點(diǎn)時(shí)分接入信道的分配。這里在傳感器節(jié)點(diǎn)中會設(shè)置一個(gè)本地信噪比的門限，因?yàn)槿绻麄鞲衅鞴?jié)點(diǎn)檢測出它自身所獲得的信號的本地信噪比較低的話，那么傳輸它所采集的數(shù)據(jù)對目標(biāo)的估計(jì)不能起到太多的幫助作用。這個(gè)門限的取值應(yīng)該根據(jù)實(shí)際情況來獲得。如果節(jié)點(diǎn)的本地信噪比過低，它就傳一個(gè)特殊信號給簇頭，這個(gè)信號的長度遠(yuǎn)小于實(shí)際傳輸?shù)臄?shù)據(jù)。在這里本地信噪比的計(jì)算可以通過比較存在和不存在信號時(shí)的接收功率的強(qiáng)度來獲得。

由式(2)可見本地信噪比與距離的衰減是成比例的。

當(dāng)簇頭收集到所有的本地信噪比后，它比較得到信噪比較高的m個(gè)節(jié)點(diǎn)來發(fā)送數(shù)據(jù)，m由

來確定。這里NumberCH表示簇內(nèi)節(jié)點(diǎn)數(shù)，然后簇頭分配時(shí)分接入信道給這m個(gè)節(jié)點(diǎn)并獲取數(shù)據(jù)。

偽代碼如下：

if (目標(biāo)出現(xiàn))

for (j=0;j<簇內(nèi)節(jié)點(diǎn)數(shù);j++)

請求本地信噪比并設(shè)置TDMA

計(jì)算m并重新設(shè)置TDMA

if (獲得所有數(shù)據(jù))

進(jìn)行數(shù)據(jù)融合并發(fā)送

3 仿真設(shè)置和結(jié)果

第2章中的算法已經(jīng)由C++語言實(shí)現(xiàn)，具體的仿真設(shè)置如下所示。在100 m×100 m的區(qū)域中均勻分布100個(gè)傳感器節(jié)點(diǎn)。目標(biāo)節(jié)點(diǎn)在仿真區(qū)域中均勻分布的出現(xiàn)即目標(biāo)節(jié)點(diǎn)的X坐標(biāo)和Y坐標(biāo)在0~100內(nèi)均勻取值。為了簡化仿真的過程筆者設(shè)置σi=0.005和θ=1。能量消耗的模型與文獻(xiàn)[8]中一致。

為了比較原始的LEACHC協(xié)議和本文提出的方法在目標(biāo)狀態(tài)分析結(jié)果上的性能，本文采用卡爾曼濾波方法來分析目標(biāo)狀態(tài)數(shù)據(jù)。卡爾曼濾波的過程如下所示：

這里(k)-和P(k)-分別為預(yù)測分布的均值和方差，(k+1)和p(k+1)為后驗(yàn)分布的均值和方差。式（4）（5）將估計(jì)目標(biāo)狀態(tài)的均值和方差從第k步更新到第k+1步，為預(yù)測過程。式（6）計(jì)算卡爾曼增益K(k)，式（7）結(jié)合新的測量值z(k+1)j來計(jì)算后期分布的狀態(tài)估計(jì)值，式（8）獲得后期的誤差方差。隨著迭代過程的進(jìn)行，(k)將逐漸逼近于目標(biāo)的真實(shí)狀態(tài)值，誤差方差P(k)逐步降低。在本文中F設(shè)定為1，∑v設(shè)定為0，∑w設(shè)定為σi，Hj=1/‖yi-y‖由傳感器節(jié)點(diǎn)來計(jì)算。

圖1比較了LEACHC算法與LSAS算法在能量消耗方面的差異。雖然LSAS算法需要傳送兩次數(shù)據(jù)給簇頭節(jié)點(diǎn)，但是根據(jù)仿真數(shù)據(jù)可知它仍然節(jié)省了大量的能量。因?yàn)樵贚SAS算法中，傳送本地信噪比所用的數(shù)據(jù)包長度要遠(yuǎn)小于傳送狀態(tài)數(shù)據(jù)的長度。在無線傳感器網(wǎng)絡(luò)中，能量的消耗主要集中在數(shù)據(jù)傳送過程中并且這種消耗是與數(shù)據(jù)的長度成正比的。由于傳感器節(jié)點(diǎn)在本地信噪比不高的情況下是不傳送長的狀態(tài)數(shù)據(jù)，隨著仿真的進(jìn)行，節(jié)點(diǎn)節(jié)省了大量的能量。由圖1可見，在500輪時(shí)LSAS算法只用了大概LEACHC一半的能量。

