基于分層的河流水下傳感器網絡路由算法

劉洋 彭艦 劉唐 王彬

摘要：為了獲取傳感器節點的實時位置，在河流水下傳感器網絡（UWSN）的獨特環境中，采用流體力學的方法對河流水下傳感器網絡進行建模，模擬真實河流環境下傳感器節點的運動規律。為了研究河流水下無線傳感器網絡數據傳輸的問題，提出了一種河流環境下基于分層的路由算法（RALM）。每個節點根據收到Sink廣播的速度信息周期性地計算并更新各自的拓撲信息，數據待發送節點優先選擇當前剩余能量最多的上一層的鄰居節點進行數據轉發，若上層無鄰居節點，則轉發給剩余能量最多的同層鄰居節點。仿真實驗表明，所提算法在網絡的冗余度和丟包率上都要優于基于深度的路由算法（DBR）和基于分層的水下傳感器網絡路由協議（LayeredDBR），網絡生存周期分別提高了71%和45%。

關鍵詞：水下傳感器網絡；流體力學；剩余能量；分層路由算法；生存周期

中圖分類號：TP393 文獻標志碼：A

Abstract：For the unique environment of the Underwater Wireless Sensor Network （UWSN） in river， the model was built by method of fluid dynamics to obtain the realtime position of sensor nodes and simulate the movement law of sensor nodes in real river environment. Furthermore， on the problem of data transmission in UWSN， a Routing Algorithm based on Layered Mechanism （RALM） was proposed for river environment. The topology information was calculated and updated by each node periodically based on the receiving speed from sink. The node to transmit data would choose the neighbor node in upper layer which has the most residual energy to be the next hop. If the node has no neighbor node in upper layer， the next hop would be the neighbor node in the same layer which has the most residual energy. The simulation results show that， compared with DBR （DepthBased Routing） and LayeredDBR （LayeredDepth Based Routing）， RALM algorithm can effectively reduce the network redundancy and packet loss rate， and the network life cycle is raised by 71% and 45%.

Key words：Underwater Wireless Sensor Network （UWSN）； fluid dynamics； residual energy； layered routing algorithm； life cycle

0 引言

隨著世界各國對河流的日益重視， 發展河流經濟熱潮的興起和傳感器網絡研究的迅速發展，河流環境下的水下無線傳感器網絡（Underwater Wireless Sensor Network， UWSN）已經成為新的研究方向[1-3]。河流水下傳感器網絡將采集到的水下環境數據發送給用戶用來輔助決策，在水質監測、污染源定位、防洪預警等領域均具有廣闊的應用前景[4-5]。

河流水下傳感器網絡的通信介質不同于傳統陸地傳感器網絡，通常采用水聲通信，網絡環境復雜，因而傳統傳感器網絡的研究在河流網絡中不能加以應用。目前，水下傳感器網絡的研究主要集中于海洋環境，盡管海洋與河流的傳感器網絡看上去類似，同是將傳感器節點部署于水下進行數據的收集工作，但實際上存在著很大的不同：

1） 河流的水流方向一致；

2） 河流的水流速度更不穩定；

3） 河流的水位會隨著季節產生較大的變化。

因此，盡管國內外的研究學者對海洋數據傳輸的研究已經獲得了一定的成果，但是這些成果并不能很好地應用于河流環境下的水下傳感器網絡。特別是受到河流水位以及節點深度與節點所受水流流速變化的影響，將會導致網絡的拓撲不斷發生變化，這對于數據的無線傳輸是一個很大的挑戰，針對傳統水下傳感器網絡的路由問題，研究者作了諸多工作。

Xiao等[6]提出了LEVBF （LifetimeExtended VectorBased Forwarding）路由協議，該方案比較了候選轉發節點的剩余能量與上一跳節點的所有鄰居節點的平均剩余能量，如果候選轉發節點的剩余能量較高則轉發，反之則丟棄，這使得整個網絡的能耗得以均衡，延長了網絡壽命。但該算法需要獲知傳感器節點的位置信息，而在水下傳感器網絡中無法通過全球定位系統（Global Positioning System， GPS）獲得節點的具體位置，因此該類型的數據傳輸策略的實現存在著較大的局限性。Yan等[7]提出了一種基于深度的數據傳輸策略DBR（Depth Based Routing），該策略僅需要使用廉價的深度傳感器測出每個節點的深度即可。在數據轉發過程中，節點將廣播自己的深度給周圍節點，深度小于該節點的鄰居節點將執行數據轉發任務，同時 DBR 利用深度閾值來控制網絡副本，但是文中節點存在冗余的工作周期，因而增加了節點的能量消耗。彭艦等[8]在DBR算法的基礎上提出了一種基于分層的水下傳感器網絡路由協議LayeredDBR，在該算法中，節點進行一次信息廣播后，只允許指定深度范圍內的節點進行消息接收，以達到控制網絡副本的目的，最終建立與網絡冗余相關的網絡分層模型。Jafri等[9]提出了一種AMCTD（Adaptive Mobility of Courier nodes in Thresholdoptimized DBR protocol）路由算法，其主要思想是在水下延遲容忍網絡中，傳感器節點根據自身深度和剩余能量計算出一個權值，數據轉發時，權值越高的鄰居節點轉發數據越快，但是文中沒有考慮到因Courier節點而增加的額外開銷。

本文的主要研究工作是在河流環境中，采用流體力學的方法對河流環境下的水下傳感器網絡進行建模，分析當節點受力平衡時流體力學中粘滯阻力、壓差阻力等流體阻力對節點運動的影響，實時計算出節點的位置，并結合國內外學者在海洋環境下對數據傳輸的研究成果[10-12]，提出在河流環境下基于分層的路由算法。該算法能有效降低網絡的冗余度和丟包率，延長網絡壽命，并通過仿真實驗驗證了該算法的有效性。

1 系統模型

1.1 網絡模型

在網絡初始狀態，m條長度不同的繩子均勻分布在L×W×H的長方體內，繩子底部被錨固定在河底，每條繩子上隨機分布n個傳感器節點， k個Sink均勻分布在監控河流的表面。如圖1所示，并假設河流水下傳感器網絡具有以下性質。

1）河流水下傳感器網絡由固定在河底的錨節點、拴住節點的繩子、懸浮在河流中的動態節點以及漂浮在河面的Sink節點構成。

2）河面速度在[Vmin，Vmax]內隨機變化。

3）所有非Sink節點具有唯一的ID和相似的通信/處理能力，且節點按照預先設置的功率進行數據通信，一旦部署通信功率將不再改變。

4）傳感器節點的主要部件裝置在空心圓柱體內[13]，每個節點同構且浮力大于重力。

5）傳感器節點采用水聲通信進行通信，且數據分組傳給任意Sink均表示數據被成功接收。

6）節點周期性地進行數據采集任務，并始終有數據傳回至基站。

1.2 能耗模型

本文采用與文獻[14]相同的水聲通信能耗模型。在水下傳感器網絡中，由于節點接收數據所產生的能耗遠遠小于節點發送數據產生的能耗，因此不考慮節點接收數據帶來的能耗，而采用節點發送數據產生的能耗來衡量整個網絡的能量消耗情況。假設P0為節點正常接收數據所需的最小功率、功率對傳輸距離的衰減函數為A（x），節點發送l bit的數據傳輸時延為Tp，其中

2 網絡建模及分層路由算法

2.1 受力分析

通過分析河流水下傳感器網絡的環境特點，即采用水聲通信、河流水流方向一致且河面速度在一定范圍內變化、節點不具備感知位置的能力、節點具有移動性等，采用流體力學的方法分析節點的運動規律，建立符合真實河流環境的網絡模型。