如圖2所示在兩個(gè)算法中節(jié)點(diǎn)的死亡都是在一個(gè)集中的時(shí)間中，說明兩個(gè)算法都將能量的消耗均勻地分布到網(wǎng)絡(luò)中。在這里L(fēng)SAS算法將網(wǎng)絡(luò)的生存期延長了大概是LEACHC算法的兩倍，因?yàn)樵诿恳惠喼胁⒉皇撬械墓?jié)點(diǎn)都傳送狀態(tài)數(shù)據(jù)，而這些不傳送狀態(tài)數(shù)據(jù)的節(jié)點(diǎn)因此節(jié)省了大量的能量。

圖3顯示了在對節(jié)點(diǎn)狀態(tài)的分析結(jié)果對比上LSAS算法和LEACHC算法并沒有什么明顯的性能差距，這說明了利用高本地信噪比的節(jié)點(diǎn)上的數(shù)據(jù)可以更有效地利用卡爾曼濾波算法，雖然迭代的次數(shù)少了但是在每一次濾波過程中結(jié)果都要更傾向于真實(shí)的值。

4 結(jié)束語

本文提出了一種利用本地信噪比來實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)能量有效性的方法。仿真的結(jié)果表明本文提出的方法有效地節(jié)省了網(wǎng)絡(luò)的能量消耗并且延長了網(wǎng)絡(luò)的生存期。為了比較減少的數(shù)據(jù)量對目標(biāo)狀態(tài)參數(shù)估計(jì)的影響，本文采用卡爾曼濾波算法對目標(biāo)的狀態(tài)進(jìn)行了估計(jì)。結(jié)論表明雖然LSAS算法執(zhí)行了較少的迭代次數(shù)，但是采用的數(shù)據(jù)都是那些具有較大本地信噪比的節(jié)點(diǎn)傳過來的，每次迭代結(jié)果以較大的斜率逼向真實(shí)值，所以對目標(biāo)估值的結(jié)果與LEACHC協(xié)議基本沒有什么差別。在本文中，LSAS算法是與基于分簇的LEACHC算法相結(jié)合，但本算法不只限于與之結(jié)合，它也同樣可以較容易地嵌入于其他基于分簇的協(xié)議。未來的工作主要是改進(jìn)本地信噪比的計(jì)算公式和修正卡爾曼濾波的系數(shù)從而得到更精確的目標(biāo)狀態(tài)估計(jì)結(jié)果。

參考文獻(xiàn)：

［1］AKYILDIZ I F，SU W， SANKARASUBRAMANIAM Y，et al. Wireless sensor networks:a survey[J].Computer Networks，2002，38(4):393422.

[2]MANJESHWAR A， AGRAWAL D P. TEEN: a protocol for enhanced efficiency in wireless sensor networks[C]//Proc of the 1st International Workshop on Parallel and Distributed Computing Issues in Wireless Networks and Mobile Computing. San Francisco，CA:[s.n.]，2001.

[3]LINDSEY S，RAGHAVENDRA C S.PEGASIS:power efficient gathering in sensor information systems[C]//Proc ofIEEE Aerospace Conference. Montana:Big Sky，2002.

[4]YE Wei，HEIDEMANN J，ESTRIN D. An energyefficient MAC protocol for wireless sensor networks[C]//Proc of IEEE Infocom. New York:[s.n.]，2002.

[5]HEINZELMAN W B，CHANDRAKASAN A P， BALAKRISHNAN H. An applicationspecific protocol architecture for wireless microsensor networks[J].IEEE Trans on Wireless Communication，2002，4(1):660670.

[6]LIU Juan， REICH J E， ZHAO Feng. Collaborative innetwork processing for target tracking[J].EURASIP， J of Applied Signal Processing，2003，23(4):378391.

[7]LIU Yu，WANG Yumei， ZHANG Lin，et al. Informationdriven sensor selection algorithm for Kalman filtering in sensor networks[C]//Proc of the 3th International Conference on Ubiquitous Intelligence and Computing. Wuhan:[s.n.]，2006.

[8]HEINZELMAN W. Application specific protocol architectures for wireless networks[D].[S.l.]:MIT， 2000.