2.1.1 節點運動形態

在流體中，由于河流具有垂線流速分布的特性，河流中各個位置的節點所受到的瞬間流速不相同，距離河面越遠的節點受到的速度越小。因此距離河面越近的節點，所受到水流的沖擊力也越大。式（4）給出了流體中垂線流速分布的對數形式[15]：

2.1.2 平衡態時節點受力分析

為了更準確地分析出節點在水流下的運動規律，在節點受力平衡時，需對節點進行受力分析。當河面速度變化時，節點受力均衡狀態被打破，節點將會運動到某個位置重新達到平衡態，此時，由受力平衡條件可得到節點當前受力平衡模型，如圖2所示（以一根繩子為例）。

3 實驗仿真與性能評估

本文采用Java平臺，仿真實現了RALM、LayeredDBR和DBR算法。在仿真實驗中，河流的長度為60m，寬度和高度均為15m，通信半徑為5.6m，52根繩子均勻分布在河底，每根繩子上隨機分布4個傳感器節點。整個區域構成一個三維監控網絡。網絡中部署10個Sink節點，它們均勻分布在三維區域的上表面。網絡的生命周期被定義為10%節點死亡的時間[17]。

本文中實現的DBR和layeredDBR算法中的深度閾值均為1m， 從圖4不難看出，本文采用的RALM算法，網絡的冗余度為1，即Sink節點不會重復收到冗余的數據包，優于DBR算法和LayeredDBR算法，而相對于DBR算法來說，LayeredDBR算法能更好地控制網絡冗余度。

從圖5可以看出，由于DBR算法對網絡冗余的控制較差，造成大量的能量浪費，因而網絡生存周期較短。而與LayeredDBR相比，RALM路由時每次只選擇一個剩余能量最多的節點進行數據轉發，而不是轉發給所有深度閾值內的鄰居節點，因此與其他算法相比，RALM算法具有較長的壽命。

從圖6表明，當網絡中第一個節點死亡后，網絡變得很不穩定，導致網絡的丟包率有明顯的上升趨勢。其中LayeredDBR與其他算法相比，丟包率最高。那是因為LayeredDBR只允許跨層傳輸數據，當上一次沒有鄰居節點時，則會造成大量的數據丟包。而DBR和RALM的丟包率相當，綜合考慮DBR冗余度高的特點，RALM仍然具有較高的網絡性能。

從圖7可以發現，在同樣的環境下，DBR和LayeredDBR算法由于高冗余的特點，在很短的生命周期內10%的節點就已經死亡，而且網絡死亡時剩余了很大一部分的能量，造成了能量的浪費。而RALM由于單節點傳播的特性，使每一輪采集數據所消耗的能耗要小于LayeredDBR和DBR算法，因而生命周期最長。

4 結語

針對河流水下傳感器網絡的特殊環境，采用流體力學的方法對繩子上的傳感器節點進行受力分析，并提出了一種河流環境下基于分層的路由策略，與同類算法相比，冗余度降低且丟包率沒有明顯增加，并有效地延長了網絡壽命。但是網絡死亡時能量利用率并不高，造成了一定程度的能量浪費，所以下一階段將著重研究如何有效提高能量利用率，避免或延遲能量空洞現象的出現。

參考文獻：

[1]李建中， 高宏. 無線傳感器網絡的研究進展[J]. 計算機研究與發展， 2008， 45（1）： 1-15.（LI J Z， GAO H. Survey on sensor network research[J]. Journal of Computer Research and Development， 2008， 45（1）： 1-15.）

[2]郭忠文， 羅漢江， 洪峰， 等. 水下傳感器網絡的研究進展[J]. 計算機研究與發展， 2010， 47（3）： 377-389.（GUO Z W， LUO H J， HONG F， et al. Current progress and research issues in underwater sensor networks[J]. Journal of Computer Research and Development， 2010， 47（3）： 377-389.）

[3]CAPELLA J V， BONASTRE A， ORS R， et al. A step forward in the inline river monitoring of nitrate by means of a wireless sensor network[J]. Sensors and Actuators B： Chemical， 2014， 195：396-403.

[4]CAPELLA J V， BONASTRE A， ORS R， et al. In line river monitoring of nitrate concentration by means of a wireless sensor network with energy harvesting[J]. Sensors and Actuators B： Chemical， 2013， 177：419-427.

[5]BHUVANESWARI P T V， KARTHIKEYAN S， JEEVA B， et al. An efficient mobility based localization in underwater sensor networks[C]// Proceedings of the 2012 Fourth International Conference on Computational Intelligence and Communication Networks. Piscataway， NJ： IEEE， 2012：90-94.

[6]XIAO X， JI X P， YANG G， et al. LEVBF： lifetimeextended vectorbased forwarding routing[C]// Proceedings of the 2012 International Conference on Computer Science and Service System. Washington， DC： IEEE Computer Society， 2012： 1201-1203.

[7]YAN H， SHI Z J， CUI J H， et al. DBR： depthbased routing for underwater sensor networks[C]// Proceedings of the 7th International IFIPTC6 Networking Conference on Ad Hoc and Sensor Networks. Berlin： SpringerVerlag， 2008：72-86.

[8]彭艦， 洪昌建， 劉唐， 等. 基于分層的水下傳感器網絡路由策略[J]. 通信學報， 2014， 35（6）： 25-31.（PENG J， HONG C J， LIU T， et al. Strategy of routing based on layered for underwater wireless sensor networks[J]. Journal on Communications， 2014， 35（6）： 25-31.）

[9]JAFRI M R， AHMED S， JAVAID N， et al. AMCTD： adaptive mobility of courier nodes in thresholdoptimized DBR protocol for underwater wireless sensor networks[C]// Proceedings of the 2013 8th International Conference on Broadband and Wireless Computing， Communication and Applications. Piscataway， NJ： IEEE， 2013：93-99.

[10]DOMINGO M C. Marine communities based congestion control in underwater wireless sensor networks[J]. Information Sciences， 2013， 228（7）：203-221.

[11]BASAGNI S， PETRIOLI C， PETROCCIA R， et al. CARP： a channelaware routing protocol for underwater acoustic wireless networks[J]. Ad Hoc Networks， 2014， 34：92-104.

[12]PU L， LUO Y， MO H， et al. Comparing underwater MAC protocols in real sea experiments[J]. Computer Communications， 2015， 56：47-59.

[13]AKKAYA K， NEWELL A. Selfdeployment of sensors for maximized coverage in underwater acoustic sensor networks[J]. Computer Communications， 2009， 32（7/8/9/10）：1233-1244.

[14]SOZER E M， STOJANOVIC M， PROAKIS J G. Underwater acousticnetworks[J]. IEEE Journal of Oceanic Engineering， 2000， 25（1）：72-83.

[15]姚仕明， 盧金友， 徐海濤. 黃陵廟水文斷面垂線流速分布特性研究[J]. 長江科學院院報， 2005， 22（4）：8-11.（YAO S M， LU J Y， XU H T. Study of vertical velocity distribution at Huanglingmiao hydrologic section[J]. Journal of Yangtze River Scientific Research Institute， 2005， 22（4）：8-11.）

[16]李艷紅， 趙敏.含植物河流動力學實驗研究——流速、摩阻流速及曼寧糙率系數垂線分布[J]. 水動力學研究與進展，2004，19：513-519.（LI Y H， ZHAO M. Experimental studies of hydrodynamics in vegetated river flows — vertical profiles of velocity， shear velocity and Manning roughness[J]. Journal of Hydrodynamics， 2004， 19：513-519.）

[17]卿利， 朱清新， 王明文. 異構傳感器網絡的分布式能量有效成簇算法[J]. 軟件學報， 2006， 17（3）：481-489.（QING L，ZHU Q X，WANG M W. A distributed energyefficient clustering algorithm for heterogeneous wireless sensor networks[J]. Journal of Software， 2006， 17（3）：481-489.）